論文の概要: Automatic Monitoring Social Dynamics During Big Incidences: A Case Study
of COVID-19 in Bangladesh
- arxiv url: http://arxiv.org/abs/2101.09667v2
- Date: Sun, 31 Jan 2021 16:47:37 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-19 07:54:42.557941
- Title: Automatic Monitoring Social Dynamics During Big Incidences: A Case Study
of COVID-19 in Bangladesh
- Title(参考訳): 大発生時の社会的ダイナミクスの自動モニタリング : バングラデシュにおけるCOVID-19の事例
- Authors: Fahim Shahriar, Md Abul Bashar
- Abstract要約: 本研究は、co-19パンデミックに関連するバングラデシュの新聞データを分析した。
この分析は、政府や他の組織がこのパンデミックによって社会で発生した課題を理解するのに役立ちます。
- 参考スコア(独自算出の注目度): 0.26651200086513094
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Newspapers are trustworthy media where people get the most reliable and
credible information compared with other sources. On the other hand, social
media often spread rumors and misleading news to get more traffic and
attention. Careful characterization, evaluation, and interpretation of
newspaper data can provide insight into intrigue and passionate social issues
to monitor any big social incidence. This study analyzed a large set of
spatio-temporal Bangladeshi newspaper data related to the COVID-19 pandemic.
The methodology included volume analysis, topic analysis, automated
classification, and sentiment analysis of news articles to get insight into the
COVID-19 pandemic in different sectors and regions in Bangladesh over a period
of time. This analysis will help the government and other organizations to
figure out the challenges that have arisen in society due to this pandemic,
what steps should be taken immediately and in the post-pandemic period, how the
government and its allies can come together to address the crisis in the
future, keeping these problems in mind.
- Abstract(参考訳): 新聞は信頼できるメディアであり、他の情報源と比べて信頼できる信頼できる情報が得られる。
一方、ソーシャルメディアは、トラフィックと注目を集めるために、噂や誤解を招くニュースを広めることが多い。
新聞データの綿密な特徴付け、評価、解釈は、興味深く情熱的な社会問題に対する洞察を与え、大きな社会の発生率を監視する。
本研究は、新型コロナウイルスのパンデミックに関連する時空間バングラデシュの新聞データを大量に分析した。
この手法には、ボリューム分析、トピック分析、自動分類、ニュース記事の感情分析が含まれており、バングラデシュのさまざまなセクターや地域における新型コロナウイルスのパンデミックに関する洞察を一定期間にわたって得ることができる。
この分析は、政府や他の組織が、このパンデミックによって社会に生じた課題、即時かつ後パンデミック期において、政府やその同盟国が将来の危機にどう対処し、これらの問題を念頭に置いていくかを理解するのに役立ちます。
関連論文リスト
- Towards Identifying Social Bias in Dialog Systems: Frame, Datasets, and
Benchmarks [95.29345070102045]
本稿では,ダイアログの安全性問題に対する社会的バイアス検出に焦点をあてる。
まず,会話における社会的バイアスを現実的に分析する新しいダイアルバイアスフレームを提案する。
中国初の社会バイアスダイアログデータセットであるCDail-Biasデータセットを紹介する。
論文 参考訳(メタデータ) (2022-02-16T11:59:29Z) - Fighting Money Laundering with Statistics and Machine Learning: An
Introduction and Review [95.42181254494287]
マネーロンダリングは深刻なグローバルな問題です。
このトピックに関する統計学と機械学習の研究はほとんどない。
大きな課題の1つは、公開データセットの欠如である。
論文 参考訳(メタデータ) (2022-01-11T21:31:18Z) - An Opinion Mining of Text in COVID-19 Issues along with Comparative
Study in ML, BERT & RNN [0.0]
この記事では、個々のソースからのBanglaテキストコメントとともに、いくつかの特定のインプットを提案している。
意見マイニング支援システムは、可能なすべての言語選好に影響を及ぼす可能性がある。
我々の知る限り、この論文は、MLアルゴリズムを提案する新型コロナウイルス問題に関するBanglaの入力テキストを予測し、ディープラーニングモデル分析は、比較分析によって将来の到達可能性もチェックする。
論文 参考訳(メタデータ) (2022-01-06T15:59:20Z) - Cross-lingual COVID-19 Fake News Detection [54.125563009333995]
低リソース言語(中国語)における新型コロナウイルスの誤報を検出するための最初の試みは、高リソース言語(英語)における事実チェックされたニュースのみを用いて行われる。
そこで我々は、クロスランガルなニュースボディテキストを共同でエンコードし、ニュースコンテンツをキャプチャするCrossFakeというディープラーニングフレームワークを提案する。
実験結果から,クロスランガル環境下でのCrossFakeの有効性が示された。
論文 参考訳(メタデータ) (2021-10-13T04:44:02Z) - Impact of COVID-19 Policies and Misinformation on Social Unrest [0.0]
我々は、西欧8か国と米国の4か国における社会不安(抗議)、健康結果、公衆衛生命令、誤情報との相互作用に焦点を当てる。
我々は、高い抗議活動の時期と、時間とともに抗議活動の総数を特定するために、バイナリ抗議指標の1~3週間の予測を作成しました。
ベルギーを除くすべての地域で、我々のさまざまなデータストリームから少なくとも1つの特徴が抗議行動の予測であることがわかった。
論文 参考訳(メタデータ) (2021-10-07T16:05:10Z) - TBCOV: Two Billion Multilingual COVID-19 Tweets with Sentiment, Entity,
Geo, and Gender Labels [5.267993069044648]
この研究は、新型コロナウイルス(COVID-19)のパンデミックに関連する20億以上の多言語ツイートを1年以上にわたって収集した大規模なTwitterデータセットTBCOVを提示する。
いくつかの最先端のディープラーニングモデルは、感情ラベル、名前付きエンティティ、人物の言及、組織、場所、ユーザータイプ、性別情報など、重要な属性でデータを強化するために使用される。
我々の感情と傾向分析は興味深い洞察を示し、TBCOVが重要なトピックを幅広くカバーしていることを確認する。
論文 参考訳(メタデータ) (2021-10-04T06:17:12Z) - #StayHome or #Marathon? Social Media Enhanced Pandemic Surveillance on
Spatial-temporal Dynamic Graphs [23.67939019353524]
新型コロナウイルスは、公衆衛生、社会、経済のほぼすべての領域に永続的な被害をもたらしている。
既存の研究は、伝統的な統計モデルと流行拡散理論の集約に依存している。
我々は,抽出した出来事と関係に基づいて,ソーシャルメディアがパンデミックの知識を広める新しい枠組みを提案する。
論文 参考訳(メタデータ) (2021-08-08T15:46:05Z) - 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) - ExcavatorCovid: Extracting Events and Relations from Text Corpora for
Temporal and Causal Analysis for COVID-19 [63.72766553648224]
excavatorcovidは、オープンソースのテキスト文書を取り込む機械読取システムである。
COVID19関連イベントとそれらの関係を抽出し、時間と因果分析グラフを構築する。
論文 参考訳(メタデータ) (2021-05-05T01:18:46Z) - 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) - Misinfo Belief Frames: A Case Study on Covid & Climate News [49.979419711713795]
読者がニュースの信頼性や誤った情報の影響をどのように認識するかを理解するための形式主義を提案する。
23.5kの見出しに66kの推論データセットであるMisinfo Belief Frames (MBF) corpusを紹介する。
大規模言語モデルを用いて誤情報フレームを予測した結果,機械生成推論がニュース見出しに対する読者の信頼に影響を及ぼすことがわかった。
論文 参考訳(メタデータ) (2021-04-18T09:50:11Z)
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。