論文の概要: Sentiment Analysis of Covid-19 Tweets using Evolutionary Classification-Based LSTM Model

• arxiv url: http://arxiv.org/abs/2106.06910v1
• Date: Sun, 13 Jun 2021 04:27:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2021-06-17 14:49:09.251067
• Title: Sentiment Analysis of Covid-19 Tweets using Evolutionary Classification-Based LSTM Model
• Title（参考訳）: 進化的分類に基づくLSTMモデルを用いたCovid-19ツイートの知覚分析
• Authors: Arunava Kumar Chakraborty, Sourav Das and Anup Kumar Kolya
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.6445605125467573
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: As the Covid-19 outbreaks rapidly all over the world day by day and also affects the lives of million, a number of countries declared complete lock-down to check its intensity. During this lockdown period, social media plat-forms have played an important role to spread information about this pandemic across the world, as people used to express their feelings through the social networks. Considering this catastrophic situation, we developed an experimental approach to analyze the reactions of people on Twitter taking into ac-count the popular words either directly or indirectly based on this pandemic. This paper represents the sentiment analysis on collected large number of tweets on Coronavirus or Covid-19. At first, we analyze the trend of public sentiment on the topics related to Covid-19 epidemic using an evolutionary classification followed by the n-gram analysis. Then we calculated the sentiment ratings on collected tweet based on their class. Finally, we trained the long-short term network using two types of rated tweets to predict sentiment on Covid-19 data and obtained an overall accuracy of 84.46%.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)が世界中で急速に流行し、数百万人の命に影響を及ぼす中、多くの国がその強度を確認するために完全なロックダウンを宣言した。 このロックダウン期間中、ソーシャルメディアのplat-formsは、このパンデミックに関する情報を世界中に広める上で重要な役割を果たしてきた。 このような悲惨な状況を踏まえて,twitter上の人々の反応を,このパンデミックに基づいて直接的あるいは間接的に,acカウントで分析する実験的なアプローチを開発した。 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。 まず、進化的分類とn-gram分析を用いて、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。 そして、そのクラスに基づいて、収集したツイートの感情評価を算出した。 最後に、Covid-19データに対する感情を予測するために、2種類のレーティングツイートを使用して長期ネットワークをトレーニングし、全体の精度84.46%を得た。

関連論文リスト

• Sensing the Pulse of the Pandemic: Geovisualizing the Demographic Disparities of Public Sentiment toward COVID-19 through Social Media [9.906180010952406]
  ソーシャルメディアの利用は人口層によって異なるが、若年ユーザーの方が高齢ユーザーに比べて多い。 本研究は、Twitterデータを用いて、新型コロナウイルスに関する世論感情を推定するケーススタディを通じて、ソーシャルメディア分析における解決策と人口統計バイアスを調査した。
  論文  参考訳（メタデータ） (2023-03-17T02:59:46Z)
• "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)
• Investigating the Impact of COVID-19 on Education by Social Network Mining [1.933681537640272]
  コビッドウイルスと教育に関連する多くのツイートはジオネームスの地理データベースの助けを借りて検討され、ジオタグ付けされている。 コビッド19の確認件数の多い国では, 総ツイート数, 正ツイート数, 負ツイート数の増加傾向が認められた。
  論文  参考訳（メタデータ） (2022-03-13T06:23:16Z)
• American Twitter Users Revealed Social Determinants-related Oral Health Disparities amid the COVID-19 Pandemic [72.44305630014534]
  新型コロナウイルス(COVID-19)パンデミックの期間中に、26州で9,104人のTwitterユーザーから、口腔の健康関連ツイートを収集しました。 女性や若年者(19-29)は口腔の健康問題について話す傾向が強い。 新型コロナウイルス(COVID-19)のリスクが高い郡の人々は、歯の腐敗や歯の出血、歯の破折について語っています。
  論文  参考訳（メタデータ） (2021-09-16T01:10:06Z)
• 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)
• Public risk perception and emotion on Twitter during the Covid-19 pandemic [0.0]
  このテキストの自然言語解析により、公共リスク知覚の指標をほぼリアルタイムで監視することができる。 我々は、パンデミックの進行の疫学的指標と、2000万のユニークなCovid-19関連ツイートから構築されたパンデミックに対する大衆の認識の指標を比較した。 Twitterユーザーはますます死亡率を固定するが、感情的にも分析的にも減少している。
  論文  参考訳（メタデータ） (2020-08-03T13:09:45Z)
• Detecting Topic and Sentiment Dynamics Due to COVID-19 Pandemic Using Social Media [14.662523926129117]
  大規模なソーシャルメディア投稿から、COVID-19による話題や感情のダイナミクスを分析した。 安全な家にいよう」といった話題は肯定的な感情で支配されている。 人の死のような他のものは、常に否定的な感情を示しています。
  論文  参考訳（メタデータ） (2020-07-05T12:05:30Z)
• 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)
• 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。

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。