論文の概要: Deep Sentiment Classification and Topic Discovery on Novel Coronavirus
or COVID-19 Online Discussions: NLP Using LSTM Recurrent Neural Network
Approach
- arxiv url: http://arxiv.org/abs/2004.11695v1
- Date: Fri, 24 Apr 2020 16:29:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-10 04:01:40.750422
- Title: Deep Sentiment Classification and Topic Discovery on Novel Coronavirus
or COVID-19 Online Discussions: NLP Using LSTM Recurrent Neural Network
Approach
- Title(参考訳): 新型コロナウイルス・COVID-19オンライン討論会における深層感作分類とトピック発見:LSTMリカレントニューラルネットワークを用いたNLP
- Authors: Hamed Jelodar, Yongli Wang, Rita Orji, Hucheng Huang
- Abstract要約: 2019年12月、新型コロナウイルス(COVID-19)の感染が報告された。
我々は、ソーシャルメディアからの新型コロナウイルス関連議論の自動抽出とトピックモデリングに基づく自然言語処理(NLP)手法を用いて、世論からCOVID-19関連諸問題を明らかにする。
以上の結果から,COVID-19を取り巻く問題を理解し,関連する意思決定を導く上で,世論と適切な計算手法を用いることの重要性が示唆された。
- 参考スコア(独自算出の注目度): 11.53288322076089
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Internet forums and public social media, such as online healthcare forums,
provide a convenient channel for users (people/patients) concerned about health
issues to discuss and share information with each other. In late December 2019,
an outbreak of a novel coronavirus (infection from which results in the disease
named COVID-19) was reported, and, due to the rapid spread of the virus in
other parts of the world, the World Health Organization declared a state of
emergency. In this paper, we used automated extraction of COVID-19 related
discussions from social media and a natural language process (NLP) method based
on topic modeling to uncover various issues related to COVID-19 from public
opinions. Moreover, we also investigate how to use LSTM recurrent neural
network for sentiment classification of COVID-19 comments. Our findings shed
light on the importance of using public opinions and suitable computational
techniques to understand issues surrounding COVID-19 and to guide related
decision-making.
- Abstract(参考訳): インターネットフォーラムやオンライン医療フォーラムのようなソーシャルメディアは、医療問題に関するユーザー(人々/患者)が互いに議論し、情報を共有するための便利なチャンネルを提供している。
2019年12月下旬、新型コロナウイルス(covid-19とよばれる感染症)の流行が報告され、世界保健機関(who)が緊急事態宣言を発令した。
本稿では、ソーシャルメディアからのCOVID-19関連議論の自動抽出とトピックモデリングに基づく自然言語処理(NLP)手法を用いて、公衆の意見からCOVID-19関連諸問題を明らかにする。
さらに, LSTMリカレントニューラルネットワークの感情分類への応用についても検討した。
以上の結果から,COVID-19を取り巻く問題を理解し,関連する意思決定を導くために,世論と適切な計算手法を用いることの重要性が明らかになった。
関連論文リスト
- A Transfer Learning Based Approach for Classification of COVID-19 and
Pneumonia in CT Scan Imaging [0.0]
世界は依然として新型コロナウイルス(COVID-19)の感染拡大に圧倒されている。2021年11月時点の感染者は2億5000万人を超え、219か国、領土に影響を及ぼし、世界はパンデミック期にある。
本研究は、COVID-19肺炎患者、細菌性肺炎、ウイルス性肺炎、健康な(正常な)患者を分類するためのディープラーニングに基づくアプローチを提案することを目的とする。
提案手法は, 実装コストを低減し, 地理的に異なる地域, 特に農村部, 開発地域において容易に実装, 利用できるように, 意図的に単純化されている。
論文 参考訳(メタデータ) (2022-10-17T20:08:41Z) - "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) - Evaluating the COVID-19 Identification ResNet (CIdeR) on the INTERSPEECH
COVID-19 from Audio Challenges [59.78485839636553]
CIdeRはエンド・ツー・エンドのディープラーニング・ニューラルネットワークで、個人が新型コロナウイルス陽性か新型コロナウイルス陰性かを分類するために設計された。
COVID-19 CoughとInterSPEECH 2021, ComParE, DiCOVAの両者によるCIdeRのバイナリ診断の可能性を示した。
論文 参考訳(メタデータ) (2021-07-30T10:59:08Z) - Repurposing TREC-COVID Annotations to Answer the Key Questions of
CORD-19 [4.847073702809032]
新型コロナウイルス感染症(COVID-19)は2019年後半に中国武漢で発生し、これまでに全世界で1400万人以上が感染している。
ホワイトハウスは、さまざまな新型コロナウイルスに関連する20万件以上の雑誌をまとめ、コーパスに関する重要な質問に回答するようコミュニティに指示した。
我々は, TREC-COVIDタスクの関連アノテーションを再利用して, CORD-19が提起する重要な問題に関連するCORD-19のジャーナル記事を特定することにした。
論文 参考訳(メタデータ) (2020-08-27T19:51:07Z) - Understanding the temporal evolution of COVID-19 research through
machine learning and natural language processing [66.63200823918429]
重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。
私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。
調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
論文 参考訳(メタデータ) (2020-07-22T18:02:39Z) - Exploratory Analysis of COVID-19 Related Tweets in North America to
Inform Public Health Institutes [16.35823282122559]
北米でのCOVID-19に対する人々の反応や懸念について調査することを目指している。
トピックモデリングとアスペクトベースの感情分析を用いて、COVID-19関連ツイートを分析した。
新たな介入政策を策定する際、公衆衛生機関にどのような効果が期待できるかについて議論する。
論文 参考訳(メタデータ) (2020-07-05T21:38:28Z) - Classification Aware Neural Topic Model and its Application on a New
COVID-19 Disinformation Corpus [2.492887522265771]
新型コロナウイルス(COVID-19)のパンデミックを受けて、偽情報の爆発が世界中のファクトチェックやメディアを過負荷にしている。
そこで我々は,新型コロナウイルスの偽情報を分類する計算手法を開発した。
論文 参考訳(メタデータ) (2020-06-05T10:32:18Z) - Twitter discussions and emotions about COVID-19 pandemic: a machine
learning approach [0.0]
我々は、2020年3月1日から4月21日にかけての「コロナウイルス」「新型コロナウイルス」「隔離」など25のハッシュタグのリストを用いて、新型コロナウイルスのパンデミックに関連する400万のTwitterメッセージを分析した。
我々は、13の議論トピックを特定し、それらを「新型コロナウイルスの拡散を遅らせるための公衆衛生措置」、「新型コロナウイルスに関連する社会的汚職」、「米国でのコロナウイルスのニュースと死」、「世界の他の場所でのコロナウイルスのケース」など、5つの異なるテーマに分類する。
論文 参考訳(メタデータ) (2020-05-26T16:10:02Z) - COVID-DA: Deep Domain Adaptation from Typical Pneumonia to COVID-19 [92.4955073477381]
新型コロナウイルス感染症(COVID-19)の流行はすでに何百万人もの人々に感染しており、今でも世界中で急速に拡大している。
近年,ディープラーニングを効果的なコンピュータ支援手法として利用し,診断効率を向上している。
本稿では,新たな深部ドメイン適応手法,すなわちCOVID-DAを提案する。
論文 参考訳(メタデータ) (2020-04-30T03:13:40Z) - Mapping the Landscape of Artificial Intelligence Applications against
COVID-19 [59.30734371401316]
世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。
我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
論文 参考訳(メタデータ) (2020-03-25T12:30:33Z) - COVID-Net: A Tailored Deep Convolutional Neural Network Design for
Detection of COVID-19 Cases from Chest X-Ray Images [93.0013343535411]
我々は,胸部X線(CXR)画像から新型コロナウイルスの症例を検出するための,深層畳み込みニューラルネットワーク設計であるCOVID-Netを紹介した。
著者たちの知る限りでは、COVID-NetはCXRイメージからCOVID-19を検出するための、最初のオープンソースネットワーク設計の1つである。
また,13,870人の患者を対象に,13,975個のCXR画像からなるオープンアクセスベンチマークデータセットであるCOVIDxも導入した。
論文 参考訳(メタデータ) (2020-03-22T12:26:36Z)
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。