基于图链接预测的 COVID-19 疫苗错误信息自动检测
计算与语言
2021-11-18 v3
摘要
对疫苗效力的巨大期望近期已成为抗击 COVID-19 大流行的成功现实。然而，由社交媒体上关于 COVID-19 疫苗的误导信息所助长的疫苗犹豫成为一大障碍。因此，除了旨在解决疫苗犹豫的干预措施外，自动检测社交媒体上 COVID-19 疫苗错误信息的传播位置与讨论类型至关重要，以便能在正确时间与地点实施 inoculation 干预。本文致力于解决应对 COVID-19 疫苗犹豫的第一步，即自动检测 Twitter（关于 COVID-19 及其疫苗对话量最高的社交媒体平台）上已知的疫苗错误信息。我们提出 CoVaxLies，一个针对若干 COVID-19 疫苗错误信息目标判定为相关推文的新数据集，并基于此开发了新颖的错误信息检测方法。我们的方法将 CoVaxLies 组织为错误信息知识图，将错误信息检测视为图链接预测问题。本文详述的错误信息检测方法利用了多种知识嵌入方法所提供的链接打分函数。实验结果表明，与当前广泛使用的基于分类的方法相比，该方法具有优越性。
引用
@article{arxiv.2108.02314,
title = {Automatic Detection of COVID-19 Vaccine Misinformation with Graph Link Prediction},
author = {Maxwell A. Weinzierl and Sanda M. Harabagiu},
journal= {arXiv preprint arXiv:2108.02314},
year = {2021}
}