Fugu-MT 論文翻訳(概要): An Exploratory Study of COVID-19 Information on Twitter in the Greater Region

論文の概要: An Exploratory Study of COVID-19 Information on Twitter in the Greater Region

arxiv url: http://arxiv.org/abs/2008.05900v2
Date: Wed, 2 Dec 2020 12:49:02 GMT
ステータス: 処理完了
システム内更新日: 2022-10-31 06:19:31.369434
Title: An Exploratory Study of COVID-19 Information on Twitter in the Greater Region
Title（参考訳）: 大規模地域におけるTwitter上のCOVID-19情報の探索的研究
Authors: Ninghan Chen, Zhiqiang Zhong, Jun Pang
Abstract要約: 本稿では,Twitter COVID-19 情報をデータ駆動で探索し,その特徴を明らかにすることを目的とする。 GRと関連する国々のツイート量と新型コロナウイルスのケースは相関関係にあるが、この相関関係はパンデミックの特定の期間にのみ存在する。 2020-01-22 から 2020-06-05 への移行を計画し、GR と関連する国の主な違いを解明する。
参考スコア（独自算出の注目度）: 4.696697601424039
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The outbreak of the COVID-19 leads to a burst of information in major online social networks (OSNs). Facing this constantly changing situation, OSNs have become an essential platform for people expressing opinions and seeking up-to-the-minute information. Thus, discussions on OSNs may become a reflection of reality. This paper aims to figure out the distinctive characteristics of the Greater Region (GR) through conducting a data-driven exploratory study of Twitter COVID-19 information in the GR and related countries using machine learning and representation learning methods. We find that tweets volume and COVID-19 cases in GR and related countries are correlated, but this correlation only exists in a particular period of the pandemic. Moreover, we plot the changing of topics in each country and region from 2020-01-22 to 2020-06-05, figuring out the main differences between GR and related countries.
Abstract（参考訳）: 新型コロナウイルス(COVID-19)の流行は、主要なオンラインソーシャルネットワーク(OSN)の急激な情報に繋がる。常に変化する状況に直面しているOSNは、意見を表明し、最新情報を求める人々にとって不可欠なプラットフォームになっている。したがって、OSNに関する議論は現実の反映となるかもしれない。本研究の目的は、機械学習と表現学習手法を用いて、GRおよび関連国におけるTwitter COVID-19情報に関するデータ駆動探索研究を行うことにより、大都市圏(GR)の特徴を明らかにすることである。 GRと関連する国々のツイート量と新型コロナウイルスのケースは相関関係にあるが、この相関関係はパンデミックの特定の期間にのみ存在する。また、各国・地域ごとのトピックスの変化を2020-01-22から2020-06-05にプロットし、GRと関連する国々の主な違いを明らかにする。

関連論文リスト

A Large-Scale Dataset of Twitter Chatter about Online Learning during the Current COVID-19 Omicron Wave [0.0]
新型コロナウイルスのOmicron(オミクロン)変異体は、新型コロナウイルスの最も免疫的に回避できる変異体で、世界中で新型コロナウイルスの感染者が急増している。 Twitterなどのソーシャルメディアプラットフォームでは、ツイートという形でオンライン学習に関連する会話が増えている。この研究は、2021年11月のCOVID-19 Omicron(COVID-19 Omicron)の変種が最初に検出されて以来、世界中のさまざまな地域からオンライン学習に関する会話を、大規模に公開して公開するTwitterデータセットを提示する。
論文参考訳（メタデータ） (2022-07-20T18:01:18Z)
Twitter conversations predict the daily confirmed COVID-19 cases [0.2320417845168326]
パンデミック特有の談話は、TwitterやWeiboのようなマイクロブログプラットフォーム上では、今も続いている。本稿では、新型コロナウイルス関連Twitter会話から複数の時系列を設計するための感情関連トピックベースの方法論を提案する。モデリングにソーシャルメディア変数を組み込むことで、RMSEのベースラインモデルよりも48.83-51.38%の改善がもたらされることが示されている。
論文参考訳（メタデータ） (2022-06-21T15:31:06Z)
Investigating the Impact of COVID-19 on Education by Social Network Mining [1.933681537640272]
コビッドウイルスと教育に関連する多くのツイートはジオネームスの地理データベースの助けを借りて検討され、ジオタグ付けされている。コビッド19の確認件数の多い国では, 総ツイート数, 正ツイート数, 負ツイート数の増加傾向が認められた。
論文参考訳（メタデータ） (2022-03-13T06:23:16Z)
Extracting Feelings of People Regarding COVID-19 by Social Network Mining [0.0]
英語における新型コロナウイルス関連ツイートのデータセットが収集される。 2020年3月23日から6月23日までに200万件以上のツイートが分析されている。
論文参考訳（メタデータ） (2021-10-12T16:45:33Z)
TBCOV: Two Billion Multilingual COVID-19 Tweets with Sentiment, Entity, Geo, and Gender Labels [5.267993069044648]
この研究は、新型コロナウイルス(COVID-19)のパンデミックに関連する20億以上の多言語ツイートを1年以上にわたって収集した大規模なTwitterデータセットTBCOVを提示する。いくつかの最先端のディープラーニングモデルは、感情ラベル、名前付きエンティティ、人物の言及、組織、場所、ユーザータイプ、性別情報など、重要な属性でデータを強化するために使用される。我々の感情と傾向分析は興味深い洞察を示し、TBCOVが重要なトピックを幅広くカバーしていることを確認する。
論文参考訳（メタデータ） (2021-10-04T06:17:12Z)
Country Image in COVID-19 Pandemic: A Case Study of China [79.17323278601869]
国像は国際関係と経済発展に大きな影響を与えている。新型コロナウイルス(COVID-19)の世界的な流行で、各国と国民は異なる反応を見せている。本研究では,中国を具体的かつ典型的な事例として捉え,大規模Twitterデータセットのアスペクトベース感情分析を用いてそのイメージを考察する。
論文参考訳（メタデータ） (2020-09-12T15:54:51Z)
A System for Worldwide COVID-19 Information Aggregation [92.60866520230803]
我々は、トピックによって分類された7言語10の地域から信頼できる記事を含む世界的な新型コロナウイルス情報収集システムを構築した。ニューラルマシン翻訳モジュールは、他言語の論文を日本語と英語に翻訳する。記事とトピックのペアデータセットに基づいてトレーニングされたBERTベースのトピック分類器は、ユーザが興味のある情報を効率的に見つけるのに役立つ。
論文参考訳（メタデータ） (2020-07-28T01:33:54Z)
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)
When and How to Lift the Lockdown? Global COVID-19 Scenario Analysis and Policy Assessment using Compartmental Gaussian Processes [111.69190108272133]
新型コロナウイルス(COVID-19)の世界的な感染拡大を受け、多くの国が前例のないロックダウン措置を講じている。さまざまなロックダウンポリシーシナリオの下で、新型コロナウイルスの死亡率を予測するデータ駆動モデルが不可欠だ。本稿では,グローバルな状況下での新型コロナウイルスロックダウンポリシーの効果を予測するためのベイズモデルを開発する。
論文参考訳（メタデータ） (2020-05-13T18:21:50Z)
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。