在以往的大规模Twitter分析工作中，经过预处理后，主要有4种自然语言处理(NLP)方法:n-gram token analysis [ 12， 15， 20.， 21]、情绪分析[ 12， 14， 15， 20.- 25]，主题建模[ 12， 14， 15， 20.， 22- 25]，以及地理分析[ 22， 24］．地理分析在我们的工作中不太重要，因为我们的研究范围是全国而不是分区。在这项工作中，我们继承了之前的工作，应用n-gram token分析，情感分析和主题建模。这项工作的代码将在网上分享[ 26］．

本研究中使用的数据来自大规模的公开COVID-19推特聊天数据集[ 27由佐治亚州立大学的灵丹妙药实验室更新。数据集提供了所有推文的id、发布时间和语言。我们下载了从第一个人接种疫苗的2021年2月1日到第一次疫苗接种率超过70%的2021年9月30日之间与covid -19相关的日本推文。此外，有关疫苗接种个案数目的资料亦从日本首相府的官方网站收集。[ 28］． 

然后对下载的推文进行清理和处理。使用Python包tweepy过滤转发。没有包含疫苗相关关键词的推文被删除。中过滤使用的关键字 多媒体附件1．值得注意的是，关键词中包含了日本政府批准的3个疫苗品牌(辉瑞、Moderna、阿斯利康)。其他疫苗品牌被排除在外，因为我们试图更多地关注疫苗接种过程中采用的品牌。常见的拼写错误(如“Modelna”)也包括在关键词中。网页链接、特殊字符、表情符号和“amp”(&符号)被删除，所有全宽英文字符都转换为半宽小写字符。

为了方便起见，我们的结果中所有日语单词都直接以英语翻译形式呈现。中提供了英日翻译表 多媒体附件1．为了尽量减少语言差异的影响，我们的结果中的所有翻译都作为最后一步进行，直接将图中的日语单词替换为对应的英语单词;因此，它们不会影响统计结果。

在许多其他NLP任务之前，标记化是必要的，特别是对于许多非拉丁语言，例如日语。我们删除了Python包NLTK中预定义的英语和日语停止词[ 29]和SpaCy [ 30.]，并使用Python包SpaCy将所有收集到的与疫苗相关的推文标记为字母或字母，以便进行统计分析，如Kwok等人所报告的[ 27］．我们对整个周期内的一格符号或二格符号按词频降序排序。类似于Liu等人[ 24]，我们使用修剪精确线性时间(PELT)算法[ 31]来寻找词频率的第一个变化点。第一个变化点之前的字母字母被认为是顶部字母字母，变化点之后的字母字母的词频率显著低于顶部字母字母的词频率。类似的过程也用于bigrams。为了消除月与月之间的天数差异，通过将总term frequency除以每个顶部ungram或biggram的每月天数来定义每月term frequency。

相关系数在社交媒体分析中被广泛应用。在谷歌Trends分析中，计算传染病报告病例数与相关关键词搜索趋势之间的相关性。在推特分析中，还调查了每日感染或死亡病例与相关推文数量或情绪评分之间的相关性[ 24， 25］．本研究采用相关性分析，从顶部的图中找出与COVID-19疫苗接种运动最相关的因素。我们首先计算了包含排名靠前的字母组合或字母组合的推文数量与疫苗接种病例之间的交叉相关性，然后观察每个字母组合和字母组合出现最大交叉相关性时的时间滞后。皮尔逊相关系数( r)与接种疫苗病例之间的差异也进行了计算。

在n-gram分析之后，在与COVID-19疫苗接种相关的社交媒体分析中，经常使用情绪分析来探索实时的公众态度，这可能反映了对COVID-19疫苗和相关政策的接受程度[ 12， 14， 20.， 22， 24］．负面情绪的趋势可能为犹豫接种疫苗提供潜在证据[ 23］．在这项工作中，情感分析应用于所有与疫苗相关的推文。这项研究使用了云服务，因为在日语中没有可靠的情感分析公共模型。为了与之前的工作保持一致，我们选择了Amazon Web Services (AWS) [ 29］．使用AWS将这些推文分为正面、负面、中性或正面和负面的混合推文。精细的情绪也使用日本版的NRC情绪词典进行了探索。 32］．《美国国家研究管理委员会情感词典》是一本关于八种情绪的词汇及其相关评分的词典:期待、信任、喜悦、惊讶、愤怒、厌恶、恐惧和悲伤。积极和消极的推文被标记化，八种情绪的效价度(DOV)是通过将NRC情绪词汇表中出现的字母的分数加起来计算出来的。最后，我们将当天积极和消极推文的数量除以，计算出每日平均DOV，以显示每种情绪的趋势。

主题建模应用于从不同情绪的推文中识别细粒度信息[ 12， 15， 24］．基于情感分析的结果，我们对主题进行了总结，以便更深入地了解推文中的主导情绪。潜狄利克雷分配(Latent Dirichlet allocation, LDA)常用于推文主题建模研究[ 14， 15， 20.， 22， 23］．在本研究中，LDA将推文视为由不同的主题生成，每个主题生成的推文具有Dirichlet分布。使用Python包scikit-learn来确定主题的最佳数量。选择时采用对数似然作为度量，采用5倍交叉相关避免过拟合。如 多媒体附件1，我们选择2作为LDA建模的主题数，其对数似然得分最高。我们使用scikit-learn进行LDA主题建模，并显示与每个主题相关的前10个关键字及其权重。权重是主题中关键字的伪计数。题目的主题由3名志愿者从排名前10的关键词中总结出来。志愿者们首先被要求独立制定主题，然后他们开会最终就主题达成一致。

然后，我们检查了与不同主题相关的推文的趋势。定义所有收集的tweet中的第i条tweet为 d_我， LDA模型的第j个主题为 t_j，一条推文的概率 d_我来自 t_j采用拟合的LDA模型计算为 p_ij．对于每天发布的推文，主题j产生的推文数量的期望通过求和来计算 p_ij在那一天。每个话题产生的推文预期数量之比也被绘制出来，以显示主导情绪下公众关注的趋势。

这项研究使用了乔治亚州立大学Panacea实验室收集的公开和可访问的推文，允许免费下载。我们声明，我们的分析总体上符合Twitter的使用政策，但没有确定发布推文的具体个人。此外，从PMOJ下载的疫苗接种病例数是公开的政府数据。因此，所描述的活动不符合人体主体研究的要求，也不需要机构审查委员会的审查。

根据数据集中的ID和地区信息，我们下载了在2021年2月1日至9月30日期间发布的979,636条日语推文。经过筛选，筛选出190,697条与疫苗相关的推文。因此，与疫苗相关的推文总数从2月份的14758条增加到8月份的34692条，然后在9月份减少到27824条。

PELT算法检测到的字母词频率变化点为6个，排名前6位的字母词分别为日语单词“感染”、“日本”、“储备”、“辉瑞”、“会场”和“突变”。与疫苗安全性有关的unigram“副作用”总体排名第八。从2月到9月，“感染”、“储备”和“场地”三个字母逐渐进入前3名，如图所示 图1．

PELT算法检测到的重词频次变化点为5个，排在前5位的是日语重词“Astra + Zeneca”、“reserve + available”、“article + Reuters”、“venue + reserve”、“medical care + workers”。从6月到9月，“储备+可用”和“场地+储备”两大组合进入前2，“阿斯特拉+利康”的排名从5月开始下降，如图 图2．

在ungram的相关分析中，“reserve”和“venue”的时间滞后均为0，疫苗接种病例连续5天领先含有“infection”的推文数。后计算 r每天包含每个排名靠前的字母和疫苗接种病例的推文数量之间，有显著差异 r值( P<.001)为除“突变”外的所有字母。最大的 r每日疫苗接种个案的数值为未标记“感染”( r=0.746)， " reserve " ( r=0.829)、“场馆”( r= 0.908)。然后，我们检查了包含所有三个字母组合的推文的每日数量，这些组合显示出很强的相关性，并找到了最高的推文 r值( r= 0.912; P<.001)用于同时包含“预订”和“场地”的推文。随机选取5天，查看当天所有推文的来源，我们发现公众号或主流媒体发布的同时包含“reserve”和“venue”的推文95% CI为96.0%-100%。包含“reserve”和“venue”两个字母的推文与每日疫苗接种病例的对比趋势如下 图3．

对于biggram，“venue + reserve”biggram与unigram分析重叠，被排除在这一部分。“储备+可用”和“文章+路透社”两组的时间滞后为0，疫苗接种病例分别领先“阿斯特拉+利康”和“医疗+工作者”116天和63天。“储备+可用”和“文章+路透社”两组的交叉相关性最高。“Astra + Zeneca”( r= -0.331)， "储备+可用" ( r=0.908)、“文章+路透”( r=0.229)的相关性显著( P<.001)， "医疗保健+工人"除外( r= -0.055)。在3名志愿者的人工评估中，我们发现95.4%的包含“保留+可用”两个字母组合的推文与包含“场馆”和“保留”两个字母组合的推文相同。

在所有推文中，有4453条(2.3%)是正面的，19340条(10.1%)是负面的，164687条(86.4%)是中性的，2217条(1.2%)是正面和负面情绪混合的。每日标记为正面和负面的推文数量的比较显示在 图4．消极情绪一整天都压倒了积极情绪。

8种情绪的dov显示在 图5．愤怒(0.404)、厌恶(0.268)、恐惧(0.659)、悲伤(0.486)、过度期待(0.163)、信任(0.173)、喜悦(0.118)、惊讶(0.081)的日平均DOV。恐惧是这一时期的主要情绪。在这里，我们将情绪峰值定义为大于该情绪每日平均DOV的3倍。信任指数在2021年2月18日达到最高值(1.114)。从2021年5月13日到18日，出现了几个恐惧高峰。

每个LDA主题的前10个关键字显示在 图6．议题1的主题是“感染”，议题2的主题是“疫苗信心”。同样值得注意的是，topic-1中“infection”(14895)的权重是第二个关键字“Japan”(4359)的3倍多，但topic 2中“Pfizer”(4348)的权重仅比第二个关键字“die”(3763)大15.5%。

“感染”相关推文数量的期望与“疫苗信心”相关推文数量的比值示于 图7．从主题1生成的推文数量的总期望(“感染”，n=30,288)大于从主题2生成的推文数量的总期望(“疫苗信心”，n=27,572)，并且从主题1和2生成的推文每日数量的期望之间的平均比率显著大于1 ( P< . 01)。在68.2%的日子里，对“感染”产生的推文数量的预期大于“疫苗信心”产生的推文数量。

高疫苗接种率被认为是由高疫苗信心所促进的[ 16， 33- 36]，但日本在几个月内实现了较高的疫苗接种率，是世界上疫苗信心最低的国家。这项回顾性研究旨在确定日本快速接种疫苗的原因，这可能对推动全球传染病疫苗接种具有指导意义。根据以往的研究[ 16， 34- 37]，我们假设主观因素包括疫苗信心增加(S1)和对感染的恐惧(S2)，客观因素包括疫苗供应充足(O1)和有效传递与保留相关的疫苗信息(O2)。我们的结果表明，假设S2和O2可能促使公众接种疫苗。在我们的结果中没有发现支持假设S1的证据。假设O1的证据可以在PMOJ(日本首相及其内阁)的官方网站上的疫苗供应历史中找到，本文没有讨论。

有几个结果支持假设S2。在符号分析中所示 图1，除2月份外，“感染”关键词均位列前3，在日本第四波、第五波感染期间，“感染”关键词在5月至8月均排名第一。关键词“场地”和“储备”的排名也较5月份有所上升。未发现与提高疫苗信心相关的关键词。所示的情感分析 图4表明消极情绪压倒积极情绪，这与Chen等人的研究结果一致[ 35与邻国相比，日本表现出了不满。结合我们的结果，“感染”是最受欢迎的关键字，“副作用”排在第8位，我们的结果支持日本公众更关心感染，而不是COVID-19疫苗的副作用。

从主题建模结果中获得了更多假说S2的证据。从主题1(“感染”)的关键词中，我们可以看出公众对感染和死亡率的关注。变异的病毒和强大的病例也导致了恐惧。Willis等人[ 37]发现，对感染的恐惧越小，接种疫苗的意愿就越低，这与我们的结果是互补的。从主题2的关键词(“疫苗的信心”)中，我们可以看到，疫苗的副作用是最令人担忧的，但以下关键词与疫苗对突变病毒的有效性、疫苗的储备和医疗条件有关。以前在不同国家进行的调查表明，对疫苗安全的恐惧是疫苗接受度低的关键因素[ 38， 39］．此外，topic 2中“副作用”的权重远小于topic 1中“感染”的权重。这两个话题中排名靠前的关键词表明，人们更关心COVID-19，而不是疫苗的副作用。本道等[ 40]报告了对感染的恐惧与疫苗接受度之间的显著正相关，而对疫苗安全性的恐惧与疫苗接受度之间的显著负相关。因此，区分主流恐惧情绪对确定疫苗接种率高的原因很重要。 图7提供有关与“感染”相关的预期推文数量与“疫苗信心”之间的比率的详细信息。在大多数情况下，该比率大于1，表明公众更关心感染，而不是疫苗的安全性和有效性。4月和7月至9月底是日本第四波和第五波感染时期，感染比例较高。从2月中旬到3月中旬，也有一个相对较长的时间，不到一个比例，这段时间是疫苗对变异病毒效果较差的时期(2月10日)，观察到阿斯利康疫苗的严重副作用(3月12日)，在日本观察到一些副作用(2月21日，3月7日和3月10日)。然而，由于第四波感染，这一比例很快就上升了。这个例子也证明，对感染的恐惧超过了对疫苗安全的担忧。

我们还提供了接种疫苗和假设O2之间存在密切关系的证据。Bigram分析 图2显示，“预约+可用”自6月大规模疫苗接种开始后，排名第一，这可能反映了公众对疫苗预约的强烈担忧。中Unigram令牌分析 图3显示包含关键词“reserve”和“venue”的推文具有显著的高度相关性( r> 0.9; P<.01)与日本每日疫苗接种病例数比较，且大部分来自政府官方账号。“reservation + available”这两个组合也表现出较高的相关性( r> 0.9; P<.01)。由于预约信息总是会导致实际接种，这一结果表明，除了足够的疫苗供应外，预约信息的传递在大规模疫苗接种中也可能很重要。此外，最大相互关系的时滞为0，这可能表明Twitter上发布的预订信息是有效的。我们的结果与Fu的一致[ 41]发现缺乏灵活性的疫苗储备信息系统会损害社区的免疫服务。

我们没有发现假说S1的任何证据。Macaraan报告称，菲律宾人对COVID-19疫苗接种计划的态度从犹豫转变为信心[ 36］．大久保( 42]报告了从犹豫到自信的转变，但也承认这种转变可能是由于以前研究中调查指标的差异[ 43］．在这些研究之后，我们寻找了类似的情绪或情绪从消极到积极的转变，但消极情绪压倒了积极情绪，如图所示 图4，恐惧主宰了所有的情绪 图5．积极情绪“期待”、“信任”和“快乐”在整个期间都没有增加。这两项结果使得很难得出疫苗信心增加的结论。

我们的结果部分与测量疫苗犹豫的5c模型(信心、能力、便利、计算和集体责任)有关[ 36， 44］．自信和自满是两个与个人直接相关的主观指标。在我们的工作中，LDA的主题“疫苗信心”属于“信心”，“对感染的恐惧”属于“自满”。在日本，对感染的恐惧可能会提高疫苗接种率。提供预约信息可能是"便利性"的延伸，"便利性"以前被定义为"物质上的可获得性、可负担性和支付意愿、地理上的可达性、理解能力(语言和卫生素养)以及免疫服务的吸引力会影响接受" [ 45］．我们的工作表明，为了方便接种，还应该考虑有关疫苗保留的信息。

我们承认，我们的研究可能存在一些潜在的局限性:(1)日本Twitter用户的人口结构不平衡[ 46]可能导致结果出现偏差;(2)用户在某一天的状态(在家不在家、当天发生的其他事件等)也可能对数据集产生偏差[ 47];(3)由于日语中缺乏可靠的情感分析公共模型，使用AWS云服务进行情感分析;(4)过滤关键字可能会包含不相关或缺失的相关推文;(5)本研究未对反疫苗推文，尤其是谣言进行单独区分和分析。而feature作品可以与经典调查相结合，训练情绪分析模型和区分谣言与tweet的模型来克服这些局限性。

这项回顾性研究旨在确定日本快速疫苗接种过程的原因，这可能对推动全球传染病疫苗接种具有指导意义。总之，我们的工作表明，对COVID-19危险的认识增加了接种疫苗的意愿;在疫苗供应充足的情况下，有效的预约信息传递可能会为人们提供更多的接种机会。衡量疫苗犹豫的模型可能还需要提高提供保留信息作为衡量标准的效率。基于我们的发现，我们建议公共卫生政策制定者和政府分享关于传染病和疫苗接种的准确和及时的信息。此外，加强多层次相关机构和新媒体业务的紧密合作，可使疫苗预约信息的传递更加顺畅。