論文の概要: Tweet Emotion Dynamics: Emotion Word Usage in Tweets from US and Canada
- arxiv url: http://arxiv.org/abs/2204.04862v1
- Date: Mon, 11 Apr 2022 04:39:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-12 15:49:00.752570
- Title: Tweet Emotion Dynamics: Emotion Word Usage in Tweets from US and Canada
- Title（参考訳）: ツイートの感情ダイナミクス:米国とカナダのツイートにおける感情語の使用
- Authors: Krishnapriya Vishnubhotla and Saif M. Mohammad
- Abstract要約: 2015年から2021年にかけて、アメリカとカナダから投稿された4500万件以上のジオロケーションツイートの膨大なデータセットを紹介します。
また、時間とともにツイートに関連する感情のパターンをキャプチャする、Tweet Emotion Dynamics (TED)も導入しています。
- 参考スコア（独自算出の注目度）: 34.41140246464486
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Over the last decade, Twitter has emerged as one of the most influential
forums for social, political, and health discourse. In this paper, we introduce
a massive dataset of more than 45 million geo-located tweets posted between
2015 and 2021 from US and Canada (TUSC), especially curated for natural
language analysis. We also introduce Tweet Emotion Dynamics (TED) -- metrics to
capture patterns of emotions associated with tweets over time. We use TED and
TUSC to explore the use of emotion-associated words across US and Canada;
across 2019 (pre-pandemic), 2020 (the year the pandemic hit), and 2021 (the
second year of the pandemic); and across individual tweeters. We show that
Canadian tweets tend to have higher valence, lower arousal, and higher
dominance than the US tweets. Further, we show that the COVID-19 pandemic had a
marked impact on the emotional signature of tweets posted in 2020, when
compared to the adjoining years. Finally, we determine metrics of TED for
170,000 tweeters to benchmark characteristics of TED metrics at an aggregate
level. TUSC and the metrics for TED will enable a wide variety of research on
studying how we use language to express ourselves, persuade, communicate, and
influence, with particularly promising applications in public health, affective
science, social science, and psychology.
- Abstract（参考訳）: 過去10年間にTwitterは、社会的、政治的、健康に関する議論でもっとも影響力のあるフォーラムの1つとして現れてきた。
本稿では、2015年から2021年にかけて、米国とカナダ(TUSC)から投稿された4500万件以上のジオロケーションツイートの大規模なデータセットについて紹介する。
また、時間とともにツイートに関連する感情のパターンをキャプチャする、Tweet Emotion Dynamics (TED)も導入しています。
2019年(パンデミック前)、2020年(パンデミック前)、そして2021年(パンデミック2年目)、そして個々のツイート者の間で、感情に関連した言葉の使用を探求するために、tedとtuscを使っています。
カナダのツイートは、米国のツイートよりも価値が高く、覚醒度が低く、支配的な傾向があります。
さらに、新型コロナウイルス(COVID-19)のパンデミックが、隣接する年数と比較して、2020年に投稿されたツイートの感情的なサインに顕著な影響を与えていることを示す。
最後に、170,000ツイートのTEDのメトリクスを決定し、TEDメトリクスの特徴を集約レベルでベンチマークする。
TUSCとTEDのメトリクスは、私たちが言語を使って自分自身を表現し、説得し、コミュニケーションし、影響力を与える方法について、特に公衆衛生、情緒科学、社会科学、心理学における有望な応用について、幅広い研究を可能にする。
関連論文リスト
- Socratis: Are large multimodal models emotionally aware? [63.912414283486555]
既存の感情予測ベンチマークでは、様々な理由で画像やテキストが人間にもたらす感情の多様性を考慮していない。
社会反応ベンチマークであるソクラティス (Socratis) を提案し, それぞれのイメージ・キャプション(IC) ペアに複数の感情とそれらを感じる理由をアノテートする。
我々は、ICペアが与えられた感情を感じる理由を生成するために、最先端のマルチモーダルな大規模言語モデルの能力をベンチマークする。
論文 参考訳（メタデータ） (2023-08-31T13:59:35Z) - An Exploratory Study of Tweets about the SARS-CoV-2 Omicron Variant:
Insights from Sentiment Analysis, Language Interpretation, Source Tracking,
Type Classification, and Embedded URL Detection [0.0]
本稿では、新型コロナウイルスのパンデミックに関連するTwitter上のビッグデータの連続的生成に関する探索的研究の成果について述べる。
Omicronの亜種に関する合計12028のツイートが研究され、分析されたツイートの特徴には感情、言語、ソース、タイプ、埋め込みURLが含まれる。
この分野で同様の研究を支援するために、2021年11月24日に初めて検出されたSARS-CoV-2 omicron変種に関する50,000以上のツイートからなるTwitterデータセットを開発した。
論文 参考訳（メタデータ） (2022-07-20T18:47:20Z) - 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) - Extracting Feelings of People Regarding COVID-19 by Social Network
Mining [0.0]
英語における新型コロナウイルス関連ツイートのデータセットが収集される。
2020年3月23日から6月23日までに200万件以上のツイートが分析されている。
論文 参考訳（メタデータ） (2021-10-12T16:45:33Z) - Changes in European Solidarity Before and During COVID-19: Evidence from
a Large Crowd- and Expert-Annotated Twitter Dataset [77.27709662210363]
我々は,NLPにおける教師付き機械学習の新たな課題として,社会的連帯という社会科学的概念とその競争,反連帯の概念を導入する。
我々は,複数のアノテータと2つのアノテーションアプローチ(専門家対群衆)を利用して,(反)整合性表現のための2.3kの英語とドイツ語のつぶやきを注釈する。
今回の結果は、新型コロナウイルス危機で連帯がますます健全になり、競争が激化したことを示している。
論文 参考訳（メタデータ） (2021-08-02T17:03:12Z) - COVID-19 sentiment analysis via deep learning during the rise of novel
cases [0.5156484100374059]
我々はtwitter上で感情分析を行うために,long short-term memory(lstm)リカレントニューラルネットワークを用いたディープラーニング言語モデルを用いた。
我々は、ほとんどのツイートは、インドのCOVID-19事件の台頭中に高いレベルの楽観主義で肯定的であることが判明しました。
楽観的で冗談を言うツイートは、主に月間ツイートを支配しており、ネガティブな感情が表される回数はずっと少なかった。
論文 参考訳（メタデータ） (2021-04-05T04:31:19Z) - 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) - 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) - 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) - Word frequency and sentiment analysis of twitter messages during
Coronavirus pandemic [0.0]
このソーシャルネットワーキングサイト、Twitterは、新型コロナウイルス関連の投稿数がごく短い期間で前例のない伸びを見せたのと同じような効果を示した。
本稿では、2020年1月から投稿されたこの病気に関連するTwitterメッセージの統計分析について述べる。
その結果、ほとんどのツイートは正の極性を持ち、15%程度しか否定的でないことがわかった。
論文 参考訳（メタデータ） (2020-04-08T10:45:08Z)
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。