解码关切：社交媒体中疫苗情感的多标签分类
计算与语言
2023-12-20 v1 人工智能
机器学习
摘要
在公共卫生领域，疫苗接种是减轻疾病风险和控制其传播的基石。近期的 COVID-19 大流行凸显了疫苗在保障我们安全方面的关键作用。然而，现实情况涉及多种观点的交织，由于政治动态、对副作用的担忧等原因，对疫苗的怀疑态度普遍存在。本文旨在应对全面理解和分类疫苗接种背景下表达的各种关切的挑战。我们的重点是开发一个鲁棒的多标签分类器，能够根据所表达的对疫苗的担忧为推文分配特定的关切标签。为实现这一目标，我们深入应用了多种先进的自然语言处理技术和机器学习算法，包括像 BERT 这样的 Transformer 模型、最先进的 GPT 3.5、分类器链以及像 SVM、随机森林、朴素贝叶斯这样的传统方法。我们发现，在这一背景下，前沿的大型语言模型优于所有其他方法。
引用
@article{arxiv.2312.10626,
title = {Decoding Concerns: Multi-label Classification of Vaccine Sentiments in Social Media},
author = {Somsubhra De and Shaurya Vats},
journal= {arXiv preprint arXiv:2312.10626},
year = {2023}
}
备注
13 pages, Submitted to the AISoMe Track at FIRE 2023