論文の概要: Twitter discussions and emotions about COVID-19 pandemic: a machine
learning approach
- arxiv url: http://arxiv.org/abs/2005.12830v2
- Date: Fri, 19 Jun 2020 02:43:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-28 23:30:59.644687
- Title: Twitter discussions and emotions about COVID-19 pandemic: a machine
learning approach
- Title（参考訳）: 新型コロナウイルスのパンデミックに関するTwitterの議論と感情:機械学習のアプローチ
- Authors: Jia Xue (University of Toronto), Junxiang Chen (University of
Pittsburgh), Ran Hu (University of Toronto), Chen Chen (University of
Toronto), ChengDa Zheng (University of Toronto), Xiaoqian Liu (Chinese
Academy of Sciences), Tingshao Zhu (China Academy of Science)
- Abstract要約: 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。
- 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 objective of the study is to examine coronavirus disease (COVID-19)
related discussions, concerns, and sentiments that emerged from tweets posted
by Twitter users. We analyze 4 million Twitter messages related to the COVID-19
pandemic using a list of 25 hashtags such as "coronavirus," "COVID-19,"
"quarantine" from March 1 to April 21 in 2020. We use a machine learning
approach, Latent Dirichlet Allocation (LDA), to identify popular unigram,
bigrams, salient topics and themes, and sentiments in the collected Tweets.
Popular unigrams include "virus," "lockdown," and "quarantine." Popular bigrams
include "COVID-19," "stay home," "corona virus," "social distancing," and "new
cases." We identify 13 discussion topics and categorize them into five
different themes, such as "public health measures to slow the spread of
COVID-19," "social stigma associated with COVID-19," "coronavirus news cases
and deaths," "COVID-19 in the United States," and "coronavirus cases in the
rest of the world". Across all identified topics, the dominant sentiments for
the spread of coronavirus are anticipation that measures that can be taken,
followed by a mixed feeling of trust, anger, and fear for different topics. The
public reveals a significant feeling of fear when they discuss the coronavirus
new cases and deaths than other topics. The study shows that Twitter data and
machine learning approaches can be leveraged for infodemiology study by
studying the evolving public discussions and sentiments during the COVID-19.
Real-time monitoring and assessment of the Twitter discussion and concerns can
be promising for public health emergency responses and planning. Already
emerged pandemic fear, stigma, and mental health concerns may continue to
influence public trust when there occurs a second wave of COVID-19 or a new
surge of the imminent pandemic.
- Abstract（参考訳）: この研究の目的は、Twitterユーザーが投稿したツイートから生じた新型コロナウイルス(COVID-19)関連の議論、懸念、感情を調べることである。
我々は,2020年3月1日から4月21日までの25種類のハッシュタグ「コロナウイルス」「コビドウイルス」「検疫」を用いて,coonavirus」「covid-19」「quarantine」などのtwitterメッセージ400万件を分析した。
私たちは機械学習アプローチであるLatent Dirichlet Allocation(LDA)を使用して、一般的なユニグラム、ビッグラム、健全なトピックとテーマ、収集されたつぶやきの感情を識別します。
一般的なユニグラムには、"virus"、"lockdown"、"quarantine"がある。
人気のビッグラムには、"COVID-19"、"stay home"、"coona virus"、"social distancing"、"new case"などがある。
我々は、13の議論トピックを特定し、それらを「COVID-19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」といった5つのテーマに分類する。
すべてのトピックにおいて、新型コロナウイルスの感染拡大に対する主要な感情は、さまざまなトピックに対する信頼、怒り、恐怖の混合感に続き、取るべき措置が予想されることである。
新型コロナウイルスの感染者や死者について、他の話題よりも大きな恐怖感が浮かび上がっている。
この研究は、twitterのデータと機械学習のアプローチを、新型コロナウイルス(covid-19)の議論と感情の進化を研究することによって、インフォデミロジー研究に活用できることを示しています。
twitterの議論と懸念のリアルタイムな監視と評価は、公衆衛生の緊急対応と計画に有望である。
すでにパンデミックの恐れや汚職、メンタルヘルスの懸念は、新型コロナウイルスの第2波や差し迫ったパンデミックの新たな急増が発生した場合、公衆の信頼に影響を与え続ける可能性がある。
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) - The relationship between sentiment score and COVID-19 cases in the
United States [0.0]
我々は、新型コロナウイルス関連ツイートから感情スコアと意見を抽出する枠組みを検討する。
ユーザーの感情と米国中の新型コロナウイルス感染者を結びつけるとともに、特定の新型コロナウイルスのマイルストーンが公衆の感情に与える影響を調査します。
論文 参考訳（メタデータ） (2022-01-09T01:07:13Z) - 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) - Surveillance of COVID-19 Pandemic using Social Media: A Reddit Study in
North Carolina [5.38552621556164]
我々はソーシャルメディアに侵入し、緩和と検出戦略の取り込みを回避し、パンデミックに関する問題や懸念を捉えます。
ノースカロライナの4大サブレディットコミュニティから6ヶ月にわたって新型コロナウイルス関連の投稿を抽出した後、ノイズの多いデータをきれいにするためにNLPベースの前処理を行いました。
我々は,「マスク」,「フル」,「テスト」が「個人保護装置」,「症状」,「検査」のカテゴリーで最も多い名前であることを示した。
論文 参考訳（メタデータ） (2021-06-07T06:55:25Z) - 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) - 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) - Public discourse and sentiment during the COVID-19 pandemic: using
Latent Dirichlet Allocation for topic modeling on Twitter [10.857375706178622]
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。
論文 参考訳（メタデータ） (2020-05-18T15:50:38Z) - 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)
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。