Fugu-MT 論文翻訳(概要): Analyzing COVID-19 Tweets with Transformer-based Language Models

論文の概要: Analyzing COVID-19 Tweets with Transformer-based Language Models

arxiv url: http://arxiv.org/abs/2104.10259v1
Date: Tue, 20 Apr 2021 21:45:33 GMT
ステータス: 処理完了
システム内更新日: 2021-04-22 14:22:47.607951
Title: Analyzing COVID-19 Tweets with Transformer-based Language Models
Title（参考訳）: トランスフォーマー言語モデルを用いたcovid-19ツイートの分析
Authors: Philip Feldman, Sim Tiwari, Charissa S. L. Cheah, James R. Foulds, Shimei Pan
Abstract要約: 私たちは、いくつかのCOVID-19ツイートコーパスで一連のGPTモデルをトレーニングします。その後、プロンプトベースのクエリーを使用してこれらのモデルを調査し、ソーシャルメディアユーザーの意見の洞察を明らかにします。結果は、様々な社会、政治、公衆衛生問題に関する世論調査に似ている。
参考スコア（独自算出の注目度）: 11.726315753231667
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper describes a method for using Transformer-based Language Models (TLMs) to understand public opinion from social media posts. In this approach, we train a set of GPT models on several COVID-19 tweet corpora. We then use prompt-based queries to probe these models to reveal insights into the opinions of social media users. We demonstrate how this approach can be used to produce results which resemble polling the public on diverse social, political and public health issues. The results on the COVID-19 tweet data show that transformer language models are promising tools that can help us understand public opinions on social media at scale.
Abstract（参考訳）: 本稿では,トランスフォーマーに基づく言語モデル(TLM)を用いて,ソーシャルメディア投稿から世論を理解する手法について述べる。このアプローチでは、いくつかのCOVID-19ツイートコーパスで一連のGPTモデルをトレーニングする。次に、プロンプトベースのクエリを使用してこれらのモデルを探索し、ソーシャルメディアユーザーの意見に関する洞察を明らかにする。様々な社会的、政治的、公衆衛生問題に対する世論調査に類似した結果を生み出すために、このアプローチをどのように利用できるかを実証する。新型コロナウイルス(COVID-19)のツイートデータによると、トランスフォーマー言語モデルは、ソーシャルメディアに関する世論を大規模に理解するための有望なツールである。

関連論文リスト

Transformer Explainer: Interactive Learning of Text-Generative Models [65.91049787390692]
Transformer Explainerは、GPT-2モデルを通じてTransformerについて学ぶために非専門家向けに設計されたインタラクティブな可視化ツールである。ライブのGPT-2インスタンスをユーザのブラウザでローカルに実行し、ユーザが自身の入力を実験し、Transformerの内部コンポーネントとパラメータの協調動作をリアルタイムで観察することを可能にする。
論文参考訳（メタデータ） (2024-08-08T17:49:07Z)
ChatGPT to Replace Crowdsourcing of Paraphrases for Intent Classification: Higher Diversity and Comparable Model Robustness [3.126776200660494]
また,ChatGPTで生成したパラフレーズはより多様であり,少なくともロバストなモデルであることを示す。伝統的に、クラウドソーシングは、さまざまな人間の知性タスクに対するソリューションの獲得に使われてきた。
論文参考訳（メタデータ） (2023-05-22T11:46:32Z)
Detection of depression on social networks using transformers and ensembles [3.997016051942249]
ソーシャルメディア投稿からの抑うつ検出のための学習済み言語モデルに基づく大規模分類器を複数構築する。われわれは、RedditとTwitterのソーシャルプラットフォームによる2つのデータ集合におけるモデルの性能を分析した。
論文参考訳（メタデータ） (2023-05-09T10:21:14Z)
TwHIN-BERT: A Socially-Enriched Pre-trained Language Model for Multilingual Tweet Representations at Twitter [31.698196219228024]
TwHIN-BERTはTwitterで制作された多言語言語モデルである。私たちのモデルは、100以上の異なる言語をカバーする70億のツイートで訓練されています。我々は,多言語ソーシャルレコメンデーションと意味理解タスクにおけるモデルの評価を行った。
論文参考訳（メタデータ） (2022-09-15T19:01:21Z)
5q032e@SMM4H'22: Transformer-based classification of premise in tweets related to COVID-19 [2.3931689873603603]
本研究では,Twitterテキストにおける前提の存在を分類するために,トランスフォーマーアーキテクチャに基づく予測モデルを提案する。 Twitterデータセットを用いた実験の結果,RoBERTaは前提予測タスクの場合,他のトランスフォーマーモデルよりも優れていることがわかった。
論文参考訳（メタデータ） (2022-09-08T14:46:28Z)
BERTuit: Understanding Spanish language in Twitter through a native transformer [70.77033762320572]
bfBERTuitは、これまでスペイン語のために提案された大きなトランスフォーマーで、2億3000万のスペイン語ツイートの膨大なデータセットで事前トレーニングされている。私たちのモチベーションは、スペイン語のTwitterをよりよく理解し、このソーシャルネットワークにフォーカスしたアプリケーションに利用するための強力なリソースを提供することです。
論文参考訳（メタデータ） (2022-04-07T14:28:51Z)
A New Generation of Perspective API: Efficient Multilingual Character-level Transformers [66.9176610388952]
Google JigsawのAspective APIの次期バージョンの基礎を提示する。このアプローチの中心は、単一の多言語トークンフリーなCharformerモデルである。静的な語彙を強制することで、さまざまな設定で柔軟性が得られます。
論文参考訳（メタデータ） (2022-02-22T20:55:31Z)
Exploiting BERT For Multimodal Target SentimentClassification Through Input Space Translation [75.82110684355979]
オブジェクト認識変換器を用いて入力空間内の画像を変換する2ストリームモデルを提案する。次に、翻訳を利用して、言語モデルに多モーダル情報を提供する補助文を構築する。 2つのマルチモーダルTwitterデータセットで最先端のパフォーマンスを実現する。
論文参考訳（メタデータ） (2021-08-03T18:02:38Z)
COVID-19 Tweets Analysis through Transformer Language Models [0.0]
本研究では、COVID-19におけるツイートの詳細な感情分析を行う。訓練されたトランスフォーマーモデルは、ツイートのトーンを高精度で正確に予測することができる。次にこのモデルを利用して、covid-19の20万ツイートのトーンを予測する。
論文参考訳（メタデータ） (2021-02-27T12:06:33Z)
Improving Sentiment Analysis over non-English Tweets using Multilingual Transformers and Automatic Translation for Data-Augmentation [77.69102711230248]
我々は、英語のつぶやきを事前学習し、自動翻訳を用いてデータ拡張を適用して非英語の言語に適応する多言語トランスフォーマーモデルを提案する。我々のフランス語、スペイン語、ドイツ語、イタリア語での実験は、この手法が非英語のツイートの小さなコーパスよりも、トランスフォーマーの結果を改善する効果的な方法であることを示唆している。
論文参考訳（メタデータ） (2020-10-07T15:44:55Z)
Multimodal Matching Transformer for Live Commenting [97.06576354830736]
自動的なライブコメントは、視聴者にリアルタイムでビデオに対するコメントを提供することを目的としている。このタスクの最近の研究は、コメントを生成するエンコーダ-デコーダモデルを採用している。本稿では,コメント,視覚,音声間の関係を捉えるマルチモーダルマッチング変換器を提案する。
論文参考訳（メタデータ） (2020-02-07T07:19:15Z)

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。