COVID-19期间的多维种族主义分类：污名化、冒犯性、指责与排斥
机器学习
2022-08-30 v1 信号处理
摘要
超越种族主义文本的二元分类，我们的研究借鉴社会科学理论，开发了一个种族主义检测的多维模型，即污名化、冒犯性、指责和排斥。借助BERT和主题建模，这种分类检测能够洞察COVID-19期间数字平台上种族主义讨论的潜在微妙性。我们的研究有助于丰富关于社交媒体上越轨种族主义行为的学术讨论。首先，应用分阶段分析来捕捉COVID-19早期阶段话题变化的动态，这些阶段从国内流行病转变为国际公共卫生紧急事件，随后转变为全球大流行。此外，映射这一趋势能够更准确地预测线下世界 concerning 种族主义的舆论演变，同时制定指定干预策略以对抗如COVID-19等全球公共卫生危机期间种族主义的激增。另外，这一跨学科研究也为未来社交网络分析与挖掘研究指出了方向。将社会科学视角整合到计算方法的发展中，为更准确的数据检测与分析提供了洞察。
引用
@article{arxiv.2208.13319,
title = {Minute ventilation measurement using Plethysmographic Imaging and lighting parameters},
author = {Daniel Minati and Ludwik Sams and Karen Li and Bo Ji and Krishna Vardhan},
journal= {arXiv preprint arXiv:2208.13319},
year = {2022}
}
备注
6 pages, 4 figures