Classifying COVID-19 vaccine narratives

要約

政府の情報キャンペーンや世界保健機関（WHO）の努力にもかかわらず、ワクチン接種をためらう動きが広まっている。
ワクチン関連の物語内のトピックを分類することは、議論で表明された懸念を理解し、ワクチンへの躊躇の原因となっている特定の問題を特定するために重要です。
この論文は、新型コロナウイルス感染症 (COVID-19) ワクチンの主張を 7 つのカテゴリのいずれかに分類する新しいワクチン ナラティブ分類タスクを導入することにより、オンラインでワクチン ナラティブを監視および分析する必要性に取り組んでいます。
データ拡張アプローチに従って、まず少数派のクラスに焦点を当てて、この新しい分類タスク用の新しいデータセットを構築します。
ファクトチェッカーの注釈付きデータも利用します。
この論文では、相互検証で 84% の精度を達成した神経ワクチンナラティブ分類器も紹介しています。
この分類器は研究者やジャーナリストが一般に公開されています。

要約(オリジナル)

Vaccine hesitancy is widespread, despite the government’s information campaigns and the efforts of the World Health Organisation (WHO). Categorising the topics within vaccine-related narratives is crucial to understand the concerns expressed in discussions and identify the specific issues that contribute to vaccine hesitancy. This paper addresses the need for monitoring and analysing vaccine narratives online by introducing a novel vaccine narrative classification task, which categorises COVID-19 vaccine claims into one of seven categories. Following a data augmentation approach, we first construct a novel dataset for this new classification task, focusing on the minority classes. We also make use of fact-checker annotated data. The paper also presents a neural vaccine narrative classifier that achieves an accuracy of 84% under cross-validation. The classifier is publicly available for researchers and journalists.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google