使用大语言模型对 COVID-19 期间恐华情绪的纵向情感分析
计算与语言
2024-09-02 v1 人工智能
摘要
COVID-19 大流行加剧了仇外心理，尤其是恐华情绪，导致对华裔个体的广泛歧视。大语言模型（LLM）是用于自然语言处理（NLP）任务的预训练深度学习模型。LLM 理解和生成类人文本的能力使其在分析社交媒体数据以检测和评估情感方面尤为有用。我们提出了一个利用 LLM 的情感分析框架，用于对 COVID-19 大流行期间在 X（Twitter）上表达的恐华情绪进行纵向情感分析。结果显示，恐华推文和恐华情绪的激增与 COVID-19 病例的激增之间存在显著相关性，表明大流行的演变影响了公众情绪和恐华话语的流行度。此外，情感分析揭示了负面情绪（如烦恼和否认）的普遍存在，突显了政治叙事和错误信息对公众舆论塑造的影响。以往与 COVID-19 相关的研究中存在的共情情绪的缺失，突显了媒体中的政治叙事看待大流行的方式及其归咎于华人社区的态度。我们的研究强调了在全球性危机期间透明沟通在缓解仇外情绪方面的重要性。
引用
@article{arxiv.2408.16942,
title = {A longitudinal sentiment analysis of Sinophobia during COVID-19 using large language models},
author = {Chen Wang and Rohitash Chandra},
journal= {arXiv preprint arXiv:2408.16942},
year = {2024}
}