COVID-19大流行期间的公共话语与情绪：使用潜在狄利克雷分配对Twitter进行主题建模
社会与信息网络
2021-01-27 v3 计算与语言
计算机与社会
摘要
本研究旨在理解Twitter用户对COVID-19的话语和心理反应。我们使用机器学习技术分析了约190万条与冠状病毒相关的推文（英文），这些推文收集于2020年1月23日至3月7日。共识别出11个显著主题，并归类为十个主题类，包括“确诊病例更新”、“COVID-19相关死亡”、“中国以外地区（全球）病例”、“韩国COVID-19暴发”、“纽约暴发早期迹象”、“钻石公主号邮轮”、“经济影响”、“预防措施”、“当局”和“供应链”。结果未显示治疗和症状相关信息是Twitter上的普遍主题。情绪分析表明，对冠状病毒未知特性的恐惧在所有主题中占主导。本文还讨论了研究的启示与局限。
引用
@article{arxiv.2005.08817,
title = {Public discourse and sentiment during the COVID-19 pandemic: using Latent Dirichlet Allocation for topic modeling on Twitter},
author = {Jia Xue and Junxiang Chen and Chen Chen and Chengda Zheng and Sijia Li and Tingshao Zhu},
journal= {arXiv preprint arXiv:2005.08817},
year = {2021}
}