Fugu-MT 論文翻訳(概要): TweetCOVID: A System for Analyzing Public Sentiments and Discussions about COVID-19 via Twitter Activities

論文の概要: TweetCOVID: A System for Analyzing Public Sentiments and Discussions about COVID-19 via Twitter Activities

arxiv url: http://arxiv.org/abs/2103.01472v1
Date: Tue, 2 Mar 2021 05:00:41 GMT
ステータス: 処理完了
システム内更新日: 2023-04-09 12:29:02.134696
Title: TweetCOVID: A System for Analyzing Public Sentiments and Discussions about COVID-19 via Twitter Activities
Title（参考訳）: TweetCOVID: 公衆の感情を分析し、Twitterのアクティビティを通じてCOVID-19に関する議論を行うシステム
Authors: Jolin Shaynn-Ly Kwan, Kwan Hui Lim
Abstract要約: TweetCOVIDは、新型コロナウイルス(COVID-19)パンデミックに対する大衆の反応を、その感情、感情、関心のトピック、議論の的となっている議論の観点から理解する機能を提供する。
参考スコア（独自算出の注目度）: 0.3121997724420106
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The COVID-19 pandemic has created widespread health and economical impacts, affecting millions around the world. To better understand these impacts, we present the TweetCOVID system that offers the capability to understand the public reactions to the COVID-19 pandemic in terms of their sentiments, emotions, topics of interest and controversial discussions, over a range of time periods and locations, using public tweets. We also present three example use cases that illustrates the usefulness of our proposed TweetCOVID system.
Abstract（参考訳）: 新型コロナウイルス(covid-19)のパンデミックは、世界中の数百万人に影響を与える広範な健康と経済的影響を生み出した。これらの影響をよりよく理解するために、私たちは、公開ツイートを使用して、さまざまな時間と場所について、彼らの感情、感情、関心のトピック、議論の議論の観点から、COVID-19パンデミックに対する公衆の反応を理解する能力を提供するTweetCOVIDシステムを紹介します。また、提案したTweetCOVIDシステムの有用性を示す3つの例を挙げる。

関連論文リスト

Exploring celebrity influence on public attitude towards the COVID-19 pandemic: social media shared sentiment analysis [0.7340017786387767]
新型コロナウイルスのパンデミックに関連する感情を共有するために、人々はソーシャルメディアに目を向けてきた。公衆の言論の方向性を決定する上で,公衆の目で共有されるソーシャルメッセージの役割について検討した。以上の結果から,個人が公開眼で共有するメッセージに共通する感情的コンテンツの一貫したパターンの存在が示唆された。
論文参考訳（メタデータ） (2023-02-23T21:56:50Z)
"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)
The relationship between sentiment score and COVID-19 cases in the United States [0.0]
我々は、新型コロナウイルス関連ツイートから感情スコアと意見を抽出する枠組みを検討する。ユーザーの感情と米国中の新型コロナウイルス感染者を結びつけるとともに、特定の新型コロナウイルスのマイルストーンが公衆の感情に与える影響を調査します。
論文参考訳（メタデータ） (2022-01-09T01:07:13Z)
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)
CML-COVID: A Large-Scale COVID-19 Twitter Dataset with Latent Topics, Sentiment and Location Information [0.0]
CML-COVID(CML-COVID)は、新型コロナウイルス(COVID-19)による5,977,653人のツイート19,298,967万件のTwitterデータセットである。これらのツイートは、2020年3月から7月にかけて、新型コロナウイルスに関連する質問文、コビッド、マスクを使って収集された。
論文参考訳（メタデータ） (2021-01-28T18:59:10Z)
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)
Analyzing COVID-19 on Online Social Media: Trends, Sentiments and Emotions [44.92240076313168]
我々は、2020年1月20日から2020年5月11日までの間に、TwitterとWeiboの投稿に基づいて、アメリカ人と中国人の感情的な軌跡を分析した。中国と国連の2つの非常に異なる国とは対照的に、異なる文化におけるCOVID-19に対する人々の見解に顕著な違いが浮かび上がっている。我々の研究は、公共の感情やパンデミックに対する懸念をリアルタイムで明らかにするための計算的アプローチを提供し、政策立案者が人々のニーズをよりよく理解し、それによって最適な政策を立案するのに役立つ可能性がある。
論文参考訳（メタデータ） (2020-05-29T09:24:38Z)
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)
The Ivory Tower Lost: How College Students Respond Differently than the General Public to the COVID-19 Pandemic [66.80677233314002]
新型コロナウイルス感染症(COVID-19)のパンデミックは、政府に究極の課題を提示した。米国では、新型コロナウイルス感染者が最も多い国で、全国的なソーシャルディスタンシングプロトコルが大統領によって実施されている。本稿では,この対話型社会における前例のない破壊の社会的意義を,ソーシャルメディア上での人々の意見のマイニングによって発見することを目的とする。
論文参考訳（メタデータ） (2020-04-21T13:02:38Z)

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。