論文の概要: Sentiment Analysis on the News to Improve Mental Health

• arxiv url: http://arxiv.org/abs/2108.07706v1
• Date: Thu, 5 Aug 2021 18:07:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-19 06:56:58.356577
• Title: Sentiment Analysis on the News to Improve Mental Health
• Title（参考訳）: メンタルヘルス改善のためのニュースに対する感情分析
• Authors: Saurav Kumar, Rushil Jayant, Nihaar Charagulla
• Abstract要約: クリックによる収益化によって、ジャーナリストはオンラインニュースの競争の激しい雰囲気のためにコンテンツを優先順位付けした。 我々は、Sequential、LSTM、BERT、SVMモデルを使用して、さまざまなデータセットでトレーニングされた4つの感情分析モデルのパイプラインを利用した。 モバイルアプリが組み合わさると、ユーザーが読むストーリーが盛り上がってインスパイアされる。 1,300人のユーザーが4.9の星でアプリを評価し、85%がそれを使ってメンタルヘルスを改善したと報告している。
• 参考スコア（独自算出の注目度）: 2.062593640149623
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The popularization of the internet created a revitalized digital media. With monetization driven by clicks, journalists have reprioritized their content for the highly competitive atmosphere of online news. The resulting negativity bias is harmful and can lead to anxiety and mood disturbance. We utilized a pipeline of 4 sentiment analysis models trained on various datasets - using Sequential, LSTM, BERT, and SVM models. When combined, the application, a mobile app, solely displays uplifting and inspiring stories for users to read. Results have been successful - 1,300 users rate the app at 4.9 stars, and 85% report improved mental health by using it.
• Abstract（参考訳）: インターネットの普及は、デジタルメディアの再生を生み出した。 クリックによる収益化によって、ジャーナリストはコンテンツをオンラインニュースの競争の激しい雰囲気に優先した。 結果として生じる負性バイアスは有害であり、不安や気分障害を引き起こす。 我々は、Sequential、LSTM、BERT、SVMモデルを使用して、さまざまなデータセットでトレーニングされた4つの感情分析モデルのパイプラインを利用した。 モバイルアプリが組み合わさると、ユーザーが読むことができるように、隆起とインスパイアなストーリーだけを表示する。 1,300人のユーザーが4.9の星でアプリを評価し、85%がそれを使ってメンタルヘルスを改善した。

関連論文リスト

• An Image is Worth a Thousand Toxic Words: A Metamorphic Testing Framework for Content Moderation Software [64.367830425115]
  ソーシャルメディアプラットフォームは、ヘイトスピーチ、悪意のある広告、ポルノなど、有害なコンテンツを拡散するためにますます悪用されている。 コンテンツモデレーション手法の開発と展開に多大な努力を払っているにもかかわらず、悪意のあるユーザは、テキストを画像に埋め込むことでモデレーションを回避することができる。 コンテンツモデレーションソフトウェアのためのメタモルフィックテストフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-08-18T20:33:06Z)
• A Comprehensive Picture of Factors Affecting User Willingness to Use Mobile Health Applications [62.60524178293434]
  本研究の目的は,mHealthアプリのユーザ受け入れに影響を与える要因を検討することである。 利用者のデジタルリテラシーは、個人情報を共有するオンライン習慣に続き、使用意欲に最も強い影響を与える。 居住国、年齢、民族、教育などの利用者の人口統計学的背景は、顕著な緩和効果がある。
  論文  参考訳（メタデータ） (2023-05-10T08:11:21Z)
• Detecting Reddit Users with Depression Using a Hybrid Neural Network SBERT-CNN [18.32536789799511]
  うつ病は広範なメンタルヘルスの問題であり、世界の人口の3.8%に影響を及ぼしている。 本稿では,事前訓練された文BERT(SBERT)と畳み込みニューラルネットワーク(CNN)を組み合わせたハイブリッドディープラーニングモデルを提案する。 このモデルは精度0.86とF1スコア0.86を達成し、文学における他の機械学習モデルによる最先端の文書化結果(F1スコア0.79)を上回った。
  論文  参考訳（メタデータ） (2023-02-03T06:22:18Z)
• Unveiling the Hidden Agenda: Biases in News Reporting and Consumption [59.55900146668931]
  イタリアのワクチン論争に関する6年間のデータセットを構築し、物語と選択バイアスを特定するためにベイジアン潜在空間モデルを採用する。 バイアスとエンゲージメントの間に非線形な関係が見られ、極端な位置へのエンゲージメントが高くなった。 Twitter上でのニュース消費の分析は、同様のイデオロギー的な立場のニュースメディアの間で、一般的なオーディエンスを明らかにしている。
  論文  参考訳（メタデータ） (2023-01-14T18:58:42Z)
• Fine-tuned Sentiment Analysis of COVID-19 Vaccine-Related Social Media Data: Comparative Study [0.7874708385247353]
  本研究は、RedditとTwitterの2つの人気ソーシャルメディアプラットフォーム上で表現された新型コロナウイルスワクチンに関する公衆の感情を調査し、比較した。 私たちは、約950万のツイートと7万のRedditコメントの感情を予測するために、微調整されたDistilRoBERTaモデルを作成しました。 その結果、Twitter上で表現される平均的な感情は、ポジティブよりもネガティブ(52%)であることが判明した。
  論文  参考訳（メタデータ） (2022-10-17T16:22:18Z)
• Human Brains Can't Detect Fake News: A Neuro-Cognitive Study of Textual Disinformation Susceptibility [2.131521514043068]
  フェイクニュース」は間違いなくインターネット上で最も重要な脅威の1つです。 フェイクニュースは、インターネットユーザーが偽のニュース記事やスニペットを読んだ後に正当であると認識しているかどうかをひそかに攻撃する。 脳波による偽ニュース・実ニュースに関連する神経基盤について検討する。
  論文  参考訳（メタデータ） (2022-07-18T04:31:07Z)
• Mental Illness Classification on Social Media Texts using Deep Learning and Transfer Learning [55.653944436488786]
  世界保健機関(WHO)によると、約4億5000万人が影響を受ける。 うつ病、不安症、双極性障害、ADHD、PTSDなどの精神疾患。 本研究では、Redditプラットフォーム上の非構造化ユーザデータを分析し、うつ病、不安、双極性障害、ADHD、PTSDの5つの一般的な精神疾患を分類する。
  論文  参考訳（メタデータ） (2022-07-03T11:33:52Z)
• News consumption and social media regulations policy [70.31753171707005]
  我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。 以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。 Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
  論文  参考訳（メタデータ） (2021-06-07T19:26:32Z)
• Causal Understanding of Fake News Dissemination on Social Media [50.4854427067898]
  我々は、ユーザーがフェイクニュースを共有するのに、ユーザー属性が何をもたらすかを理解することが重要だと論じている。 偽ニュース拡散において、共同創設者は、本質的にユーザー属性やオンライン活動に関連する偽ニュース共有行動によって特徴づけられる。 本稿では,偽ニュース拡散における選択バイアスを軽減するための原則的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-10-20T19:37:04Z)
• News Sentiment Analysis [0.0]
  本稿では,レキシコンを用いたニュース記事の感情分析手法を提案する。 この実験はBBCのニュースデータセットで実施されており、採用されたアプローチの適用性と妥当性を示している。
  論文  参考訳（メタデータ） (2020-07-05T05:15:35Z)
• Predicting User Emotional Tone in Mental Disorder Online Communities [2.365702128814616]
  我々は、Redditコミュニティにおける精神障害に関する議論が、ユーザーの健康状態を改善するのにどのように役立つかを分析した。 感情状態のプロキシとしてユーザ記述の感情的トーンを用いて,ユーザインタラクションと状態変化の関係を明らかにする。 我々は、感情的トーンの変化を予測するために、SOTAテキスト埋め込み技術とRNNに基づくモデルを構築した。
  論文  参考訳（メタデータ） (2020-05-15T11:25:08Z)

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。