論文の概要: Sentiment Analysis of Cybersecurity Content on Twitter and Reddit
- arxiv url: http://arxiv.org/abs/2204.12267v1
- Date: Tue, 26 Apr 2022 12:46:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-27 18:23:49.685851
- Title: Sentiment Analysis of Cybersecurity Content on Twitter and Reddit
- Title(参考訳): TwitterとRedditにおけるサイバーセキュリティコンテンツの感性分析
- Authors: Bipun Thapa
- Abstract要約: この研究は、TwitterとRedditのサイバーセキュリティコンテンツを分析し、その感情、肯定的、否定的、中立性を計測した。
また、VADERの性能を評価するために、ランダムなサイバーセキュリティコンテンツ(10のつぶやきと投稿)のサンプルを20人のアノテータによる感情として分類した。
人間の分類と比較すると、VADERはTwitterで60%、Redditで70%の精度で感情を評価した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Sentiment Analysis provides an opportunity to understand the subject(s),
especially in the digital age, due to an abundance of public data and effective
algorithms. Cybersecurity is a subject where opinions are plentiful and
differing in the public domain. This descriptive research analyzed
cybersecurity content on Twitter and Reddit to measure its sentiment, positive
or negative, or neutral. The data from Twitter and Reddit was amassed via
technology-specific APIs during a selected timeframe to create datasets, which
were then analyzed individually for their sentiment by VADER, an NLP (Natural
Language Processing) algorithm. A random sample of cybersecurity content (ten
tweets and posts) was also classified for sentiments by twenty human annotators
to evaluate the performance of VADER. Cybersecurity content on Twitter was at
least 48% positive, and Reddit was at least 26.5% positive. The positive or
neutral content far outweighed negative sentiments across both platforms. When
compared to human classification, which was considered the standard or source
of truth, VADER produced 60% accuracy for Twitter and 70% for Reddit in
assessing the sentiment; in other words, some agreement between algorithm and
human classifiers. Overall, the goal was to explore an uninhibited research
topic about cybersecurity sentiment
- Abstract(参考訳): 知覚分析(Sentiment Analysis)は、公共データと効果的なアルゴリズムが豊富にあるため、特にデジタル時代において、対象を理解する機会を提供する。
サイバーセキュリティは、パブリックドメインにおいて意見が豊富で異なる主題である。
この記述的な研究は、TwitterとRedditのサイバーセキュリティコンテンツを分析し、その感情、ポジティブ、ネガティブ、中立性を計測した。
twitterとredditのデータは、選択した時間枠で技術固有のapiを使って収集され、データセットを作成し、nlp(natural language processing)アルゴリズムであるvaderによって個別に分析された。
また、VADERの性能を評価するために、ランダムなサイバーセキュリティコンテンツ(10のつぶやきと投稿)のサンプルを20人のアノテータによって分類した。
Twitterのサイバーセキュリティコンテンツは少なくとも48%、Redditは少なくとも26.5%のポジティブだった。
肯定的あるいは中立的なコンテンツは、両プラットフォーム間のネガティブな感情をはるかに上回った。
人間の分類と比較すると、VADERはTwitterで60%の精度、Redditで70%の精度で感情を評価した。
全体として、目標は、サイバーセキュリティの感情に関する未解決の研究トピックを探求することだった。
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) - Depression detection in social media posts using affective and social
norm features [84.12658971655253]
ソーシャルメディア投稿からの抑うつ検出のための奥深いアーキテクチャを提案する。
我々は、後期融合方式を用いて、ポストとワードの敬称と道徳的特徴をアーキテクチャに組み込んだ。
提案された機能を含めると、両方の設定で最先端の結果が得られます。
論文 参考訳(メタデータ) (2023-03-24T21:26:27Z) - 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) - Perspectives of Non-Expert Users on Cyber Security and Privacy: An
Analysis of Online Discussions on Twitter [3.5174884177930448]
2つの機械学習ベースの分類器が開発され、413,985ツイートが特定された。
われわれは、2021年のサイバーセキュリティやプライバシー関連のトピックに関する非専門家のツイートが、世界的な新型コロナウイルス(COVID-19)のロックダウンの開始前(2019年1月から2020年2月)と比べて54%増加したことを観察した。
私たちの分析によると、VPN、Wi-Fi、スマートフォン、ラップトップ、スマートホームデバイス、金融セキュリティ、さまざまな利害関係者に関わるセキュリティとプライバシーの問題など、この3年間に渡り、専門家でないユーザーが議論してきたさまざまなトピックが明らかになった。
論文 参考訳(メタデータ) (2022-06-05T11:54:48Z) - Sentiment Analysis of Microblogging dataset on Coronavirus Pandemic [0.8252679746749371]
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。
論文 参考訳(メタデータ) (2021-11-17T18:13:54Z) - Identifying negativity factors from social media text corpus using
sentiment analysis method [0.0]
本研究では、階層的に否定的なコメントに分解し、より多くのクラスにリンクする。
ツイートはTwitterやFacebookなどのソーシャルメディアサイトから抽出される。
専門家の意見に基づいて、否定的なコメント/ツイートはさらに8つのクラスに分類される。
論文 参考訳(メタデータ) (2021-07-06T10:15:31Z) - 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) - Political audience diversity and news reliability in algorithmic ranking [54.23273310155137]
本稿では,ウェブサイトのオーディエンスの政治的多様性を質の指標として活用することを提案する。
ドメインの専門家によるニュースソースの信頼性評価と6,890人の米国市民の多様なサンプルによるWebブラウジングデータを用いて、より極端な、政治的に多様性の低いWebサイトが、ジャーナリストの基準を低くしていることを示す。
論文 参考訳(メタデータ) (2020-07-16T02:13:55Z) - Tweets Sentiment Analysis via Word Embeddings and Machine Learning
Techniques [1.345251051985899]
本論文では、感情分類のための特徴選択モデルWord2vecと機械学習アルゴリズムランダムフォレストを用いて、リアルタイムの2019年選挙Twitterデータに対する感情分析を行うことを目的とする。
Word2vecはテキスト中の単語の文脈意味を考慮し、特徴の質を改善し、機械学習と感情分析の精度を向上させる。
論文 参考訳(メタデータ) (2020-07-05T08:10:30Z) - Information Consumption and Social Response in a Segregated Environment:
the Case of Gab [74.5095691235917]
この研究は、COVID-19トピックに関するGab内のインタラクションパターンの特徴を提供する。
疑わしい、信頼できるコンテンツに対する社会的反応には、統計的に強い違いはない。
本研究は,協調した不正確な行動の理解と情報操作の早期警戒に関する知見を提供する。
論文 参考訳(メタデータ) (2020-06-03T11:34:25Z) - 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。