論文の概要: Transfer Learning Approach for Detecting Psychological Distress in
Brexit Tweets
- arxiv url: http://arxiv.org/abs/2102.00912v1
- Date: Mon, 25 Jan 2021 16:54:37 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-15 02:29:01.215336
- Title: Transfer Learning Approach for Detecting Psychological Distress in
Brexit Tweets
- Title(参考訳): ブレグジットツイートにおける心理的ストレス検出のためのトランスファーラーニングアプローチ
- Authors: Sean-Kelly Palicki, Shereen Fouad, Mariam Adedoyin-Olowe, Zahraa S.
Abdallah
- Abstract要約: 2016年、英国(英国)市民は2020年に正式に実施された欧州連合(EU)を離れることに投票しました。
本稿では、ブレグジットツイートにおける非臨床的心理的苦痛状態を測定するために、感情分析にトランスファーラーニングアプローチを用いる。
このフレームワークは、ソースとターゲットドメイン間の負の転送の影響を減らすために、ドメイン適応技術を適用します。
- 参考スコア(独自算出の注目度): 0.665264113799989
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In 2016, United Kingdom (UK) citizens voted to leave the European Union (EU),
which was officially implemented in 2020. During this period, UK residents
experienced a great deal of uncertainty around the UK's continued relationship
with the EU. Many people have used social media platforms to express their
emotions about this critical event. Sentiment analysis has been recently
considered as an important tool for detecting mental well-being in Twitter
contents. However, detecting the psychological distress status in
political-related tweets is a challenging task due to the lack of explicit
sentences describing the depressive or anxiety status. To address this problem,
this paper leverages a transfer learning approach for sentiment analysis to
measure the non-clinical psychological distress status in Brexit tweets. The
framework transfers the knowledge learnt from self-reported psychological
distress tweets (source domain) to detect the distress status in Brexit tweets
(target domain). The framework applies a domain adaptation technique to
decrease the impact of negative transfer between source and target domains. The
paper also introduces a Brexit distress index that can be used to detect levels
of psychological distress of individuals in Brexit tweets. We design an
experiment that includes data from both domains. The proposed model is able to
detect the non-clinical psychological distress status in Brexit tweets with an
accuracy of 66% and 62% on the source and target domains, respectively.
- Abstract(参考訳): 2016年、英国(英国)市民は2020年に正式に実施された欧州連合(EU)を離れることに投票しました。
この期間、イギリス住民はEUとの継続的な関係に関して大きな不確実性を経験した。
多くの人はソーシャルメディアプラットフォームを使って、この重要な出来事に対する感情を表現している。
最近、感情分析は、twitterコンテンツの精神的幸福を検出する重要なツールとみなされている。
しかし、政治的なツイートにおける心理的苦痛状態の検出は、抑うつ状態や不安状態を記述した明示的な文がないために難しい作業である。
そこで本論文では,ブレグジットツイートの非臨床心理的ストレス状態を測定するために,感情分析のためのトランスファーラーニング手法を活用する。
このフレームワークは、自己報告の心理的苦痛ツイート(ソースドメイン)から学んだ知識を移行して、ブレグジットツイート(ターゲットドメイン)の障害状態を検出します。
このフレームワークは、ソースとターゲットドメイン間の負の転送の影響を減らすために、ドメイン適応技術を適用します。
また、ブレグジットツイートにおける個人の心理的苦痛のレベルを検出するために使用できるブレグジット救済指数も導入している。
両方のドメインからのデータを含む実験をデザインする。
提案モデルは、ソースドメインとターゲットドメインの66%と62%の精度で、ブレグジットツイートにおける非臨床的心理的苦痛状態を検出することができる。
関連論文リスト
- Depression detection in social media posts using affective and social
norm features [84.12658971655253]
ソーシャルメディア投稿からの抑うつ検出のための奥深いアーキテクチャを提案する。
我々は、後期融合方式を用いて、ポストとワードの敬称と道徳的特徴をアーキテクチャに組み込んだ。
提案された機能を含めると、両方の設定で最先端の結果が得られます。
論文 参考訳(メタデータ) (2023-03-24T21:26:27Z) - Semantic Similarity Models for Depression Severity Estimation [53.72188878602294]
本稿では、ソーシャルメディアの文章に基づいて、個人のうつ病の重症度を研究するための効率的なセマンティックパイプラインを提案する。
我々は,抑うつ症状と重度レベルに対応する代表訓練文の指標に対して意味的ランキングを生成するために,テストユーザ文を使用する。
本手法を2つのRedditベースのベンチマークで評価し,うつ病の重症度を指標として,最先端技術よりも30%改善した。
論文 参考訳(メタデータ) (2022-11-14T18:47:26Z) - Manipulating Twitter Through Deletions [64.33261764633504]
Twitter上でのインフルエンスキャンペーンの研究は、公開APIを通じて得られたツイートから悪意のあるアクティビティを識別することに大きく依存している。
ここでは,1100万以上のアカウントによる10億以上の削除を含む,異常な削除パターンを網羅的かつ大規模に分析する。
少数のアカウントが毎日大量のツイートを削除していることがわかった。
まず、ツイートのボリューム制限が回避され、特定のアカウントが毎日2600万以上のツイートをネットワークに流すことができる。
第二に、調整されたアカウントのネットワークは、繰り返しのいいね!や、最終的に削除されるコンテンツとは違って、ランキングアルゴリズムを操作できる。
論文 参考訳(メタデータ) (2022-03-25T20:07:08Z) - Negativity Spreads Faster: A Large-Scale Multilingual Twitter Analysis
on the Role of Sentiment in Political Communication [7.136205674624813]
本稿は、欧州3カ国の政治家のツイートを分析しようとするものである。
最先端の事前訓練言語モデルを利用することで、数十万のツイートに対して感情分析を行った。
我々の分析は、政治家の否定的なツイートが、特に最近の時代に広く広まっていることを示している。
論文 参考訳(メタデータ) (2022-02-01T13:25:19Z) - Sentiment Analysis and Sarcasm Detection of Indian General Election
Tweets [0.0]
ソーシャルメディアの利用は、今日のデジタル世界では史上最高水準まで増加している。
一般大衆の感情や意見を分析することは、政府とビジネス関係者の両方にとって非常に重要である。
本稿では,ロクサバ選挙中のインド国民の感情をTwitterデータを用いて分析することに取り組んでいる。
論文 参考訳(メタデータ) (2022-01-03T17:30:00Z) - 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) - 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) - High-level Approaches to Detect Malicious Political Activity on Twitter [0.0]
2020年5月、約500万のアカウントと1億2000万以上のツイートで撮影されたデータスナップショットを調査した。
分析期間は2019年8月から2020年5月までで、2019年10月6日のポルトガル総選挙に焦点が当てられている。
私たちは、Twitterのサスペンションパターンが、ポルトガルのTwitter圏で見られる政治的トロルのタイプに適していないことを知りました。
論文 参考訳(メタデータ) (2021-02-04T22:54:44Z) - 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) - 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)
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。