PulseAugur
实时 12:03:10
English(EN) BERTopic-Virality Prioritisation: A Scalable Framework for Thematic and Comparative Analysis of COVID-19 and Monkeypox Misinformation on Twitter

新框架利用主题建模和传播性评分优先处理疫情错误信息

研究人员开发了一个名为BERTopic-Virality Prioritisation (BERTopic-VP) 的新框架,用于分析疫情期间的错误信息。该框架结合了主题建模和一个根据主题潜在传播速度进行优先排序的层。它还包含一个混合错误信息检测模块,该模块融合了基于内容的分类器和来自公共卫生知识库的外部验证信号。该系统应用于与COVID-19和mpox相关的数据集,取得了很高的分类性能,并识别出高影响力错误信息集群。 AI

影响 该框架可以改善在公共卫生危机期间对高风险错误信息叙事的早期检测和监测。

排序理由 该集群包含一篇详细介绍分析错误信息新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新框架利用主题建模和传播性评分优先处理疫情错误信息

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Mkululi Sikosana, Sean Maudsley-Barton, Oluwaseun Ajao ·

    BERTopic-Virality Prioritisation: Twitter上COVID-19和猴痘错误信息的主题与比较分析的可扩展框架

    arXiv:2608.15691v1 Announce Type: new Abstract: Health misinformation circulating during pandemics can gain traction rapidly, creating harmful narratives that compete with public health guidance. Most topic-modelling pipelines treat engagement as an external outcome, limiting the…