随着以网络为媒介的交流环境的增加，社交媒体平台使个人能够讨论不同的问题，表达他们的想法和辩论[ 1- 3.］．Twitter是一家提供微博服务的领先社交网络。用户可以发布被称为tweet的帖子，其长度限制为280个字符。因此，用户可以通过回复、分享或通过“点赞”来表达自己的兴趣，与他人进行互动。这些互动能力是社交网络连接本质的基本构建模块，是全球平台上用户之间思想转移的呼应[ 4］．从推文内容中检索信息是一项挑战，但比其他长信息社交媒体平台更容易管理。 5］．事实上，来自社交媒体和Twitter的结构化和非结构化数据的数量多年来一直呈指数级增长[ 6， 7］．数据挖掘和文本挖掘能够发现潜在的新知识，并有助于开发高效的循证决策工具[ 8- 10]通过提取有意义的摘要，如统计摘要或受控词汇表(如术语、大众分类法、分类学和本体论)[ 11- 15］．

现代医学最重要的成就之一是开发和广泛使用安全有效的疫苗。然而，由于对疫苗的犹豫和拒绝而部分接受疫苗是一个重大的健康威胁。至于流感，与其他疫苗相比，疫苗依从性较低，主要是因为疫苗必须每年重复接种[ 16］．与其他疫苗一样，流感在现实世界和网上引起讨论[ 17- 20.］．COVID-19疫苗也不例外。

此外，新冠肺炎疫情在全球的蔓延[ 21]，它对日常生活的重大影响，以及对抗它的疫苗的相对快速开发，使COVID-19疫苗成为社交媒体上讨论的重要健康话题。减少流感和COVID-19等传染性疾病的发病率需要实现群体免疫[ 22， 23]，最好是接种疫苗。只有通过人口参与才能实现这一公共卫生目标[ 18， 19］．

社交媒体平台，如Twitter，是人们分享观点和搜索(错误)信息的首选场所。 24， 25关于医疗保健问题[ 26， 27]，包括疫苗[ 17， 18， 28］．这些开放论坛可以影响犹豫不决的个人的意见和接种疫苗的决定[ 29］．关于疫苗的必要性、有效性和安全性，疫苗倡导者和“反疫苗”激进分子之间的讨论仍在继续。此外，整个互联网能够发现疾病爆发的早期预警、跟踪其传播和恢复能力[ 30.]，以及循证信息的传播[ 31， 32］．人工智能方法和算法(即数据挖掘、文本挖掘和自然语言处理)在过去十年中已根据互联网搜索引擎查询和社交媒体线程的新趋势有效地用于检测流感等疫情[ 33- 36］．有必要采取公共卫生干预措施[ 37对疫苗反对者传播的错误信息采取严厉的措施[ 19， 38］．相关工具应基于人工智能，对社交媒体产生的大数据进行高效、自动化的分析[ 39， 40］．

了解一些与卫生相关的事件讨论期间发生的变化对于提高卫生传播效率至关重要[ 41， 42］．疾病预防项目需要纳入一些方法，使基于证据的信息能够通过在线资源向广泛的人群提供，并加强对有偏见和误导性公告的控制。主要关注的是社交媒体上的广告政策和活动[ 30.， 43］．

我们的主要目标是支持在社交媒体上设计和实施未来的电子卫生战略和干预措施，以提高有针对性的传播运动的质量，从而提高流感接种率[ 18， 19， 44， 45］．

我们的主要目的是定义一种基于人工智能的方法来分析推文，包括与流感和COVID-19疫苗接种相关的术语。我们专注于发现与流感疫苗接种相关的共出现术语，并突出与这些术语相关的主要主题。因此，这些结果必须用于建立大众分类法[ 46- 49]，然后可支持加强疫苗接种运动。该方法可推广到其他与健康有关的大众传播。我们的研究目标是建立一个及时和动态的词汇表，以英语发布与流感、疫苗和疫苗接种相关的各种主题。该词汇表可作为卫生传播专家和卫生政策制定者的决策支持工具，有助于理解不同主题随时间的变化，如本研究中建议的主题(与“流感”、“疫苗”和“疫苗接种”相关的推文)。

以下4个假设指导了本研究:

本研究获得了以色列Holon理工学院技术管理学院伦理委员会的伦理批准(TM/2/2020/AB/004)。研究期间在Twitter上收集的信息以安全加密的方式存储，由机构向首席研究员(AB)提供有限制的访问权限。

本研究分为以下5个阶段:

从2019年12月30日到2021年4月30日，我们通过Twitter API提取和收集了16个月的推文。这些推文是用英语写的，来自北美，至少包含以下词汇中的一个:“流感”、“疫苗”、“疫苗”和“vaxx”(最后一个词汇是用来捕捉与反对接种疫苗相关的信息的，因为这些人使用它)。我们选择这些术语是为了尽可能多地检索有关疫苗作为一种产品、疫苗作为一种行为或政策、疫苗接种犹豫和流感的讨论。此外，由于Twitter参与者使用非正式语言，为了提取与流感相关的内容，我们使用了流行术语“流感”。提取过程中省略了转发和点赞。在16个月的随访期间，我们捕捉到了与流感、疫苗和疫苗接种相关的推特词条和主题。事实上，在美国，2020年涉及COVID-19大流行和总统选举。

确保有效使用机器学习方法[ 52关于推文集合[ 53，我们对它进行预处理，对出现在帖子中的相似词进行清理和lemmatize。数据清理包括删除标点符号[ 54，提及用户、符号、网站地址和停顿词[ 55］．此外，由于推文是用自然语言和简洁的方式写的(由于280个字符的限制)，一个词可能由于各种原因(如拼写错误和简短的形式)而写成多种形式，它们都具有相同或相似的含义。词元化是克服这一问题的方法之一。它包括用词根形式替换单词(例如，用" vaccine "替换" vaccines ")。［ 56］．例如，由于covid -19大流行，在收集过程中检索到的推文包含术语“covid”的多种表示形式，如“COVID19”、“covid -19”和“冠状病毒”。我们使用Python自然语言工具包(NLTK)包进行术语化[ 55］．由于推文的性质是非正式的，因此假设使用这些词的单一表示不会显著改变推文的上下文，从而提高模型的准确性。因此，经常出现的“COVID”一词被单一形式的“COVID”取代，与“流感”相关的术语被引申为“流感”，成为推特上的流行语言。所有的引理都以小写形式存储。

我们通过以下三个步骤处理与流感、疫苗和疫苗接种相关的术语、标签和主题的识别:(1)使用单词嵌入和n-grams进行聚类;(2)构建大众分类法;(3)评估大众分类法聚类。

这些社交网络数据是以匿名的方式收集的，并遵循Twitter的规则。评估调查的参与者在平台上以电子方式提供匿名知情同意，然后才能继续完成问卷。

由于Twitter的规章制度，无法获得支持这项研究结果的Twitter数据。支持调查结果的调查数据可根据合理要求从通讯作者(AB)处获得，这些数据需要经过调查者所在机构的伦理和法律批准。本研究的方法将在生物医学研究中的人工智能AIMe注册中报告[ 67］．

在2019年12月30日至2021年4月30日期间，共收集了420,617名独立用户的2,782,720条推文。的图 图1显示每月包含以下至少一个术语(或在清洗和术语化后类似术语)的推文数量(柱状列):(1)“流感”，(2)“疫苗”，(3)“疫苗”，(4)“疫苗”，以及(5)“covid”。里面的线条 图1显示这些术语在收集的tweet中的比例。尽管“covid”及其同义词最初并不是用于查询推文的关键词，但它的出现反映了covid -19大流行作为2020年和2021年关于疫苗接种和流感讨论的一个重要主题的影响。

图1还显示，从2020年12月到2021年4月，全球范围内包含至少一个词汇“流感”、“疫苗”、“疫苗”、“vaxx”和“covid”的推文数量急剧增加 多媒体附件1)．发现了两个峰值。第一次是在2020年3月，世界卫生组织宣布COVID-19为大流行(2020年3月11日)，唐纳德·特朗普总统宣布COVID-19为全国紧急状态(2020年3月13日)。2020年12月的第二个高峰主要与“疫苗”有关，以应对COVID-19疫苗的批准(美国食品和药物管理局(FDA)于2020年12月11日和2020年12月18日批准辉瑞BioNTech疫苗和Moderna疫苗的紧急使用授权)。因此，“疫苗”一词从2020年1月的约35%增加到一年后的约80%。相比之下，“vaxx”一词(包括“antivaxx”、“antivaxxer”、“anti-vaxx”和“anti-vaxxer”)在整个数据收集期间稳定在1% - 3%。然而，必须考虑到疫苗接种反对者使用了各种工具和交流话语，而不是唤起“反疫苗接种”一词本身[ 68- 70］．与流感(" flu ")和covid -19 (" covid ")相关的词汇呈负相关关系( r=−0.83, P<.001) ( 多媒体附件1)．从2020年1月开始，随着首批covid -19病例从中国传播到欧洲和美国，“covid”一词的使用呈线性增加[ 71]，直到2021年2月，它是收集的推文中大约35%的一部分。与此同时，"流感"一词的使用稳步减少，可能是由于2020-2021年流感季节流感活动较低[ 72， 73］．

这项研究是为了阐明网上公众对疫苗接种的看法，主要是针对季节性流感。然而，基于推特的讨论的焦点发生了重大变化，令人印象深刻地反映了2020年的COVID-19大流行。本研究最重要的方面是建立基于推文文本分析、词嵌入和聚类的大众分类法。在这个大众分类法中确定的3个主题如下:

民间分类法背后的机制依赖于一系列复杂的因素。首先，如上所述，每个集群出现的原因取决于文化和现实事件。其次，可以通过分析经常出现在一起的术语(n-grams)来量化这些机制。因此，在这项研究的背景下，我们观察到推特的主要焦点主要与COVID-19大流行事件(疾病、禁闭、政治家谈话、疫苗批准和疫苗接种)有关，并随着时间的推移而增加，如术语“疫苗”和“疫苗接种”的流行，这与术语“流感”形成对比，随着时间的推移，“流感”从推特中消失了。这表明，保持社交距离和戴口罩等COVID-19措施显著降低了2020-2021年期间的季节性流感发病率[ 73， 90， 91］．然而，这些趋势变化以及民俗分类内容变化的一个潜在的主要原因和机制可能与公民对每年流感传播的注意力转移有关，这是由破坏性和威胁性的COVID-19大流行引起的。这些干扰引起了不同的行为或感受，如毁灭、恐惧、担忧和理解的需要。 92， 93］．

越来越多地利用社交媒体和社交网络及时传播多方式和多来源的健康相关信息。在季节性流感和COVID-19等流行病和大流行的背景下，卫生保健组织和政府机构现在在社交媒体上传播信息并开展传播运动，例如，提高公民对疫苗接种的参与。与此同时，个人分享他们的立场，即使这与反疫苗趋势有关，有时也会传播错误信息[ 94］．我们的研究的优势在于，它能够为卫生当局提供与卫生保健问题或事件(如接种疫苗或与病毒相关的事项)相关的社交媒体线程中出现的或持续的主题的每周、每月和长期大众分类法。使用这些工具，提供一个大众分类法和在相同或额外的集群中共同出现的术语，可以加强与健康相关的社交媒体活动，关注大的公众及时的兴趣和查询，类似于在其他商业领域中使用的方法。

事实证明，通过及时获得报告，有可能指出社交媒体上经常使用的各种主题、词汇和术语，从而使卫生传播专家，特别是与社交媒体打交道的专家，能够集中精力开展最新的活动，以增加人口参与，如在其他商业领域开展的活动[ 95以及与促进健康有关的行动，特别是在流行病和危机期间[ 96例如，H1N1 [ 97]和埃博拉[ 98])，正如在先前的研究中所建议的那样，不涉及术语、主题和目标人群的发现或指定[ 99］．

对社交媒体，特别是社交网络的探索，由于被动地排除了这些沟通渠道的非用户或只阅读帖子而不自己发帖或回复其他用户消息的不活跃用户而受到限制。

这项研究的另一个局限性是，它只基于来自北美的英语推文。这种筛选限制了结果的泛化。美国人口的多样性表明，在美国以其他语言开展这类研究将使健康沟通得以微调，并提高非英语社区(即约22.0%的美国人口)的疫苗接种依从性[ 19， One hundred.］．

与我们的研究并行的是，2020年1月至10月(与我们的研究中2019年12月至2021年4月(与我们的研究中2019年12月至2021年4月)在澳大利亚推特用户(与我们的研究中美国推特用户)中进行了另一项专门和严格处理疫苗接种和COVID-19的研究，收集了31100条推文(与我们收集的2782720条推文)。该分析基于潜狄利克雷分配，这是一种无监督学习方法，可以大规模密集地消耗系统资源[ 101］．澳大利亚的推特分析显示了以下3个主要主题:(1)“COVID-19及其疫苗接种”，(2)“对感染控制措施和疫苗试验的宣传”，以及(3)“阴谋论、抱怨和错误信息”[ 102］．尽管存在一些趋同之处，但这些结果与我们的结果不同，因为它们更具体地关注与covid -19相关的问题。

此外，最初用于提取推文的词汇集(“流感”或“疫苗”或“疫苗”或“vaxx”)使我们能够捕捉到与我们感兴趣的每个术语相关的更大范围的线程，而不需要像其他之前的研究那样采用严格的过滤方法[ 101］．然而，如果不扩展提取词集，加上与COVID-19大流行相关的词汇，可能有趣但不包含这些词汇之一的推文就不会被提取出来。例如，2021年4月中旬发布的以下推文包含了在n-gram分析中检测到的词汇，但没有明确表示用于提取推文的词汇未能被检索:“我很兴奋，我在我的县城获得我的第一针辉瑞(Pfizer)疫苗。”增强趋势跟踪动态的未来观点是，可以考虑使用其他因现状而产生干扰的术语(如“covid”、“剂量”、“注射”和疫苗的商品名称)更新推文提取查询的术语。这种增强可以通过领域专家(即人的动作)或通过自动选择在大众分类法和共现频率分析(即n-grams)的群集中出现的趋势词汇来实现[ 95］．

此外，在处理每分钟生成的大量推文时，如果不部署高计算基础设施，实时查看所有推文是不可能的，这可以在专门的中心获得。因此，本研究的目的是确定一个框架，使卫生系统决策者能够专注于特定的问题，以便通过理解在特定背景下讨论的主题(即疫苗接种和流感)来加强他们的社交媒体活动。此外，推文每天都被收集(由于Twitter的限制，不使用付费平台)，并使用方法中描述的机器学习流程在每周、每月和所有级别上进行分析。为了处理其他人感兴趣的条件，改变推文提取查询的条件将允许扩展当前的数据集或使用相同的方法开始新的研究。这项研究表明，将社交媒体数据(如推特)和人工智能方法(如用于文本和数据挖掘的机器学习算法)结合起来，可以使信息流行病学和信息监控研究成为一个整体。更具体地说，在这项研究中，我们通过跟踪推文内容和主题随时间的变化以及实际事件的影响，注意到这种组合方法的优势。与其他基于twitter的公共卫生研究一样，收集、分析和近乎实时评估信息内容的方法为卫生决策者提供了强有力的指示，以适应和加强作为应急响应和规划的通信[ 103］．换句话说，这些预警必须支持基于社交媒体的健康信息，根据社交媒体用户在以前的帖子、分享或点赞中被动披露的兴趣和焦点(即出现在大众分类法集群中的术语)，针对推荐、指示和指示广告。此外，社交媒体平台可以根据社会人口学属性(如年龄、性别、婚姻状况、地点、口语以及教育和职业背景)对广告活动进行分层，从而实现准确的目标定位[ 104］．因此，基于社交媒体的卫生信息旨在通过提供考虑到社会人口统计学和兴趣领域的个性化信息，提高人口对卫生政策的遵守程度，例如对流行病或大流行性疾病(如流感和COVID-19)的疫苗接种。例如，一个打篮球的年轻人，生活在一个年轻人急性流感发病率经常很高的地区，关注与篮球有关的社交媒体群，并分享与疫苗接种犹豫有关的帖子，将得到个性化内容的广告，目标是从事集体运动的疫苗接种犹豫的年轻人，并强调疫苗接种是在流行病期间继续开展这项活动的最佳解决方案[ 105］．

Twitter是领先的社交网络平台之一，允许任何人在任何领域分享职位和信息。因此，任何关于流感和COVID-19以及针对它们的疫苗的发布和传播的信息都可以被认为是可靠的，并可以影响社交媒体用户。具体来说，在COVID-19大流行期间，世界各国领导人广泛使用Twitter与公民交流公共卫生信息。这些信息对疫苗接种依从性产生了强烈影响[ 106，能够动态改进社交媒体上的内容和目标健康传播活动。

这项研究证实了我们最初的假设。推特是了解为什么建议接种疫苗和公众对此看法的信息来源[ 107- 109］．事实上，我们定义了在16个月的收集信息中共存的3个主要主题的大众分类法。因此，关于“流感”、“疫苗”和“疫苗接种”的推文的术语和标签可以被组织在一个动态词汇中，如大众分类法，反映出社交媒体平台上长期以来讨论的主要话题和相关术语。此外，据《大众分类法》报道，随着时间的推移，与COVID-19相关的词汇出现并占据主导地位，与经常出现的词汇一起出现，这表明，尽管该研究最初并没有关注这一主题，但健康变化反映在与疫苗和接种相关的推特帖子中。

这项研究最初侧重于流感疫苗接种，后来转向COVID-19疫苗接种。在推特(和其他社交媒体)上开展有关疫苗和预防传染病疫苗接种主题的信息监测，可以创造机会设计和传播个性化信息，鼓励特定目标亚群体参与疫苗接种。目标人群收到个性化信息的可能性越大，目标人群对疫苗接种或其他公共卫生措施的反应、参与和主动性就越高[ 110］．