論文の概要: What are We Depressed about When We Talk about COVID19: Mental Health Analysis on Tweets Using Natural Language Processing

• arxiv url: http://arxiv.org/abs/2004.10899v3
• Date: Mon, 8 Jun 2020 23:06:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-10 17:38:29.195957
• Title: What are We Depressed about When We Talk about COVID19: Mental Health Analysis on Tweets Using Natural Language Processing
• Title（参考訳）: COVID19について語るとき、何が落ち込むのか:自然言語処理を用いたツイートのメンタルヘルス分析
• Authors: Irene Li, Yixin Li, Tianxiao Li, Sergio Alvarez-Napagao, Dario Garcia-Gasulla and Toyotaro Suzumura
• Abstract要約: 私たちは、各ツイートを次の感情に分類するディープモデルを訓練します。 本研究では、悲しみと恐怖を引き起こす原因を明らかにするために、2つの方法を提案し、比較する。
• 参考スコア（独自算出の注目度）: 8.450147171958776
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The outbreak of coronavirus disease 2019 (COVID-19) recently has affected human life to a great extent. Besides direct physical and economic threats, the pandemic also indirectly impact people's mental health conditions, which can be overwhelming but difficult to measure. The problem may come from various reasons such as unemployment status, stay-at-home policy, fear for the virus, and so forth. In this work, we focus on applying natural language processing (NLP) techniques to analyze tweets in terms of mental health. We trained deep models that classify each tweet into the following emotions: anger, anticipation, disgust, fear, joy, sadness, surprise and trust. We build the EmoCT (Emotion-Covid19-Tweet) dataset for the training purpose by manually labeling 1,000 English tweets. Furthermore, we propose and compare two methods to find out the reasons that are causing sadness and fear.
• Abstract（参考訳）: 新型コロナウイルス感染症2019(COVID-19)の流行は、ヒトの生活に大きな影響を与えている。 直接的な身体的および経済的な脅威に加えて、パンデミックは人々の精神状態にも間接的に影響を及ぼす。 この問題は、失業状況、在宅政策、ウイルスに対する恐れなど、さまざまな理由による可能性がある。 本研究では,メンタルヘルスの観点からのつぶやきの分析に自然言語処理(NLP)技術を適用することに焦点を当てる。 それぞれのツイートを、怒り、期待、嫌悪感、恐怖、喜び、悲しみ、驚き、信頼といった感情に分類する深いモデルをトレーニングしました。 EmoCT(Emotion-Covid19-Tweet)データセットを構築し、1000の英語ツイートを手動でラベル付けする。 さらに,悲しみと恐怖を引き起こす要因を明らかにするために,二つの方法を提案し比較する。

関連論文リスト

• MentalArena: Self-play Training of Language Models for Diagnosis and Treatment of Mental Health Disorders [59.515827458631975]
  メンタルヘルス障害は世界で最も深刻な病気の1つである。 プライバシーに関する懸念は、パーソナライズされた治療データのアクセシビリティを制限する。 MentalArenaは、言語モデルをトレーニングするためのセルフプレイフレームワークである。
  論文  参考訳（メタデータ） (2024-10-09T13:06:40Z)
• Mental Illness Classification on Social Media Texts using Deep Learning and Transfer Learning [55.653944436488786]
  世界保健機関(WHO)によると、約4億5000万人が影響を受ける。 うつ病、不安症、双極性障害、ADHD、PTSDなどの精神疾患。 本研究では、Redditプラットフォーム上の非構造化ユーザデータを分析し、うつ病、不安、双極性障害、ADHD、PTSDの5つの一般的な精神疾患を分類する。
  論文  参考訳（メタデータ） (2022-07-03T11:33:52Z)
• "COVID-19 was a FIFA conspiracy #curropt": An Investigation into the Viral Spread of COVID-19 Misinformation [60.268682953952506]
  我々は、自然言語処理モデルを用いて、誤報がCOVID-19パンデミックの進行にどのような影響を及ぼしたかを推定する。 我々は、広範囲に害をもたらす可能性のあるソーシャルメディアポストと戦うための戦略を提供する。
  論文  参考訳（メタデータ） (2022-06-12T19:41:01Z)
• Exploring COVID-19 Related Stressors Using Topic Modeling [0.0]
  本研究では、ソーシャルメディアデータに自然言語処理(NLP)を適用し、新型コロナウイルスパンデミック時の精神社会的ストレスを識別することを目的とする。 2月14日から,subreddit rCOVID19_ Supportから9266件のReddit投稿のデータセットを得た。 2020年 - 2021年7月19日。 その結果,ソーシャルメディアプラットフォーム上で議論されているコビッド新型コロナウイルス関連ストレス要因の傾向を可視化するダッシュボードが提示された。
  論文  参考訳（メタデータ） (2022-01-12T20:22:43Z)
• When a crisis strikes: Emotion analysis and detection during COVID-19 [96.03869351276478]
  感情をラベル付けした1万ツイートのCovidEmoを紹介します。 事前学習された言語モデルがドメインや危機をまたいでどのように一般化するかを検討する。
  論文  参考訳（メタデータ） (2021-07-23T04:07:14Z)
• COVID-19 sentiment analysis via deep learning during the rise of novel cases [0.5156484100374059]
  我々はtwitter上で感情分析を行うために,long short-term memory(lstm)リカレントニューラルネットワークを用いたディープラーニング言語モデルを用いた。 我々は、ほとんどのツイートは、インドのCOVID-19事件の台頭中に高いレベルの楽観主義で肯定的であることが判明しました。 楽観的で冗談を言うツイートは、主に月間ツイートを支配しており、ネガティブな感情が表される回数はずっと少なかった。
  論文  参考訳（メタデータ） (2021-04-05T04:31:19Z)
• COVID-19 Emotion Monitoring as a Tool to Increase Preparedness for Disease Outbreaks in Developing Regions [0.0]
  最先端自然言語処理モデルに基づくtwitter感情監視システムを開発した。 このシステムは、都市のアカウント上の6つの異なる感情をモニタし、政治家や保健当局のtwitterアカウントも監視する。
  論文  参考訳（メタデータ） (2020-12-17T12:58:06Z)
• 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)
• Detecting Topic and Sentiment Dynamics Due to COVID-19 Pandemic Using Social Media [14.662523926129117]
  大規模なソーシャルメディア投稿から、COVID-19による話題や感情のダイナミクスを分析した。 安全な家にいよう」といった話題は肯定的な感情で支配されている。 人の死のような他のものは、常に否定的な感情を示しています。
  論文  参考訳（メタデータ） (2020-07-05T12:05:30Z)
• Psychometric Analysis and Coupling of Emotions Between State Bulletins and Twitter in India during COVID-19 Infodemic [7.428097999824421]
  新型コロナウイルスのインフォデミックは、パンデミックそのものよりも急速に広まっている。 ソーシャルメディアは情報の最大の源であるため、インフォデミックの管理には誤情報を緩和する必要がある。 Twitterだけでも、キュレートされたイベントページの利用が急激な45%増加した。
  論文  参考訳（メタデータ） (2020-05-12T01:51:07Z)
• 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)

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。