探索自动发现 COVID-19 推文主题与情感的混合深度学习框架
机器学习
2025-11-25 v1
摘要
COVID-19 在全球范围内造成了重大公共卫生问题，并引发了经济危机、失业、心理困扰等其他问题。这场在全球范围内致命的疫情不仅让许多人感染，还使他们面临各种问题、压力、疑惑、恐惧、怨恨和仇恨。Twitter 是一个极具影响力的社交媒体平台，也是健康相关信息、新闻、观点和公众情绪的重要来源，公民和政府机构都在上面分享信息。因此，对 COVID-19 推文进行有效分析对于决策者做出明智决定至关重要。然而，从主要文本流中识别有趣且有用的内容以了解人们对 COVID-19 推文重要主题的感受具有挑战性。在本文中，我们提出了一种新的 \textit{框架}，通过提取具有显著标签的关键主题，并对每个主题的推文进行积极、消极或中性的分类，以分析基于主题的情感，从而快速发现公众舆论的常见主题和与 COVID-19 相关的态度。在构建模型时，我们考虑了 BiLSTM 和 GRU 结构的混合来进行情感分析以实现我们的目标。实验结果表明，我们的主题识别方法提取出了更好的主题标签，并且使用我们提出的混合深度学习模型的情感分析方法与传统模型相比达到了最高准确率。
引用
@article{arxiv.2312.01178,
title = {Exploring a Hybrid Deep Learning Framework to Automatically Discover Topic and Sentiment in COVID-19 Tweets},
author = {Khandaker Tayef Shahriar and Iqbal H. Sarker},
journal= {arXiv preprint arXiv:2312.01178},
year = {2025}
}