利用机器学习从南非 Twitter 数据检测 COVID-19 疫苗犹豫的存在
计算机与社会
2023-07-31 v1 计算与语言
机器学习
社会与信息网络
摘要
关于 COVID-19 大流行期间南非用户生成内容的社交媒体研究极少，而使用人工标注而非自动化方法的研究更少。疫苗接种是抗击大流行的主要工具，但疫苗犹豫危及任何公共卫生努力。本研究对与疫苗犹豫相关的南非推文进行情感分析，旨在训练 AI 中介的分类模型并评估其在对 UGC 分类中的可靠性。从南非提取了 30000 条推文的数据集，并人工标注为三种情感类别之一：正面、负面、中性。所使用的机器学习模型为 LSTM、bi-LSTM、SVM、BERT-base-cased 与 RoBERTa-base 模型，其超参数经 WandB 平台精心选择与调优。我们在数据预处理时采用两种不同方法以作比较：一种基于语义，另一种基于语料。数据集中推文的预处理分别使用这两种方法完成。除 BERT 与 RoBERTa 外，所有模型的 F1 分数均较低，处于 45-55 区间，而 BERT 与 RoBERTa 取得了显著更优的指标，总体 F1 分数分别为 60 与 61。对 RoBERTa 模型误分类的推文使用 LDA 进行主题建模，以深入了解如何进一步提升模型准确率。
引用
@article{arxiv.2307.15072,
title = {Detecting the Presence of COVID-19 Vaccination Hesitancy from South African Twitter Data Using Machine Learning},
author = {Nicholas Perikli and Srimoy Bhattacharya and Blessing Ogbuokiri and Zahra Movahedi Nia and Benjamin Lieberman and Nidhi Tripathi and Salah-Eddine Dahbi and Finn Stevenson and Nicola Bragazzi and Jude Kong and Bruce Mellado},
journal= {arXiv preprint arXiv:2307.15072},
year = {2023}
}