論文の概要: An Analysis of COVID-19 Knowledge Graph Construction and Applications

• arxiv url: http://arxiv.org/abs/2110.04932v1
• Date: Sun, 10 Oct 2021 23:58:57 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-12 18:28:19.238948
• Title: An Analysis of COVID-19 Knowledge Graph Construction and Applications
• Title（参考訳）: 新型コロナウイルスのナレッジグラフの構築とその応用に関する分析
• Authors: Dominic Flocco, Bryce Palmer-Toy, Ruixiao Wang, Hongyu Zhu, Rishi Sonthalia, Junyuan Lin, Andrea L. Bertozzi and P. Jeffrey Brantingham
• Abstract要約: ロサンゼルス地域では、新型コロナウイルス関連のツイートから構築された知識グラフを提示する。 自然言語処理と変更点解析を用いて、ツイートトピック、ツイート日付、イベント日付の関係を抽出する。
• 参考スコア（独自算出の注目度）: 7.849573720043142
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The construction and application of knowledge graphs have seen a rapid increase across many disciplines in recent years. Additionally, the problem of uncovering relationships between developments in the COVID-19 pandemic and social media behavior is of great interest to researchers hoping to curb the spread of the disease. In this paper we present a knowledge graph constructed from COVID-19 related tweets in the Los Angeles area, supplemented with federal and state policy announcements and disease spread statistics. By incorporating dates, topics, and events as entities, we construct a knowledge graph that describes the connections between these useful information. We use natural language processing and change point analysis to extract tweet-topic, tweet-date, and event-date relations. Further analysis on the constructed knowledge graph provides insight into how tweets reflect public sentiments towards COVID-19 related topics and how changes in these sentiments correlate with real-world events.
• Abstract（参考訳）: 知識グラフの構築と応用は近年、多くの分野において急速に増加している。 さらに、新型コロナウイルス(covid-19)パンデミック(covid-19)の進展とソーシャルメディアの行動との関係を明らかにする問題は、感染拡大を抑えたい研究者にとって大きな関心事となっている。 本稿では,ロサンゼルス地区におけるcovid-19関連ツイートから構築したナレッジグラフについて,連邦政府および州の政策発表と疾病拡散統計を補完する。 日付,トピック,イベントをエンティティとして組み込むことで,これらの有用な情報間の接続を記述するナレッジグラフを構築する。 自然言語処理と変更点分析を用いて,tweet-topic,tweet-date,event-date関係を抽出する。 構築された知識グラフに関するさらなる分析は、ツイートがCOVID-19関連のトピックに対する公衆の感情をどのように反映しているか、そしてこれらの感情の変化が現実世界の出来事とどのように関連しているかについての洞察を提供する。

関連論文リスト

• Graph Domain Adaptation: Challenges, Progress and Prospects [61.9048172631524]
  本稿では,グラフ間の効果的な知識伝達パラダイムとしてグラフ領域適応を提案する。 GDAは、ソースグラフとしてタスク関連のグラフを多数導入し、ソースグラフから学習した知識をターゲットグラフに適応させる。 研究状況と課題について概説し、分類学を提案し、代表作の詳細を紹介し、今後の展望について論じる。
  論文  参考訳（メタデータ） (2024-02-01T02:44:32Z)
• 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)
• Dynamic Graph Enhanced Contrastive Learning for Chest X-ray Report Generation [92.73584302508907]
  コントラスト学習を用いた医療レポート作成を支援するために,動的構造とノードを持つ知識グラフを提案する。 詳しくは、グラフの基本構造は一般知識から事前構築される。 各イメージ機能は、レポート生成のためにデコーダモジュールに入力する前に、独自の更新グラフに統合される。
  論文  参考訳（メタデータ） (2023-03-18T03:53:43Z)
• Improving (Dis)agreement Detection with Inductive Social Relation Information From Comment-Reply Interactions [49.305189190372765]
  社会関係情報は、テキスト情報以外の(認識の)タスクにおいて補助的な役割を果たすことができる。 本稿では,このような関係情報を(離散化)データから帰納的社会関係グラフに抽出する手法を提案する。 社会関係は,特に長時間のコメント-返信ペアにおいて,(不一致)認識モデルの性能を高めることができる。
  論文  参考訳（メタデータ） (2023-02-08T09:09:47Z)
• Extracting Feelings of People Regarding COVID-19 by Social Network Mining [0.0]
  英語における新型コロナウイルス関連ツイートのデータセットが収集される。 2020年3月23日から6月23日までに200万件以上のツイートが分析されている。
  論文  参考訳（メタデータ） (2021-10-12T16:45:33Z)
• ExcavatorCovid: Extracting Events and Relations from Text Corpora for Temporal and Causal Analysis for COVID-19 [63.72766553648224]
  excavatorcovidは、オープンソースのテキスト文書を取り込む機械読取システムである。 COVID19関連イベントとそれらの関係を抽出し、時間と因果分析グラフを構築する。
  論文  参考訳（メタデータ） (2021-05-05T01:18:46Z)
• CML-COVID: A Large-Scale COVID-19 Twitter Dataset with Latent Topics, Sentiment and Location Information [0.0]
  CML-COVID(CML-COVID)は、新型コロナウイルス(COVID-19)による5,977,653人のツイート19,298,967万件のTwitterデータセットである。 これらのツイートは、2020年3月から7月にかけて、新型コロナウイルスに関連する質問文、コビッド、マスクを使って収集された。
  論文  参考訳（メタデータ） (2021-01-28T18:59:10Z)
• Topic, Sentiment and Impact Analysis: COVID19 Information Seeking on Social Media [1.6328866317851185]
  この研究は、COVID19に関連するオーストラリアの球面の大規模な時空間的ツイートデータセットを分析した。 この手法にはボリューム分析、ダイナミックトピックモデリング、感情検出、セマンティックブランドスコアが含まれていた。 得られた知見は、政府報告事例のような独立に観察された現象と比較される。
  論文  参考訳（メタデータ） (2020-08-28T02:03:18Z)
• Psychometric Analysis and Coupling of Emotions Between State Bulletins and Twitter in India during COVID-19 Infodemic [7.428097999824421]
  新型コロナウイルスのインフォデミックは、パンデミックそのものよりも急速に広まっている。 ソーシャルメディアは情報の最大の源であるため、インフォデミックの管理には誤情報を緩和する必要がある。 Twitterだけでも、キュレートされたイベントページの利用が急激な45%増加した。
  論文  参考訳（メタデータ） (2020-05-12T01:51:07Z)
• A Survey of Adversarial Learning on Graphs [59.21341359399431]
  本稿では,グラフ逆学習タスクに関する既存の研究を考察し,要約する。 具体的には、グラフ解析タスクにおける攻撃と防御に関する既存の作業を調査し、統一する。 我々は、関連する評価指標の重要性を強調し、それらを総合的に調査し、要約する。
  論文  参考訳（メタデータ） (2020-03-10T12:48:00Z)
• A Survey on Knowledge Graphs: Representation, Acquisition and Applications [89.78089494738002]
  我々は,1)知識グラフ表現学習,2)知識獲得と完成,3)時間的知識グラフ,および4)知識認識アプリケーションに関する研究トピックをレビューする。 知識獲得、特に知識グラフの完成、埋め込み方法、経路推論、論理ルール推論について概観する。 メタラーニング、コモンセンス推論、時間的知識グラフなど、いくつかの新しいトピックを探求する。
  論文  参考訳（メタデータ） (2020-02-02T13:17:31Z)

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。