使用实时采矿和基于人工智能的分析:设计和开发一个大数据生态系统,用于检测和分析Twitter上的错误信息

科学领域:

• 计算社会科学 计算社会科学
• 公共卫生信息学 公共卫生信息学
• 大数据分析大数据分析

背景情况:

• 社交媒体上的数字错误信息助长了有害的公众信念,导致了重大的公共卫生危机.
• 世界各地的政府和公民受到虚假健康信息传播的不利影响.
• 公共卫生官员需要先进的系统来实时分析大规模的社交媒体数据.

研究的目的:

• 设计和开发UbiLab错误信息分析系统 (U-MAS),这是一个用于检测错误信息的大数据管道.
• 识别和分析在社交媒体平台上传播的关于特定主题的虚假或误导性信息.
• 为信息病理学和信息监控分析提供一个全面的生态系统.

主要方法:

• 开发了U-MAS,这是一个独立于平台的Python生态系统,利用Twitter V2 API和Elastic Stack.
• 整合了五个组件:数据提取,隐性迪里克莱特分配 (LDA) 主题建模,情绪分析,错误信息分类和弹性云部署.
• 在专家验证的数据子集上训练有素的分析模型,用于随后对大型数据集进行分析.

主要成果:

• 在识别和分析错误信息方面,U-MAS表现出高效和准确的性能.
• 该系统实现了高的LDA主题连贯性 (0.54) 和令人满意的情绪分析 (0.72) 和错误信息分类 (0.82) 的相关系数.
• 在化物错误信息,疫苗犹和热浪疾病使用案例中的成功应用,研究人员具有直观的仪表板.

结论:

• 乌比实验室的错误信息分析系统 (U-MAS) 是一种新型管道,能够检测和分析特定主题的误导性信息.
• U-MAS为公共卫生监测和打击数字错误信息的影响提供了巨大的潜力.