Fugu-MT 論文翻訳(概要): Global Sentiment Analysis Of COVID-19 Tweets Over Time

論文の概要: Global Sentiment Analysis Of COVID-19 Tweets Over Time

arxiv url: http://arxiv.org/abs/2010.14234v2
Date: Tue, 10 Nov 2020 08:24:09 GMT
ステータス: 処理完了
システム内更新日: 2022-10-02 11:40:37.092031
Title: Global Sentiment Analysis Of COVID-19 Tweets Over Time
Title（参考訳）: 世界的なcovid-19ツイートの感情分析
Authors: Muvazima Mansoor, Kirthika Gurumurthy, Anantharam R U, V R Badri Prasad
Abstract要約: TwitterのソーシャルネットワーキングサイトであるTwitterは、小説『コロナウイルス』に関するツイートがごく短期間で前例のない増加を見せた。本稿では、コロナウイルスに関連するツイートのグローバルな感情分析と、異なる国の人々の感情が時間とともにどのように変化したかを示す。
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: The Coronavirus pandemic has affected the normal course of life. People around the world have taken to social media to express their opinions and general emotions regarding this phenomenon that has taken over the world by storm. The social networking site, Twitter showed an unprecedented increase in tweets related to the novel Coronavirus in a very short span of time. This paper presents the global sentiment analysis of tweets related to Coronavirus and how the sentiment of people in different countries has changed over time. Furthermore, to determine the impact of Coronavirus on daily aspects of life, tweets related to Work From Home (WFH) and Online Learning were scraped and the change in sentiment over time was observed. In addition, various Machine Learning models such as Long Short Term Memory (LSTM) and Artificial Neural Networks (ANN) were implemented for sentiment classification and their accuracies were determined. Exploratory data analysis was also performed for a dataset providing information about the number of confirmed cases on a per-day basis in a few of the worst-hit countries to provide a comparison between the change in sentiment with the change in cases since the start of this pandemic till June 2020.
Abstract（参考訳）: コロナウイルスのパンデミックは、通常の生活に影響を与えている。世界中の人々がソーシャルメディアで、嵐によって世界を支配したこの現象に関する意見や一般的な感情を表明している。 TwitterのソーシャルネットワーキングサイトであるTwitterは、小説『コロナウイルス』に関するツイートがごく短期間で前例のない増加を見せた。本稿では、新型コロナウイルスに関連するツイートのグローバル感情分析と、各国の人々の感情の変化について述べる。さらに, 日常生活におけるコロナウイルスの影響を明らかにするために, ワーク・フロイト・ホーム(WFH)とオンライン・ラーニングに関連するツイートを抽出し, 時間とともに感情の変化を観察した。さらに、感情分類のためのLong Short Term Memory(LSTM)やArtificial Neural Networks(ANN)などの機械学習モデルを実装し、その精度を決定した。また、このパンデミックの開始から2020年6月までのケースの変化に対する感情の変化を比較するために、いくつかの最悪の国において、日毎の感染者数に関する情報を提供するデータセットについても探索データ分析を行った。

関連論文リスト

Religion and Spirituality on Social Media in the Aftermath of the Global Pandemic [59.930429668324294]
私たちは、突然の宗教活動の変化を2つに分析します。重要な点として,2020年7月から9月にかけての3ヶ月の期間を分析して,この過程の時間的変動を分析した。
論文参考訳（メタデータ） (2022-12-11T18:41:02Z)
"COVID-19 was a FIFA conspiracy #curropt": An Investigation into the Viral Spread of COVID-19 Misinformation [60.268682953952506]
我々は、自然言語処理モデルを用いて、誤報がCOVID-19パンデミックの進行にどのような影響を及ぼしたかを推定する。我々は、広範囲に害をもたらす可能性のあるソーシャルメディアポストと戦うための戦略を提供する。
論文参考訳（メタデータ） (2022-06-12T19:41:01Z)
Sentiment Analysis of Covid-19 Tweets using Evolutionary Classification-Based LSTM Model [0.6445605125467573]
本稿では,コロナウイルスやコビッドウイルスに関する大量のツイートの感情分析について述べる。我々は、進化的分類とn-gram分析によるCovid-19流行に関連するトピックに対する世論感情の傾向を分析した。我々は、Covid-19のデータに対する感情を予測するために、2種類の評価されたつぶやきを使用して、長期間のネットワークを訓練し、全体の精度は84.46%に達した。
論文参考訳（メタデータ） (2021-06-13T04:27:21Z)
Leveraging Natural Language Processing to Mine Issues on Twitter During the COVID-19 Pandemic [0.3674863913115431]
新型コロナウイルス感染症(COVID-19)の世界的な流行が世界中に広がった。パンデミックに対する公衆の懸念や対応を理解するためには、機械学習技術を利用して無関係なツイートをフィルタリングするシステムが必要である。本研究では,2020年1月1日から2020年4月30日までの間に,新型コロナウイルスのパンデミックに関連するツイートを識別するシステムを構築した。
論文参考訳（メタデータ） (2020-10-31T22:26:26Z)
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)
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)
Examination of Community Sentiment Dynamics due to COVID-19 Pandemic: A Case Study from A State in Australia [5.641321839562139]
パンデミック期には、ニューサウスウェールズ州(NSW)に住む人々の感情動態を分析するために、Twitterユーザーが投稿した大量のテキストデータを利用しています。 NSWで5ヶ月に1億1830万人のユーザーが投稿した約9900万ツイートの分析から、NSWの人々は全体の肯定的な感情の極性を示した。 LGAの感情のきめ細かい分析では、研究期間中に圧倒的な肯定的な感情があったにもかかわらず、一部のLGAは肯定的な感情から否定的な感情への顕著な変化を経験していた。
論文参考訳（メタデータ） (2020-06-22T12:30:42Z)
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)
Critical Impact of Social Networks Infodemic on Defeating Coronavirus COVID-19 Pandemic: Twitter-Based Study and Research Directions [1.6571886312953874]
2019年の推計295億人が世界中でソーシャルメディアを利用している。コロナウイルスの流行は、ソーシャルメディアの津波を引き起こした。本稿では,Twitterから収集したデータに基づく大規模研究について述べる。
論文参考訳（メタデータ） (2020-05-18T15:53:13Z)
Large Arabic Twitter Dataset on COVID-19 [0.7734726150561088]
2019年12月下旬に中国で発生した新型コロナウイルス(COVID-19)は、今や世界中で急速に普及している。全世界で確認された感染者は200万人を超え、死者は180,000人を超えている。この研究は、2020年1月1日以来、私たちが収集してきた新型コロナウイルスに関する最初のアラビア語のつぶやきデータセットについて述べています。
論文参考訳（メタデータ） (2020-04-09T01:07:12Z)

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。