論文の概要: A Dynamic Topic Identification and Labeling Approach of COVID-19 Tweets
- arxiv url: http://arxiv.org/abs/2109.02462v1
- Date: Fri, 13 Aug 2021 16:51:04 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-12 13:31:21.758032
- Title: A Dynamic Topic Identification and Labeling Approach of COVID-19 Tweets
- Title(参考訳): 新型コロナウイルスのツイートの動的トピック識別とラベル付け手法
- Authors: Khandaker Tayef Shahriar, Iqbal H. Sarker, Muhammad Nazrul Islam and
Mohammad Ali Moni
- Abstract要約: 新型コロナウイルスの感染拡大は、世界中の多くの人々のソーシャルメディア利用に影響している。
本稿では、新型コロナウイルスのツイートの適切なラベルで重要なトピックを動的に識別する問題を定式化し、より広範な世論を概説する。
- 参考スコア(独自算出の注目度): 3.097385298197292
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper formulates the problem of dynamically identifying key topics with
proper labels from COVID-19 Tweets to provide an overview of wider public
opinion. Nowadays, social media is one of the best ways to connect people
through Internet technology, which is also considered an essential part of our
daily lives. In late December 2019, an outbreak of the novel coronavirus,
COVID-19 was reported, and the World Health Organization declared an emergency
due to its rapid spread all over the world. The COVID-19 epidemic has affected
the use of social media by many people across the globe. Twitter is one of the
most influential social media services, which has seen a dramatic increase in
its use from the epidemic. Thus dynamic extraction of specific topics with
labels from tweets of COVID-19 is a challenging issue for highlighting
conversation instead of manual topic labeling approach. In this paper, we
propose a framework that automatically identifies the key topics with labels
from the tweets using the top Unigram feature of aspect terms cluster from
Latent Dirichlet Allocation (LDA) generated topics. Our experiment result shows
that this dynamic topic identification and labeling approach is effective
having the accuracy of 85.48\% with respect to the manual static approach.
- Abstract(参考訳): 本稿では、新型コロナウイルスのツイートの適切なラベルで重要なトピックを動的に識別する問題を定式化し、より広範な世論を概説する。
現在、ソーシャルメディアはインターネット技術を通じて人々を繋ぐ最良の方法の1つであり、これは私たちの日常生活にとって不可欠な部分だと考えられている。
2019年12月下旬、新型コロナウイルス(COVID-19)の流行が報告され、世界保健機関(WHO)は世界中で急速に拡散しているため緊急事態を宣言した。
新型コロナウイルスの感染拡大は、世界中の多くの人々のソーシャルメディア利用に影響している。
Twitterは最も影響力のあるソーシャルメディアサービスの一つで、パンデミックによる利用が劇的に増加した。
このように、covid-19のツイートからラベル付き特定のトピックを動的に抽出することは、手動のトピックラベル付けアプローチではなく、会話を強調する上で難しい問題である。
本稿では,ラテント・ディリクレ・アロケーション(LDA)生成トピックのアスペクト項クラスタの上位Unigram機能を用いて,ツイートからのラベル付きキートピックを自動的に識別するフレームワークを提案する。
実験の結果,この動的トピック識別とラベル付け手法は,手動の静的アプローチに対して85.48\%の精度で有効であることがわかった。
関連論文リスト
- Towards Scalable Topic Detection on Web via Simulating Levy Walks Nature of Topics in Similarity Space [55.97416108140739]
類似性空間におけるLevi Walk自然をシミュレートすることで,グループトピックに対する新しい,しかし非常に強力なExplore-Exploit(EE)アプローチを提案する。
2つの公開データセットの実験により、我々の手法は、有効性の観点からは最先端の手法に匹敵するだけでなく、効率面では最先端の手法よりも著しく優れていることが示された。
論文 参考訳(メタデータ) (2024-07-26T07:19:46Z) - Exploring a Hybrid Deep Learning Framework to Automatically Discover
Topic and Sentiment in COVID-19 Tweets [2.3940819037450987]
新型コロナウイルスは、世界的な公衆衛生問題や、経済危機、失業、精神的苦痛などの問題を引き起こしている。
このパンデミックは世界中で致命的であり、多くの人々が感染症だけでなく、問題、ストレス、不思議、恐怖、恨み、憎しみに悩まされている。
Twitterは、非常に影響力のあるソーシャルメディアプラットフォームであり、健康関連情報、ニュース、意見、世論などの重要な情報源である。
論文 参考訳(メタデータ) (2023-12-02T16:58:17Z) - HuBERTopic: Enhancing Semantic Representation of HuBERT through
Self-supervision Utilizing Topic Model [62.995175485416]
本稿では,HuBERTのセマンティック表現を豊かにするための新しいアプローチを提案する。
トピックラベルを教師として使用することにより、HuBERTに補助的なトピック分類タスクを追加する。
実験の結果,本手法は,ほとんどのタスクにおいて,ベースラインと同等あるいは優れた性能を達成できることがわかった。
論文 参考訳(メタデータ) (2023-10-06T02:19:09Z) - ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。
この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。
我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
論文 参考訳(メタデータ) (2023-05-23T16:40:07Z) - Changes in European Solidarity Before and During COVID-19: Evidence from
a Large Crowd- and Expert-Annotated Twitter Dataset [77.27709662210363]
我々は,NLPにおける教師付き機械学習の新たな課題として,社会的連帯という社会科学的概念とその競争,反連帯の概念を導入する。
我々は,複数のアノテータと2つのアノテーションアプローチ(専門家対群衆)を利用して,(反)整合性表現のための2.3kの英語とドイツ語のつぶやきを注釈する。
今回の結果は、新型コロナウイルス危機で連帯がますます健全になり、競争が激化したことを示している。
論文 参考訳(メタデータ) (2021-08-02T17:03:12Z) - 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) - Pulse of the Pandemic: Iterative Topic Filtering for Clinical
Information Extraction from Social Media [1.5938324336156293]
新型コロナウイルスのパンデミックの急速な進展は、公衆衛生上の緊急事態において、最新の臨床知識を急速に広める必要性を浮き彫りにした。
ソーシャルメディアデータから臨床関連情報を抽出するための,教師なしかつ反復的なアプローチを提案する。
このアプローチは、約5200万件の新型コロナウイルス関連ツイートから、臨床関連性の高い詳細なトピックやツイートを特定する。
論文 参考訳(メタデータ) (2021-02-13T01:01:04Z) - Understanding the Spatio-temporal Topic Dynamics of Covid-19 using
Nonnegative Tensor Factorization: A Case Study [1.6328866317851185]
本稿では、ソーシャルメディアデータにおける話題を特定するために、ソーシャルメディアデータと非負因子化(NTF)の表現を提案する。
オーストラリアのTwitterスフィアに関するケーススタディでは、Covid-19のトピックのダイナミクスを視覚化する。
論文 参考訳(メタデータ) (2020-09-19T15:16:28Z) - 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) - Privacy-Aware Recommender Systems Challenge on Twitter's Home Timeline [47.434392695347924]
ACM RecSysが主催するRecSys 2020 Challengeは、このデータセットを使用してTwitterと提携している。
本稿では,ユーザエンゲージメントを予測しようとする研究者や専門家が直面する課題について述べる。
論文 参考訳(メタデータ) (2020-04-28T23:54:33Z) - COVID-19 on Social Media: Analyzing Misinformation in Twitter
Conversations [22.43295864610142]
私たちは、2020年3月1日からTwitter APIを使用して、COVID-19に関連するストリーミングデータを収集しました。
事実確認情報をもとに、信頼できない内容と誤解を招く内容を特定した。
偽情報ツイートで宣伝された物語と、これらのツイートとのエンゲージメントの分配について検討した。
論文 参考訳(メタデータ) (2020-03-26T09:48:24Z)
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。