論文の概要: Cross-Cultural Polarity and Emotion Detection Using Sentiment Analysis
and Deep Learning -- a Case Study on COVID-19
- arxiv url: http://arxiv.org/abs/2008.10031v1
- Date: Sun, 23 Aug 2020 12:43:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-26 02:44:32.697973
- Title: Cross-Cultural Polarity and Emotion Detection Using Sentiment Analysis
and Deep Learning -- a Case Study on COVID-19
- Title（参考訳）: 感性分析と深層学習を用いたクロスカルチャーポラリティと感情検出-COVID-19を事例として
- Authors: Ali Shariq Imran, Sher Mohammad Doudpota, Zenun Kastrati, Rakhi Bhatra
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 2.983310828879753
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: How different cultures react and respond given a crisis is predominant in a
society's norms and political will to combat the situation. Often the decisions
made are necessitated by events, social pressure, or the need of the hour,
which may not represent the will of the nation. While some are pleased with it,
others might show resentment. Coronavirus (COVID-19) brought a mix of similar
emotions from the nations towards the decisions taken by their respective
governments. Social media was bombarded with posts containing both positive and
negative sentiments on the COVID-19, pandemic, lockdown, hashtags past couple
of months. Despite geographically close, many neighboring countries reacted
differently to one another. For instance, Denmark and Sweden, which share many
similarities, stood poles apart on the decision taken by their respective
governments. Yet, their nation's support was mostly unanimous, unlike the South
Asian neighboring countries where people showed a lot of anxiety and
resentment. This study tends to detect and analyze sentiment polarity and
emotions demonstrated during the initial phase of the pandemic and the lockdown
period employing natural language processing (NLP) and deep learning techniques
on Twitter posts. Deep long short-term memory (LSTM) models used for estimating
the sentiment polarity and emotions from extracted tweets have been trained to
achieve state-of-the-art accuracy on the sentiment140 dataset. The use of
emoticons showed a unique and novel way of validating the supervised deep
learning models on tweets extracted from Twitter.
- Abstract（参考訳）: 危機に対して異なる文化がどう反応し反応するかは、社会の規範と状況と戦うための政治的意志が主である。
多くの場合、決定は、国家の意思を表わさないかもしれない出来事、社会的圧力、時間の必要性によって必要となる。
喜ぶ者もいるが、恨みを抱く者もいる。
コロナウイルス(COVID-19)は各国の同様の感情を、各国政府による決定に取り入れた。
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。
地理的に近かったにもかかわらず、多くの近隣諸国は異なる反応を示した。
例えば、多くの類似点を共有しているデンマークとスウェーデンは、それぞれの政府によって下された決定を断念した。
しかし、彼らの国の支援はほとんど満場一致で、人々が多くの不安や恨みを抱いていた南アジア諸国とは違っていた。
本研究は,自然言語処理(nlp)と深層学習技術を用いて,パンデミックの初期段階とロックダウン期間に示された感情極性と感情をtwitter投稿上で検出・分析する傾向がある。
感情極性と感情を抽出したツイートから推定するために使用される深部長期記憶(LSTM)モデルは、感情140データセットで最先端の精度を達成するために訓練されている。
エモティコンの使用は、twitterから抽出されたツイートで教師付きディープラーニングモデルを検証する、ユニークで新しい方法を示した。
関連論文リスト
- The Face of Populism: Examining Differences in Facial Emotional Expressions of Political Leaders Using Machine Learning [50.24983453990065]
私たちは15カ国の政治指導者の220本のYouTubeビデオのサンプルをディープラーニングで処理しています。
ポピュリスト・レトリックの度合いが異なるリーダー群間での負の感情の平均スコアの統計的に有意な差を観察した。
論文 参考訳（メタデータ） (2023-04-19T18:32:49Z) - Why Do You Feel This Way? Summarizing Triggers of Emotions in Social
Media Posts [61.723046082145416]
CovidET (Emotions and their Triggers during Covid-19)は、COVID-19に関連する英国のReddit投稿1,900件のデータセットである。
我々は、感情を共同で検出し、感情のトリガーを要約する強力なベースラインを開発する。
分析の結果,コビデットは感情特異的要約における新たな課題と,長文のソーシャルメディア投稿におけるマルチ感情検出の課題が示唆された。
論文 参考訳（メタデータ） (2022-10-22T19:10:26Z) - 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) - COVID-19 sentiment analysis via deep learning during the rise of novel
cases [0.5156484100374059]
我々はtwitter上で感情分析を行うために,long short-term memory(lstm)リカレントニューラルネットワークを用いたディープラーニング言語モデルを用いた。
我々は、ほとんどのツイートは、インドのCOVID-19事件の台頭中に高いレベルの楽観主義で肯定的であることが判明しました。
楽観的で冗談を言うツイートは、主に月間ツイートを支配しており、ネガティブな感情が表される回数はずっと少なかった。
論文 参考訳（メタデータ） (2021-04-05T04:31:19Z) - 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) - Cross-language sentiment analysis of European Twitter messages duringthe
COVID-19 pandemic [14.821130865253304]
ヨーロッパでの新型コロナウイルス(COVID-19)パンデミックの最初の数ヶ月の間に収集されたTwitterメッセージについて、その感情について分析する。
我々は、その成果を起源の国によって分け、それらの国の出来事と時間的発展を関連付けている。
例えば、ロックダウンの発表は、ほとんどの調査対象国で気分の悪化と相関しており、短期間で回復します。
論文 参考訳（メタデータ） (2020-08-27T15:00:36Z) - How Have We Reacted To The COVID-19 Pandemic? Analyzing Changing Indian
Emotions Through The Lens of Twitter [2.805251632575323]
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。
論文 参考訳（メタデータ） (2020-08-20T15:39:05Z) - Detecting Topic and Sentiment Dynamics Due to COVID-19 Pandemic Using
Social Media [14.662523926129117]
大規模なソーシャルメディア投稿から、COVID-19による話題や感情のダイナミクスを分析した。
安全な家にいよう」といった話題は肯定的な感情で支配されている。
人の死のような他のものは、常に否定的な感情を示しています。
論文 参考訳（メタデータ） (2020-07-05T12:05:30Z) - 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)
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。