論文の概要: Decoding Concerns: Multi-label Classification of Vaccine Sentiments in Social Media

• arxiv url: http://arxiv.org/abs/2312.10626v1
• Date: Sun, 17 Dec 2023 06:55:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-19 15:17:44.091988
• Title: Decoding Concerns: Multi-label Classification of Vaccine Sentiments in Social Media
• Title（参考訳）: デコーディング問題:ソーシャルメディアにおけるワクチン感情のマルチラベル分類
• Authors: Somsubhra De and Shaurya Vats
• Abstract要約: 新型コロナウイルス(COVID-19)のパンデミックは、ワクチンが私たちを守る上で重要な役割を担っていることを強調した。 本論文は、予防接種の文脈で表されるこれらの多様な懸念を包括的に理解し、分類することの課題に対処する。 我々の焦点は、ワクチンに対する明瞭な理解に基づいて、特定の関心ラベルのツイートを割り当てる、堅牢なマルチラベルの開発である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the realm of public health, vaccination stands as the cornerstone for mitigating disease risks and controlling their proliferation. The recent COVID-19 pandemic has highlighted how vaccines play a crucial role in keeping us safe. However the situation involves a mix of perspectives, with skepticism towards vaccines prevailing for various reasons such as political dynamics, apprehensions about side effects, and more. The paper addresses the challenge of comprehensively understanding and categorizing these diverse concerns expressed in the context of vaccination. Our focus is on developing a robust multi-label classifier capable of assigning specific concern labels to tweets based on the articulated apprehensions towards vaccines. To achieve this, we delve into the application of a diverse set of advanced natural language processing techniques and machine learning algorithms including transformer models like BERT, state of the art GPT 3.5, Classifier Chains & traditional methods like SVM, Random Forest, Naive Bayes. We see that the cutting-edge large language model outperforms all other methods in this context.
• Abstract（参考訳）: 公衆衛生の分野では、予防接種は病気のリスクを軽減し、その増殖を制御するための基礎となる。 新型コロナウイルスのパンデミックは、ワクチンが私たちを守る上で重要な役割を担っていることを強調した。 しかし状況は、政治的ダイナミクスや副作用に対する理解など、様々な理由からワクチンに対する懐疑的な見方が広まっている。 本論文は、ワクチン接種におけるこれらの多様な関心事の包括的理解と分類の課題に対処する。 我々の焦点は、ワクチンに対する理解に基づいて、特定の関心ラベルをツイートに割り当てる堅牢なマルチラベル分類器の開発である。 これを実現するために,BERT,最先端のGPT 3.5,分類チェイン,SVM,ランダムフォレスト,ネイブベイズといった従来の手法などのトランスフォーマーモデルを含む,さまざまな高度な自然言語処理技術と機械学習アルゴリズムの適用について検討した。 最先端の大規模言語モデルは、この文脈で他のすべてのメソッドよりも優れています。

関連論文リスト

• SPEED++: A Multilingual Event Extraction Framework for Epidemic Prediction and Preparedness [73.73883111570458]
  多様な疾患や言語に対する流行イベント情報を抽出する,最初の多言語イベント抽出フレームワークを提案する。 各言語でデータに注釈を付けることは不可能であり、ゼロショット・クロスランガル・クロス・ディスリーズ・モデルを開発する。 われわれのフレームワークは、2019年12月初旬に中国のWeiboポストから、中国でのトレーニングなしに、新型コロナウイルスの流行を警告することができる。
  論文  参考訳（メタデータ） (2024-10-24T03:03:54Z)
• Public Discourse about COVID-19 Vaccinations: A Computational Analysis of the Relationship between Public Concerns and Policies [3.203095675418499]
  予防接種キャンペーンの展開に伴い、ドイツ語を話す地域は他のヨーロッパ地域よりもはるかに低い予防接種率を示した。 Twitter上では、新型コロナウイルスの重症度やワクチンの有効性、安全性に対する懐疑論が話題となっている。 パンデミックの後期段階では、政策が実施され、無ワクチンの市民の自由が制限されたとき、ワクチン接種の増加が観察された。
  論文  参考訳（メタデータ） (2024-05-07T15:31:13Z)
• Multi-Label Classification of COVID-Tweets Using Large Language Models [0.0]
  ワクチンは新型コロナウイルスのパンデミックに対抗するための重要なステップだ。 多くの人は様々な理由でワクチンの使用に懐疑的です。 この課題の目標は、投稿者の表現するワクチンに対する具体的な懸念に応じて、ソーシャルメディアポストにラベルを付ける効果的なマルチラベル分類器を構築することである。
  論文  参考訳（メタデータ） (2023-12-17T15:50:05Z)
• Cultural-aware Machine Learning based Analysis of COVID-19 Vaccine Hesitancy [16.52326311355925]
  我々は、予防接種意欲を予測するために、新しいデータ収集に基づいて、新しいカルチャー対応機械学習(ML)モデルを設計する。 これらの分析は、ワクチン導入の決定に最も影響を与える主要な要因を明らかにしている。
  論文  参考訳（メタデータ） (2023-04-14T06:47:43Z)
• Evaluating COVID-19 vaccine allocation policies using Bayesian $m$-top exploration [53.122045119395594]
  マルチアーム・バンディット・フレームワークを用いてワクチンのアロケーション戦略を評価する新しい手法を提案する。 $m$-top Exploringにより、アルゴリズムは最高のユーティリティを期待する$m$ポリシーを学ぶことができる。 ベルギーのCOVID-19流行を個人モデルSTRIDEを用いて検討し、予防接種方針のセットを学習する。
  論文  参考訳（メタデータ） (2023-01-30T12:22:30Z)
• 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)
• Insta-VAX: A Multimodal Benchmark for Anti-Vaccine and Misinformation Posts Detection on Social Media [32.252687203366605]
  ソーシャルメディア上の抗ワクチンポストは、混乱を招き、ワクチンに対する大衆の信頼を低下させることが示されている。 Insta-VAXは、ヒトワクチンに関連する64,957のInstagram投稿のサンプルからなる、新しいマルチモーダルデータセットである。
  論文  参考訳（メタデータ） (2021-12-15T20:34:57Z)
• A k-mer Based Approach for SARS-CoV-2 Variant Identification [55.78588835407174]
  アミノ酸の順序を保つことで,分類器の精度が向上することを示す。 また,アメリカ疾病予防管理センター(CDC)が報告した,変異の同定に重要な役割を担っているアミノ酸の重要性も示した。
  論文  参考訳（メタデータ） (2021-08-07T15:08:15Z)
• Classifying vaccine sentiment tweets by modelling domain-specific representation and commonsense knowledge into context-aware attentive GRU [9.8215089151757]
  ワクチンのヘシタシーと拒絶はワクチン接種率の低いクラスターを生じさせ、ワクチン接種プログラムの有効性を低下させる。 ソーシャルメディアは、地理的な位置を含み、ワクチンに関する懸念を詳述することで、ワクチンの受け入れに対する新たなリスクを見積もる機会を提供する。 ワクチン関連ツイートなどのソーシャルメディア投稿を分類する手法では、一般的なドメインテキストで訓練された言語モデル(LM)を使用する。 本稿では、ワクチン関連ツイートで訓練されたドメイン固有LMを用いて相互接続されたコンポーネントで構成された新しいエンドツーエンドフレームワークについて、コンテキスト対応の双方向ゲート再帰ネットワーク(CK-BiGRU)にコモンセンス知識をモデル化する。
  論文  参考訳（メタデータ） (2021-06-17T15:16:08Z)
• 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。