論文の概要: Multi-Label Classification of COVID-Tweets Using Large Language Models
- arxiv url: http://arxiv.org/abs/2312.10748v1
- Date: Sun, 17 Dec 2023 15:50:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-19 14:47:49.621612
- Title: Multi-Label Classification of COVID-Tweets Using Large Language Models
- Title（参考訳）: 大規模言語モデルを用いた新型コロナツイートのマルチラベル分類
- Authors: Aniket Deroy, Subhankar Maity
- Abstract要約: 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。
- 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: Vaccination is important to minimize the risk and spread of various diseases.
In recent years, vaccination has been a key step in countering the COVID-19
pandemic. However, many people are skeptical about the use of vaccines for
various reasons, including the politics involved, the potential side effects of
vaccines, etc. The goal in this task is to build an effective multi-label
classifier to label a social media post (particularly, a tweet) according to
the specific concern(s) towards vaccines as expressed by the author of the
post. We tried three different models-(a) Supervised BERT-large-uncased, (b)
Supervised HateXplain model, and (c) Zero-Shot GPT-3.5 Turbo model. The
Supervised BERT-large-uncased model performed best in our case. We achieved a
macro-F1 score of 0.66, a Jaccard similarity score of 0.66, and received the
sixth rank among other submissions. Code is available
at-https://github.com/anonmous1981/AISOME
- Abstract（参考訳）: ワクチンは様々な病気のリスクと拡散を最小限にするために重要である。
近年、ワクチン接種は新型コロナウイルスのパンデミックに対抗する重要なステップとなっている。
しかし、政治やワクチンの潜在的な副作用など、様々な理由からワクチンの使用に懐疑的な人は多い。
このタスクの目標は、投稿の著者が表現したワクチンに対する特定の懸念に応じて、ソーシャルメディア投稿(特にツイート)をラベル付けするための効果的なマルチラベル分類器を構築することである。
3つの異なるモデルを試しました
(a)監督されたBERT大型未使用。
b) 監督されたHateXplainモデル及び
(c)ゼロショット GPT-3.5 ターボモデル。
Supervised BERT-large-uncased model が有効であった。
マクロf1得点0.66,jaccard類似点0.66を達成し,他の応募者の中で6位となった。
コードは、https://github.com/anonmous 1981/aisomeで入手できる。
関連論文リスト
- CausalDiff: Causality-Inspired Disentanglement via Diffusion Model for Adversarial Defense [61.78357530675446]
人間は、本質的な要因のみに基づいて判断するので、微妙な操作によって騙されるのは難しい。
この観察に触発されて、本質的なラベル因果因子を用いたラベル生成をモデル化し、ラベル非因果因子を組み込んでデータ生成を支援する。
逆の例では、摂動を非因果因子として識別し、ラベル因果因子のみに基づいて予測することを目的としている。
論文 参考訳（メタデータ） (2024-10-30T15:06:44Z) - Decoding Concerns: Multi-label Classification of Vaccine Sentiments in
Social Media [0.0]
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。
論文 参考訳（メタデータ） (2023-12-17T06:55:04Z) - 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) - Detection of Increased Time Intervals of Anti-Vaccine Tweets for
COVID-19 Vaccine with BERT Model [0.0]
ソーシャルメディアにおける予防接種の増加は、予防接種対策に使用される戦略を決定するのに役立つ。
人間の労働力で入力されたツイートを記録・追跡するのは非効率だ。
ディープラーニングベースの自然言語処理(NLP)モデルを用いて、対ワクチンツイートが集中する間隔を決定する。
論文 参考訳（メタデータ） (2022-01-12T18:30:23Z) - Winds of Change: Impact of COVID-19 on Vaccine-related Opinions of
Twitter users [19.08902619892565]
新型コロナウイルス(COVID-19)ワクチンを社会規模で投与することは、新型コロナウイルスの感染拡大を防ぐための最も適切な方法だと考えられている。
この世界的なワクチン接種は、ソーシャルメディアプラットフォーム上のワクチンに対する支持と懸念を強く表明する反Vaxxersと反Vaxxersの可能性を自然に引き起こした。
この研究の目的は、Twitterの談話データのレンズを使って、この理解を改善することである。
論文 参考訳（メタデータ） (2021-11-20T19:33:51Z) - Vaccine skepticism detection by network embedding [0.0]
本稿では,Vax-懐疑的コンテンツとpro-vaxxerを効果的に区別する技術を開発した。
数百万のエッジを持つグラフに対して,いくつかのノード埋め込みとコミュニティ検出モデルをデプロイします。
論文 参考訳（メタデータ） (2021-10-20T12:30:51Z) - 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) - 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。