論文の概要: Sentiment Analysis of Users' Reviews on COVID-19 Contact Tracing Apps
with a Benchmark Dataset
- arxiv url: http://arxiv.org/abs/2103.01196v1
- Date: Mon, 1 Mar 2021 18:43:10 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-05 04:18:38.663100
- Title: Sentiment Analysis of Users' Reviews on COVID-19 Contact Tracing Apps
with a Benchmark Dataset
- Title（参考訳）: ベンチマークデータセットを用いたCOVID-19接触追跡アプリのユーザレビューの感性分析
- Authors: Kashif Ahmad, Firoj Alam, Junaid Qadir, Basheer Qolomany, Imran Khan,
Talhat Khan, Muhammad Suleman, Naina Said, Syed Zohaib Hassan, Asma Gul, Ala
Al-Fuqaha
- Abstract要約: 接触追跡は、新型コロナウイルスの感染率を制御する戦いで世界的に採用されています。
スマートフォンやウェアラブルデバイスなどのデジタル技術のおかげで、COVID-19患者の連絡先を簡単に追跡し、ウイルスへの潜在的な曝露について知らせることができます。
興味深いモバイルアプリケーションもいくつか開発されている。
しかしながら、これらのアプリケーションの動作メカニズムやパフォーマンスに対する懸念はますます高まっている。
本研究では,クラウドソーシングによる手動アノテーションから始めるパイプラインを提案し,ユーザのレビュー自動感情分析のためのaiモデルの開発とトレーニングについて考察する。
- 参考スコア（独自算出の注目度）: 6.592595861973966
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Contact tracing has been globally adopted in the fight to control the
infection rate of COVID-19. Thanks to digital technologies, such as smartphones
and wearable devices, contacts of COVID-19 patients can be easily traced and
informed about their potential exposure to the virus. To this aim, several
interesting mobile applications have been developed. However, there are
ever-growing concerns over the working mechanism and performance of these
applications. The literature already provides some interesting exploratory
studies on the community's response to the applications by analyzing
information from different sources, such as news and users' reviews of the
applications. However, to the best of our knowledge, there is no existing
solution that automatically analyzes users' reviews and extracts the evoked
sentiments. In this work, we propose a pipeline starting from manual annotation
via a crowd-sourcing study and concluding on the development and training of AI
models for automatic sentiment analysis of users' reviews. In total, we employ
eight different methods achieving up to an average F1-Scores 94.8% indicating
the feasibility of automatic sentiment analysis of users' reviews on the
COVID-19 contact tracing applications. We also highlight the key advantages,
drawbacks, and users' concerns over the applications. Moreover, we also collect
and annotate a large-scale dataset composed of 34,534 reviews manually
annotated from the contract tracing applications of 46 distinct countries. The
presented analysis and the dataset are expected to provide a baseline/benchmark
for future research in the domain.
- Abstract（参考訳）: 接触追跡は、新型コロナウイルスの感染率を制御する戦いで世界的に採用されています。
スマートフォンやウェアラブルデバイスなどのデジタル技術のおかげで、COVID-19患者の連絡先を簡単に追跡し、ウイルスへの潜在的な曝露について知らせることができます。
この目的のために、いくつかの興味深いモバイルアプリケーションが開発されている。
しかしながら、これらのアプリケーションの動作メカニズムやパフォーマンスに対する懸念はますます高まっている。
この文献はすでに、ニュースやユーザのアプリケーションレビューなど、さまざまなソースからの情報を分析することによって、アプリケーションに対するコミュニティの反応に関する興味深い調査を行っている。
しかし、私たちの知る限りでは、ユーザのレビューを自動的に分析し、誘発された感情を抽出する既存のソリューションはありません。
本研究では,クラウドソーシングによる手動アノテーションから始めるパイプラインを提案し,ユーザのレビュー自動感情分析のためのaiモデルの開発とトレーニングについて考察する。
総計では、平均F1スコア94.8%を達成した8つの異なる方法を採用し、COVID-19コンタクトトレースアプリケーションにおけるユーザーのレビューの自動感情分析の実現性を示しています。
また、アプリケーションに対する主な利点、欠点、およびユーザーの懸念も強調します。
さらに,46カ国の契約追跡アプリケーションから34,534件のレビューを手作業でアノテートした大規模データセットを収集・注釈する。
提示された分析とデータセットは、将来の研究のベースライン/ベンチマークを提供するものと期待されている。
関連論文リスト
- Towards Extracting Ethical Concerns-related Software Requirements from App Reviews [0.0]
本研究は、Uberモバイルアプリ(人気のタクシー/ライドアプリ)のアプリレビューを分析した。
アプリレビューからソフトウェア要件を抽出するために知識グラフ(KG)モデルを活用する新しいアプローチを提案する。
私たちのフレームワークは,関連するエンティティと関係を持ったオントロジーを開発すること,アプリレビューから重要なエンティティを抽出すること,それら間のコネクションを作成すること,という3つの主要コンポーネントで構成されています。
論文 参考訳（メタデータ） (2024-07-19T04:50:32Z) - Is Reference Necessary in the Evaluation of NLG Systems? When and Where? [58.52957222172377]
基準自由度は人間の判断と高い相関を示し,言語品質の低下に対する感度が高いことを示す。
本研究は,自動測定の適切な適用方法と,測定値の選択が評価性能に与える影響について考察する。
論文 参考訳（メタデータ） (2024-03-21T10:31:11Z) - Tool-Augmented Reward Modeling [58.381678612409]
本稿では,外部環境へのアクセスによるRMの強化により,制約に対処するツール拡張された嗜好モデリング手法であるThemisを提案する。
我々の研究は、外部ツールをRMに統合し、様々な外部ソースとの相互作用を可能にすることを目的としている。
人間の評価では、テミスで訓練されたRLHFはベースラインと比較して平均32%の勝利率を得る。
論文 参考訳（メタデータ） (2023-10-02T09:47:40Z) - PyRCA: A Library for Metric-based Root Cause Analysis [66.72542200701807]
PyRCAは、AIOps(AIOps)のためのRoot Cause Analysis(RCA)のオープンソースの機械学習ライブラリである。
複雑なメトリクス因果依存性を明らかにし、インシデントの根本原因を自動的に特定する、包括的なフレームワークを提供する。
論文 参考訳（メタデータ） (2023-06-20T09:55:10Z) - A Unified Comparison of User Modeling Techniques for Predicting Data
Interaction and Detecting Exploration Bias [17.518601254380275]
我々は,4つのユーザスタディデータセットの多種多様なセットにおいて,その性能に基づいて8つのユーザモデリングアルゴリズムを比較し,ランク付けする。
本研究は,ユーザインタラクションの分析と可視化のためのオープンな課題と新たな方向性を強調した。
論文 参考訳（メタデータ） (2022-08-09T19:51:10Z) - DAPPER: Label-Free Performance Estimation after Personalization for
Heterogeneous Mobile Sensing [95.18236298557721]
DAPPER(Domain AdaPtation Performance EstimatoR)を提案する。
実世界の6つのベースラインと比較した4つのセンシングデータセットによる評価の結果,DAPPERの精度は39.8%向上した。
論文 参考訳（メタデータ） (2021-11-22T08:49:33Z) - SIFN: A Sentiment-aware Interactive Fusion Network for Review-based Item
Recommendation [48.1799451277808]
本稿では、レビューに基づく項目推薦のための感性認識型インタラクティブフュージョンネットワーク(SIFN)を提案する。
まず、BERTを介してユーザ/イテムレビューをエンコードし、各レビューのセマンティックな特徴を抽出する軽量な感情学習者を提案する。
そこで我々は,感情学習者が明示的な感情ラベルを用いて感情認識特徴を抽出するための感情予測タスクを提案する。
論文 参考訳（メタデータ） (2021-08-18T08:04:38Z) - Project Achoo: A Practical Model and Application for COVID-19 Detection
from Recordings of Breath, Voice, and Cough [55.45063681652457]
コンシューマー端末で録音した音声を用いて、新型コロナウイルスを迅速にトリアージする機械学習手法を提案する。
この手法は,信号処理手法と微調整深層学習ネットワークを組み合わせることで,信号の識別,コークス検出,分類を行う手法を提供する。
我々はまた、症状チェッカーと音声、息、うず信号を使って新型コロナウイルスの感染を検知するモバイルアプリケーションを開発し、展開した。
論文 参考訳（メタデータ） (2021-07-12T08:07:56Z) - The evolving ecosystem of COVID-19 contact tracing applications [0.0]
新型コロナウイルスの感染拡大を受け、デジタル接触追跡への関心が高まっている。
近年の研究では、倫理的接触追跡のガイドラインの形成に主に焦点が当てられている。
本研究では,152の接触追跡アプリケーションについて検討し,倫理的接触追跡に関する既存のガイドラインに適合する範囲について検討した。
論文 参考訳（メタデータ） (2021-03-19T01:38:19Z) - Market-level Analysis of Government-backed COVID-19 Contact Tracing Apps [7.222710562941077]
政府と公衆衛生当局は新型コロナウイルス(COVID-19)の感染拡大を抑制するために、いくつかの接触追跡アプリを立ち上げた。
接触追跡アプリの市場レベルでの最初の分析を行う。
論文 参考訳（メタデータ） (2020-12-20T08:43:03Z) - GoCoronaGo: Privacy Respecting Contact Tracing for COVID-19 Management [5.8374365691194114]
スマートフォンで利用可能なBluetooth技術を用いたコンタクトトラッキング用デジタルアプリが世界中で普及している。
私たちが開発したGoCoronaGoの機関間接触追跡アプリと、意識的かつ時には反抗的な設計選択について説明する。
我々は、デジタルコンタクトの追跡と分析のための研究機会とオープンな課題を、それらから構築された時間的ネットワーク上で強調する。
論文 参考訳（メタデータ） (2020-09-10T14:59:59Z)
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。