論文の概要: Topic Modeling, Clade-assisted Sentiment Analysis, and Vaccine Brand Reputation Analysis of COVID-19 Vaccine-related Facebook Comments in the Philippines

• arxiv url: http://arxiv.org/abs/2111.04416v1
• Date: Mon, 11 Oct 2021 11:08:38 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-14 16:54:25.583374
• Title: Topic Modeling, Clade-assisted Sentiment Analysis, and Vaccine Brand Reputation Analysis of COVID-19 Vaccine-related Facebook Comments in the Philippines
• Title（参考訳）: フィリピンにおけるcovid-19ワクチン関連facebookコメントの話題モデリング、クラッド支援感情分析、ワクチンブランド評価分析
• Authors: Jasper Kyle Catapang, Jerome V. Cleofas
• Abstract要約: 本稿では、トピックモデリング、感情分析、ワクチンブランドの評判分析を行うための半教師付き機械学習パイプラインを提案する。 結果は、あらゆる種類の新型コロナウイルスの誤報が、世論の創発的な特性であることを示唆している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Vaccine hesitancy and other COVID-19-related concerns and complaints in the Philippines are evident on social media. It is important to identify these different topics and sentiments in order to gauge public opinion, use the insights to develop policies, and make necessary adjustments or actions to improve public image and reputation of the administering agency and the COVID-19 vaccines themselves. This paper proposes a semi-supervised machine learning pipeline to perform topic modeling, sentiment analysis, and an analysis of vaccine brand reputation to obtain an in-depth understanding of national public opinion of Filipinos on Facebook. The methodology makes use of a multilingual version of Bidirectional Encoder Representations from Transformers or BERT for topic modeling, hierarchical clustering, five different classifiers for sentiment analysis, and cosine similarity of BERT topic embeddings for vaccine brand reputation analysis. Results suggest that any type of COVID-19 misinformation is an emergent property of COVID-19 public opinion, and that the detection of COVID-19 misinformation can be an unsupervised task. Sentiment analysis aided by hierarchical clustering reveal that 21 of the 25 topics extrapolated by topic modeling are negative topics. Such negative comments spike in count whenever the Department of Health in the Philippines posts about the COVID-19 situation in other countries. Additionally, the high numbers of laugh reactions on the Facebook posts by the same agency -- without any humorous content -- suggest that the reactors of these posts tend to react the way they do, not because of what the posts are about but because of who posted them.
• Abstract（参考訳）: フィリピンではワクチンの忌避やcovid-19関連の懸念や苦情がソーシャルメディアで明らかにされている。 これらの異なる話題や感情を特定し、世論を測り、その洞察を利用して政策を策定し、行政機関や新型コロナウイルスワクチン自体のイメージや評判を改善するために必要な調整や行動を行うことが重要である。 本稿では、トピックモデリング、感情分析、ワクチンブランド評価の分析を行うための半教師付き機械学習パイプラインを提案し、Facebook上でのフィリピン人の国民的意見の深い理解を得る。 本手法は,話題モデリング,階層クラスタリング,感情分析のための5つの異なる分類器,ワクチンブランドの評価分析のためのbertトピック埋め込みのコサイン類似性について,トランスフォーマーやbertからの双方向エンコーダ表現の多言語版を用いている。 結果は、どんな種類の新型コロナウイルスの誤報も、COVID-19の世論の創発的な性質であり、新型コロナウイルスの誤報を検出することは教師なしの課題である可能性があることを示唆している。 階層的クラスタリングによる感性分析により、トピックモデリングによって外挿された25トピックのうち21トピックが負のトピックであることが判明した。 フィリピンの保健省が他の国で新型コロナウイルスの感染状況について投稿すると、こうした否定的なコメントが急増する。 さらに、同じ機関によるfacebook投稿の笑いの反応は、ユーモラスなコンテンツのないものが多いことから、これらの投稿のリアクターは、投稿がどうあるかではなく、誰が投稿したかによって、彼らの行動に反応する傾向があることが示唆されている。

関連論文リスト

• Leveraging Large Language Models and Weak Supervision for Social Media data annotation: an evaluation using COVID-19 self-reported vaccination tweets [1.9988653168573556]
  ソーシャルメディアプラットフォームは、ワクチンに関する話題を議論するメディアとして人気を博している。 本研究では,新型コロナウイルス関連ツイートを識別するために,大規模言語モデル(GPT-4,弱監督)の使用状況を評価する。
  論文  参考訳（メタデータ） (2023-09-12T18:18:23Z)
• A Large-Scale Analysis of Persian Tweets Regarding Covid-19 Vaccination [1.2499537119440245]
  新型コロナウイルスのパンデミックは私たちの生活、特に人々の交流に大きな影響を与えました。 Covid-19ワクチンの導入により、ワクチンの接種の有無に関して、肯定的、否定的な意見の両方が持ち上がった。 われわれは、Twitterから集めたデータを用いて、イランのコロナウイルスワクチンに関する世論を包括的に分析する。
  論文  参考訳（メタデータ） (2023-02-09T09:08:19Z)
• Dense Feature Memory Augmented Transformers for COVID-19 Vaccination Search Classification [60.49594822215981]
  本稿では,新型コロナウイルスワクチン関連検索クエリの分類モデルを提案する。 本稿では,モデルが対応可能なメモリトークンとして,高密度特徴を考慮した新しい手法を提案する。 この新しいモデリング手法により,Vaccine Search Insights (VSI) タスクを大幅に改善できることを示す。
  論文  参考訳（メタデータ） (2022-12-16T13:57:41Z)
• Doctors vs. Nurses: Understanding the Great Divide in Vaccine Hesitancy among Healthcare Workers [64.1526243118151]
  医者は新型コロナウイルスワクチンに対して全体的に陽性であることがわかりました。 医師は新型ワクチンよりもワクチンの有効性を懸念している。 看護婦は子供に対する潜在的な副作用にもっと注意を払う。
  論文  参考訳（メタデータ） (2022-09-11T14:22:16Z)
• "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 and Topic Modeling for COVID-19 Vaccine Discussions [10.194753795363667]
  われわれは、Twitter上で新型コロナウイルスに関するツイートを詳細に分析する。 その結果、大多数の人はワクチンの有効性に自信を持ち、ワクチン接種を希望していることがわかった。 否定的なツイートは、しばしばワクチン不足の苦情、注射後の副作用、ワクチン接種後の死亡の可能性と関連付けられている。
  論文  参考訳（メタデータ） (2021-10-08T23:30:17Z)
• Insight from NLP Analysis: COVID-19 Vaccines Sentiments on Social Media [6.965634726663563]
  パンデミックの最中、英国と米国住民のツイートをTwitter APIから収集しました。 VADERによる感情分析を行い、個人の影響をカウントできる新しい方法を提案した。 その結果、予防接種が進むにつれて、有名人がソーシャルメディアに意見転換を導く可能性が示唆された。
  論文  参考訳（メタデータ） (2021-06-08T03:37:22Z)
• Mining Trends of COVID-19 Vaccine Beliefs on Twitter with Lexical Embeddings [0.8808021343665321]
  新型コロナウイルスワクチン接種に関するTwitter投稿のコーパスを抽出しました。 語彙カテゴリーの2つのクラス — 感情と影響要因 — を作成しました。 ワクチンに対するためらいのようなネガティブな感情は、健康関連の効果や誤った情報と高い相関がある。
  論文  参考訳（メタデータ） (2021-04-02T16:13:16Z)
• A System for Worldwide COVID-19 Information Aggregation [92.60866520230803]
  我々は、トピックによって分類された7言語10の地域から信頼できる記事を含む世界的な新型コロナウイルス情報収集システムを構築した。 ニューラルマシン翻訳モジュールは、他言語の論文を日本語と英語に翻訳する。 記事とトピックのペアデータセットに基づいてトレーニングされたBERTベースのトピック分類器は、ユーザが興味のある情報を効率的に見つけるのに役立つ。
  論文  参考訳（メタデータ） (2020-07-28T01:33:54Z)
• Understanding the temporal evolution of COVID-19 research through machine learning and natural language processing [66.63200823918429]
  重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。 私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。 調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
  論文  参考訳（メタデータ） (2020-07-22T18:02:39Z)
• Falling into the Echo Chamber: the Italian Vaccination Debate on Twitter [65.7192861893042]
  われわれは、Twitter上での予防接種に関する議論が、予防接種ヘシタントに対する潜在的な不安にどのように影響するかを調査する。 予防接種懐疑派や擁護派が独自の「エチョ室」に居住していることが判明した。 これらのエコーチャンバーの中心には熱心な支持者がいて、高い精度のネットワークとコンテンツベースの分類器を構築しています。
  論文  参考訳（メタデータ） (2020-03-26T13:55:50Z)

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。