使用细分寻源和AI数据增强从非结构化数据中挖掘疫苗接受与反对的理由
计算与语言
2024-07-01 v1
摘要
我们提出了疫苗接受与反对理由（Reasons For and Against Vaccination, RFAV）数据集，通过细分寻源标注，增强了使用GPT4和GPT3.5-Turbo的数据。我们展示了在不同任务定义下，从非结构化文本中挖掘这些理由是可能的，尽管涉及高度主观性问题，并探讨了使用GPT4和GPT3.5-Turbo进行原语学习的人工增强数据的影响。我们发布了数据集和训练好的模型，以及用于训练标注者和定义任务的标注手册。
引用
@article{arxiv.2406.19951,
title = {Mining Reasons For And Against Vaccination From Unstructured Data Using Nichesourcing and AI Data Augmentation},
author = {Damián Ariel Furman and Juan Junqueras and Z. Burçe Gümüslü and Edgar Altszyler and Joaquin Navajas and Ophelia Deroy and Justin Sulik},
journal= {arXiv preprint arXiv:2406.19951},
year = {2024}
}
备注
8 pages + references and appendix