关于Mpox的Instagram叙事：一套用于情感、仇恨言论和焦虑分析的标记多语言数据集
内容提要
这篇论文介绍了Dreaddit文本语料库，包含19万条来自Reddit的帖子，旨在识别社交媒体中的压力表征。研究分析了抑郁症和焦虑症相关词汇，探讨了社交媒体上的有毒言论及其影响，并开发了可解释的心理健康分析开源模型。此外，研究还分析了MPox疫情期间的推文，揭示了在线毒性言论的特征和传播模式，为未来危机中的毒性减少提供了策略建议。
延伸解读
多语言数据集的构建与标记
文章提到使用XLM-T多语言Transformer模型对文本进行情感和仇恨言论分析，并讨论了预训练语言模型的性能和局限性。这表明该数据集旨在覆盖多种语言，以分析Instagram上的Mpox叙事。标记过程可能涉及情感、仇恨言论和焦虑等维度，为后续研究提供基础。
在线毒性言论的传播特征
研究发现，在Mpox疫情期间，毒性内容的主要主题包括疾病、健康政策、仇恨言论与政治话题等。毒性内容的转发现象普遍，社交媒体影响者在传播中起到重要作用。通过传播网络的动态可以了解毒性变化趋势，从而优化危机沟通和政策制定。
对心理健康分析的启示
文章提及开发了可解释的心理健康分析开源模型MentalLLaMA，并在IMHI数据集上接近最先进的判别方法。这表明对社交媒体文本的情感分析可用于心理健康监测。结合Mpox疫情期间的毒性言论分析，可能为未来危机中的心理支持提供策略。
Q&A
Dreaddit文本语料库的主要用途是什么？
Dreaddit文本语料库用于识别社交媒体中的压力表征，包含19万条来自Reddit的帖子。
研究中如何分析抑郁症和焦虑症相关词汇？
研究通过监督学习的方法分析抑郁症和焦虑症相关词汇，以提供更好的医学指导。
MPox疫情期间推文的情感分析结果如何？
分析显示近一半的推文具有负面情感，其次是积极和中性情感。
研究识别了哪些毒性话题类别？
研究识别出五大毒性话题类别，包括疾病、健康政策、仇恨言论与政治话题等。
MentalLLaMA模型的主要特点是什么？
MentalLLaMA是一个可解释的心理健康分析开源模型，接近最先进的判别方法。
研究对未来危机中的毒性减少提供了什么建议？
研究为未来危机中的毒性减少提供了策略建议，强调社交媒体影响者的作用。
