COVID-19 期间 Twitter 活动的因果建模
社会与信息网络
2020-11-03 v3 机器学习
摘要
理解公众注意力与情绪的特征是不良卫生事件期间妥善危机管理的必要前提。在如 COVID-19 这类大流行中这一点更为关键，因为风险管理的首要责任并非集中于单一机构，而是分布于整个社会。尽管大量研究在 COVID-19 大流行期间将 Twitter 数据用于描述性或预测性分析，公众注意力的因果建模尚无人探讨。本研究提出一种因果推断方法，以发现并量化大流行特征（如感染与死亡人数）同 Twitter 活动及公众情绪之间的因果关系。结果显示所提方法能成功捕捉流行病学领域知识并识别影响公众注意力与情绪的变量。我们相信通过区分与公众注意力相关的事件和引发公众注意力的事件，本研究为信息流行病学领域做出贡献。
引用
@article{arxiv.2005.07952,
title = {Causal Modeling of Twitter Activity During COVID-19},
author = {Oguzhan Gencoglu and Mathias Gruber},
journal= {arXiv preprint arXiv:2005.07952},
year = {2020}
}
备注
13 pages, 3 figures