考察针对 COVID-19 疫苗接种的立场检测中的时间性

先前的研究强调了疫苗接种作为控制 COVID-19 病毒传播的有效策略的重要性。对政策制定者而言，全面理解公众在大规模范围内对疫苗接种的立场至关重要。然而，社交媒体上针对 COVID-19 疫苗接种的态度（如支持疫苗或疫苗犹豫）随时间不断演变。因此，在分析这些立场时有必要考虑可能的时间偏移。本研究旨在考察时间概念漂移对 Twitter 上针对 COVID-19 疫苗接种的立场检测的影响。为此，我们使用按时间顺序划分（依时间顺序划分训练集、验证集和测试集）与随机划分（随机划分这三个集合）的社交媒体数据，评估了一系列基于 transformer 的模型。我们的发现表明，在若干现有的 COVID-19 相关数据集中，随机划分与时间顺序划分之间的模型性能存在显著差距；具体而言，时间顺序划分显著降低了立场分类的准确率。因此，真实世界中的立场检测方法需要进一步改进，将时间因素作为关键考量纳入其中。