“双针接种，5G 加持！”：从社交媒体中学习对 COVID-19 疫苗接种 的态度
社会与信息网络
2022-06-28 v1 计算机与社会
机器学习
摘要
为应对损害 COVID-19 疫苗接种运动成效的疫苗犹豫，理解公众接种态度并及时把握其变化至关重要。尽管基于调查的传统态度收集可靠且可信，但耗时昂贵，且无法跟进接种态度的快速演变。我们利用社交媒体上的文本帖文，通过提出一种深度学习框架，在近实时地提取并追踪用户接种立场。为解决疫苗相关话语中常用的讽刺与反语等语言特征的影响，我们将用户社交网络邻居的近期帖文整合进框架，以助检测用户的真实态度。基于我们来自 Twitter 的标注数据集，由该框架实例化的模型相比最先进的纯文本模型可将态度提取性能提升多达 23%。利用此框架，我们成功验证了使用社交媒体追踪现实中耳接种态度演变的可行性。我们进一步展示了框架的一个实际用途：通过验证利用从社交媒体感知的信息预测用户疫苗犹豫变化的可能性。
引用
@article{arxiv.2206.13456,
title = {"Double vaccinated, 5G boosted!": Learning Attitudes towards COVID-19 Vaccination from Social Media},
author = {Ninghan Chen and Xihui Chen and Zhiqiang Zhong and Jun Pang},
journal= {arXiv preprint arXiv:2206.13456},
year = {2022}
}