論文の概要: Sentiment Analysis of Political Tweets for Israel using Machine Learning
- arxiv url: http://arxiv.org/abs/2204.06515v1
- Date: Tue, 12 Apr 2022 12:07:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-15 00:12:19.589736
- Title: Sentiment Analysis of Political Tweets for Israel using Machine Learning
- Title（参考訳）: 機械学習を用いたイスラエルの政治ツイートの感性分析
- Authors: Amisha Gangwar, Tanvi Mehta
- Abstract要約: 本研究では、イスラエルの政治Twitterデータを用いて、パレスチナとイスラエルの対立に対する世論を解釈する分析研究を提案する。
ツイート形式での民族グループと世論指導者の態度を機械学習アルゴリズムを用いて分析する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Sentiment Analysis is a vital research topic in the field of Computer
Science. With the accelerated development of Information Technology and social
networks, a massive amount of data related to comment texts has been generated
on web applications or social media platforms like Twitter. Due to this, people
have actively started proliferating general information and the information
related to political opinions, which becomes an important reason for analyzing
public reactions. Most researchers have used social media specifics or contents
to analyze and predict public opinion concerning political events. This
research proposes an analytical study using Israeli political Twitter data to
interpret public opinion towards the Palestinian-Israeli conflict. The
attitudes of ethnic groups and opinion leaders in the form of tweets are
analyzed using Machine Learning algorithms like Support Vector Classifier
(SVC), Decision Tree (DT), and Naive Bayes (NB). Finally, a comparative
analysis is done based on experimental results from different models.
- Abstract（参考訳）: 感覚分析はコンピュータ科学の分野において重要な研究課題である。
情報技術やソーシャルネットワークの発展が加速するにつれ、コメントテキストに関する膨大なデータがウェブアプリケーションやtwitterのようなソーシャルメディアプラットフォームで生成されている。
このため、世論に関する一般情報や情報の普及が盛んになり、大衆の反応を分析する重要な要因となっている。
ほとんどの研究者はソーシャルメディアの具体例や内容を使って、政治出来事に関する世論を分析し、予測してきた。
本研究では、イスラエルの政治Twitterデータを用いて、パレスチナ・イスラエル紛争に対する世論を解釈する分析研究を提案する。
ツイート形式における民族集団や意見指導者の態度は、サポートベクター分類(svc)、意思決定木(dt)、ナイーブベイズ(nb)といった機械学習アルゴリズムを用いて分析される。
最後に、異なるモデルによる実験結果に基づいて比較分析を行う。
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) - Towards Hybrid Intelligence in Journalism: Findings and Lessons Learnt from a Collaborative Analysis of Greek Political Rhetoric by ChatGPT and Humans [1.4605550954028836]
この章は、感情分析、分極、ポピュリズム、トピック検出、名前付きエンティティ認識(NER)など、政治的言論分析の様々な側面を掘り下げている。
このプロジェクトは、デジタルヒューマニティーの世界における人間とAIのコラボレーションの革新的な例であり、将来のイニシアチブに貴重な洞察を提供する。
論文 参考訳（メタデータ） (2024-10-17T09:54:54Z) - Analyzing Political Figures in Real-Time: Leveraging YouTube Metadata
for Sentiment Analysis [0.0]
YouTubeビデオメタデータのビッグデータを用いた感情分析を行い、様々な政治的人物の世論を分析することができる。
本研究は,YouTubeビデオメタデータを利用した感情分析システムの構築を目的とした。
感情分析モデルはLSTMアルゴリズムを用いて構築され、肯定的な感情と否定的な感情の2種類の感情を生成する。
論文 参考訳（メタデータ） (2023-09-28T08:15:55Z) - What goes on inside rumour and non-rumour tweets and their reactions: A
Psycholinguistic Analyses [58.75684238003408]
ソーシャルメディアのテキストの心理言語学的分析は、誤情報を緩和するために意味のある結論を導くのに不可欠である。
本研究は,様々な事象に関する噂の深い心理言語学的分析を行うことによって貢献する。
論文 参考訳（メタデータ） (2021-11-09T07:45:11Z) - News consumption and social media regulations policy [70.31753171707005]
我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。
以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。
Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
論文 参考訳（メタデータ） (2021-06-07T19:26:32Z) - Exploring the political pulse of a country using data science tools [0.0]
我々は、政党の指導者からのツイートを、政治プログラムやアイデアのダイナミックな代行と見なしている。
ソーシャルメディアに適応した新しいツールを用いて、ツイートにおける肯定的感情と否定的感情のレベルを分析する。
私たちは、ツイートの政治的関連を認識するために人工知能を訓練します。
論文 参考訳（メタデータ） (2020-11-20T08:17:12Z) - Country Image in COVID-19 Pandemic: A Case Study of China [79.17323278601869]
国像は国際関係と経済発展に大きな影響を与えている。
新型コロナウイルス(COVID-19)の世界的な流行で、各国と国民は異なる反応を見せている。
本研究では,中国を具体的かつ典型的な事例として捉え,大規模Twitterデータセットのアスペクトベース感情分析を用いてそのイメージを考察する。
論文 参考訳（メタデータ） (2020-09-12T15:54:51Z) - Visual Sentiment Analysis from Disaster Images in Social Media [11.075683976162766]
本稿では,社会的な重要な領域における視覚的感情分析,すなわちソーシャルメディアにおける災害分析に焦点を当てる。
本稿では,災害関連画像に対する深い視覚的感情分析手法を提案し,視覚的感情分析のさまざまな側面について述べる。
提案システムは,様々な利害関係者を支援することで,より生き生きとしたコミュニティに貢献できると考えている。
論文 参考訳（メタデータ） (2020-09-04T11:29:52Z) - Inferring Political Preferences from Twitter [0.0]
ソーシャルメディアの政治的センチメント分析は、政治ストラテジストが政党や候補者のパフォーマンスを精査するのに役立つ。
選挙期間中、ソーシャルネットワークはブログ、チャット、討論、政党や政治家の展望に関する議論で溢れている。
本研究では、従来の機械学習を用いて、テキスト分類問題としてモデル化することで、ツイートに存在する政治的意見の傾きを特定することを選んだ。
論文 参考訳（メタデータ） (2020-07-21T05:20:43Z) - Sentiment Analysis Based on Deep Learning: A Comparative Study [69.09570726777817]
世論の研究は我々に貴重な情報を提供することができる。
感情分析の効率性と正確性は、自然言語処理で直面する課題によって妨げられている。
本稿では、感情分析の問題を解決するためにディープラーニングを用いた最新の研究をレビューする。
論文 参考訳（メタデータ） (2020-06-05T16:28:10Z) - 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。