論文の概要: Extracting Major Topics of COVID-19 Related Tweets

• arxiv url: http://arxiv.org/abs/2110.01876v1
• Date: Tue, 5 Oct 2021 08:40:51 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-06 13:56:09.773397
• Title: Extracting Major Topics of COVID-19 Related Tweets
• Title（参考訳）: 新型コロナウイルス関連ツイートの主要トピックの抽出
• Authors: Faezeh Azizi, Hamed Vahdat-Nejad, Hamideh Hajiabadi, Mohammad Hossein Khosravi
• Abstract要約: トピックモデリング手法を用いて,全国の検疫期間(2020年3月23日～6月23日)に,Covid-19のツイートからグローバルトピックを抽出する。 また,世界と4カ国の話題の時間的傾向を分析した。
• 参考スコア（独自算出の注目度）: 2.867517731896504
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: With the outbreak of the Covid-19 virus, the activity of users on Twitter has significantly increased. Some studies have investigated the hot topics of tweets in this period; however, little attention has been paid to presenting and analyzing the spatial and temporal trends of Covid-19 topics. In this study, we use the topic modeling method to extract global topics during the nationwide quarantine periods (March 23 to June 23, 2020) on Covid-19 tweets. We implement the Latent Dirichlet Allocation (LDA) algorithm to extract the topics and then name them with the "reopening", "death cases", "telecommuting", "protests", "anger expression", "masking", "medication", "social distance", "second wave", and "peak of the disease" titles. We additionally analyze temporal trends of the topics for the whole world and four countries. By analyzing the graphs, fascinating results are obtained from altering users' focus on topics over time.
• Abstract（参考訳）: 新型コロナウイルスの感染拡大に伴い、Twitter上のユーザーの活動は大幅に増加した。 この時期のつぶやきの話題を調査する研究もあるが、Covid-19の話題の空間的・時間的傾向を提示・分析するためにはほとんど注目されていない。 本研究では,2020年3月23日から6月23日にかけての全国検疫期間におけるグローバルトピックの抽出にトピックモデリング手法を用いた。 潜在ディリクレ割当 (latent dirichlet allocation, lda) アルゴリズムを実装し,トピックを抽出して "reopening", "death cases", "telecommuting", "protests", "anger expression", "masking", "medication", "social distance", "second wave", "peak of the disease" と命名する。 さらに、世界と4カ国におけるトピックの時間的傾向についても分析する。 グラフの分析により、ユーザのトピックに対するフォーカスを時間とともに変更することで、興味深い結果が得られる。

関連論文リスト

• "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)
• 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)
• Leveraging Natural Language Processing to Mine Issues on Twitter During the COVID-19 Pandemic [0.3674863913115431]
  新型コロナウイルス感染症(COVID-19)の世界的な流行が世界中に広がった。 パンデミックに対する公衆の懸念や対応を理解するためには、機械学習技術を利用して無関係なツイートをフィルタリングするシステムが必要である。 本研究では,2020年1月1日から2020年4月30日までの間に,新型コロナウイルスのパンデミックに関連するツイートを識別するシステムを構築した。
  論文  参考訳（メタデータ） (2020-10-31T22:26:26Z)
• 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)
• 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)
• Twitter discussions and emotions about COVID-19 pandemic: a machine learning approach [0.0]
  我々は、2020年3月1日から4月21日にかけての「コロナウイルス」「新型コロナウイルス」「隔離」など25のハッシュタグのリストを用いて、新型コロナウイルスのパンデミックに関連する400万のTwitterメッセージを分析した。 我々は、13の議論トピックを特定し、それらを「新型コロナウイルスの拡散を遅らせるための公衆衛生措置」、「新型コロナウイルスに関連する社会的汚職」、「米国でのコロナウイルスのニュースと死」、「世界の他の場所でのコロナウイルスのケース」など、5つの異なるテーマに分類する。
  論文  参考訳（メタデータ） (2020-05-26T16:10:02Z)
• Public discourse and sentiment during the COVID-19 pandemic: using Latent Dirichlet Allocation for topic modeling on Twitter [10.857375706178622]
  この研究は、Twitterユーザーの新型コロナウイルスに対する言論と心理的反応を理解することを目的としている。 私たちは、2020年1月23日から3月7日までに収集された新型コロナウイルスに関連する約190万のツイートを分析するために、機械学習技術を使用します。 結果は、Twitterで一般的なトピックとして、治療や症状に関連するメッセージを明らかにしない。
  論文  参考訳（メタデータ） (2020-05-18T15:50:38Z)
• Exploratory Analysis of Covid-19 Tweets using Topic Modeling, UMAP, and DiGraphs [36.33347149799959]
  本稿では,Covid19 ツイートのトピック,キーワード,特徴,情報拡散の速度,ネットワーク行動の5つの異なる評価手法について述べる。 米国のケースに特有なトピックは、ホワイトハウスのコロナウイルス対策部隊のブリーフィングの後すぐに上昇し始めるだろう。 この分析の最も単純な特徴の1つは、正規表現のような初期記述的手法がハイレベルなテーマをうまく識別できることである。
  論文  参考訳（メタデータ） (2020-05-06T19:16:38Z)
• 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)
• A Study of Knowledge Sharing related to Covid-19 Pandemic in Stack Overflow [69.5231754305538]
  主に2020年2月と3月に投稿された464のStack Overflowに関する質問と、テキストマイニングの力を活用した調査。 事実、この世界的な危機はStack Overflowにおける活動の激化を招き、ほとんどのトピックは、Covid-19データ分析に対する強い関心を反映している。
  論文  参考訳（メタデータ） (2020-04-18T08:19:46Z)

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。