論文の概要: Understanding the Spatio-temporal Topic Dynamics of Covid-19 using Nonnegative Tensor Factorization: A Case Study

• arxiv url: http://arxiv.org/abs/2009.09253v1
• Date: Sat, 19 Sep 2020 15:16:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-16 21:46:20.514302
• Title: Understanding the Spatio-temporal Topic Dynamics of Covid-19 using Nonnegative Tensor Factorization: A Case Study
• Title（参考訳）: 非負のテンソル因子分解を用いたcovid-19の時空間的話題ダイナミクスの理解
• Authors: Thirunavukarasu Balasubramaniam, Richi Nayak, Md Abul Bashar
• Abstract要約: 本稿では、ソーシャルメディアデータにおける話題を特定するために、ソーシャルメディアデータと非負因子化(NTF)の表現を提案する。 オーストラリアのTwitterスフィアに関するケーススタディでは、Covid-19のトピックのダイナミクスを視覚化する。
• 参考スコア（独自算出の注目度）: 1.6328866317851185
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Social media platforms facilitate mankind a data-driven world by enabling billions of people to share their thoughts and activities ubiquitously. This huge collection of data, if analysed properly, can provide useful insights into people's behavior. More than ever, now is a crucial time under the Covid-19 pandemic to understand people's online behaviors detailing what topics are being discussed, and where (space) and when (time) they are discussed. Given the high complexity and poor quality of the huge social media data, an effective spatio-temporal topic detection method is needed. This paper proposes a tensor-based representation of social media data and Non-negative Tensor Factorization (NTF) to identify the topics discussed in social media data along with the spatio-temporal topic dynamics. A case study on Covid-19 related tweets from the Australia Twittersphere is presented to identify and visualize spatio-temporal topic dynamics on Covid-19
• Abstract（参考訳）: ソーシャルメディアプラットフォームは、何十億もの人々が自分の考えや活動をユビキタスに共有できるようにすることで、データ駆動の世界を促進する。 この膨大なデータを適切に分析すれば、人々の行動に関する有用な洞察が得られる。 Covid-19パンデミックの下では、議論されているトピックや場所(空間)、議論されている時間(時間)について、人々のオンライン行動を理解することが、これまで以上に重要な時です。 巨大なソーシャルメディアデータの複雑さと品質の低さを考えると、有効な時空間的トピック検出手法が必要である。 本稿では,ソーシャルメディアデータのテンソルベース表現と非負テンソル因子化(NTF)を提案する。 オーストラリアのtwittersphereのcovid-19関連ツイートについて、covid-19に関する時空間的トピックダイナミクスを識別・可視化するケーススタディを提示した。

関連論文リスト

• Exploring a Hybrid Deep Learning Framework to Automatically Discover Topic and Sentiment in COVID-19 Tweets [2.3940819037450987]
  新型コロナウイルスは、世界的な公衆衛生問題や、経済危機、失業、精神的苦痛などの問題を引き起こしている。 このパンデミックは世界中で致命的であり、多くの人々が感染症だけでなく、問題、ストレス、不思議、恐怖、恨み、憎しみに悩まされている。 Twitterは、非常に影響力のあるソーシャルメディアプラットフォームであり、健康関連情報、ニュース、意見、世論などの重要な情報源である。
  論文  参考訳（メタデータ） (2023-12-02T16:58:17Z)
• Cross-Platform Social Dynamics: An Analysis of ChatGPT and COVID-19 Vaccine Conversations [37.69303106863453]
  2022年のChatGPTのリリースと2021年の新型コロナウイルスワクチンに関する世界的な議論という、2つの重要な出来事に関する1200万件以上の投稿とニュース記事を分析した。 データはTwitter、Facebook、Instagram、Reddit、YouTube、GDELTなど、複数のプラットフォームから収集された。 トピックモデリング手法を用いて,各プラットフォーム上の異なる主題のエミュレーションを明らかにし,その特徴と対象のオーディエンスを反映した。
  論文  参考訳（メタデータ） (2023-10-17T09:58:55Z)
• NewsDialogues: Towards Proactive News Grounded Conversation [72.10055780635625]
  本稿では,対話システムがニュースの重要な話題に基づいて会話を積極的にリードする新しいタスク,Proactive News Grounded Conversationを提案する。 この課題をさらに発展させるために、人間と人間の対話データセットtsNewsDialoguesを収集し、合計14.6Kの発話を含む1Kの会話を含む。
  論文  参考訳（メタデータ） (2023-08-12T08:33:42Z)
• ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
  ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。 この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。 我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
  論文  参考訳（メタデータ） (2023-05-23T16:40:07Z)
• Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A Survey [71.43956423427397]
  本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。 この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。 もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
  論文  参考訳（メタデータ） (2022-07-20T13:37:57Z)
• A Dynamic Topic Identification and Labeling Approach of COVID-19 Tweets [3.097385298197292]
  新型コロナウイルスの感染拡大は、世界中の多くの人々のソーシャルメディア利用に影響している。 本稿では、新型コロナウイルスのツイートの適切なラベルで重要なトピックを動的に識別する問題を定式化し、より広範な世論を概説する。
  論文  参考訳（メタデータ） (2021-08-13T16:51:04Z)
• COVID-19 and Big Data: Multi-faceted Analysis for Spatio-temporal Understanding of the Pandemic with Social Media Conversations [4.07452542897703]
  ソーシャルメディアプラットフォームは、新型コロナウイルス(COVID-19)に関する世界的な会話の手段として機能している。 本稿では,パンデミックを取り巻くソーシャルメディア会話の重要コンテンツと特徴の分析,マイニング,追跡のための枠組みを提案する。
  論文  参考訳（メタデータ） (2021-04-22T00:45:50Z)
• Topic, Sentiment and Impact Analysis: COVID19 Information Seeking on Social Media [1.6328866317851185]
  この研究は、COVID19に関連するオーストラリアの球面の大規模な時空間的ツイートデータセットを分析した。 この手法にはボリューム分析、ダイナミックトピックモデリング、感情検出、セマンティックブランドスコアが含まれていた。 得られた知見は、政府報告事例のような独立に観察された現象と比較される。
  論文  参考訳（メタデータ） (2020-08-28T02:03:18Z)
• Information Consumption and Social Response in a Segregated Environment: the Case of Gab [74.5095691235917]
  この研究は、COVID-19トピックに関するGab内のインタラクションパターンの特徴を提供する。 疑わしい、信頼できるコンテンツに対する社会的反応には、統計的に強い違いはない。 本研究は,協調した不正確な行動の理解と情報操作の早期警戒に関する知見を提供する。
  論文  参考訳（メタデータ） (2020-06-03T11:34:25Z)
• A Study of Knowledge Sharing related to Covid-19 Pandemic in Stack Overflow [69.5231754305538]
  主に2020年2月と3月に投稿された464のStack Overflowに関する質問と、テキストマイニングの力を活用した調査。 事実、この世界的な危機はStack Overflowにおける活動の激化を招き、ほとんどのトピックは、Covid-19データ分析に対する強い関心を反映している。
  論文  参考訳（メタデータ） (2020-04-18T08:19:46Z)

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。