基于深度学习的 Twitter 数据中对 COVID-19 疫苗接种响应的情感分析
计算与语言
2022-09-27 v1 社会与信息网络
摘要
此次 COVID-19 大流行如此可怕，以致引发严重焦虑、恐惧及复杂感受或情绪。即便针对冠状病毒的疫苗接种已启动，人们感受愈发多样复杂，我们的目标是在本研究中运用若干深度学习技术理解并揭示其情感。社交媒体目前是表达感受与情绪的最佳途径，借助它（尤其是 Twitter），可更好了解当下趋势与人们心中所想。本研究的动机在于理解人们对疫苗接种流程的情感及其多样化想法。研究中收集推文的时间跨度为 12 月 21 日至 7 月 21 日，包含近期全球最常见疫苗的推文。借助名为 Valence Aware Dictionary for sEntiment Reasoner（VADER）的自然语言处理（NLP）工具评估人们对各类疫苗的情感。通过将情感极性初始化为 3 组（正面、负面、中性），此处可视化整体态势，我们的发现为 33.96% 正面、17.55% 负面与 48.49% 中性响应。采用面向循环神经网络（RNN）的架构如长短期记忆（LSTM 与 Bi-LSTM）评估预测模型性能，LSTM 准确率达 90.59%，Bi-LSTM 达 90.83%。亦给出精确率、召回率、F-1 分数与混淆矩阵等其他性能指标以更有效验证我们的模型与发现。本研究将助各方理解公众对 COVID-19 疫苗的看法，并影响从我们美丽世界根除冠状病毒的目标。
引用
@article{arxiv.2209.12604,
title = {Deep Learning-Based Sentiment Analysis of COVID-19 Vaccination Responses from Twitter Data},
author = {Kazi Nabiul Alam and Md Shakib Khan and Abdur Rab Dhruba and Mohammad Monirujjaman Khan and Jehad F. Al-Amri and Mehedi Masud and Majdi Rawashdeh},
journal= {arXiv preprint arXiv:2209.12604},
year = {2022}
}