搭建鸿沟：利用检索增强生成更好地理解疫苗的公共关切
信息检索
2025-07-18 v1 机器学习
社会与信息网络
摘要
疫苗犹豫行为危及公共卫生，导致疫苗延迟或拒绝。社交媒体是理解公众关切的重要来源，传统方法如主题建模往往难以捕捉细腻的意见。尽管大型语言模型（LLM）被训练用于查询回答，但常常错失当前事件和社区关切。此外，LLM 中的幻觉会损害公共卫生沟通。为解决这些局限性，我们开发了一个工具（VaxPulse Query Corner），采用检索增强生成技术。它解决了关于公共疫苗关切的复杂查询，涵盖各种在线平台，帮助公共卫生管理员和利益相关者理解公众关切，并实施针对性干预以提升疫苗信心。分析 35,103 条 Shingrix 社交媒体帖子，该工具在答案忠诚度（0.96）和相关性（0.94）方面取得佳绩。
引用
@article{arxiv.2507.12840,
title = {Bridging the Gap: Leveraging Retrieval-Augmented Generation to Better Understand Public Concerns about Vaccines},
author = {Muhammad Javed and Sedigh Khademi Habibabadi and Christopher Palmer and Hazel Clothier and Jim Buttery and Gerardo Luis Dimaguila},
journal= {arXiv preprint arXiv:2507.12840},
year = {2025}
}