用于 COVID-19 社交隔离期间情绪语义趋势与人群情绪检测的人工智能
人工智能
2021-01-19 v1 信息检索
社会与信息网络
摘要
利用 Twitter 等社交媒体平台，本文为被隔离人群的情绪检测提供了一种有效框架。早期情绪感受及其趋势的检测有助于实施及时的干预策略。鉴于隔离期间早期情绪变化迹象医学诊断的局限性，人工智能模型为揭示早期迹象、症状及升级趋势提供了有效机制。本文方法的新颖之处在于一种多任务文本数据处理方法学框架，作为基于 Plutchik/Ekman 情绪检测与趋势检测方法的有意义情绪检测与分析流水线实现。我们给出了该框架的评估与试点系统。结果证实了所提框架在 COVID-19 推文主题趋势与情绪检测上的有效性。我们的研究发现，居家限制导致人们在 Twitter 上同时表达负面与正面情绪语义。与居家相关的安全问题的语义趋势在 28 天内迅速下降，而与朋友死亡和隔离生活相关的负面情绪在某些日期有所上升。这些发现有可能通过监测被隔离者情绪感受趋势来影响公共卫生政策决策。本文提出的框架有潜力作为在线情绪检测工具包辅助此类监测。
引用
@article{arxiv.2101.06484,
title = {Artificial Intelligence for Emotion-Semantic Trending and People Emotion Detection During COVID-19 Social Isolation},
author = {Hamed Jelodar and Rita Orji and Stan Matwin and Swarna Weerasinghe and Oladapo Oyebode and Yongli Wang},
journal= {arXiv preprint arXiv:2101.06484},
year = {2021}
}