深度学习基于 1100 万条推文揭示对 COVID-19 疫苗多样且变化的情绪模式
计算与语言
2022-07-22 v1 机器学习
社会与信息网络
摘要
在撰写本文时,已接种超过 120 亿剂 COVID-19 疫苗。然而,公众对疫苗的认知一直很复杂。我们分析了 COVID-19 疫苗相关推文,以理解对 COVID-19 疫苗不断演变的认知。我们使用最先进的模型 XLNet 微调了一个深度学习分类器,以自动检测每条推文的情绪。我们采用经过验证的方法从用户资料中提取用户的种族或民族、性别、年龄和地理位置。结合多个数据源,我们评估了亚群体中的情绪模式,并将其与疫苗接种数据并列以揭示其交互模式。我们分析了两年间对应 2,203,681 名用户的 11,211,672 条 COVID-19 疫苗相关推文。微调后的情绪分类模型在测试集上准确率为 0.92。不同人口统计群体的用户在对 COVID-19 疫苗的情绪上表现出明显不同的模式。用户情绪随时间变得更加积极,我们观察到随后人群层面的疫苗接种率上升。在积极情绪达到峰值的周边日期,我们检测到有关疫苗研发与分发的鼓舞性新闻或事件。与总体人群趋势相比,怀孕相关推文中的积极情绪表现出延迟模式,疫苗接种趋势也随之推迟。各亚群体的独特模式表明需要量身定制的策略。全球新闻和事件深度参与塑造了用户在社交媒体上的想法。具有额外顾虑(如怀孕)的人群由于缺少及时建议而表现出更显著的犹豫。特征分析揭示,各亚群体的犹豫源于临床试验逻辑、风险与并发症,以及科学证据的紧迫性。
引用
@article{arxiv.2207.10641,
title = {Deep Learning Reveals Patterns of Diverse and Changing Sentiments Towards COVID-19 Vaccines Based on 11 Million Tweets},
author = {Hanyin Wang and Meghan R. Hutch and Yikuan Li and Adrienne S. Kline and Sebastian Otero and Leena B. Mithal and Emily S. Miller and Andrew Naidech and Yuan Luo},
journal= {arXiv preprint arXiv:2207.10641},
year = {2022}
}