論文の概要: Semi-supervised learning approaches for predicting South African political sentiment for local government elections

• arxiv url: http://arxiv.org/abs/2205.02223v1
• Date: Wed, 4 May 2022 17:55:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-05 15:08:24.002876
• Title: Semi-supervised learning approaches for predicting South African political sentiment for local government elections
• Title（参考訳）: 地方自治体選挙における南アフリカの政治感情予測のための半教師付き学習アプローチ
• Authors: Mashadi Ledwaba and Vukosi Marivate
• Abstract要約: 本研究は,地方選挙でTwitter上で共有された感情を分析し,南アフリカの政治状況を理解することを目的としている。 ANC、DA、EFF、ActionSAの4大政党が主導する議論の理解に重点が置かれた。
• 参考スコア（独自算出の注目度）: 1.9686054517684888
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study aims to understand the South African political context by analysing the sentiments shared on Twitter during the local government elections. An emphasis on the analysis was placed on understanding the discussions led around four predominant political parties ANC, DA, EFF and ActionSA. A semi-supervised approach by means of a graph-based technique to label the vast accessible Twitter data for the classification of tweets into negative and positive sentiment was used. The tweets expressing negative sentiment were further analysed through latent topic extraction to uncover hidden topics of concern associated with each of the political parties. Our findings demonstrated that the general sentiment across South African Twitter users is negative towards all four predominant parties with the worst negative sentiment among users projected towards the current ruling party, ANC, relating to concerns cantered around corruption, incompetence and loadshedding.
• Abstract（参考訳）: 本研究は,地方選挙でTwitter上で共有された感情を分析し,南アフリカの政治状況を理解することを目的とする。 この分析は、ANC、DA、EFF、ActionSAの4大政党を中心にした議論の理解に重点が置かれた。 グラフベースの手法により、ツイートの分類に膨大なアクセス可能なtwitterデータを、ネガティブでポジティブな感情に分類する半教師付きアプローチが用いられた。 ネガティブな感情を表すツイートは、潜在トピック抽出を通じてさらに分析され、各政党に関連する関心事の隠れたトピックを明らかにする。 今回の調査結果は、南アフリカのtwitterユーザーの一般的な感情が、現在の与党であるancに投じられた最も悪いネガティブな感情を持つ4つの有力政党すべてに対して否定的であることを示している。

関連論文リスト

• On the Use of Proxies in Political Ad Targeting [49.61009579554272]
  我々は、主要な政治広告主がプロキシ属性をターゲットとして緩和を回避したことを示す。 本研究は政治広告の規制に関する議論に重要な意味を持つ。
  論文  参考訳（メタデータ） (2024-10-18T17:15:13Z)
• EkoHate: Abusive Language and Hate Speech Detection for Code-switched Political Discussions on Nigerian Twitter [5.398017919144532]
  われわれは、ラゴス州知事選挙の3人の議員に向け、Twitterのコード変更データを精査した。 我々は、政治的議論のための虐待的言語とヘイトスピーチデータセットであるEkoHateを開発した。 我々のデータセットは、公開されている3つの攻撃的データセットに適切に転送されていることを示す。
  論文  参考訳（メタデータ） (2024-04-28T13:25:11Z)
• Whose Side Are You On? Investigating the Political Stance of Large Language Models [56.883423489203786]
  大規模言語モデル(LLM)の政治的指向性について,8つのトピックのスペクトルにわたって検討する。 我々の調査は、中絶からLGBTQ問題まで8つのトピックにまたがるLLMの政治的整合性について考察している。 この結果から,ユーザはクエリ作成時に留意すべきであり,中立的なプロンプト言語を選択する際には注意が必要であることが示唆された。
  論文  参考訳（メタデータ） (2024-03-15T04:02:24Z)
• Whose Opinions Do Language Models Reflect? [88.35520051971538]
  質の高い世論調査と関連する人的反応を利用して,言語モデル(LM)に反映された意見を検討する。 我々は、現在のLMが反映している見解と、アメリカの人口集団の見解の間にかなりの不一致を見出した。 我々の分析は、人間のフィードバック調整されたLMの左利き傾向に関する事前の観察を裏付けるものである。
  論文  参考訳（メタデータ） (2023-03-30T17:17:08Z)
• Tweets2Stance: Users stance detection exploiting Zero-Shot Learning Algorithms on Tweets [0.06372261626436675]
  この研究の目的は、TwitterのパーティアカウントがTwitterで書いたことを悪用する各声明に関して、党pのスタンスを予測することである。 複数の実験から得られた結果から、Tweets2Stanceは、タスクの複雑さを考慮して、一般的な最小値である1.13の姿勢を正確に予測できることがわかった。
  論文  参考訳（メタデータ） (2022-04-22T14:00:11Z)
• 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)
• Reaching the bubble may not be enough: news media role in online political polarization [58.720142291102135]
  分極を減らす方法は、異なる政治的指向を持つ個人に党間のニュースを分配することである。 本研究は、ブラジルとカナダにおける全国選挙の文脈において、これが成立するかどうかを考察する。
  論文  参考訳（メタデータ） (2021-09-18T11:34:04Z)
• 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)
• 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)
• 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)
• Detecting Group Beliefs Related to 2018's Brazilian Elections in Tweets A Combined Study on Modeling Topics and Sentiment Analysis [0.0]
  2018年のブラジル大統領選挙では、Twitterなどの代替メディアやソーシャルネットワークの影響が強調された。 本研究では,ブラジルの選挙における第2回投票に関する政治的動機づけ談話の分析を行う。 その時点では、政治ハッシュタグに関連する一連のツイートを集めています。
  論文  参考訳（メタデータ） (2020-05-31T10:58:35Z)

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。