TY - JOUR AU - Tomaszewski, Tre AU - Morales, Alex AU - Lourentzou, Ismini AU - Caskey, Rachel AU - Liu, Bing AU - Schwartz, Alan AU - Chin, Jessie PY - 2021 DA - 201/9/9 TI -从Twitter识别虚假的人乳头瘤病毒(HPV)疫苗信息和相应的风险感知:先进的预测模型乔- J地中海互联网Res SP - e30451六世- 23 - 9千瓦误传KW -造谣KW -社会媒体KW - HPV KW -人类乳头瘤病毒疫苗接种KW -疫苗接种KW -因果关系挖掘KW -导致KW -效应KW -风险感知KW -疫苗KW -感知KW -风险KW - Twitter KW——机器学习KW -自然语言处理KW -宫颈癌AB -背景:人类乳头瘤病毒(HPV)疫苗的接种率仍然很低，尽管HPV疫苗的有效性已经确立了十多年。疫苗犹豫的部分原因是社交媒体上关于HPV疫苗的虚假信息。打击虚假的HPV疫苗信息是解决疫苗犹豫的合理步骤。目的:鉴于虚假HPV疫苗信息的巨大危害，迫切需要在虚假社交媒体信息传播之前识别出来。这项研究的目标是开发一种系统和可推广的方法来识别社交媒体上的虚假HPV疫苗信息。方法:本研究利用机器学习和自然语言处理开发了一系列分类模型和因果关系挖掘方法，以识别和检查Twitter上HPV疫苗相关的真假信息。结果:我们发现卷积神经网络模型在识别包含虚假HPV疫苗相关信息的推文方面优于所有其他模型(F得分=91.95)。我们还开发了完全无监督的因果关系挖掘模型，以确定HPV疫苗的候选效果，以捕捉HPV疫苗的风险感知。 Furthermore, we found that false information contained mostly loss-framed messages focusing on the potential risk of vaccines covering a variety of topics using more diverse vocabulary, while true information contained both gain- and loss-framed messages focusing on the effectiveness of vaccines covering fewer topics using relatively limited vocabulary. Conclusions: Our research demonstrated the feasibility and effectiveness of using predictive models to identify false HPV vaccine information and its risk perceptions on social media. SN - 1438-8871 UR - //www.mybigtv.com/2021/9/e30451 UR - https://doi.org/10.2196/30451 UR - http://www.ncbi.nlm.nih.gov/pubmed/34499043 DO - 10.2196/30451 ID - info:doi/10.2196/30451 ER -