論文の概要: Exploring the political pulse of a country using data science tools

• arxiv url: http://arxiv.org/abs/2011.10264v1
• Date: Fri, 20 Nov 2020 08:17:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-23 15:09:32.457527
• Title: Exploring the political pulse of a country using data science tools
• Title（参考訳）: データサイエンスツールを用いた国の政治リズムの探索
• Authors: Miguel G. Folgado and Ver\'onica Sanz
• Abstract要約: 我々は、政党の指導者からのツイートを、政治プログラムやアイデアのダイナミックな代行と見なしている。 ソーシャルメディアに適応した新しいツールを用いて、ツイートにおける肯定的感情と否定的感情のレベルを分析する。 私たちは、ツイートの政治的関連を認識するために人工知能を訓練します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper we illustrate the use of Data Science techniques to analyse complex human communication. In particular, we consider tweets from leaders of political parties as a dynamical proxy to political programmes and ideas. We also study the temporal evolution of their contents as a reaction to specific events. We analyse levels of positive and negative sentiment in the tweets using new tools adapted to social media. We also train an Artificial Intelligence to recognise the political affiliation of a tweet. The AI is able to predict the origin of the tweet with a precision in the range of 71-75\%, and the political leaning (left or right) with a precision of around 90\%. This study is meant to be viewed as a proof-of-concept of interdisciplinary nature, at the interface between Data Science and political analysis.
• Abstract（参考訳）: 本稿では,複雑なヒューマンコミュニケーションの分析にデータサイエンス技術を用いる方法について述べる。 特に、政党の指導者からのツイートを、政治プログラムやアイデアのダイナミックな代行と見なしている。 また,その内容の時間的進化を,特定の事象に対する反応として検討した。 ソーシャルメディアに適応した新しいツールを用いて、ツイートのポジティブな感情とネガティブな感情のレベルを分析した。 私たちはまた、ツイートの政治的関連を認識するために人工知能を訓練します。 aiは、71-75\%の範囲で精度でツイートの起源を予測でき、約90\%の精度で政治的傾き(左か右)を予測できる。 この研究は、データサイエンスと政治分析のインターフェースにおいて、学際的な性質の実証として見なされる。

関連論文リスト

• Detecting Political Opinions in Tweets through Bipartite Graph Analysis: A Skip Aggregation Graph Convolution Approach [9.350629400940493]
  私たちは2020年の米国大統領選挙に集中し、Twitterから大規模なデータセットを作成します。 ツイート中の政治的意見を検出するために,ユーザの投稿行動とリツイート行動に基づいて,ユーザツイートの2部グラフを構築した。 ツイートノードに2階隣人からの情報を集約する新しいスキップアグリゲーション機構を導入する。
  論文  参考訳（メタデータ） (2023-04-22T10:38:35Z)
• Design and analysis of tweet-based election models for the 2021 Mexican legislative election [55.41644538483948]
  選挙日前の6ヶ月の間に、1500万件の選挙関連ツイートのデータセットを使用します。 地理的属性を持つデータを用いたモデルが従来のポーリング法よりも精度と精度で選挙結果を決定することがわかった。
  論文  参考訳（メタデータ） (2023-01-02T12:40:05Z)
• PAR: Political Actor Representation Learning with Social Context and Expert Knowledge [45.215862050840116]
  我々は,textbfPolitical textbfActor textbfRepresentation学習フレームワークであるtextbfPARを提案する。 我々は,社会的文脈情報を活用するために,議員に関する事実文を検索し,抽出する。 次に、社会的文脈を取り入れた異種情報ネットワークを構築し、リレーショナルグラフニューラルネットワークを用いて立法者表現を学習する。
  論文  参考訳（メタデータ） (2022-10-15T19:28:06Z)
• Tweets2Stance: Users stance detection exploiting Zero-Shot Learning Algorithms on Tweets [0.06372261626436675]
  この研究の目的は、TwitterのパーティアカウントがTwitterで書いたことを悪用する各声明に関して、党pのスタンスを予測することである。 複数の実験から得られた結果から、Tweets2Stanceは、タスクの複雑さを考慮して、一般的な最小値である1.13の姿勢を正確に予測できることがわかった。
  論文  参考訳（メタデータ） (2022-04-22T14:00:11Z)
• Sentiment Analysis of Political Tweets for Israel using Machine Learning [0.0]
  本研究では、イスラエルの政治Twitterデータを用いて、パレスチナとイスラエルの対立に対する世論を解釈する分析研究を提案する。 ツイート形式での民族グループと世論指導者の態度を機械学習アルゴリズムを用いて分析する。
  論文  参考訳（メタデータ） (2022-04-12T12:07:43Z)
• Identification of Twitter Bots based on an Explainable ML Framework: the US 2020 Elections Case Study [72.61531092316092]
  本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。 Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。 また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
  論文  参考訳（メタデータ） (2021-12-08T14:12:24Z)
• What goes on inside rumour and non-rumour tweets and their reactions: A Psycholinguistic Analyses [58.75684238003408]
  ソーシャルメディアのテキストの心理言語学的分析は、誤情報を緩和するために意味のある結論を導くのに不可欠である。 本研究は,様々な事象に関する噂の深い心理言語学的分析を行うことによって貢献する。
  論文  参考訳（メタデータ） (2021-11-09T07:45:11Z)
• A Machine Learning Pipeline to Examine Political Bias with Congressional Speeches [0.3062386594262859]
  私たちは、2つのイデオロギー的に多様なソーシャルメディアフォーラム、GabとTwitterで、政治的偏見を研究するための機械学習アプローチを提供します。 提案手法は,米国議会の政治演説から収集したテキストを用いて,そのデータをラベル付けする手法である。 また、カスケードとテキストの特徴を組み合わせて、カスケードの政治的偏見を約85%の精度で予測する機械学習アプローチを提案する。
  論文  参考訳（メタデータ） (2021-09-18T21:15:21Z)
• Reaching the bubble may not be enough: news media role in online political polarization [58.720142291102135]
  分極を減らす方法は、異なる政治的指向を持つ個人に党間のニュースを分配することである。 本研究は、ブラジルとカナダにおける全国選挙の文脈において、これが成立するかどうかを考察する。
  論文  参考訳（メタデータ） (2021-09-18T11:34:04Z)
• Cross-Domain Learning for Classifying Propaganda in Online Contents [67.10699378370752]
  本稿では,ラベル付き文書や,ニュースやつぶやきからの文をベースとしたクロスドメイン学習の手法を提案する。 本実験は,本手法の有効性を実証し,移動過程におけるソースやターゲットの様々な構成における困難さと限界を同定する。
  論文  参考訳（メタデータ） (2020-11-13T10:19:13Z)
• Inferring Political Preferences from Twitter [0.0]
  ソーシャルメディアの政治的センチメント分析は、政治ストラテジストが政党や候補者のパフォーマンスを精査するのに役立つ。 選挙期間中、ソーシャルネットワークはブログ、チャット、討論、政党や政治家の展望に関する議論で溢れている。 本研究では、従来の機械学習を用いて、テキスト分類問題としてモデル化することで、ツイートに存在する政治的意見の傾きを特定することを選んだ。
  論文  参考訳（メタデータ） (2020-07-21T05:20:43Z)

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。