具有高效关注分类的公共卫生内容调查平台
计算与语言
2025-06-03 v1 信息检索
机器学习
摘要
近期表达对公共卫生倡议担忧的在线内容有所增加，这加剧了全球范围内本已停滞的预防性措施 uptake。未来的公共卫生工作必须尝试理解此类内容、它可能在读者中引发的担忧以及如何有效应对。为此，我们提出了 ConcernScope，这是一个使用师生框架在大语言模型与轻量级分类器之间进行知识转移的平台，以快速有效地识别文本语料库中提出的健康担忧。该平台允许直接上传海量文件、自动抓取特定 URL 以及直接编辑文本。ConcernScope 构建于公共卫生担忧分类法之上。面向公共卫生官员，我们展示了该平台的若干应用：引导数据探索以从在线社区数据集中发现的常见担忧的有用示例；通过对 186,000 个样本的示例时间序列分析识别担忧趋势；以及发现重大事件前后主题频率的趋势。
引用
@article{arxiv.2506.01308,
title = {A Platform for Investigating Public Health Content with Efficient Concern Classification},
author = {Christopher Li and Rickard Stureborg and Bhuwan Dhingra and Jun Yang},
journal= {arXiv preprint arXiv:2506.01308},
year = {2025}
}
备注
19 pages, 15 figures