論文の概要: Prediction of Political Leanings of Chinese Speaking Twitter Users
- arxiv url: http://arxiv.org/abs/2110.05723v1
- Date: Tue, 12 Oct 2021 03:18:10 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-13 13:16:43.934871
- Title: Prediction of Political Leanings of Chinese Speaking Twitter Users
- Title（参考訳）: 中国語話者の政治的傾向の予測
- Authors: Fenglei Gu and Duoji Jiang
- Abstract要約: まず、有名な政治人物とその関連ユーザーのツイートをスクラップしてデータを収集する。
第二に、中国共産党への承認を示すグループと、そうでないグループである。
Twitter上のツイートからユーザの政治的スタンスを理解するために,高精度な分類モデルを生成する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This work presents a supervised method for generating a classifier model of
the stances held by Chinese-speaking politicians and other Twitter users. Many
previous works of political tweets prediction exist on English tweets, but to
the best of our knowledge, this is the first work that builds prediction model
on Chinese political tweets. It firstly collects data by scraping tweets of
famous political figure and their related users. It secondly defines the
political spectrum in two groups: the group that shows approvals to the Chinese
Communist Party and the group that does not. Since there are not space between
words in Chinese to identify the independent words, it then completes
segmentation and vectorization by Jieba, a Chinese segmentation tool. Finally,
it trains the data collected from political tweets and produce a classification
model with high accuracy for understanding users' political stances from their
tweets on Twitter.
- Abstract（参考訳）: 本研究は、中国語圏の政治家や他のTwitterユーザーによる姿勢の分類モデルを作成するための教師付き手法を提案する。
これまでの政治ツイートの予測は多くの英文ツイートに存在しているが、我々の知る限りでは、これは中国の政治ツイートの予測モデルを構築する最初の作品だ。
まず、有名な政治家とその関連ユーザーのツイートをかき集めてデータを収集する。
第2に、政治的スペクトルを2つのグループで定義している:中国共産党の承認を示すグループとそうでないグループである。
独立した単語を識別するための中国語の単語間に空間がないため、中国語のセグメンテーションツールであるjiebaによってセグメンテーションとベクトル化が完了する。
最後に、政治的ツイートから収集したデータをトレーニングし、Twitter上でユーザーの政治的スタンスを理解するための高精度な分類モデルを作成する。
関連論文リスト
- Two-Stage Classifier for Campaign Negativity Detection using Axis
Embeddings: A Case Study on Tweets of Political Users during 2021
Presidential Election in Iran [0.0]
世界中の選挙において、候補者は失敗や時間的プレッシャーのため、ネガティビティへのキャンペーンを転換する可能性がある。
本稿では,2つの機械学習モデルの強みを組み合わせた2段階分類器によるキャンペーン負性検出のハイブリッドモデルを提案する。
我々の最良のモデル(RF-RF)はマクロF1スコアの79%、重み付きF1スコアの82%を達成できた。
論文 参考訳（メタデータ） (2023-10-31T20:31:41Z) - Design and analysis of tweet-based election models for the 2021 Mexican
legislative election [55.41644538483948]
選挙日前の6ヶ月の間に、1500万件の選挙関連ツイートのデータセットを使用します。
地理的属性を持つデータを用いたモデルが従来のポーリング法よりも精度と精度で選挙結果を決定することがわかった。
論文 参考訳（メタデータ） (2023-01-02T12:40:05Z) - Retweet-BERT: Political Leaning Detection Using Language Features and
Information Diffusion on Social Networks [30.143148646797265]
Retweet-BERTは、シンプルでスケーラブルなモデルで、Twitterユーザーの政治的傾向を推定する。
我々の仮定は、同様のイデオロギーを共有する人々の間で、ネットワークや言語学のパターンがホモフィリーであることに由来する。
論文 参考訳（メタデータ） (2022-07-18T02:18:20Z) - Negativity Spreads Faster: A Large-Scale Multilingual Twitter Analysis
on the Role of Sentiment in Political Communication [7.136205674624813]
本稿は、欧州3カ国の政治家のツイートを分析しようとするものである。
最先端の事前訓練言語モデルを利用することで、数十万のツイートに対して感情分析を行った。
我々の分析は、政治家の否定的なツイートが、特に最近の時代に広く広まっていることを示している。
論文 参考訳（メタデータ） (2022-02-01T13:25:19Z) - Identification of Twitter Bots based on an Explainable ML Framework: the
US 2020 Elections Case Study [72.61531092316092]
本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。
Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。
また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
論文 参考訳（メタデータ） (2021-12-08T14:12:24Z) - Comparing the Language of QAnon-related content on Parler, Gab, and
Twitter [68.8204255655161]
保守派の間で人気の「言論の自由」プラットフォームであるParlerは、2021年1月に、憎悪やQAnonなどの陰謀に関するコンテンツのモデレーションの欠如により、オフラインになった。
われわれは投稿をParlerの#QAnonというハッシュタグと比較する。
Gabはヘイト条件の#QAnon投稿が最も多く、ParlerとTwitterも同様である。
これら3つのプラットフォームにおいて、女性政治家、民主党員、ドナルド・トランプに言及する投稿は、男性政治家、共和党員、あるいは共和党員に言及する投稿よりも、より反社会的な言葉を持っている。
論文 参考訳（メタデータ） (2021-11-22T11:19:15Z) - Sentiment analysis in tweets: an assessment study from classical to
modern text representation models [59.107260266206445]
Twitterで公開された短いテキストは、豊富な情報源として大きな注目を集めている。
非公式な言語スタイルや騒々しい言語スタイルといったそれらの固有の特徴は、多くの自然言語処理(NLP)タスクに挑戦し続けている。
本研究では,22データセットの豊富なコレクションを用いて,ツイートに表される感情を識別する既存言語モデルの評価を行った。
論文 参考訳（メタデータ） (2021-05-29T21:05:28Z) - Political Posters Identification with Appearance-Text Fusion [49.55696202606098]
外観特徴とテキストベクトルを効率的に活用し, 政治ポスターを高精度に分類する手法を提案する。
この作品の大半は、特定の政治イベントのプロモーションとして機能するように設計された政治ポスターに焦点を当てている。
論文 参考訳（メタデータ） (2020-12-19T16:14:51Z) - Improving Sentiment Analysis over non-English Tweets using Multilingual
Transformers and Automatic Translation for Data-Augmentation [77.69102711230248]
我々は、英語のつぶやきを事前学習し、自動翻訳を用いてデータ拡張を適用して非英語の言語に適応する多言語トランスフォーマーモデルを提案する。
我々のフランス語、スペイン語、ドイツ語、イタリア語での実験は、この手法が非英語のツイートの小さなコーパスよりも、トランスフォーマーの結果を改善する効果的な方法であることを示唆している。
論文 参考訳（メタデータ） (2020-10-07T15:44:55Z) - Inferring Political Preferences from Twitter [0.0]
ソーシャルメディアの政治的センチメント分析は、政治ストラテジストが政党や候補者のパフォーマンスを精査するのに役立つ。
選挙期間中、ソーシャルネットワークはブログ、チャット、討論、政党や政治家の展望に関する議論で溢れている。
本研究では、従来の機械学習を用いて、テキスト分類問題としてモデル化することで、ツイートに存在する政治的意見の傾きを特定することを選んだ。
論文 参考訳（メタデータ） (2020-07-21T05:20:43Z) - Evaluating Online Public Sentiments towards China: A Case Study of
English and Chinese Twitter Discourse during the 2019 Chinese National Day [0.8594140167290097]
本研究は,ソーシャルメディアデータを用いたオンライン世論分析のアプローチについて述べる。
9月30日から10月3日までの間に30万以上のツイートが収集され、収集されたツイートの感情を評価するためにSVMと辞書のハイブリッド手法が適用された。
その結果,国民の日を祝う活動の時期と,英語と中国語のつぶやきで表された感情の一致が示唆された。
論文 参考訳（メタデータ） (2020-01-13T02:09:45Z)
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。