新型模糊深度学习方法用于自动检测有用的COVID-19推文
SreeJagadeesh Malla1, Lella Kranthi Kumar1, P J A Alphonse2
1School of Computer Science and Engineering, VIT-AP University, Amaravati, Andhra Pradesh, India.
Artificial intelligence in medicine
|September 6, 2023
概括
这项研究引入了一个深度学习模型,使用模糊规则来识别Twitter上信息化的COVID-19推文. 该方法有效地将可靠的信息与错误信息区分开来,有助于在卫生危机期间公众的理解.
科学领域:
- 计算语言学计算语言学
- 公共卫生信息学 公共卫生信息学
- 人工智能的人工智能是人工智能.
背景情况:
- 随着COVID-19大流行,社交媒体上广泛传播信息和错误信息.
- 推特成为分享有关病毒及其影响的信息的关键平台.
- 区分可靠的信息对于公共卫生指导和疾病监测至关重要.
研究的目的:
- 开发和评估一种新的深度学习模型,用于预测信息化的COVID-19推文.
- 在未经核实内容的传播中,提高识别可信信息的准确性.
- 通过过来自社交媒体的可靠数据来支持公共卫生工作.
主要方法:
- 实施罗伯塔和CT-BERT深度学习变压器模型.
- 模糊方法的整合与用于推特分类的变压器模型.
- 将推文分类为"信息"和"非信息"类别.
- 与现有的机器学习和深度学习模型进行比较分析.
主要成果:
- 拟议的混合模型在分类COVID-19推文方面取得了高准确性.
- 在英语tweet数据集上获得了91.40%的准确性和91.94%的F1得分.
- 与传统的机器学习和其他深度学习方法相比,表现出卓越的性能.
结论:
- 综合深度学习和模糊的基于规则的系统有效地识别了信息丰富的COVID-19推文.
- 该模型具有很高的准确性,适用于公共卫生监测中的现实应用.
- 这种方法可以帮助在卫生紧急情况下传播准确的信息.
