論文の概要: Sentiment Analysis and Effect of COVID-19 Pandemic using College
SubReddit Data
- arxiv url: http://arxiv.org/abs/2112.04351v1
- Date: Tue, 30 Nov 2021 19:15:06 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-12 14:54:16.387225
- Title: Sentiment Analysis and Effect of COVID-19 Pandemic using College
SubReddit Data
- Title（参考訳）: 大学サブRedditデータを用いたCOVID-19パンデミックの感度解析と効果
- Authors: Tian Yan, Fang Liu
- Abstract要約: パンデミック前時代と比較して、パンデミックが人々の感情や心理的状態にどのように影響したかを検討した。
Redditメッセージのセマンティック情報から埋め込みを学習するために,まずトレーニング済みのBERT事前学習手法を適用した。
次に、一般化線形混合効果モデルを適用し、パンデミックとオンライン教育が人々の感情に与える影響を推定した。
- 参考スコア（独自算出の注目度）: 3.86276208963651
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The COVID-19 pandemic has affected societies and human health and well-being
in various ways. In this study, we collected Reddit data from 2019
(pre-pandemic) and 2020 (pandemic) from the subreddits communities associated
with 8 universities, applied natural language processing (NLP) techniques, and
trained graphical neural networks with social media data, to study how the
pandemic has affected people's emotions and psychological states compared to
the pre-pandemic era. Specifically, we first applied a pre-trained Robustly
Optimized BERT pre-training approach (RoBERTa) to learn embedding from the
semantic information of Reddit messages and trained a graph attention network
(GAT) for sentiment classification. The usage of GAT allows us to leverage the
relational information among the messages during training. We then applied
subgroup-adaptive model stacking to combine the prediction probabilities from
RoBERTa and GAT to yield the final classification on sentiment. With the
manually labeled and model-predicted sentiment labels on the collected data, we
applied a generalized linear mixed-effects model to estimate the effects of
pandemic and online teaching on people's sentiment in a statistically
significant manner. The results suggest the odds of negative sentiments in 2020
is $14.6\%$ higher than the odds in 2019 ($p$-value $<0.001$), and the odds of
negative sentiments are $41.6\%$ higher with in-person teaching than with
online teaching in 2020 ($p$-value $=0.037$) in the studied population.
- Abstract（参考訳）: 新型コロナウイルスのパンデミックは、社会や人間の健康、健康に様々な影響を与える。
本研究では,2019年(パンデミック前)と2020年(パンデミック前)のredditデータを,8大学に関連するサブredditコミュニティから収集し,自然言語処理(nlp)技術を適用し,ソーシャルメディアデータを用いたニューラルネットワークの訓練を行い,パンデミック前と比較し,パンデミック前の感情や心理状態に対するパンデミックの影響について検討した。
具体的には、まず、Redditメッセージのセマンティック情報から埋め込みを学ぶためにRoBERTa(Roustly Optimized BERT pre-training approach)を適用し、感情分類のためのグラフアテンションネットワーク(GAT)を訓練した。
GATを使用することで、トレーニング中にメッセージ間の関係情報を活用できます。
そこで我々は,RoBERTaとGATの予測確率を組み合わせるためにサブグループ適応モデルスタックを適用し,感情の最終的な分類を得た。
収集したデータに手動ラベル付きおよびモデル予測型感情ラベルを用いて,パンデミックおよびオンライン教育が人々の感情に与える影響を統計的に有意な方法で推定する汎用線形混合効果モデルを適用した。
その結果、2020年の否定的な感情の確率は2019年のオッズ(p$-value $<0.001$)よりも14.6\%高く、否定的な感情のオッズは2020年のオンライン教育(p$-value $=0.037$)よりも41.6\%高いことが示唆された。
関連論文リスト
- The Devil is in the Neurons: Interpreting and Mitigating Social Biases in Pre-trained Language Models [78.69526166193236]
プレトレーニング言語モデル(PLM)は、社会的バイアスのような有害な情報を含むことが認識されている。
我々は,社会バイアスなどの望ましくない行動に起因する言語モデルにおいて,正確に単位(すなわちニューロン)を特定するために,sc Social Bias Neuronsを提案する。
StereoSetの以前の測定値からわかるように、我々のモデルは、低コストで言語モデリング能力を維持しながら、より高い公平性を達成する。
論文 参考訳（メタデータ） (2024-06-14T15:41:06Z) - Do we listen to what we are told? An empirical study on human behaviour
during the COVID-19 pandemic: neural networks vs. regression analysis [7.134828408572364]
新型コロナウイルスの感染拡大に伴うマスク着用に関連する公衆衛生政策への一般人口の適合性について検討する。
マスク着用に関する政府規制や公共交通機関の発表が,マスク着用行動の正しさを示唆していることが判明した。
論文 参考訳（メタデータ） (2023-11-21T23:14:47Z) - Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。
既存の感受性研究は、自己報告された信念に大きく依存している。
本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
論文 参考訳（メタデータ） (2023-11-16T07:22:56Z) - Has Sentiment Returned to the Pre-pandemic Level? A Sentiment Analysis
Using U.S. College Subreddit Data from 2019 to 2022 [3.5966786737142304]
本研究の目的は、人々の感情がパンデミック前から緊急後へとどのように変化したかを探ることである。
2019年(パンデミック前)、2020年(パンデミック前)、2021年、2022年(パンデミック後期、緊急後の移行期)のRedditデータを、米国の大学128校のサブレディットから収集しました。
本研究は,パンデミック・緊急期における感情構成の部分的回復を示唆するものである。
論文 参考訳（メタデータ） (2023-09-16T02:57:30Z) - Human Behavior in the Time of COVID-19: Learning from Big Data [71.26355067309193]
2020年3月以降、新型コロナウイルスの感染者は6億人を超え、600万人以上が死亡している。
パンデミックはあらゆる面で人間の行動に影響を与え、変化をもたらした。
研究者は自然言語処理、コンピュータビジョン、音声信号処理、頻繁なパターンマイニング、機械学習といったビッグデータ技術を採用してきた。
論文 参考訳（メタデータ） (2023-03-23T17:19:26Z) - Coronavirus statistics causes emotional bias: a social media text mining
perspective [4.042350304426975]
本稿では,パンデミックに関連するテキストを場所ラベル付きテキストデータから分類する深層学習モデルを提案する。
次に,マルチタスク学習に基づく感情分析を行う。
最後に、感情分析の出力を伴う固定効果パネル回帰を実行する。
論文 参考訳（メタデータ） (2022-11-16T03:36:13Z) - Bootstrapping Your Own Positive Sample: Contrastive Learning With
Electronic Health Record Data [62.29031007761901]
本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。
EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。
私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
論文 参考訳（メタデータ） (2021-04-07T06:02:04Z) - Temporal Positive-unlabeled Learning for Biomedical Hypothesis
Generation via Risk Estimation [46.852387038668695]
本稿では,仮説生成の科学的プロセスに機械学習を導入することを目的とする。
本稿では,ノード対埋め込みの学習において,前向きの確率を推定するための変分推論モデルを提案する。
実世界のバイオメディカルな用語関係データセットの実験結果と、COVID-19データセットのケーススタディ分析により、提案モデルの有効性が検証された。
論文 参考訳（メタデータ） (2020-10-05T10:58:03Z) - On Analyzing Antisocial Behaviors Amid COVID-19 Pandemic [5.900114841365645]
新型コロナウイルスのパンデミックでオンラインの反社会的行動を研究する研究はほとんどない。
本稿では、4000万以上の新型コロナウイルス関連ツイートの大規模なデータセットを収集し、注釈を付けることで、研究ギャップを埋める。
また、アノテーション付きデータセットの実証分析を行い、新型コロナウイルスのパンデミックの中で、新しい虐待的レキシコンが導入されたことを発見した。
論文 参考訳（メタデータ） (2020-07-21T11:11:35Z) - Pandemic Pulse: Unraveling and Modeling Social Signals during the
COVID-19 Pandemic [12.050597862123313]
新型コロナウイルス(COVID-19)のパンデミックが米国に与える影響の一部を表わす、社会データの収集を提示し、調査を始めます。
このデータは、様々な情報源から収集され、ニューストピック、ソーシャルディスタンシング行動、コミュニティモビリティの変化、Web検索などの経年的傾向を含む。
論文 参考訳（メタデータ） (2020-06-10T17:55:44Z) - Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。
実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
論文 参考訳（メタデータ） (2020-06-05T02:04:25Z)
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。