論文の概要: Deep Learning Reveals Patterns of Diverse and Changing Sentiments
Towards COVID-19 Vaccines Based on 11 Million Tweets
- arxiv url: http://arxiv.org/abs/2207.10641v1
- Date: Tue, 5 Jul 2022 13:53:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-24 11:51:26.563455
- Title: Deep Learning Reveals Patterns of Diverse and Changing Sentiments
Towards COVID-19 Vaccines Based on 11 Million Tweets
- Title(参考訳): 1100万ツイートに基づくCOVID-19ワクチンの多変量と感性の変化パターンをディープラーニングが明らかに
- Authors: Hanyin Wang, Meghan R. Hutch, Yikuan Li, Adrienne S. Kline, Sebastian
Otero, Leena B. Mithal, Emily S. Miller, Andrew Naidech, Yuan Luo
- Abstract要約: 11,211,672人の新型コロナウイルス関連ツイートを2年間で2,203,681人を対象に分析した。
我々は、各ツイートの感情を自動的に検出するために、最先端モデルであるXLNetを用いてディープラーニング分類器を微調整した。
さまざまな人口集団のユーザーは、新型コロナウイルスワクチンに対する感情の異なるパターンを示した。
- 参考スコア(独自算出の注目度): 3.319350419970857
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Over 12 billion doses of COVID-19 vaccines have been administered at the time
of writing. However, public perceptions of vaccines have been complex. We
analyzed COVID-19 vaccine-related tweets to understand the evolving perceptions
of COVID-19 vaccines. We finetuned a deep learning classifier using a
state-of-the-art model, XLNet, to detect each tweet's sentiment automatically.
We employed validated methods to extract the users' race or ethnicity, gender,
age, and geographical locations from user profiles. Incorporating multiple data
sources, we assessed the sentiment patterns among subpopulations and juxtaposed
them against vaccine uptake data to unravel their interactive patterns.
11,211,672 COVID-19 vaccine-related tweets corresponding to 2,203,681 users
over two years were analyzed. The finetuned model for sentiment classification
yielded an accuracy of 0.92 on testing set. Users from various demographic
groups demonstrated distinct patterns in sentiments towards COVID-19 vaccines.
User sentiments became more positive over time, upon which we observed
subsequent upswing in the population-level vaccine uptake. Surrounding dates
where positive sentiments crest, we detected encouraging news or events
regarding vaccine development and distribution. Positive sentiments in
pregnancy-related tweets demonstrated a delayed pattern compared with trends in
general population, with postponed vaccine uptake trends. Distinctive patterns
across subpopulations suggest the need of tailored strategies. Global news and
events profoundly involved in shaping users' thoughts on social media.
Populations with additional concerns, such as pregnancy, demonstrated more
substantial hesitancy since lack of timely recommendations. Feature analysis
revealed hesitancies of various subpopulations stemmed from clinical trial
logics, risks and complications, and urgency of scientific evidence.
- Abstract(参考訳): 新型コロナウイルスワクチンは、執筆時点で120億回以上投与されている。
しかし、ワクチンに対する一般の認識は複雑である。
我々はcovid-19ワクチンに関するツイートを分析し、covid-19ワクチンの進化的な認識を理解する。
最先端モデルであるxlnetを使って、ディープラーニングの分類器を微調整し、各ツイートの感情を自動的に検出した。
ユーザプロファイルから、人種、民族、性別、年齢、地理的位置を抽出する検証された手法を採用した。
複数のデータソースを組み込んで,サブ集団間の感情パターンを評価し,ワクチン摂取データを用いてインタラクティブなパターンを解き放つ。
11,211,672人の新型コロナウイルス関連ツイートを2年間で2,203,681人を対象に分析した。
感情分類のための微調整モデルでは、テストセットで 0.92 の精度が得られた。
さまざまな集団のユーザーは、新型コロナウイルスワクチンに対する感情の異なるパターンを示した。
時間とともにユーザ感情はより肯定的になり、人口レベルのワクチン摂取の増加が観察された。
ポジティブな感情が表れる日を囲んで,ワクチン開発や流通に関する奨励的なニュースやイベントを検出した。
妊娠関連ツイートの肯定的な感情は、一般人口の傾向と比較して遅れたパターンを示し、ワクチン接種後の傾向を示した。
サブポピュレーションにまたがる識別パターンは、適切な戦略の必要性を示唆している。
グローバルニュースやイベントは、ソーシャルメディア上でユーザーの考えを形作ることに深く関わっている。
妊娠などの追加の懸念を持つ集団は、タイムリーな推奨がないため、より実質的なためらった。
特徴分析の結果, 臨床試験の論理, リスクと合併症, 科学的証拠の緊急性に起因した種々のサブポピュレーションのヘシタンシーが明らかになった。
関連論文リスト
- An analysis of vaccine-related sentiments from development to deployment
of COVID-19 vaccines [0.31317409221921144]
私たちは、ディープラーニングモデルによる感情分析フレームワークを使用して、COVID-19パンデミックの始まりからTwitterの感情を分析します。
以上の結果から, ツイート数, ケース数, 感情極性スコアの変化の関連性を示した。
論文 参考訳(メタデータ) (2023-06-23T22:10:05Z) - VaxxHesitancy: A Dataset for Studying Hesitancy towards COVID-19
Vaccination on Twitter [6.061534265076204]
新型コロナウイルス(COVID-19)ワクチン接種に対するユーザの態度を示す3,101件以上のツイートの新たなコレクションを作成します。
私たちの知る限りでは、ワクチンのヘシタシーを、予防的および抗ワクチン的スタンスとは異なるカテゴリとしてモデル化する最初のデータセットとモデルです。
論文 参考訳(メタデータ) (2023-01-17T02:00:31Z) - Dense Feature Memory Augmented Transformers for COVID-19 Vaccination
Search Classification [60.49594822215981]
本稿では,新型コロナウイルスワクチン関連検索クエリの分類モデルを提案する。
本稿では,モデルが対応可能なメモリトークンとして,高密度特徴を考慮した新しい手法を提案する。
この新しいモデリング手法により,Vaccine Search Insights (VSI) タスクを大幅に改善できることを示す。
論文 参考訳(メタデータ) (2022-12-16T13:57:41Z) - Doctors vs. Nurses: Understanding the Great Divide in Vaccine Hesitancy
among Healthcare Workers [64.1526243118151]
医者は新型コロナウイルスワクチンに対して全体的に陽性であることがわかりました。
医師は新型ワクチンよりもワクチンの有効性を懸念している。
看護婦は子供に対する潜在的な副作用にもっと注意を払う。
論文 参考訳(メタデータ) (2022-09-11T14:22:16Z) - A Multilingual Dataset of COVID-19 Vaccination Attitudes on Twitter [4.696697601424039]
新型コロナウイルスワクチンに関連するツイートのデータセットの収集と公開について述べる。
このデータセットは、西ヨーロッパから収集された2,198,090のツイートのIDで構成され、そのうち17,934件は原住民の予防接種姿勢に注釈付けされている。
論文 参考訳(メタデータ) (2022-06-27T13:44:48Z) - "COVID-19 was a FIFA conspiracy #curropt": An Investigation into the
Viral Spread of COVID-19 Misinformation [60.268682953952506]
我々は、自然言語処理モデルを用いて、誤報がCOVID-19パンデミックの進行にどのような影響を及ぼしたかを推定する。
我々は、広範囲に害をもたらす可能性のあるソーシャルメディアポストと戦うための戦略を提供する。
論文 参考訳(メタデータ) (2022-06-12T19:41:01Z) - Sentiment Analysis and Topic Modeling for COVID-19 Vaccine Discussions [10.194753795363667]
われわれは、Twitter上で新型コロナウイルスに関するツイートを詳細に分析する。
その結果、大多数の人はワクチンの有効性に自信を持ち、ワクチン接種を希望していることがわかった。
否定的なツイートは、しばしばワクチン不足の苦情、注射後の副作用、ワクチン接種後の死亡の可能性と関連付けられている。
論文 参考訳(メタデータ) (2021-10-08T23:30:17Z) - Mining Trends of COVID-19 Vaccine Beliefs on Twitter with Lexical
Embeddings [0.8808021343665321]
新型コロナウイルスワクチン接種に関するTwitter投稿のコーパスを抽出しました。
語彙カテゴリーの2つのクラス — 感情と影響要因 — を作成しました。
ワクチンに対するためらいのようなネガティブな感情は、健康関連の効果や誤った情報と高い相関がある。
論文 参考訳(メタデータ) (2021-04-02T16:13:16Z) - Understanding the temporal evolution of COVID-19 research through
machine learning and natural language processing [66.63200823918429]
重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。
私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。
調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
論文 参考訳(メタデータ) (2020-07-22T18:02:39Z) - Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。
実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
論文 参考訳(メタデータ) (2020-06-05T02:04:25Z) - Falling into the Echo Chamber: the Italian Vaccination Debate on Twitter [65.7192861893042]
われわれは、Twitter上での予防接種に関する議論が、予防接種ヘシタントに対する潜在的な不安にどのように影響するかを調査する。
予防接種懐疑派や擁護派が独自の「エチョ室」に居住していることが判明した。
これらのエコーチャンバーの中心には熱心な支持者がいて、高い精度のネットワークとコンテンツベースの分類器を構築しています。
論文 参考訳(メタデータ) (2020-03-26T13:55:50Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。