使用LLM推断中国微博博客的非二进制COVID-19情绪
Jerry Chongyi Hu1, Mohammed Shahid Modi1, Boleslaw K Szymanski1
1Department of Computer Science and Network Science and Technology Center, Rensselaer Polytechnic Institute, Troy, NY 12180, USA.
Entropy (Basel, Switzerland)
|March 28, 2025
概括
在COVID-19危机期间分析中国微博的公众情绪,揭示了观点如何变化. 这项研究使用Llama 3 8B来跟踪情绪变化,提供了对卫生紧急情况期间社会反应的见解.
科学领域:
- 社会科学 社会科学 社会科学
- 计算语言学 计算语言学
- 公共卫生 公共卫生
背景情况:
- 了解危机期间的公众情绪对于分析社会两极分化至关重要.
- 随着COVID-19的流行,公众论的实时分析变得越来越重要.
- 像微博这样的中国社交媒体平台对于衡量公共话语至关重要.
研究的目的:
- 在COVID-19危机期间分析微博上公众情绪的变化.
- 调查社会事件和政府行动对公众论的影响.
- 在健康危机期间对中国数字平台的情绪分析研究做出贡献.
主要方法:
- 利用了COVID-19前,疫情爆发和早期预防阶段的微博帖子.
- 雇佣了Llama 3 8B,一个大型语言模型,用于情感分类.
- 将用户的情绪分类为积极,消极,刺和中立.
主要成果:
- 在整个COVID-19危机阶段确定了公众情绪的重大变化.
- 证明了流行病相关事件对用户在微博上表达的意见的影响.
- 提供了对情绪动态的细微理解,超出了简单的积极/消极指标.
结论:
- 在微博上的情绪分析提供了对卫生危机期间公众反应的关键见解.
- 数字通信在塑造社会对全球挑战的反应方面发挥着重要作用.
- 这项研究解决了在公共卫生紧急情况期间中国社交媒体情绪分析方面的差距.

