論文の概要: Event-driven timeseries analysis and the comparison of public reactions on COVID-19

• arxiv url: http://arxiv.org/abs/2104.14777v1
• Date: Fri, 30 Apr 2021 06:14:53 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-03 23:45:36.233919
• Title: Event-driven timeseries analysis and the comparison of public reactions on COVID-19
• Title（参考訳）: イベント駆動型時系列分析とCOVID-19に対する公衆反応の比較
• Authors: Md. Khayrul Bashar
• Abstract要約: 新型コロナウイルスの急速な拡大は、すでに世界中の人間の生活に影響を与えている。 新型コロナウイルスの急速な拡大は、すでに世界中の人間の生活に影響を与えている。 本研究では,日本,米国,英国,オーストラリアからの公開ツイートを用いて,上記の質問に答えるためにルールベースと機械学習モデルを適用した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid spread of COVID-19 has already affected human lives throughout the globe. Governments of different countries have taken various measures, but how they affected people lives is not clear. In this study, a rule-based and a machine-learning based models are applied to answer the above question using public tweets from Japan, USA, UK, and Australia. Two polarity timeseries (meanPol and pnRatio) and two events, namely "lockdown or emergency (LED)" and "the economic support package (ESP)", are considered in this study. Statistical testing on the sub-series around LED and ESP events showed their positive impacts to the people of (UK and Australia) and (USA and UK), respectively unlike Japanese people that showed opposite effects. Manual validation with the relevant tweets showed an agreement with the statistical results. A case study with Japanese tweets using supervised logistic regression classifies tweets into heath-worry, economy-worry and other classes with 83.11% accuracy. Predicted tweets around events re-confirm the statistical outcomes.
• Abstract（参考訳）: 新型コロナウイルスの急速な拡大は、すでに世界中の人間の生活に影響を与えている。 各国政府は様々な措置を講じているが、その影響は明らかではない。 本研究では,日本,米国,英国,オーストラリアからの公開ツイートを用いて,上記の質問に答えるためにルールベースと機械学習モデルを適用した。 本研究は,2つの極性時間(meanPolとpnRatio)と2つのイベント,すなわち「ロックダウンまたは緊急(LED)」と「経済支援パッケージ(ESP)」について考察する。 ledイベントとespイベントを中心としたサブシリーズの統計テストでは、それぞれ、反対の効果を示した日本人と異なり、(英国とオーストラリア)と(米国と)の人々にポジティブな影響が見られた。 関連するツイートに対する手動検証は、統計結果と一致した。 教師付きロジスティック回帰を用いた日本語ツイートのケーススタディは、ツイートを83.11%の正確さでヒース・ウーリー、エコノミー・ウーリー、その他のクラスに分類する。 イベントに関する予測ツイートは、統計結果を再確認する。

関連論文リスト

• Attitudes Towards Migration in a COVID-19 Context: Testing a Behavioral Immune System Hypothesis with Twitter Data [0.0]
  行動免疫システム(BIS)は、病原体に直面すると心理的メカニズムが活性化されることを示唆している。 本研究の目的は、感染性疾患の脅威下で、少数民族や外国集団の拒絶を強くする傾向があるかどうかをテストすることである。
  論文  参考訳（メタデータ） (2024-05-22T22:30:46Z)
• CrisisMatch: Semi-Supervised Few-Shot Learning for Fine-Grained Disaster Tweet Classification [51.58605842457186]
  半教師付き, 少数ショットの学習環境下で, 微粒な災害ツイート分類モデルを提案する。 私たちのモデルであるCrisisMatchは、ラベルなしデータと大量のラベルなしデータを用いて、ツイートを関心の細かいクラスに効果的に分類する。
  論文  参考訳（メタデータ） (2023-10-23T07:01:09Z)
• Characterizing the Emotion Carriers of COVID-19 Misinformation and Their Impact on Vaccination Outcomes in India and the United States [0.5936652393309938]
  新型コロナウイルス(COVID-19)のインフォデミックは、世界規模での健康行動や結果に前例のない影響を与えた。 嫌悪感、期待、怒りは、米国での偽情報ツイートの増加と関連づけられた。 インドでは偽情報率は予防接種とリード関係を示し、アメリカでは予防接種に遅れを取っていた。
  論文  参考訳（メタデータ） (2023-06-24T12:56:56Z)
• The Spread of Propaganda by Coordinated Communities on Social Media [43.2770127582382]
  我々は、2019年イギリス総選挙に関する大規模なTwitterデータセット上で、プロパガンダの拡散とその協調行動との相互作用を分析する。 プロパガンダの利用と協調行動を組み合わせることで、異なるコミュニティの真正性と有害性を明らかにすることができる。
  論文  参考訳（メタデータ） (2021-09-27T13:39:10Z)
• Sentiment Analysis of Covid-19 Tweets using Evolutionary Classification-Based LSTM Model [0.6445605125467573]
  本稿では,コロナウイルスやコビッドウイルスに関する大量のツイートの感情分析について述べる。 我々は、進化的分類とn-gram分析によるCovid-19流行に関連するトピックに対する世論感情の傾向を分析した。 我々は、Covid-19のデータに対する感情を予測するために、2種類の評価されたつぶやきを使用して、長期間のネットワークを訓練し、全体の精度は84.46%に達した。
  論文  参考訳（メタデータ） (2021-06-13T04:27:21Z)
• 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-Cultural Polarity and Emotion Detection Using Sentiment Analysis and Deep Learning -- a Case Study on COVID-19 [2.983310828879753]
  ソーシャルメディアは、新型コロナウイルス(COVID-19)に対する肯定的な感情と否定的な感情、パンデミック、ロックダウン、ハッシュタグを含む投稿で攻撃を受けた。 この研究は、パンデミックとロックダウン期間の初期段階で示された感情の極性と感情を検出し、分析する傾向がある。
  論文  参考訳（メタデータ） (2020-08-23T12:43:26Z)
• Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
  われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。 実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
  論文  参考訳（メタデータ） (2020-06-05T02:04:25Z)
• Detecting Perceived Emotions in Hurricane Disasters [62.760131661847986]
  私たちはHurricaneEmoを紹介します。HurricaneEmoは、Harvey、Irma、Mariaの3つのハリケーンにまたがる15,000の英語ツイートの感情データセットです。 本稿では, きめ細かい感情を包括的に研究し, 粗い感情群を識別するための分類タスクを提案する。
  論文  参考訳（メタデータ） (2020-04-29T16:17:49Z)
• Adversarial Fooling Beyond "Flipping the Label" [54.23547006072598]
  CNNは、多くの重要なタスクにおいて、人間に近いか、人間のパフォーマンスよりも優れていることを示す。 これらの攻撃は、実際の展開において潜在的に危険である。 異なるCNNアーキテクチャの集合に対するいくつかの重要な敵攻撃を包括的に分析する。
  論文  参考訳（メタデータ） (2020-04-27T13:21:03Z)
• Word frequency and sentiment analysis of twitter messages during Coronavirus pandemic [0.0]
  このソーシャルネットワーキングサイト、Twitterは、新型コロナウイルス関連の投稿数がごく短い期間で前例のない伸びを見せたのと同じような効果を示した。 本稿では、2020年1月から投稿されたこの病気に関連するTwitterメッセージの統計分析について述べる。 その結果、ほとんどのツイートは正の極性を持ち、15%程度しか否定的でないことがわかった。
  論文  参考訳（メタデータ） (2020-04-08T10:45:08Z)

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。