論文の概要: Word frequency and sentiment analysis of twitter messages during Coronavirus pandemic

• arxiv url: http://arxiv.org/abs/2004.03925v1
• Date: Wed, 8 Apr 2020 10:45:08 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-15 09:20:28.434435
• Title: Word frequency and sentiment analysis of twitter messages during Coronavirus pandemic
• Title（参考訳）: コロナウイルスパンデミックにおけるTwitterメッセージの単語頻度と感情分析
• Authors: Nikhil Kumar Rajput, Bhavya Ahuja Grover and Vipin Kumar Rathi
• Abstract要約: このソーシャルネットワーキングサイト、Twitterは、新型コロナウイルス関連の投稿数がごく短い期間で前例のない伸びを見せたのと同じような効果を示した。 本稿では、2020年1月から投稿されたこの病気に関連するTwitterメッセージの統計分析について述べる。 その結果、ほとんどのツイートは正の極性を持ち、15%程度しか否定的でないことがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Coronavirus pandemic has taken the world by storm as also the social media. As the awareness about the ailment increased, so did messages, videos and posts acknowledging its presence. The social networking site, Twitter, demonstrated similar effect with the number of posts related to coronavirus showing an unprecedented growth in a very short span of time. This paper presents a statistical analysis of the twitter messages related to this disease posted since January 2020. Two types of empirical studies have been performed. The first is on word frequency and the second on sentiments of the individual tweet messages. Inspection of the word frequency is useful in characterizing the patterns or trends in the words used on the site. This would also reflect on the psychology of the twitter users at this critical juncture. Unigram, bigram and trigram frequencies have been modeled by power law distribution. The results have been validated by Sum of Square Error (SSE), R2 and Root Mean Square Error (RMSE). High values of R2 and low values of SSE and RMSE lay the grounds for the goodness of fit of this model. Sentiment analysis has been conducted to understand the general attitudes of the twitter users at this time. Both tweets by general public and WHO were part of the corpus. The results showed that the majority of the tweets had a positive polarity and only about 15% were negative.
• Abstract（参考訳）: 新型コロナウイルス(covid-19)のパンデミックは、ソーシャルメディアとしての嵐によって世界を席巻した。 病気に対する意識が高まるにつれ、メッセージ、ビデオ、投稿もその存在を認めている。 このソーシャルネットワーキングサイト、Twitterは、新型コロナウイルス関連の投稿数がごく短い期間で前例のない伸びを見せたのと同じような効果を示した。 本稿は,2020年1月以降に投稿されたこの疾患に関連するtwitterメッセージの統計解析を行う。 2種類の実証的研究が行われている。 1つは単語頻度、もう1つは個々のツイートメッセージの感情だ。 単語頻度の検査は、サイト上で使用される単語のパターンや傾向を特徴づけるのに有用である。 これはまた、この批判的な結束におけるtwitterユーザーの心理を反映している。 ユニグラム、ビッグラム、トリグラムの周波数は電力法分布によってモデル化されている。 結果は、Sum of Square Error (SSE)、R2、Root Mean Square Error (RMSE)によって検証されている。 R2の高値とSSE, RMSEの低値が, このモデルの適合性の根拠となった。 現在,Twitter利用者の一般的な態度を理解するために感性分析を行っている。 一般大衆によるツイートとWHOによるツイートはどちらもコーパスの一部だった。 その結果、ほとんどのツイートは正の極性を持ち、15%程度しか否定的でないことがわかった。

関連論文リスト

• Fine-tuned Sentiment Analysis of COVID-19 Vaccine-Related Social Media Data: Comparative Study [0.7874708385247353]
  本研究は、RedditとTwitterの2つの人気ソーシャルメディアプラットフォーム上で表現された新型コロナウイルスワクチンに関する公衆の感情を調査し、比較した。 私たちは、約950万のツイートと7万のRedditコメントの感情を予測するために、微調整されたDistilRoBERTaモデルを作成しました。 その結果、Twitter上で表現される平均的な感情は、ポジティブよりもネガティブ(52%)であることが判明した。
  論文  参考訳（メタデータ） (2022-10-17T16:22:18Z)
• A CNN-LSTM-based hybrid deep learning approach to detect sentiment polarities on Monkeypox tweets [0.5104181562775777]
  本研究は,CNNとLSTMに基づくハイブリッド技術であるサルポックス病について,個々人がどう考えるかを明らかにすることに焦点を当てた。 CNNとLSTM上に構築されたアーキテクチャを用いて、予測モデルがどの程度正確かを決定する。 推奨モデルの精度は、サルポックスのツイートデータセットで94%だった。
  論文  参考訳（メタデータ） (2022-08-25T11:53:04Z)
• Sentiment Analysis of Microblogging dataset on Coronavirus Pandemic [0.8252679746749371]
  コロナウイルス(Coronavirus, COVID-19)は、新型コロナウイルス2によって引き起こされる感染性疾患である。 本稿では,複数の機械学習アルゴリズムを用いて感情評価のためのTwitterデータセットを分析した。
  論文  参考訳（メタデータ） (2021-11-17T18:13:54Z)
• What goes on inside rumour and non-rumour tweets and their reactions: A Psycholinguistic Analyses [58.75684238003408]
  ソーシャルメディアのテキストの心理言語学的分析は、誤情報を緩和するために意味のある結論を導くのに不可欠である。 本研究は,様々な事象に関する噂の深い心理言語学的分析を行うことによって貢献する。
  論文  参考訳（メタデータ） (2021-11-09T07:45:11Z)
• Analyzing the Impact of COVID-19 on Economy from the Perspective of Users Reviews [0.0]
  多数のコロナウイルス関連ツイートが自然言語処理と情報検索科学を用いて検討・分析されている。 分析の結果,経済的なツイートを公表する理由は,コロナウイルス感染者の増加だけでなく,国内における規制やロックダウンも課されることが判明した。
  論文  参考訳（メタデータ） (2021-10-05T17:44:41Z)
• Sentiment Analysis of Covid-19 Tweets using Evolutionary Classification-Based LSTM Model [0.6445605125467573]
  本稿では,コロナウイルスやコビッドウイルスに関する大量のツイートの感情分析について述べる。 我々は、進化的分類とn-gram分析によるCovid-19流行に関連するトピックに対する世論感情の傾向を分析した。 我々は、Covid-19のデータに対する感情を予測するために、2種類の評価されたつぶやきを使用して、長期間のネットワークを訓練し、全体の精度は84.46%に達した。
  論文  参考訳（メタデータ） (2021-06-13T04:27:21Z)
• Understanding the Hoarding Behaviors during the COVID-19 Pandemic using Large Scale Social Media Data [77.34726150561087]
  われわれは、2020年3月1日から4月30日まで、米国で4万2000人以上のユニークTwitterユーザーによる嫌がらせと反嫌悪のパターンを分析した。 ホアーディンググループと反ホアーディンググループの両方の女性の比率が、一般のTwitter利用者の比率よりも高いことがわかりました。 LIWCの不安度はTwitterの不安度よりもかなり高い。
  論文  参考訳（メタデータ） (2020-10-15T16:02:25Z)
• Racism is a Virus: Anti-Asian Hate and Counterspeech in Social Media during the COVID-19 Crisis [51.39895377836919]
  新型コロナウイルスは、アジアのコミュニティをターゲットにしたソーシャルメディア上で人種差別や憎悪を引き起こしている。 我々は、Twitterのレンズを通して、反アジアヘイトスピーチの進化と普及について研究する。 私たちは、14ヶ月にわたる反アジア的憎悪と反音声のデータセットとして最大となるCOVID-HATEを作成します。
  論文  参考訳（メタデータ） (2020-05-25T21:58:09Z)
• Detecting Perceived Emotions in Hurricane Disasters [62.760131661847986]
  私たちはHurricaneEmoを紹介します。HurricaneEmoは、Harvey、Irma、Mariaの3つのハリケーンにまたがる15,000の英語ツイートの感情データセットです。 本稿では, きめ細かい感情を包括的に研究し, 粗い感情群を識別するための分類タスクを提案する。
  論文  参考訳（メタデータ） (2020-04-29T16:17:49Z)
• Echo Chambers on Social Media: A comparative analysis [64.2256216637683]
  本研究では,4つのソーシャルメディアプラットフォーム上で100万ユーザが生成した100万個のコンテンツに対して,エコーチャンバーの操作的定義を導入し,大規模な比較分析を行う。 議論の的になっているトピックについてユーザの傾きを推測し、異なる特徴を分析してインタラクションネットワークを再構築する。 我々は、Facebookのようなニュースフィードアルゴリズムを実装するプラットフォームが、エコーチャンバの出現を招きかねないという仮説を支持する。
  論文  参考訳（メタデータ） (2020-04-20T20:00:27Z)
• Whose Tweets are Surveilled for the Police: An Audit of Social-Media Monitoring Tool via Log Files [69.02688684221265]
  我々はCorvallis (Oregon) Police DepartmentによるDigitalStakeoutというソーシャルメディア監視ソフトウェアの使用からログファイルを入手した。 これらのログファイルには、DigitalStakeoutによるプロプライエタリな検索の結果が含まれている。 ツイートがDigitalStakeoutによってフラグ付けされているユーザーの人口統計と、地域のTwitterユーザーの人口統計との差異を観察する。
  論文  参考訳（メタデータ） (2020-01-23T19:35:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。