Covid-19-Tweet-分类器

在Twitter文本中识别Covid-19感染病例：一种机器学习方法 所描述的工作背后的主要思想是，社交媒体能够提供大型数据集，这有助于识别社交媒体文本中可能出现的某些模式，并有助于自动显示病毒感染案例。 但是社交媒体文本可能包含各种各样的内容。 因此，提出的方法的目标是使用机器学习方法来检测与Covid-19相关的哪些推文确实将某人表征为暂定的Covid-19阳性感染。 首先，收集2000条推文的数据集，并手动将其注释为true（即描述暂定的Covid-19感染病例）或false（即，涉及任何其他Covid-19相关问题），并将其平均分配给两个标签。 每个推文文本都以合适的形式准备好，分成字符串，然后转换为数字矢量。 Beauce数据不平衡，使用了数据扩充技术。 然后将其引入多种机器学习技术中，并在100条推文的测试数据集中对它们的性能进行了评估。 在Twitter数据上实施这些技术构成