对比聚类：面向情感与情绪分类的无监督偏差消减

背景：当神经网络情感与情绪分类器用于公共卫生信息学研究中时，分类器中存在的偏差可能产生无意间的误导性结果。目标：本研究评估了偏差对 COVID-19 相关话题的影响，并展示了一种在应用于 COVID-19 社交媒体文本时用于减小偏差的自动算法。这有助于公共卫生信息学研究中在危机期间产生更及时的结果，并降低误导性结果的风险。方法：在使用无监督对比聚类对分类器去偏前后，将情感与情绪分类器应用于 COVID-19 数据。对比聚类通过对比词元相对于话题而非情感或情绪的相对显著性，来近似词元与情感或情绪之间表现出的因果 versus 相关关系的程度。结果：对比聚类以 0.753 的 F1 分数区分词元的相关系与因果系。从分类器输入中掩蔽易偏词元使分类器整体 F1 分数降低 0.02（愤怒）和 0.033（负向情绪），但将被标注为易偏的句子 F1 分数提高 0.155（愤怒）和 0.103（负向情绪）。跨话题平均，去偏使愤怒估计降低 14.4%，负向情绪估计降低 8.0%。结论：对比聚类减少了针对 COVID-19 大流行相关社交媒体文本的情感与情绪分类中的算法偏差。公共卫生信息学研究中应考虑偏差，因其在一系列话题中普遍存在。需进一步研究以改进偏差消减技术，并探索偏差对公共卫生信息学分析的不利影响。