通过建模领域特定表示与常识知识至上下文感知注意力 GRU 分类疫苗情绪推文
计算与语言
2021-06-18 v1
摘要
疫苗是一项重要的公共卫生措施，但疫苗犹豫与拒绝会形成低疫苗覆盖率集群，并降低疫苗接种计划的有效性。社交媒体通过包含地理位置与详述疫苗相关关切，为评估疫苗接受度的新兴风险提供了机会。用于分类社交媒体帖子（如疫苗相关推文）的方法通常使用在通用领域文本上训练的语言模型（LMs）。然而，大规模测量疫苗情绪的挑战源于语调重音与手势线索的缺失，且可能并不总具备关于用户的额外信息，例如历史推文或社交关系。LMs 中的另一挑战是缺乏在用户元数据中明显的常识知识，即表情符号、正向与负向词等。在本研究中，为在有限信息下分类疫苗情绪推文，我们提出一种由相互连接的组件构成的新型端到端框架，其使用在疫苗相关推文上训练的域特定 LM，并将常识知识建模至带有上下文感知注意力的双向门控循环网络（CK-BiGRU）中。我们进一步利用句法、用户元数据与情绪信息来捕捉推文情绪。我们使用两个流行的疫苗相关 Twitter 数据集进行实验，并证明我们提出的方法在识别亲疫苗、反疫苗与中立推文方面优于最先进模型。
引用
@article{arxiv.2106.09589,
title = {Classifying vaccine sentiment tweets by modelling domain-specific representation and commonsense knowledge into context-aware attentive GRU},
author = {Usman Naseem and Matloob Khushi and Jinman Kim and Adam G. Dunn},
journal= {arXiv preprint arXiv:2106.09589},
year = {2021}
}
备注
Accepted in International Joint Conference on Neural Networks (IJCNN) 2021