事件驱动的时序分析与公众对 COVID-19 反应的比较
计算与语言
2021-05-03 v1 机器学习
社会与信息网络
摘要
COVID-19 的快速传播已影响全球人类生活。各国政府采取了多种措施，但其如何影响民众生活尚不清楚。本研究应用基于规则与基于机器学习的模型，利用来自日本、美国、英国和澳大利亚的公开推文回答上述问题。研究中考虑两个极性时间序列（meanPol 与 pnRatio）以及两个事件，即“封锁或紧急状态（LED）”与“经济支援计划（ESP）”。围绕 LED 与 ESP 事件的子序列统计检验分别显示其对（英国与澳大利亚）和（美国与英国）民众有正向影响，而日本民众则呈现相反效应。基于相关推文的人工验证与统计结果一致。一项针对日本推文的案例研究使用有监督逻辑回归将推文分类为健康担忧、经济担忧与其他类，准确率达 83.11%。围绕事件预测出的推文再次确认了统计结果。
引用
@article{arxiv.2104.14777,
title = {Event-driven timeseries analysis and the comparison of public reactions on COVID-19},
author = {Md. Khayrul Bashar},
journal= {arXiv preprint arXiv:2104.14777},
year = {2021}
}
备注
15 pages, 10 figures, 6 tables, International Conference on Big Data and Application (BDAP 2021), for associated file, see https://aircconline.com/csit/abstract/v11n5/csit110507.html