論文の概要: Data and models for stance and premise detection in COVID-19 tweets:
insights from the Social Media Mining for Health (SMM4H) 2022 shared task
- arxiv url: http://arxiv.org/abs/2311.08057v1
- Date: Tue, 14 Nov 2023 10:30:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-15 14:39:58.889210
- Title: Data and models for stance and premise detection in COVID-19 tweets:
insights from the Social Media Mining for Health (SMM4H) 2022 shared task
- Title(参考訳): 新型コロナウイルスのツイートにおけるスタンスと前提検出のためのデータとモデル:SMM4H(Social Media Mining for Health)2022共有タスクからの洞察
- Authors: Vera Davydova, Huabin Yang, Elena Tutubalina
- Abstract要約: ソーシャル・メディア・マイニング・フォー・ヘルス(SMM4H)2022 共有タスク2を編成する。
このコンペティションでは、学校閉鎖、自宅待機命令、マスク着用の3つのトピックについて、手動でアノテートされた投稿を利用した。
我々は,Twitterから新たに収集したワクチン接種データを用いて,異なるトピックのモデルの性能を評価する。
- 参考スコア(独自算出の注目度): 7.559611243635055
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The COVID-19 pandemic has sparked numerous discussions on social media
platforms, with users sharing their views on topics such as mask-wearing and
vaccination. To facilitate the evaluation of neural models for stance detection
and premise classification, we organized the Social Media Mining for Health
(SMM4H) 2022 Shared Task 2. This competition utilized manually annotated posts
on three COVID-19-related topics: school closures, stay-at-home orders, and
wearing masks. In this paper, we extend the previous work and present newly
collected data on vaccination from Twitter to assess the performance of models
on a different topic. To enhance the accuracy and effectiveness of our
evaluation, we employed various strategies to aggregate tweet texts with
claims, including models with feature-level (early) fusion and dual-view
architectures from SMM4H 2022 leaderboard. Our primary objective was to create
a valuable dataset and perform an extensive experimental evaluation to support
future research in argument mining in the health domain.
- Abstract(参考訳): 新型コロナウイルス(COVID-19)のパンデミックは、ソーシャルメディアプラットフォーム上で多くの議論を巻き起こし、マスク着用やワクチン接種といったトピックに関する見解を共有している。
スタンス検出と前提分類のためのニューラルモデルの評価を容易にするために,smm4h(social media mining for health)2022の共有タスク2を編成した。
このコンペティションでは、学校閉鎖、自宅待機命令、マスク着用の3つのトピックについて、手動でアノテートされた投稿を利用した。
本稿では,過去の研究を拡張し,Twitterからのワクチン接種データを新たに収集し,異なるトピックにおけるモデルの性能を評価する。
評価の精度と有効性を高めるため,我々は,SMM4H 2022リーダーボードから特徴レベル(初期)融合モデルやデュアルビューアーキテクチャを含む,クレーム付きツイートテキストを集約する様々な戦略を採用した。
我々の主な目的は、価値あるデータセットを作成し、健康領域における議論採掘における将来の研究を支援するための広範な実験的な評価を行うことであった。
関連論文リスト
- Capabilities of Gemini Models in Medicine [100.60391771032887]
医療専門のマルチモーダルモデルであるMed-Geminiを紹介する。
メドジェニーニを14の医療ベンチマークで評価し,その内10に新たな最先端(SoTA)性能を確立した。
我々の結果は、Med-Geminiの可能性を示唆する証拠を提供するが、より厳密な評価は実世界の展開に先立って重要である。
論文 参考訳(メタデータ) (2024-04-29T04:11:28Z) - Explorers at #SMM4H 2023: Enhancing BERT for Health Applications through
Knowledge and Model Fusion [3.386401892906348]
ソーシャルメディアは人間の健康を研究する上で貴重なデータ資源となっている。
本稿では,#SMM4H 2023共有タスクへの参加方法について概説する。
論文 参考訳(メタデータ) (2023-12-17T08:52:05Z) - Leveraging Large Language Models and Weak Supervision for Social Media
data annotation: an evaluation using COVID-19 self-reported vaccination
tweets [1.9988653168573556]
ソーシャルメディアプラットフォームは、ワクチンに関する話題を議論するメディアとして人気を博している。
本研究では,新型コロナウイルス関連ツイートを識別するために,大規模言語モデル(GPT-4,弱監督)の使用状況を評価する。
論文 参考訳(メタデータ) (2023-09-12T18:18:23Z) - ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。
この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。
我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
論文 参考訳(メタデータ) (2023-05-23T16:40:07Z) - 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) - METS-CoV: A Dataset of Medical Entity and Targeted Sentiment on COVID-19
Related Tweets [13.35986397208115]
本稿では、医療機関と新型コロナウイルス関連ツイートのターゲット感情を含むデータセットであるMETS-CoVをリリースする。
私たちの知る限りでは、METS-CoVは、新型コロナウイルス関連ツイートの医療機関とそれに対応する感情を収集する最初のデータセットです。
論文 参考訳(メタデータ) (2022-09-28T01:55:14Z) - Adversarial Learning-based Stance Classifier for COVID-19-related Health
Policies [14.558584240713154]
本研究では、新型コロナウイルス関連健康政策に対する公衆の態度を自動的に識別する対人学習に基づくスタンス分類器を提案する。
モデルをより深く理解するために、モデルに外部知識としてポリシー記述を組み込む。
新型コロナウイルス関連健康政策のスタンス検出タスクにおいて,幅広い基準線の性能を評価する。
論文 参考訳(メタデータ) (2022-09-10T10:27:21Z) - Twitter conversations predict the daily confirmed COVID-19 cases [0.2320417845168326]
パンデミック特有の談話は、TwitterやWeiboのようなマイクロブログプラットフォーム上では、今も続いている。
本稿では、新型コロナウイルス関連Twitter会話から複数の時系列を設計するための感情関連トピックベースの方法論を提案する。
モデリングにソーシャルメディア変数を組み込むことで、RMSEのベースラインモデルよりも48.83-51.38%の改善がもたらされることが示されている。
論文 参考訳(メタデータ) (2022-06-21T15:31:06Z) - MedDG: An Entity-Centric Medical Consultation Dataset for Entity-Aware
Medical Dialogue Generation [86.38736781043109]
MedDGという12種類の消化器疾患に関連する大規模医用対話データセットを構築し,公開する。
MedDGデータセットに基づく2種類の医療対話タスクを提案する。1つは次のエンティティ予測であり、もう1つは医師の反応生成である。
実験結果から,プレトレイン言語モデルと他のベースラインは,両方のタスクに苦戦し,データセットの性能が劣ることがわかった。
論文 参考訳(メタデータ) (2020-10-15T03:34:33Z) - BiteNet: Bidirectional Temporal Encoder Network to Predict Medical
Outcomes [53.163089893876645]
本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。
エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。
実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
論文 参考訳(メタデータ) (2020-09-24T00:42:36Z) - Mapping the Landscape of Artificial Intelligence Applications against
COVID-19 [59.30734371401316]
世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。
我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
論文 参考訳(メタデータ) (2020-03-25T12:30:33Z)
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。