論文の概要: Inferring Political Preferences from Twitter

• arxiv url: http://arxiv.org/abs/2007.10604v1
• Date: Tue, 21 Jul 2020 05:20:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-08 05:50:12.318108
• Title: Inferring Political Preferences from Twitter
• Title（参考訳）: Twitterから政治的選好を推測する
• Authors: Mohd Zeeshan Ansari, Areesha Fatima Siddiqui and Mohammad Anas
• Abstract要約: ソーシャルメディアの政治的センチメント分析は、政治ストラテジストが政党や候補者のパフォーマンスを精査するのに役立つ。 選挙期間中、ソーシャルネットワークはブログ、チャット、討論、政党や政治家の展望に関する議論で溢れている。 本研究では、従来の機械学習を用いて、テキスト分類問題としてモデル化することで、ツイートに存在する政治的意見の傾きを特定することを選んだ。
• 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: Sentiment analysis is the task of automatic analysis of opinions and emotions of users towards an entity or some aspect of that entity. Political Sentiment Analysis of social media helps the political strategists to scrutinize the performance of a party or candidate and improvise their weaknesses far before the actual elections. During the time of elections, the social networks get flooded with blogs, chats, debates and discussions about the prospects of political parties and politicians. The amount of data generated is much large to study, analyze and draw inferences using the latest techniques. Twitter is one of the most popular social media platforms enables us to perform domain-specific data preparation. In this work, we chose to identify the inclination of political opinions present in Tweets by modelling it as a text classification problem using classical machine learning. The tweets related to the Delhi Elections in 2020 are extracted and employed for the task. Among the several algorithms, we observe that Support Vector Machines portrays the best performance.
• Abstract（参考訳）: 感情分析は、あるエンティティやそのエンティティの何らかの側面に対するユーザの意見や感情を自動的に分析するタスクである。 ソーシャルメディアの政治的センチメント分析は、政治ストラテジストが政党や候補者のパフォーマンスを精査し、実際の選挙よりもずっと前にその弱点を即興するのに役立つ。 選挙期間中、ソーシャルネットワークには、ブログ、チャット、議論、政党や政治家の展望に関する議論が溢れている。 生成されたデータ量は、最新の技術を使って推論を研究、分析、描画するのに非常に大きい。 twitterは、ドメイン固有のデータ準備を可能にする最も人気のあるソーシャルメディアプラットフォームの1つです。 本研究では,古典的機械学習を用いたテキスト分類問題としてモデル化することで,ツイートに含まれる政治的意見の傾向を明らかにすることを選んだ。 2020年のデリー選挙に関するツイートが抽出され、このタスクに使用される。 いくつかのアルゴリズムのうち、Support Vector Machinesは最高のパフォーマンスを表現している。

関連論文リスト

• On the Use of Proxies in Political Ad Targeting [49.61009579554272]
  我々は、主要な政治広告主がプロキシ属性をターゲットとして緩和を回避したことを示す。 本研究は政治広告の規制に関する議論に重要な意味を持つ。
  論文  参考訳（メタデータ） (2024-10-18T17:15:13Z)
• Detecting Political Opinions in Tweets through Bipartite Graph Analysis: A Skip Aggregation Graph Convolution Approach [9.350629400940493]
  私たちは2020年の米国大統領選挙に集中し、Twitterから大規模なデータセットを作成します。 ツイート中の政治的意見を検出するために,ユーザの投稿行動とリツイート行動に基づいて,ユーザツイートの2部グラフを構築した。 ツイートノードに2階隣人からの情報を集約する新しいスキップアグリゲーション機構を導入する。
  論文  参考訳（メタデータ） (2023-04-22T10:38:35Z)
• Design and analysis of tweet-based election models for the 2021 Mexican legislative election [55.41644538483948]
  選挙日前の6ヶ月の間に、1500万件の選挙関連ツイートのデータセットを使用します。 地理的属性を持つデータを用いたモデルが従来のポーリング法よりも精度と精度で選挙結果を決定することがわかった。
  論文  参考訳（メタデータ） (2023-01-02T12:40:05Z)
• The impact of Twitter on political influence on the choice of a running mate: Social Network Analysis and Semantic Analysis -- A Review [0.0]
  Politicsは、今ソーシャルメディアで話題になっている話題の一つだ。 多くの政治家がTwitterのようなマイクロブログサービスを使っている。 本研究は、Twitterプラットフォームにおけるソーシャル・ネットワーク・アナリティクス(SNA)とセマンティック・アナリティクス(SA)を用いて、政治指導者の支持者ネットワークを研究するためのレビューである。
  論文  参考訳（メタデータ） (2022-07-31T17:44:57Z)
• Tweets2Stance: Users stance detection exploiting Zero-Shot Learning Algorithms on Tweets [0.06372261626436675]
  この研究の目的は、TwitterのパーティアカウントがTwitterで書いたことを悪用する各声明に関して、党pのスタンスを予測することである。 複数の実験から得られた結果から、Tweets2Stanceは、タスクの複雑さを考慮して、一般的な最小値である1.13の姿勢を正確に予測できることがわかった。
  論文  参考訳（メタデータ） (2022-04-22T14:00:11Z)
• Sentiment Analysis and Sarcasm Detection of Indian General Election Tweets [0.0]
  ソーシャルメディアの利用は、今日のデジタル世界では史上最高水準まで増加している。 一般大衆の感情や意見を分析することは、政府とビジネス関係者の両方にとって非常に重要である。 本稿では,ロクサバ選挙中のインド国民の感情をTwitterデータを用いて分析することに取り組んでいる。
  論文  参考訳（メタデータ） (2022-01-03T17:30:00Z)
• Identification of Twitter Bots based on an Explainable ML Framework: the US 2020 Elections Case Study [72.61531092316092]
  本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。 Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。 また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
  論文  参考訳（メタデータ） (2021-12-08T14:12:24Z)
• Reaching the bubble may not be enough: news media role in online political polarization [58.720142291102135]
  分極を減らす方法は、異なる政治的指向を持つ個人に党間のニュースを分配することである。 本研究は、ブラジルとカナダにおける全国選挙の文脈において、これが成立するかどうかを考察する。
  論文  参考訳（メタデータ） (2021-09-18T11:34:04Z)
• News consumption and social media regulations policy [70.31753171707005]
  我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。 以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。 Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
  論文  参考訳（メタデータ） (2021-06-07T19:26:32Z)
• Analyzing Online Political Advertisements [10.386018392170083]
  本稿では,広告スポンサーの政治的イデオロギーを推測する目的で,オンライン政治広告に関する最初の計算的研究を行う。 米国からの広告からなる2つのタスクのための2つの新しい大規模データセットを開発する。
  論文  参考訳（メタデータ） (2021-05-09T23:18:37Z)
• Echo Chambers on Social Media: A comparative analysis [64.2256216637683]
  本研究では,4つのソーシャルメディアプラットフォーム上で100万ユーザが生成した100万個のコンテンツに対して,エコーチャンバーの操作的定義を導入し,大規模な比較分析を行う。 議論の的になっているトピックについてユーザの傾きを推測し、異なる特徴を分析してインタラクションネットワークを再構築する。 我々は、Facebookのようなニュースフィードアルゴリズムを実装するプラットフォームが、エコーチャンバの出現を招きかねないという仮説を支持する。
  論文  参考訳（メタデータ） (2020-04-20T20:00:27Z)

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。