Fugu-MT 論文翻訳(概要): Public discourse and sentiment during the COVID-19 pandemic: using Latent Dirichlet Allocation for topic modeling on Twitter

論文の概要: Public discourse and sentiment during the COVID-19 pandemic: using Latent Dirichlet Allocation for topic modeling on Twitter

arxiv url: http://arxiv.org/abs/2005.08817v3
Date: Wed, 8 Jul 2020 13:52:36 GMT
ステータス: 処理完了
システム内更新日: 2022-12-02 00:15:18.873301
Title: Public discourse and sentiment during the COVID-19 pandemic: using Latent Dirichlet Allocation for topic modeling on Twitter
Title（参考訳）: 新型コロナウイルス(COVID-19)パンデミックにおける世論と感情:Twitterのトピックモデリングに潜在ディリクレ・アロケーションを用いた
Authors: Jia Xue, Junxiang Chen, Chen Chen, Chengda Zheng, Sijia Li, Tingshao Zhu
Abstract要約: この研究は、Twitterユーザーの新型コロナウイルスに対する言論と心理的反応を理解することを目的としている。私たちは、2020年1月23日から3月7日までに収集された新型コロナウイルスに関連する約190万のツイートを分析するために、機械学習技術を使用します。結果は、Twitterで一般的なトピックとして、治療や症状に関連するメッセージを明らかにしない。
参考スコア（独自算出の注目度）: 10.857375706178622
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The study aims to understand Twitter users' discourse and psychological reactions to COVID-19. We use machine learning techniques to analyze about 1.9 million Tweets (written in English) related to coronavirus collected from January 23 to March 7, 2020. A total of salient 11 topics are identified and then categorized into ten themes, including "updates about confirmed cases," "COVID-19 related death," "cases outside China (worldwide)," "COVID-19 outbreak in South Korea," "early signs of the outbreak in New York," "Diamond Princess cruise," "economic impact," "Preventive measures," "authorities," and "supply chain." Results do not reveal treatments and symptoms related messages as prevalent topics on Twitter. Sentiment analysis shows that fear for the unknown nature of the coronavirus is dominant in all topics. Implications and limitations of the study are also discussed.
Abstract（参考訳）: この研究の目的は、twitterユーザーの談話とcovid-19に対する心理的反応を理解することだ。私たちは、2020年1月23日から3月7日までに収集された新型コロナウイルスに関連する約190万ツイート(英語で書かれた)の分析に機械学習技術を使用します。 11のトピックが識別され、さらに10のテーマに分類され、「確認されたケースに関する更新」、「1919年関連死」、「中国国外のケース(世界規模)」、「韓国でのcovid-19の流行」、「ニューヨークでの流行の兆候」、「ダイアモンド・プリンセス・クルーズ」、「経済への影響」、「予防措置」、「権限」、「サプライチェーン」がある。結果はTwitterで一般的なトピックとして治療や症状に関連するメッセージを明らかにしない。感情分析は、新型コロナウイルスの未知の性質に対する恐怖があらゆるトピックで支配的であることを示している。本研究の意義と限界についても論じる。

関連論文リスト

"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)
Extracting Major Topics of COVID-19 Related Tweets [2.867517731896504]
トピックモデリング手法を用いて,全国の検疫期間(2020年3月23日～6月23日)に,Covid-19のツイートからグローバルトピックを抽出する。また,世界と4カ国の話題の時間的傾向を分析した。
論文参考訳（メタデータ） (2021-10-05T08:40:51Z)
American Twitter Users Revealed Social Determinants-related Oral Health Disparities amid the COVID-19 Pandemic [72.44305630014534]
新型コロナウイルス(COVID-19)パンデミックの期間中に、26州で9,104人のTwitterユーザーから、口腔の健康関連ツイートを収集しました。女性や若年者(19-29)は口腔の健康問題について話す傾向が強い。新型コロナウイルス(COVID-19)のリスクが高い郡の人々は、歯の腐敗や歯の出血、歯の破折について語っています。
論文参考訳（メタデータ） (2021-09-16T01:10:06Z)
Leveraging Natural Language Processing to Mine Issues on Twitter During the COVID-19 Pandemic [0.3674863913115431]
新型コロナウイルス感染症(COVID-19)の世界的な流行が世界中に広がった。パンデミックに対する公衆の懸念や対応を理解するためには、機械学習技術を利用して無関係なツイートをフィルタリングするシステムが必要である。本研究では,2020年1月1日から2020年4月30日までの間に,新型コロナウイルスのパンデミックに関連するツイートを識別するシステムを構築した。
論文参考訳（メタデータ） (2020-10-31T22:26:26Z)
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)
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)
Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
論文参考訳（メタデータ） (2020-06-05T02:04:25Z)
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)
Critical Impact of Social Networks Infodemic on Defeating Coronavirus COVID-19 Pandemic: Twitter-Based Study and Research Directions [1.6571886312953874]
2019年の推計295億人が世界中でソーシャルメディアを利用している。コロナウイルスの流行は、ソーシャルメディアの津波を引き起こした。本稿では,Twitterから収集したデータに基づく大規模研究について述べる。
論文参考訳（メタデータ） (2020-05-18T15:53:13Z)
The Ivory Tower Lost: How College Students Respond Differently than the General Public to the COVID-19 Pandemic [66.80677233314002]
新型コロナウイルス感染症(COVID-19)のパンデミックは、政府に究極の課題を提示した。米国では、新型コロナウイルス感染者が最も多い国で、全国的なソーシャルディスタンシングプロトコルが大統領によって実施されている。本稿では,この対話型社会における前例のない破壊の社会的意義を,ソーシャルメディア上での人々の意見のマイニングによって発見することを目的とする。
論文参考訳（メタデータ） (2020-04-21T13:02:38Z)
Mining Coronavirus (COVID-19) Posts in Social Media [3.04585143845864]
世界保健機関(WHO)は2020年3月11日、新型コロナウイルス(COVID-19)を世界的なパンデミックと位置づけた。本稿では,最先端機械学習モデルを用いたソーシャルメディア利用者投稿から,新型コロナウイルスの陽性報告を自動的に検出する研究の予備的結果を報告する。
論文参考訳（メタデータ） (2020-03-28T23:38:50Z)

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。