論文の概要: COVID-19 Public Opinion and Emotion Monitoring System Based on Time Series Thermal New Word Mining

• arxiv url: http://arxiv.org/abs/2005.11458v1
• Date: Sat, 23 May 2020 03:42:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-30 03:56:12.611989
• Title: COVID-19 Public Opinion and Emotion Monitoring System Based on Time Series Thermal New Word Mining
• Title（参考訳）: 時系列サーマルニューワードマイニングに基づく新型コロナウイルスの世論と感情モニタリングシステム
• Authors: Yixian Zhang, Jieren Chen, Boyi Liu, Yifan Yang, Haocheng Li, Xinyi Zheng, Xi Chen, Tenglong Ren and Naixue Xiong
• Abstract要約: 我々は、時系列の熱的新語マイニングに基づく、新型コロナウイルスの世論監視システムの設計と実装を行った。 ネットワークトピックのタイミング爆発に基づく新しい単語構造発見手法と、新型コロナウイルスの世論環境に対する中国の感情分析手法を提案する。 このシステムは、コメントに基づいてレビュアーの肯定的感情と否定的感情を判断し、希望、幸福、抑うつといった7つの感情の深さを反映することができる。
• 参考スコア（独自算出の注目度）: 17.900264740772474
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the spread and development of new epidemics, it is of great reference value to identify the changing trends of epidemics in public emotions. We designed and implemented the COVID-19 public opinion monitoring system based on time series thermal new word mining. A new word structure discovery scheme based on the timing explosion of network topics and a Chinese sentiment analysis method for the COVID-19 public opinion environment is proposed. Establish a "Scrapy-Redis-Bloomfilter" distributed crawler framework to collect data. The system can judge the positive and negative emotions of the reviewer based on the comments, and can also reflect the depth of the seven emotions such as Hopeful, Happy, and Depressed. Finally, we improved the sentiment discriminant model of this system and compared the sentiment discriminant error of COVID-19 related comments with the Jiagu deep learning model. The results show that our model has better generalization ability and smaller discriminant error. We designed a large data visualization screen, which can clearly show the trend of public emotions, the proportion of various emotion categories, keywords, hot topics, etc., and fully and intuitively reflect the development of public opinion.
• Abstract（参考訳）: 新しい流行の広がりと発展に伴い、公衆の感情における流行の変化の傾向を特定することは非常に参考になる。 我々は,時系列の熱的新語マイニングに基づく世論監視システムを設計,実装した。 ネットワークトピックの時間的爆発に基づく新しい単語構造発見手法と、新型コロナウイルス(covid-19)の世論環境に対する中国の感情分析手法を提案する。 Scrapy-Redis-Bloomfilter"分散クローラフレームワークを構築してデータを収集する。 システムは、コメントに基づいてレビュアーのポジティブな感情とネガティブな感情を判断し、希望、幸福、抑うつといった7つの感情の深さを反映することもできる。 最後に,このシステムの感情判別モデルを改善し,covid-19関連コメントの感情判別誤差とjiagu深層学習モデルを比較した。 その結果,モデルの一般化能力は向上し,判別誤差は小さくなった。 我々は、公開感情の傾向、様々な感情カテゴリー、キーワード、ホットトピックなどの比率を明確に示し、公開意見の発達を完全に直感的に反映する大規模なデータ可視化画面を設計した。

関連論文リスト

• COVID-19 Twitter Sentiment Classification Using Hybrid Deep Learning Model Based on Grid Search Methodology [0.0]
  感情予測は、Twitter COVID-19データセットへの埋め込み、ディープラーニングモデル、グリッド検索アルゴリズムを使用して達成される。 研究によると、新型コロナウイルスの接種に対する大衆の感情は、時間とともに改善しているようだ。
  論文  参考訳（メタデータ） (2024-06-11T07:48:06Z)
• Unsupervised Extractive Summarization of Emotion Triggers [56.50078267340738]
  我々は、感情を共同で検出し、トリガーを要約できる新しい教師なし学習モデルを開発した。 Emotion-Aware Pagerankと題された私たちのベストアプローチは、外部ソースからの感情情報と言語理解モジュールを組み合わせたものです。
  論文  参考訳（メタデータ） (2023-06-02T11:07:13Z)
• Depression detection in social media posts using affective and social norm features [84.12658971655253]
  ソーシャルメディア投稿からの抑うつ検出のための奥深いアーキテクチャを提案する。 我々は、後期融合方式を用いて、ポストとワードの敬称と道徳的特徴をアーキテクチャに組み込んだ。 提案された機能を含めると、両方の設定で最先端の結果が得られます。
  論文  参考訳（メタデータ） (2023-03-24T21:26:27Z)
• Sensing the Pulse of the Pandemic: Geovisualizing the Demographic Disparities of Public Sentiment toward COVID-19 through Social Media [9.906180010952406]
  ソーシャルメディアの利用は人口層によって異なるが、若年ユーザーの方が高齢ユーザーに比べて多い。 本研究は、Twitterデータを用いて、新型コロナウイルスに関する世論感情を推定するケーススタディを通じて、ソーシャルメディア分析における解決策と人口統計バイアスを調査した。
  論文  参考訳（メタデータ） (2023-03-17T02:59:46Z)
• Seeking Subjectivity in Visual Emotion Distribution Learning [93.96205258496697]
  視覚感情分析(VEA)は、人々の感情を異なる視覚刺激に向けて予測することを目的としている。 既存の手法では、集団投票プロセスにおいて固有の主観性を無視して、統合されたネットワークにおける視覚的感情分布を予測することが多い。 視覚的感情分布の主観性を調べるために,新しいテキストサブジェクティビティ評価ネットワーク(SAMNet)を提案する。
  論文  参考訳（メタデータ） (2022-07-25T02:20:03Z)
• "Stop Asian Hate!" : Refining Detection of Anti-Asian Hate Speech During the COVID-19 Pandemic [2.5227595609842206]
  新型コロナウイルス(COVID-19)のパンデミックは、アジアでのキセノフォビアと偏見の急増を加速させた。 我々は2つの実験的なアプローチを用いてTwitterのツイートのコーパスを作成して注釈付けし、反アジア人虐待とヘイトスピーチを探索する。
  論文  参考訳（メタデータ） (2021-12-04T06:55:19Z)
• Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
  本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。 IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
  論文  参考訳（メタデータ） (2021-07-26T10:40:59Z)
• Affective Image Content Analysis: Two Decades Review and New Perspectives [132.889649256384]
  我々は,過去20年間の情緒的イメージコンテンツ分析(AICA)の発展を包括的にレビューする。 我々は、感情的ギャップ、知覚主観性、ラベルノイズと欠如という3つの主要な課題に関して、最先端の手法に焦点を当てる。 画像の内容やコンテキスト理解,グループ感情クラスタリング,ビューアーとイメージのインタラクションなど,今後の課題や研究の方向性について論じる。
  論文  参考訳（メタデータ） (2021-06-30T15:20:56Z)
• Artificial Intelligence for Emotion-Semantic Trending and People Emotion Detection During COVID-19 Social Isolation [16.318840178860142]
  本論文では,Twitter上で隔離された人の感情検出のための効果的なフレームワークを提案する。 本稿では,フレームワークの評価とパイロットシステムについて述べる。 新型コロナツイートのトピック傾向と感情検出のための提案フレームワークの有効性を確認した結果。
  論文  参考訳（メタデータ） (2021-01-16T17:20:33Z)
• A Unified Dual-view Model for Review Summarization and Sentiment Classification with Inconsistency Loss [51.448615489097236]
  ユーザーレビューから正確な要約と感情を取得することは、現代のEコマースプラットフォームにとって不可欠な要素である。 本稿では,これら2つのタスクの性能を協調的に改善する新しいデュアルビューモデルを提案する。 異なる領域の4つの実世界のデータセットに対する実験結果から,本モデルの有効性が示された。
  論文  参考訳（メタデータ） (2020-06-02T13:34:11Z)

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。