机构名称：
¥ 1.0
摘要背景：我们开发了一个系统，可以自动对 Twitter 消息中对疫苗接种的态度进行分类，重点关注持消极态度的消息。这样的系统可以监控社交媒体上持续不断的消息流，从而提供切实可行的见解，了解公众对疫苗接种的犹豫态度。目前，这种监控是通过常规情绪分析进行的，在检测对疫苗接种的消极态度方面表现不佳。对于提到疫苗接种相关关键词的荷兰 Twitter 消息，我们注释了他们对疫苗接种的立场和感受（前提是他们提到了这个话题）。随后，我们使用这些编码数据来训练和测试不同的机器学习设置。为了最好地识别对疫苗接种持消极态度的消息，我们比较了数据集大小增加、可靠性降低、要区分的类别数量增加以及分类算法不同的设置。结果：我们发现，使用严格和宽松标记数据与更细粒度标记相结合进行训练的支持向量机产生了最佳结果，F1 得分为 0.36，ROC 曲线下面积为 0.66，远远优于当前使用的情绪分析，后者产生了 F1 得分 0.25，ROC 曲线下面积为 0.57。我们还表明，我们的系统的召回率可以优化到 0.60，而精度几乎没有损失。结论：我们的研究结果表明，仅通过计算机系统进行立场预测是一项具有挑战性的任务。尽管如此，该模型在识别负面推文方面表现出足够的召回率，从而减少了查看消息的手动工作量。我们对系统的数据和行为的分析表明，需要一种方法，在该方法中，将使用更大的训练数据集与人机交互为系统提供有关其预测的反馈的环境相结合。
在推特消息中监测人们对疫苗接种的态度
主要关键词
相关文件推荐
