論文の概要: A Platform for Investigating Public Health Content with Efficient Concern Classification

• arxiv url: http://arxiv.org/abs/2506.01308v1
• Date: Mon, 02 Jun 2025 04:36:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:34.031481
• Title: A Platform for Investigating Public Health Content with Efficient Concern Classification
• Title（参考訳）: 効果的な保健内容分類のためのプラットフォーム
• Authors: Christopher Li, Rickard Stureborg, Bhuwan Dhingra, Jun Yang,
• Abstract要約: 本稿では,大規模言語モデルと軽量分類器間の知識伝達のための教師学生向けフレームワークであるAccessScopeを提案する。 ConcernScopeは公衆衛生に関する分類の上に構築されており、大量のファイルをアップロードしたり、特定のURLを自動的にスクラップしたり、直接テキスト編集したりすることができる。 オンラインコミュニティデータセットに見られる共通の関心事の有用な例を見つけるためのガイド付きデータ探索,186,000サンプルの時系列分析による関心事の傾向の同定,重要な出来事の前後における話題頻度の傾向の探索など,このプラットフォームのいくつかの応用例を示す。
• 参考スコア（独自算出の注目度）: 9.523478337036588
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A recent rise in online content expressing concerns with public health initiatives has contributed to already stalled uptake of preemptive measures globally. Future public health efforts must attempt to understand such content, what concerns it may raise among readers, and how to effectively respond to it. To this end, we present ConcernScope, a platform that uses a teacher-student framework for knowledge transfer between large language models and light-weight classifiers to quickly and effectively identify the health concerns raised in a text corpus. The platform allows uploading massive files directly, automatically scraping specific URLs, and direct text editing. ConcernScope is built on top of a taxonomy of public health concerns. Intended for public health officials, we demonstrate several applications of this platform: guided data exploration to find useful examples of common concerns found in online community datasets, identification of trends in concerns through an example time series analysis of 186,000 samples, and finding trends in topic frequency before and after significant events.
• Abstract（参考訳）: 近年、公衆衛生への懸念を表わすオンラインコンテンツの増加は、既に世界中の予防措置の獲得が停滞していることに寄与している。 将来の公衆衛生への取り組みは、そのような内容、読者の関心事、そしてそれに対して効果的に反応する方法を理解する必要がある。 そこで本研究では,大規模言語モデルと軽量分類器間の知識伝達に教師が学習するフレームワークを用いて,テキストコーパスで発生した健康上の懸念を迅速かつ効果的に識別するプラットフォームであるAccessScopeを提案する。 このプラットフォームでは、大量のファイルをアップロードしたり、特定のURLを自動的にスクラップしたり、テキストを直接編集したりできる。 ConcernScopeは公衆衛生に関する分類の上に構築されている。 オンラインコミュニティデータセットに共通する関心事の有用な例を見つけるためのデータ探索,186,000サンプルの時系列分析による関心事の傾向の識別,重要なイベント前後の話題頻度の傾向の検索などである。

関連論文リスト

• Systematic Classification of Studies Investigating Social Media Conversations about Long COVID Using a Novel Zero-Shot Transformer Framework [0.0]
  新型コロナウイルスは、SARS-CoV-2感染から回復したかなりの数の個人に影響を及ぼすことで、公衆衛生に挑戦し続けている。 ソーシャルメディアは、リアルタイム情報、ピアサポート、Long COVIDに関連する健康上の懸念の検証を求める人々にとって、重要なリソースとして浮上している。
  論文  参考訳（メタデータ） (2025-03-14T20:13:08Z)
• Theme-driven Keyphrase Extraction to Analyze Social Media Discourse [3.2365983191405103]
  本稿では,ソーシャルメディアに適したテーマ駆動キーフレーズ抽出フレームワークを提案する。 テーマ駆動キーフレーズ抽出のための新しいデータ収集とキュレーションフレームワークを開発した。 MOUD-KeyphraseはRedditコミュニティから人間に注釈を付けたキーフレーズからなる最初のデータセットです。
  論文  参考訳（メタデータ） (2023-01-27T03:00:46Z)
• Semantic Similarity Models for Depression Severity Estimation [53.72188878602294]
  本稿では、ソーシャルメディアの文章に基づいて、個人のうつ病の重症度を研究するための効率的なセマンティックパイプラインを提案する。 我々は,抑うつ症状と重度レベルに対応する代表訓練文の指標に対して意味的ランキングを生成するために,テストユーザ文を使用する。 本手法を2つのRedditベースのベンチマークで評価し,うつ病の重症度を指標として,最先端技術よりも30%改善した。
  論文  参考訳（メタデータ） (2022-11-14T18:47:26Z)
• Should we tweet this? Generative response modeling for predicting reception of public health messaging on Twitter [0.8399688944263843]
  新型コロナウイルスとワクチンに関する2つの公開ヘルスメッセージと、その回答をTwitterから収集する。 本稿では,このようなメッセージの受信の可能性を探るための予測手法を提案する。 具体的には、生成モデル(GPT-2)を用いて、予測可能な将来の反応を直接予測し、重要な健康ガイダンスの受信を最適化する方法を実証する。
  論文  参考訳（メタデータ） (2022-04-09T01:56:46Z)
• BEV-Net: Assessing Social Distancing Compliance by Joint People Localization and Geometric Reasoning [77.08836528980248]
  新型コロナウイルス(COVID-19)の感染拡大を受け、公衆衛生に不可欠なソーシャルディスタンシング(ソーシャルディスタンシング)が注目されている。 本研究では,広視野カメラを用いた公共空間における視覚的ソーシャル・ディスタンシング・コンプライアンス・アセスメントの課題について考察する。 鳥眼ビュー(BEV)下での注釈付き群集シーンのデータセットと距離測定のための地上真実を紹介する。 マルチブランチネットワークであるBEV-Netは、世界座標における個人をローカライズし、ソーシャルディスタンシングに違反する高リスク領域を特定するために提案されている。
  論文  参考訳（メタデータ） (2021-10-10T23:56:37Z)
• Pulse of the Pandemic: Iterative Topic Filtering for Clinical Information Extraction from Social Media [1.5938324336156293]
  新型コロナウイルスのパンデミックの急速な進展は、公衆衛生上の緊急事態において、最新の臨床知識を急速に広める必要性を浮き彫りにした。 ソーシャルメディアデータから臨床関連情報を抽出するための,教師なしかつ反復的なアプローチを提案する。 このアプローチは、約5200万件の新型コロナウイルス関連ツイートから、臨床関連性の高い詳細なトピックやツイートを特定する。
  論文  参考訳（メタデータ） (2021-02-13T01:01:04Z)
• Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
  ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。 多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
  論文  参考訳（メタデータ） (2020-09-21T03:45:14Z)
• Leveraging Multi-Source Weak Social Supervision for Early Detection of Fake News [67.53424807783414]
  ソーシャルメディアは、人々が前例のない速度でオンライン活動に参加することを可能にする。 この制限のないアクセスは、誤情報や偽ニュースの拡散を悪化させ、その緩和のために早期に検出されない限り混乱と混乱を引き起こす可能性がある。 ソーシャルエンゲージメントからの弱い信号とともに、限られた量のクリーンデータを活用して、メタラーニングフレームワークでディープニューラルネットワークをトレーニングし、さまざまな弱いインスタンスの品質を推定します。 実世界のデータセットの実験では、提案されたフレームワークは、予測時にユーザーエンゲージメントを使わずに、フェイクニュースを早期に検出するための最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2020-04-03T18:26:33Z)

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。