論文の概要: Sentiment Analysis of Microblogging dataset on Coronavirus Pandemic
- arxiv url: http://arxiv.org/abs/2111.09275v1
- Date: Wed, 17 Nov 2021 18:13:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-07 21:37:14.630540
- Title: Sentiment Analysis of Microblogging dataset on Coronavirus Pandemic
- Title（参考訳）: コロナウイルスパンデミックにおけるマイクロブロッギングデータセットの感度解析
- Authors: Nosin Ibna Mahbub, Md Rakibul Islam, Md Al Amin, Md Khairul Islam,
Bikash Chandra Singh, Md Imran Hossain Showrov, Anirudda Sarkar
- Abstract要約: コロナウイルス(Coronavirus, COVID-19)は、新型コロナウイルス2によって引き起こされる感染性疾患である。
本稿では,複数の機械学習アルゴリズムを用いて感情評価のためのTwitterデータセットを分析した。
- 参考スコア（独自算出の注目度）: 0.8252679746749371
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Sentiment analysis can largely influence the people to get the update of the
current situation. Coronavirus (COVID-19) is a contagious illness caused by the
coronavirus 2 that causes severe respiratory symptoms. The lives of millions
have continued to be affected by this pandemic, several countries have resorted
to a full lockdown. During this lockdown, people have taken social networks to
express their emotions to find a way to calm themselves down. People are
spreading their sentiments through microblogging websites as one of the most
preventive steps of this disease is the socialization to gain people's
awareness to stay home and keep their distance when they are outside home.
Twitter is a popular online social media platform for exchanging ideas. People
can post their different sentiments, which can be used to aware people. But,
some people want to spread fake news to frighten the people. So, it is
necessary to identify the positive, negative, and neutral thoughts so that the
positive opinions can be delivered to the mass people for spreading awareness
to the people. Moreover, a huge volume of data is floating on Twitter. So, it
is also important to identify the context of the dataset. In this paper, we
have analyzed the Twitter dataset for evaluating the sentiment using several
machine learning algorithms. Later, we have found out the context learning of
the dataset based on the sentiments.
- Abstract（参考訳）: 感情分析は、現在の状況を更新するために人々に大きな影響を与えます。
コロナウイルス(Coronavirus, COVID-19)は、新型コロナウイルス2によって引き起こされる感染性疾患である。
このパンデミックによって何百万人もの命が影響を受け続けており、いくつかの国で完全な封鎖が実施されている。
このロックダウンの間、人々はソーシャルネットワークを使って自分の感情を表現し、自分自身を落ち着かせる方法を見つけてきた。
人々はマイクロブログのウェブサイトを通じて自分の感情を広めている。この病気の最も予防的なステップの1つは、人々が家にいて、外出しているときに距離を保つことを意識する社会化である。
Twitterはアイディアを交換するための人気のあるオンラインソーシャルメディアプラットフォームだ。
異なる感情を投稿することで、人々の認識に役立てることができる。
しかし、偽ニュースを広めて人々を怖がらせる人もいる。
そのため、肯定的、否定的、中立的な考えを識別し、肯定的な意見を大衆に届け、人々に意識を広めることが必要である。
さらに、大量のデータがTwitterに浮かんでいる。
したがって、データセットのコンテキストを特定することも重要です。
本稿では,複数の機械学習アルゴリズムを用いて感情評価のためのTwitterデータセットを分析した。
その後、感情に基づいてデータセットのコンテキスト学習を見つけました。
関連論文リスト
- Fine-tuned Sentiment Analysis of COVID-19 Vaccine-Related Social Media
Data: Comparative Study [0.7874708385247353]
本研究は、RedditとTwitterの2つの人気ソーシャルメディアプラットフォーム上で表現された新型コロナウイルスワクチンに関する公衆の感情を調査し、比較した。
私たちは、約950万のツイートと7万のRedditコメントの感情を予測するために、微調整されたDistilRoBERTaモデルを作成しました。
その結果、Twitter上で表現される平均的な感情は、ポジティブよりもネガティブ(52%)であることが判明した。
論文 参考訳（メタデータ） (2022-10-17T16:22:18Z) - Adherence to Misinformation on Social Media Through Socio-Cognitive and
Group-Based Processes [79.79659145328856]
誤報が広まると、これはソーシャルメディア環境が誤報の付着を可能にするためである、と我々は主張する。
偏光と誤情報付着が密接な関係にあると仮定する。
論文 参考訳（メタデータ） (2022-06-30T12:34:24Z) - Understanding Twitters behavior during the pandemic: Fake News and Fear [0.0]
SARS-CoV-2の新型コロナウイルス(COVID-19)は、特にソーシャルメディアで、大量の誤報や誤報を伴っている。
われわれはTwitter上で拡散される偽ニュースの割合を調べ、同時に一般大衆の感情を測定することを目指している。
私たちの研究は、危機時のTwitterやソーシャルメディア、特に危機管理時のソーシャルメディアの役割を確立するのに役立ちます。
論文 参考訳（メタデータ） (2022-02-10T16:39:29Z) - Global Sentiment Analysis Of COVID-19 Tweets Over Time [0.0]
TwitterのソーシャルネットワーキングサイトであるTwitterは、小説『コロナウイルス』に関するツイートがごく短期間で前例のない増加を見せた。
本稿では、コロナウイルスに関連するツイートのグローバルな感情分析と、異なる国の人々の感情が時間とともにどのように変化したかを示す。
論文 参考訳（メタデータ） (2020-10-27T12:10:10Z) - 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) - Detecting Topic and Sentiment Dynamics Due to COVID-19 Pandemic Using
Social Media [14.662523926129117]
大規模なソーシャルメディア投稿から、COVID-19による話題や感情のダイナミクスを分析した。
安全な家にいよう」といった話題は肯定的な感情で支配されている。
人の死のような他のものは、常に否定的な感情を示しています。
論文 参考訳（メタデータ） (2020-07-05T12:05:30Z) - 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) - Racism is a Virus: Anti-Asian Hate and Counterspeech in Social Media
during the COVID-19 Crisis [51.39895377836919]
新型コロナウイルスは、アジアのコミュニティをターゲットにしたソーシャルメディア上で人種差別や憎悪を引き起こしている。
我々は、Twitterのレンズを通して、反アジアヘイトスピーチの進化と普及について研究する。
私たちは、14ヶ月にわたる反アジア的憎悪と反音声のデータセットとして最大となるCOVID-HATEを作成します。
論文 参考訳（メタデータ） (2020-05-25T21:58:09Z) - Critical Impact of Social Networks Infodemic on Defeating Coronavirus
COVID-19 Pandemic: Twitter-Based Study and Research Directions [1.6571886312953874]
2019年の推計295億人が世界中でソーシャルメディアを利用している。
コロナウイルスの流行は、ソーシャルメディアの津波を引き起こした。
本稿では,Twitterから収集したデータに基づく大規模研究について述べる。
論文 参考訳（メタデータ） (2020-05-18T15:53:13Z) - Detecting Perceived Emotions in Hurricane Disasters [62.760131661847986]
私たちはHurricaneEmoを紹介します。HurricaneEmoは、Harvey、Irma、Mariaの3つのハリケーンにまたがる15,000の英語ツイートの感情データセットです。
本稿では, きめ細かい感情を包括的に研究し, 粗い感情群を識別するための分類タスクを提案する。
論文 参考訳（メタデータ） (2020-04-29T16:17:49Z) - Echo Chambers on Social Media: A comparative analysis [64.2256216637683]
本研究では,4つのソーシャルメディアプラットフォーム上で100万ユーザが生成した100万個のコンテンツに対して,エコーチャンバーの操作的定義を導入し,大規模な比較分析を行う。
議論の的になっているトピックについてユーザの傾きを推測し、異なる特徴を分析してインタラクションネットワークを再構築する。
我々は、Facebookのようなニュースフィードアルゴリズムを実装するプラットフォームが、エコーチャンバの出現を招きかねないという仮説を支持する。
論文 参考訳（メタデータ） (2020-04-20T20:00:27Z)
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。