使用BERT+NBSVM和地理空间方法进行疫苗情绪分析
Areeba Umair1, Elio Masciari1, Muhammad Habib Ullah1
1Department of Electrical Engineering and Information Technology, University of Naples Federico II, Via Claudio 21, 80125 Naples, Campania Italy.
在社交媒体上对COVID-19疫苗意见的情绪分析揭示了公众的反应. 像BERT+NBSVM这样的AI模型准确地对情绪进行分类,为公共卫生战略和疫苗接种中心的建议提供信息.
科学领域:
- 计算社会科学 计算社会科学
- 自然语言处理自然语言处理.
- 公共卫生信息学 公共卫生信息学
背景情况:
- 由于COVID-19的流行,需要快速开发疫苗并广泛采用.
- 公众对疫苗的犹成为一个重大挑战,阻碍了免疫工作.
- 了解公众对疫苗的看法对于有效的公共卫生沟通至关重要.
研究的目的:
- 利用社交媒体数据分析有关COVID-19疫苗的公众情绪.
- 开发和评估人工智能驱动的框架,用于对与疫苗有关的推文的情感分类.
- 为改善公众理解和告知卫生政策提供见解.
主要方法:
- 收集和预处理与COVID-19疫苗相关的Twitter数据.
- 运用人工智能 (AI) 来生成含有情感的词汇云.
- 采用混合BERT+NBSVM模型来对推特极性进行分类 (正,负,中性).
主要成果:
- 伯特和NBSVM模型在积极情绪分类方面达到73%的准确性,在消极情绪分类方面达到73%.
- 精度,回忆和F测量得分证明了该模型在情绪识别方面的有效性.
- 与情绪数据相结合的空间分析为最佳疫苗接种中心位置提供了建议.
结论:
- 人工智能驱动的社交媒体情绪分析有效地衡量了公众对疫苗的反应.
- 结果可以指导决策者设计有针对性的沟通和疫苗接种战略.
- 地理空间整合增强了对公共卫生服务情绪分析的实际应用.
更多相关视频
05:49Author Spotlight: Studying Host-Virus Interactions with Pseudotyped Viruses
Published on: November 21, 2023
08:10Simultaneous Quantification of Anti-vector and Anti-transgene-Specific CD8+ T Cells Via MHC I Tetramer Staining After Vaccination with a Viral Vector
Published on: November 28, 2018
相关概念视频
Selected Data About Geographic Locations
Manipulation and Analysis
Vaccinations
Levels of Use of a GIS
Applications of GIS: Disaster Management and Emergency Response
