Fugu-MT 論文翻訳(概要): Hierarchical Multi-Label Classification of Online Vaccine Concerns

論文の概要: Hierarchical Multi-Label Classification of Online Vaccine Concerns

arxiv url: http://arxiv.org/abs/2402.01783v1
Date: Thu, 1 Feb 2024 20:56:07 GMT
ステータス: 処理完了
システム内更新日: 2024-02-07 02:05:23.288656
Title: Hierarchical Multi-Label Classification of Online Vaccine Concerns
Title（参考訳）: オンラインワクチンに関する階層的マルチラベル分類
Authors: Chloe Qinyu Zhu, Rickard Stureborg, Bhuwan Dhingra
Abstract要約: ワクチンの懸念は進化を続けるターゲットであり、新型コロナウイルス(COVID-19)のパンデミックで見られるように急速に変化する可能性がある。本稿では,大規模言語モデル(LLM)を用いて,高価なトレーニングデータセットを必要とせず,ゼロショット設定でワクチンの関心事を検出するタスクについて検討する。
参考スコア（独自算出の注目度）: 8.271202196208
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Vaccine concerns are an ever-evolving target, and can shift quickly as seen during the COVID-19 pandemic. Identifying longitudinal trends in vaccine concerns and misinformation might inform the healthcare space by helping public health efforts strategically allocate resources or information campaigns. We explore the task of detecting vaccine concerns in online discourse using large language models (LLMs) in a zero-shot setting without the need for expensive training datasets. Since real-time monitoring of online sources requires large-scale inference, we explore cost-accuracy trade-offs of different prompting strategies and offer concrete takeaways that may inform choices in system designs for current applications. An analysis of different prompting strategies reveals that classifying the concerns over multiple passes through the LLM, each consisting a boolean question whether the text mentions a vaccine concern or not, works the best. Our results indicate that GPT-4 can strongly outperform crowdworker accuracy when compared to ground truth annotations provided by experts on the recently introduced VaxConcerns dataset, achieving an overall F1 score of 78.7%.
Abstract（参考訳）: ワクチンの懸念は絶えず進化する標的であり、新型コロナウイルスのパンデミックの間、急速に変化することができる。ワクチンの懸念や誤情報の縦断的な傾向を特定することは、公衆衛生の取り組みを戦略的に資源や情報キャンペーンに割り当てることによって医療分野に知らせる可能性がある。大規模言語モデル(llm)を用いたオンライン談話におけるワクチンの懸念を検出するタスクを,高価なトレーニングデータセットを必要とせずにゼロショット設定で検討する。オンラインソースのリアルタイムモニタリングには大規模な推論が必要であるため、異なるプロンプト戦略のコスト-精度トレードオフを探索し、現在のアプリケーションにおけるシステム設計の選択を通知する具体的なテイクアウトを提供する。異なるプロンプト戦略の分析により、複数の関心事の分類がllmを通過し、それぞれがワクチンの懸念に言及するかどうかというブールの質問からなることが判明した。以上の結果から,GPT-4は,最近導入したVaxConcernsデータセットの専門家が提示した地上の真実アノテーションと比較して,クラウドワーカーの精度を著しく上回り,F1総合スコアは78.7%に達した。

関連論文リスト

Optimizing Social Media Annotation of HPV Vaccine Skepticism and Misinformation Using Large Language Models: An Experimental Evaluation of In-Context Learning and Fine-Tuning Stance Detection Across Multiple Models [10.2201516537852]
我々は,HPVワクチン関連ツイートに対するスタンス検出のためのソーシャルメディアコンテンツアノテーションのスケールアップのための最適戦略を実験的に決定する。一般に、インコンテキスト学習は、HPVワクチンのソーシャルメディアコンテンツに対するスタンス検出において微調整よりも優れる。
論文参考訳（メタデータ） (2024-11-22T04:19:32Z)
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)
Self-Verification Improves Few-Shot Clinical Information Extraction [73.6905567014859]
大規模言語モデル (LLMs) は、数発のテキスト内学習を通じて臨床キュレーションを加速する可能性を示している。正確性や解釈可能性に関する問題、特に健康のようなミッションクリティカルな領域ではまだ苦戦している。本稿では,自己検証を用いた汎用的な緩和フレームワークについて検討する。このフレームワークはLLMを利用して,自己抽出のための証明を提供し,その出力をチェックする。
論文参考訳（メタデータ） (2023-05-30T22:05:11Z)
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)
Classifying COVID-19 vaccine narratives [7.784326429148358]
政府の情報キャンペーンや世界保健機関(WHO)の努力にもかかわらず、ワクチンの行き詰まりは広範囲に及んでいる。本稿では,新型コロナウイルスワクチンを7つのカテゴリの1つに分類する新しいワクチン物語分類タスクを紹介する。また,クロスバリデーション条件下での精度を84%に向上させるニューラルワクチン物語分類器も提案した。
論文参考訳（メタデータ） (2022-07-18T11:37:47Z)
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)
Automatic Detection of COVID-19 Vaccine Misinformation with Graph Link Prediction [2.0625936401496237]
新型コロナウイルス(COVID-19)ワクチンに関するソーシャルメディアの誤報によって引き起こされたワクチンのヘシタシーは、大きなハードルとなった。 CoVaxLiesは、新型コロナウイルスワクチンに関するいくつかの誤報のターゲットに関連する、新しいツイートのデータセットである。本手法は,誤情報検出をグラフリンク予測問題として用いた誤情報知識グラフにCoVaxLiesを整理する。
論文参考訳（メタデータ） (2021-08-04T23:27:10Z)
Predicting Infectiousness for Proactive Contact Tracing [75.62186539860787]
大規模デジタル接触追跡は、ウイルスの拡散を最小限に抑えながら、経済と社会活動を再開する潜在的な解決策である。プライバシ、モビリティ制限、公衆衛生のトレードオフを行う様々なDCT手法が提案されている。本稿では,個人の感染を積極的に予測するためにスマートフォンに展開可能な方法を開発し,検証する。
論文参考訳（メタデータ） (2020-10-23T17:06:07Z)
Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
論文参考訳（メタデータ） (2020-09-20T12:24:45Z)
COVI White Paper [67.04578448931741]
接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
論文参考訳（メタデータ） (2020-05-18T07:40:49Z)

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。