Vax-Culture:一个用于研究Twitter疫苗话语的数据集
社会与信息网络
2023-06-13 v3 计算与语言
机器学习
摘要
在COVID-19大流行期间,疫苗犹豫仍是公共卫生官员面临的主要挑战。由于这种犹豫削弱了疫苗接种活动,许多研究者试图找出其根源,发现社交媒体平台上反疫苗错误信息数量的不断增加是此问题的关键因素。我们以Twitter作为误导性内容的来源,旨在提取促使疫苗错误信息传播的重叠文化与政治信念。为此,我们收集了一组疫苗相关推文,并在具有传播学与新闻学背景的标注团队协助下进行了标注。我们最终希望这能促成有效且有针对性的公共卫生传播策略,以触达持有反疫苗信念的个体。此外,该信息有助于开发机器学习模型,自动检测疫苗错误信息帖子并抵消其负面影响。本文提出Vax-Culture,一个新颖的Twitter COVID-19数据集,包含6373条疫苗相关推文,并附有广泛的人工标注,包括疫苗犹豫立场、推文中是否存在错误信息、每条推文中被批评与被支持的实体,以及每条推文所传达的信息。此外,我们定义了五项基线任务,包括四项分类任务和一项序列生成任务,并报告了一组近期基于transformer的模型在这些任务上的结果。数据集与代码公开于 https://github.com/mrzarei5/Vax-Culture。
引用
@article{arxiv.2304.06858,
title = {Vax-Culture: A Dataset for Studying Vaccine Discourse on Twitter},
author = {Mohammad Reza Zarei and Michael Christensen and Sarah Everts and Majid Komeili},
journal= {arXiv preprint arXiv:2304.06858},
year = {2023}
}