Fugu-MT 論文翻訳(概要): Making sense of electrical vehicle discussions using sentiment analysis on closely related news and user comments

論文の概要: Making sense of electrical vehicle discussions using sentiment analysis on closely related news and user comments

arxiv url: http://arxiv.org/abs/2112.12327v1
Date: Thu, 23 Dec 2021 02:50:49 GMT
ステータス: 処理完了
システム内更新日: 2021-12-25 01:46:54.588259
Title: Making sense of electrical vehicle discussions using sentiment analysis on closely related news and user comments
Title（参考訳）: 近縁なニュースとユーザコメントに対する感情分析を用いた電気自動車の議論の意味
Authors: Josh Everts and Xuan Jiang
Abstract要約: 私たちは、ニュースとユーザーレビューのデータセットに適用された教師なしモデルと教師なしモデルの両方を使用しました。トークン単位の感情分析では,両者の感情に統計的に有意な差が認められた。文献的に管理された感情分析では,感情に有意な差は認められなかった。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We used a token-wise and document-wise sentiment analysis using both unsupervised and supervised models applied to both news and user reviews dataset. And our token-wise sentiment analysis found a statistically significant difference in sentiment between the two groups (both of which were very large N), our document-wise supervised sentiment analysis found no significant difference in sentiment.
Abstract（参考訳）: 我々は、教師なしモデルと教師なしモデルの両方を、ニュースおよびユーザレビューデータセットに適用したトークン単位および文書単位の感情分析を使用した。トークン単位の感情分析では2つのグループ(どちらも非常に大きなN)の感情に統計的に有意な差がみられ、文書単位の感情分析では感情に有意な差は認められなかった。

関連論文リスト

You Shall Know a Tool by the Traces it Leaves: The Predictability of Sentiment Analysis Tools [74.98850427240464]
感情分析ツールが同じデータセットで一致しないことを示す。感傷的アノテーションに使用される感情ツールは,その結果から予測できることを示す。
論文参考訳（メタデータ） (2024-10-18T17:27:38Z)
Sentiment analysis and opinion mining on E-commerce site [0.0]
本研究の目的は,感情分析における感情極性分類の課題を解決することである。全体的プロセスの説明とともに、感情的反対を分類する幅広い手法が提示される。
論文参考訳（メタデータ） (2022-11-28T16:43:33Z)
Causal Intervention Improves Implicit Sentiment Analysis [67.43379729099121]
インスツルメンタル・バリアブル(ISAIV)を用いたインシシット・センシティメント分析のための因果介入モデルを提案する。まず、因果的視点から感情分析をレビューし、このタスクに存在する共同設立者を分析する。そこで本研究では,文章と感情の因果関係を解消し,純粋因果関係を抽出するインストゥルメンタル変数を提案する。
論文参考訳（メタデータ） (2022-08-19T13:17:57Z)
Sparse Fuzzy Attention for Structured Sentiment Analysis [48.69930912510414]
本研究では,プール層を有するスパース・ファジィアテンションスコアラを提案する。さらに,2次解析を用いた構造化感情分析における解析モデルについて検討し,解析性能を著しく向上させる新しい2次エッジ構築手法を提案する。
論文参考訳（メタデータ） (2021-09-14T14:37:56Z)
Weakly-Supervised Aspect-Based Sentiment Analysis via Joint Aspect-Sentiment Topic Embedding [71.2260967797055]
アスペクトベース感情分析のための弱教師付きアプローチを提案する。 We learn sentiment, aspects> joint topic embeddeds in the word embedding space。次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
論文参考訳（メタデータ） (2020-10-13T21:33:24Z)
BiERU: Bidirectional Emotional Recurrent Unit for Conversational Sentiment Analysis [18.1320976106637]
会話感情分析と単文感情分析の主な違いは、文脈情報の存在である。既存のアプローチでは、会話内の異なるパーティを区別し、コンテキスト情報をモデル化するために複雑なディープラーニング構造を採用している。本稿では,会話感情分析のための双方向感情的反復単位という,高速でコンパクトでパラメータ効率のよい非依存フレームワークを提案する。
論文参考訳（メタデータ） (2020-05-31T11:13:13Z)
SKEP: Sentiment Knowledge Enhanced Pre-training for Sentiment Analysis [69.80296394461149]
本稿では,複数の感情分析タスクに対する統一的な感情表現を学習するために,感覚知識強化事前学習(SKEP)を導入する。自動的な知識の助けを借りて、SKEPは感情マスキングを行い、3つの感情知識予測目標を構築する。 3種類の感情タスクの実験では、SKEPはトレーニング前ベースラインよりも有意に優れていた。
論文参考訳（メタデータ） (2020-05-12T09:23:32Z)
Survey on Visual Sentiment Analysis [87.20223213370004]
本稿では、関連する出版物をレビューし、視覚知覚分析の分野の概要を概観する。また,3つの視点から一般的な視覚知覚分析システムの設計原理について述べる。様々なレベルの粒度と、異なる方法でイメージに対する感情に影響を与えるコンポーネントを考慮し、問題の定式化について論じる。
論文参考訳（メタデータ） (2020-04-24T10:15:22Z)
Deriving Emotions and Sentiments from Visual Content: A Disaster Analysis Use Case [10.161936647987515]
ソーシャルネットワークとユーザの感情をテキスト、ビジュアル、オーディオコンテンツで共有する傾向は、感情分析における新たな機会と課題を生み出している。本稿では、視覚的感情分析を紹介し、本研究領域における機会と課題に焦点を当て、テキスト的感情分析と対比する。データ収集,アノテーション,モデル選択,実装,評価から,視覚的感情分析のさまざまな側面をカバーする,災害関連画像の深い視覚的感情分析手法を提案する。
論文参考訳（メタデータ） (2020-02-03T08:48:52Z)

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。