Fugu-MT 論文翻訳(概要): How Have We Reacted To The COVID-19 Pandemic? Analyzing Changing Indian Emotions Through The Lens of Twitter

論文の概要: How Have We Reacted To The COVID-19 Pandemic? Analyzing Changing Indian Emotions Through The Lens of Twitter

arxiv url: http://arxiv.org/abs/2008.09035v1
Date: Thu, 20 Aug 2020 15:39:05 GMT
ステータス: 処理完了
システム内更新日: 2022-10-27 03:49:22.447120
Title: How Have We Reacted To The COVID-19 Pandemic? Analyzing Changing Indian Emotions Through The Lens of Twitter
Title（参考訳）: COVID-19パンデミックにどのように反応したかインドの感情の変化をTwitterのレンズで分析する
Authors: Rajdeep Mukherjee, Sriyash Poddar, Atharva Naik, Soham Dasgupta
Abstract要約: WHOは216カ国と領土で600,000人近くが死亡し、1300万人以上が確認されたと報告している。インドは、米国とブラジルに次いで、パンデミックで3番目に最悪の国となった。ツイートから人の感情を識別する深層学習システムを提案する。
参考スコア（独自算出の注目度）: 2.805251632575323
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Since its outbreak, the ongoing COVID-19 pandemic has caused unprecedented losses to human lives and economies around the world. As of 18th July 2020, the World Health Organization (WHO) has reported more than 13 million confirmed cases including close to 600,000 deaths across 216 countries and territories. Despite several government measures, India has gradually moved up the ranks to become the third worst-hit nation by the pandemic after the US and Brazil, thus causing widespread anxiety and fear among her citizens. As majority of the world's population continues to remain confined to their homes, more and more people have started relying on social media platforms such as Twitter for expressing their feelings and attitudes towards various aspects of the pandemic. With rising concerns of mental well-being, it becomes imperative to analyze the dynamics of public affect in order to anticipate any potential threats and take precautionary measures. Since affective states of human mind are more nuanced than meager binary sentiments, here we propose a deep learning-based system to identify people's emotions from their tweets. We achieve competitive results on two benchmark datasets for multi-label emotion classification. We then use our system to analyze the evolution of emotional responses among Indians as the pandemic continues to spread its wings. We also study the development of salient factors contributing towards the changes in attitudes over time. Finally, we discuss directions to further improve our work and hope that our analysis can aid in better public health monitoring.
Abstract（参考訳）: 新型コロナウイルス(covid-19)のパンデミックは、世界各国の人命や経済に前例のない損失をもたらした。 2020年7月18日現在、WHO(世界保健機関)は216カ国と領土で600,000人近い死者を含む1300万人以上の感染者を報告している。いくつかの政府対策にもかかわらず、インドは徐々にランクを引き上げ、米国とブラジルに続くパンデミックで3番目に最悪の国となった。世界の人口の大多数が引き続き自宅に限られているため、パンデミックのさまざまな側面に対する感情や態度を表現するために、Twitterなどのソーシャルメディアプラットフォームに頼る人が増えている。精神的幸福への懸念が高まる中、潜在的な脅威を予測し、予防措置を取るために、公衆の影響のダイナミクスを分析することが不可欠となる。人間の心の感情状態は、単なる二分感情よりもニュアンスが高いので、ツイートから人々の感情を識別する深層学習システムを提案する。マルチラベル感情分類のための2つのベンチマークデータセットで競合結果を得る。そして私たちのシステムを使って、パンデミックが翼を広げ続けているインド人の感情反応の進化を分析します。また,時間経過に伴う態度の変化に寄与する有意な要因の発達についても検討した。最後に,我々の研究をさらに改善するための方向性を議論し,我々の分析が公衆衛生のモニタリングに役立てることを期待する。

関連論文リスト

How People Respond to the COVID-19 Pandemic on Twitter: A Comparative Analysis of Emotional Expressions from US and India [3.2296078260106174]
新型コロナウイルス(COVID-19)のパンデミックは世界中の何百万人もの命が引き起こされ、感情が高まったと主張している。本研究は、米国とインドで5億5500万件以上のツイートで示された、COVID-19に関連するさまざまな感情の表現について検討する。
論文参考訳（メタデータ） (2023-03-19T04:05:10Z)
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)
When a crisis strikes: Emotion analysis and detection during COVID-19 [96.03869351276478]
感情をラベル付けした1万ツイートのCovidEmoを紹介します。事前学習された言語モデルがドメインや危機をまたいでどのように一般化するかを検討する。
論文参考訳（メタデータ） (2021-07-23T04:07:14Z)
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)
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)
Hope Amid of a Pandemic: Is Psychological Distress Alleviating in South America while Coronavirus is still on Surge? [1.7894377200944511]
新型コロナウイルスのパンデミックで1700万人以上が死亡し、66万7000人以上が負傷した。本稿は、南アメリカのすべてのスペイン語圏の人々の心理的側面に対するロックダウンの影響を検討することを目的とする。
論文参考訳（メタデータ） (2020-08-27T17:53:22Z)
Cross-Cultural Polarity and Emotion Detection Using Sentiment Analysis and Deep Learning -- a Case Study on COVID-19 [2.983310828879753]
ソーシャルメディアは、新型コロナウイルス(COVID-19)に対する肯定的な感情と否定的な感情、パンデミック、ロックダウン、ハッシュタグを含む投稿で攻撃を受けた。この研究は、パンデミックとロックダウン期間の初期段階で示された感情の極性と感情を検出し、分析する傾向がある。
論文参考訳（メタデータ） (2020-08-23T12:43:26Z)
Analyzing COVID-19 on Online Social Media: Trends, Sentiments and Emotions [44.92240076313168]
我々は、2020年1月20日から2020年5月11日までの間に、TwitterとWeiboの投稿に基づいて、アメリカ人と中国人の感情的な軌跡を分析した。中国と国連の2つの非常に異なる国とは対照的に、異なる文化におけるCOVID-19に対する人々の見解に顕著な違いが浮かび上がっている。我々の研究は、公共の感情やパンデミックに対する懸念をリアルタイムで明らかにするための計算的アプローチを提供し、政策立案者が人々のニーズをよりよく理解し、それによって最適な政策を立案するのに役立つ可能性がある。
論文参考訳（メタデータ） (2020-05-29T09:24:38Z)
Detecting Perceived Emotions in Hurricane Disasters [62.760131661847986]
私たちはHurricaneEmoを紹介します。HurricaneEmoは、Harvey、Irma、Mariaの3つのハリケーンにまたがる15,000の英語ツイートの感情データセットです。本稿では, きめ細かい感情を包括的に研究し, 粗い感情群を識別するための分類タスクを提案する。
論文参考訳（メタデータ） (2020-04-29T16:17:49Z)
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。