一种用于检索 COVID-19 misinformation 主题的弱监督迭代图方法

COVID-19 大流行伴随着一场‘信息疫情’——社交媒体上准确与不准确健康信息并存。在动态变化的信息环境中检测错误信息具有挑战性；由于检视帖子内容与来源需大量人力，识别相关关键词与帖子颇为费力。我们旨在通过引入一种弱监督迭代图方法以降低该过程的资源成本，从而检测与错误信息相关的关键词、主题与话题，重点关注 COVID-19。我们的方法能从少量种子文本中的一般性错误信息相关种子词成功检测出特定主题。我们的方法利用基于 BERT 的词图搜索（BWGS）算法，该算法构建于基于上下文的神经网络嵌入之上以检索错误信息相关帖子。我们利用潜在狄利克雷分配（LDA）主题建模从 BWGS 返回的文本中获取错误信息相关话题。此外，我们提出基于 BERT 的多向词图搜索（BMDWGS）算法，其利用更丰富的起始上下文信息用于错误信息提取。除对我们方法的定性分析外，定量研究表明，相较于低数据资源环境下的常见基线，BWGS 与 BMDWGS 在提取错误信息相关内容方面行之有效。提取此类内容有助于揭示普遍存在的误解与关切，并利于开展精准公共卫生信息宣传活动以改善健康行为。