Twitter上COVID-19反疫苗话语的自动化聚类
社会与信息网络
2022-03-04 v1 计算机与社会
机器学习
摘要
对疫苗的态度已变得更加两极分化；在线看到疫苗虚假信息与边缘阴谋论十分常见。Ojea Quintana等人(2021)对Twitter疫苗话语进行了一项观察性研究：作者分析了约六个月的Twitter话语——2019年12月至2020年6月间130万条原创推文与1800万条转推，时间跨度涵盖Covid-19被确立为大流行之前与之后。本工作在Ojea Quintana等人(2021)基础上拓展，来自数据科学的两个主要贡献如下。首先，基于作者初始的网络聚类与定性分析技术，我们能够清晰划分并可视化反疫苗者（反疫苗接种活动人士与疫苗否认者）与其他聚类（统称为Others）在话语中使用的语言模式。其次，利用反疫苗者推文的特征，我们开发了文本分类器以确定给定用户使用反疫苗语言的可能性，最终有助于构建一种早期预警机制，以改善我们的认知环境健康并支持（而非阻碍）公共卫生倡议。
引用
@article{arxiv.2203.01549,
title = {Automated clustering of COVID-19 anti-vaccine discourse on Twitter},
author = {Ignacio Ojea Quintana and Marc Cheong and Mark Alfano and Ritsaart Reimann and Colin Klein},
journal= {arXiv preprint arXiv:2203.01549},
year = {2022}
}
备注
9 pages, 2 figures