基于基准数据集的COVID-19接触追踪应用用户评论情感分析
计算与语言
2021-03-02 v1
摘要
接触追踪已在全球范围内被用于防控COVID-19的感染率。得益于智能手机和可穿戴设备等数字技术，COVID-19患者的接触者可以被轻易追踪并被告知其潜在的病毒暴露风险。为此，已开发出若干有趣的移动应用。然而，对于这些应用的工作机制与性能，存在着日益增长的担忧。文献中已提供一些有趣的探索性研究，通过分析来自不同来源（如新闻和应用用户评论）的信息来考察社区对这些应用的反应。然而，据我们所知，目前尚无自动分析用户评论并提取所引发情感的现有方案。在本工作中，我们提出一条流水线，从通过众包研究进行人工标注开始，到开发与训练用于用户评论自动情感分析的AI模型结束。我们总共采用八种不同方法，取得了最高平均F1分数94.8%的成绩，表明对COVID-19接触追踪应用用户评论进行自动情感分析的可行性。我们还强调了这些应用的主要优势、缺陷以及用户的担忧。此外，我们收集并标注了一个大规模数据集，包含从46个不同国家的接触追踪应用中人工标注的34,534条评论。所呈现的分析与数据集有望为该领域的未来研究提供基线/基准。
引用
@article{arxiv.2103.01196,
title = {Sentiment Analysis of Users' Reviews on COVID-19 Contact Tracing Apps with a Benchmark Dataset},
author = {Kashif Ahmad and Firoj Alam and Junaid Qadir and Basheer Qolomany and Imran Khan and Talhat Khan and Muhammad Suleman and Naina Said and Syed Zohaib Hassan and Asma Gul and Ala Al-Fuqaha},
journal= {arXiv preprint arXiv:2103.01196},
year = {2021}
}
备注
11 pages, 6 figures