一个方面层面的情绪分析数据集,用于推特上的治疗方法

科学领域:

• 自然语言处理自然语言处理.
• 计算语言学 计算语言学
• 社交媒体分析 社交媒体分析

背景情况:

• 情绪分析数据集对于开发能够理解用户意见的AI系统至关重要.
• 现有的数据集往往缺乏细节性,特别是在医疗保健疗法等特定领域.
• 了解公众对治疗的情绪对于公共卫生和治疗开发至关重要.

研究的目的:

• 创建一个新的方面级情绪分析数据集,专注于各种疗法 (药物,行为等). ) 的情况.
• 为了使机器学习模型的训练能够准确地检测有关特定治疗的情绪.
• 为NLP和AI的研究人员和开发人员提供一个有价值的资源.

主要方法:

• 收集了使用治疗相关关键字的Twitter帖子.
• 手动注释一小部分帖子对特定疗法的情绪 (积极,消极,中立).
• 开发了注释指南,并使用科恩的卡帕得分计算了注释者之间的协议.

主要成果:

• 数据集包括5364个职位,涵盖32种不同的疗法.
• 标注的情绪包括18.6%的积极情绪,11.5%的消极情绪和69.9%的中立情绪.
• 通过使用科恩的卡帕,获得了0.82的高互注释协议得分.

结论:

• 开发的数据集是同类中第一个,专门编码了对个体治疗的情绪.
• 它作为构建先进的人工智能系统的基础,用于分析来自社交媒体对治疗的公众意见.
• 促进NLP,情绪分析和医疗保健应用的机器学习的研究.