How COVID-19 is Changing Our Language: Detecting Semantic Shift in Twitter Word Embeddings - Archive ouverte HAL
Communication Dans Un Congrès Année : 2022

How COVID-19 is Changing Our Language: Detecting Semantic Shift in Twitter Word Embeddings

Résumé

Words are malleable objects, influenced by events reflected in written texts. Situated in the global outbreak of COVID-19, our research aims at detecting semantic shift in social media language triggered by the health crisis. With COVID-19 related big data extracted from Twitter, we train word embeddings models for different time periods before and after the outbreak. We compare these trained embeddings with a series of different dissimilarity metrics in order to observe variation in semantics. Using a list of salient words from the COVID-19 special update of the Oxford English dictionary, we determine the detection approach most adapted to our Twitter corpus at hand. Drawing upon this approach, we carry out case studies on a set of words selected by topic detection and visualize the diachronic evolution. Finally, we perform an exploratory analysis on French tweets and gain interesting insights on societal issues in France.
Les mots sont des objets malléables, influencés par les événements reflétés dans des textes écrits. Située dans la contexte de COVID-19, notre recherche vise à détecter le changement sémantique dans le langage des médias sociaux provoqué par la crise sanitaire. À l'aide des données de grande taille liées au COVID-19 extraites de Twitter, nous entraînons des modèles de langue pour différentes périodes de temps avant et pendant l'épidémie. Nous comparons ces modèles de langue entraînés avec une série de mesures de similarité afin d'observer la variation sémantique. À l'aide d'une liste de mots saillants provenant de la mise à jour spéciale COVID-19 du dictionnaire anglais Oxford, nous déterminons l'approche de détection la plus adaptée à notre corpus Twitter. En nous appuyant sur cette approche, nous réalisons des études de cas sur un ensemble de mots sélectionnés par détection de sujets et visualisons l'évolution diachronique. Enfin, nous effectuons une analyse exploratoire sur des tweets français et obtenons des perspectives intéressantes sur des enjeux sociaux en France.
Fichier principal
Vignette du fichier
12-CNIA_2022-Guo-Xypolopoulos-Vazirgiannis.pdf (956.79 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03866314 , version 1 (22-11-2022)

Identifiants

  • HAL Id : hal-03866314 , version 1

Citer

Yanzhu Guo, Christos Xypolopoulos, Michalis Vazirgiannis. How COVID-19 is Changing Our Language: Detecting Semantic Shift in Twitter Word Embeddings. Conférence Nationale en Intelligence Artificielle 2022 (CNIA 2022), Jun 2022, Saint-Etienne, France. ⟨hal-03866314⟩
67 Consultations
71 Téléchargements

Partager

More