Decoding Concerns: Multi-label Classification of Vaccine Sentiments in Social Media

要約

公衆衛生の分野では、ワクチン接種は病気のリスクを軽減し、その蔓延を制御するための基礎となります。
最近の新型コロナウイルス感染症（COVID-19）のパンデミックは、ワクチンが私たちの安全を守る上でいかに重要な役割を果たしているかを浮き彫りにしました。
しかし、状況にはさまざまな見方があり、政治力学や副作用への懸念など、さまざまな理由からワクチンに対する懐疑的な見方が広がっている。
この論文は、ワクチン接種の文脈で表明されるこれらの多様な懸念を包括的に理解し、分類するという課題に取り組んでいます。
私たちは、ワクチンに対する明確な懸念に基づいてツイートに特定の懸念ラベルを割り当てることができる堅牢なマルチラベル分類器の開発に焦点を当てています。
これを達成するために、私たちは、BERT などのトランスフォーマー モデル、最先端の GPT 3.5、分類子チェーン、および SVM、ランダム フォレスト、ナイーブ ベイズなどの従来の手法を含む、高度な自然言語処理技術と機械学習アルゴリズムの多様なアプリケーションの応用を掘り下げています。
この文脈では、最先端の大規模言語モデルが他のすべての手法よりも優れていることがわかります。

要約(オリジナル)

In the realm of public health, vaccination stands as the cornerstone for mitigating disease risks and controlling their proliferation. The recent COVID-19 pandemic has highlighted how vaccines play a crucial role in keeping us safe. However the situation involves a mix of perspectives, with skepticism towards vaccines prevailing for various reasons such as political dynamics, apprehensions about side effects, and more. The paper addresses the challenge of comprehensively understanding and categorizing these diverse concerns expressed in the context of vaccination. Our focus is on developing a robust multi-label classifier capable of assigning specific concern labels to tweets based on the articulated apprehensions towards vaccines. To achieve this, we delve into the application of a diverse set of advanced natural language processing techniques and machine learning algorithms including transformer models like BERT, state of the art GPT 3.5, Classifier Chains & traditional methods like SVM, Random Forest, Naive Bayes. We see that the cutting-edge large language model outperforms all other methods in this context.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google