宾夕法尼亚州立大学和卡塔尔哈马德-本-哈利法大学的研究人员表示，推特上的推文所表达的情绪和情感可以被实时用来评估大流行病、战争或自然灾害供应链中断可能导致的粮食短缺。

他们发现，在COVID-19大流行的早期，在美国某些州，表达愤怒、厌恶或恐惧的与食品安全有关的推文与实际的食品不足密切相关。研究人员说，这些发现有可能被用来开发一个低成本的早期预警系统，以确定哪里最需要食品安全干预措施。

研究人员表示，COVID-19大流行病的发生及其相关的供应链中断引发了全世界对食物获取和供应的担忧，许多人在社交媒体上表达了这些担忧。研究人员想看看实时推文是否可以用来确定面临粮食供应或不安全问题的特定州或地区。研究人员不是只看与食物不足有关的推文数量，而是想知道人们对他们的食物状况的实际感受。利用人工智能，他们确定了与推文相关的情绪和情感，这使他们能够将表达对食品供应的担忧的推文与表达救济或满足的推文分开。

在分析的推文中，最常表达的情绪是喜悦，研究人员将其解释为反映了广泛的宽慰，即尽管早期对食物短缺的担忧，美国的食物供应在大流行期间仍然相对稳定。表达愤怒、厌恶和恐惧等负面情绪的推文与某些州的实际食物不足问题密切相关。为了开展这项上周在线发表在《应用经济视角与政策》杂志上的研究，研究人员使用了一个被称为GeoCoV19的数据集，其中包含来自世界各地的数亿条与COVID-19有关的多语言推文。他们只选择了源自美国并在2020年2月1日至8月31日期间发布的英语推文。他们进一步缩小了所得推文的范围，只包括那些含有与粮食不安全有关的语言的推文。

他们使用的人工智能语言模型可以检测出这些推文中负面、中性和正面的情绪；以及愤怒、厌恶、恐惧、喜悦、悲伤、惊讶或中性的情绪。研究人员还绘制了美国各州的推文，以便将他们的发现与美国人口普查家庭脉搏调查（HPS）的实际食物不足数据进行比较，该调查是每周在网上对随机选择的美国家庭代表样本进行的全国性调查，询问参与者在前一周和大流行病开始之前是否有时或经常没有足够的食物。

当对所有州的六个月期间进行平均时，表达愤怒、厌恶和恐惧情绪的推文与HPS中报告的实际州级食物不足率明显相关。在州一级，表达恐惧的推文与加利福尼亚州、伊利诺伊州、纽约州、德克萨斯州和威斯康星州的实际食物不足率的相关性最强。表达愤怒或厌恶的推文与加利福尼亚州、伊利诺伊州、纽约州、德克萨斯州和威斯康星州的食物短缺率呈正相关。

标签： 研究人员通过人工智能利用推特预测粮食短缺问题 cnBeta