49、社交媒体文本语料中负面因素识别与巴基斯坦疫情监测

社交媒体文本语料中负面因素识别与巴基斯坦疫情监测

社交媒体文本负面因素识别

在当今社会，社交媒体已成为人们表达情感和分享生活的重要平台。人们会在上面分享自己的喜怒哀乐、成就与不满。通过对社交媒体文本进行分析，我们可以了解公众的情绪和关注点。

研究方法

• 数据收集 ：研究团队专门收集了巴基斯坦地区的推文。由于巴基斯坦的国语是乌尔都语，推文主要有英语、乌尔都语字体和罗马乌尔都语三种格式。研究使用WordNet作为词典，仅提取了英语推文。
• 情感分类 ：运用Flair API进行先进的情感分析，从收集的推文中提取了10000条，并将其分为积极和消极两类。其中，消极类推文有2577条。

• 专家标注 ：邀请三位专家对这2577条消极推文手动标注为8个类别，最终类别标签以至少两位专家的相同标注为准。标注后的数据集分布情况如下表所示：
  | 类别 | 训练集 | 测试集 | 类别分布 |
  | — | — | — | — |
  | 政治 | 395 | 131 | 20.41% |
  | 不公正 | 297 | 99 | 15.37% |
  | 犯罪 | 252 | 84 | 13.04% |
  | 经济 | 234 | 76 | 12.03% |
  | 失败 | 209 | 70 | 10.83% |
  | 恐怖主义 | 202 | 68 | 10.48% |
  | 社会方面 | 195 | 65 | 10.09% |
  | 腐败 |