論文の概要: YouTube Ad View Sentiment Analysis using Deep Learning and Machine Learning

• arxiv url: http://arxiv.org/abs/2205.11082v1
• Date: Mon, 23 May 2022 06:55:34 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-25 11:39:42.398404
• Title: YouTube Ad View Sentiment Analysis using Deep Learning and Machine Learning
• Title（参考訳）: ディープラーニングと機械学習を用いたYouTube Ad View Sentiment Analysis
• Authors: Tanvi Mehta, Ganesh Deshmukh
• Abstract要約: 本研究では,Linear Regression (LR), Support Vector Machine (SVM), Decision Tree (DT), Random Forest (RF), Artificial Neural Network (ANN)といったディープラーニングと機械学習アルゴリズムを用いたYouTube Ad Viewの感情を予測する。
• 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 currently a vital area of research. With the advancement in the use of the internet, the creation of social media, websites, blogs, opinions, ratings, etc. has increased rapidly. People express their feedback and emotions on social media posts in the form of likes, dislikes, comments, etc. The rapid growth in the volume of viewer-generated or user-generated data or content on YouTube has led to an increase in YouTube sentiment analysis. Due to this, analyzing the public reactions has become an essential need for information extraction and data visualization in the technical domain. This research predicts YouTube Ad view sentiments using Deep Learning and Machine Learning algorithms like Linear Regression (LR), Support Vector Machine (SVM), Decision Tree (DT), Random Forest (RF), and Artificial Neural Network (ANN). Finally, a comparative analysis is done based on experimental results acquired from different models.
• Abstract（参考訳）: 感情分析は現在、重要な研究分野である。 インターネットの利用の進歩に伴い、ソーシャルメディア、ウェブサイト、ブログ、意見、格付けなどの開発が急速に進んでいる。 人々は、likes、likes、likes、コメントなどの形で、ソーシャルメディア投稿にフィードバックや感情を表現します。 youtube上の視聴者生成データやユーザー生成データやコンテンツの急速な増加は、youtubeの感情分析の増加につながった。 このため、技術領域における情報抽出とデータの可視化には、公開反応の分析が不可欠である。 本研究では,Linear Regression (LR), Support Vector Machine (SVM), Decision Tree (DT), Random Forest (RF), Artificial Neural Network (ANN)などのディープラーニングと機械学習アルゴリズムを用いて,YouTube Ad Viewの感情を予測する。 最後に、異なるモデルから得られた実験結果に基づいて比較分析を行う。

関連論文リスト

• Towards Generalist Robot Learning from Internet Video: A Survey [56.621902345314645]
  ディープラーニングを巨大なインターネットスクレイプデータセットにスケールすることで、自然言語処理と視覚的理解と生成において、極めて一般的な機能を実現している。 データはロボット工学で収集するには不十分で費用がかかる。これは、他の領域で観測される能力の一般性に合わせるために、ロボット学習が苦労しているのである。 Learning from Videos (LfV)メソッドは、従来のロボットデータを大規模なインターネットスクラッドビデオデータセットで拡張することで、このデータボトルネックに対処しようとしている。
  論文  参考訳（メタデータ） (2024-04-30T15:57:41Z)
• A Comprehensive Review on Sentiment Analysis: Tasks, Approaches and Applications [0.2717221198324361]
  感性分析(SA)はテキストマイニングにおける新たな分野である。 これは、異なるソーシャルメディアプラットフォーム上でテキストで表現された意見を計算的に識別し、分類するプロセスである。
  論文  参考訳（メタデータ） (2023-11-19T06:29:41Z)
• 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)
• BERT-Deep CNN: State-of-the-Art for Sentiment Analysis of COVID-19 Tweets [0.7850663096185592]
  新型コロナウイルスのパンデミックは、ソーシャルメディアプラットフォーム上で議論されている出来事の1つだ。 パンデミックの状況では、ソーシャルメディアのテキストを分析して感情的傾向を明らかにすることが非常に有用である。 我々は、最先端のBERTモデルとDeep CNNモデルを用いて、ソーシャルメディアを通じて、新型コロナウイルスのパンデミックに対する社会の認識を研究する。
  論文  参考訳（メタデータ） (2022-11-04T14:35:56Z)
• How Would The Viewer Feel? Estimating Wellbeing From Video Scenarios [73.24092762346095]
  情緒応答と主観的幸福感に注釈を付けた6万本以上のビデオを備えた大規模データセットを2つ導入した。 Video Cognitive Empathyデータセットには、微粒な感情応答の分布のためのアノテーションが含まれており、モデルが感情状態の詳細な理解を得ることができる。 Video to Valenceデータセットには、ビデオ間の相対的な快適性のアノテーションが含まれている。
  論文  参考訳（メタデータ） (2022-10-18T17:58:25Z)
• Learning in Audio-visual Context: A Review, Analysis, and New Perspective [88.40519011197144]
  本調査は,聴覚・視覚領域の研究を体系的に整理し,分析することを目的とする。 計算研究に影響を与えた重要な発見をいくつか紹介する。 本稿では,音声視覚シーン理解の新しい視点を提案するとともに,音声視覚学習領域の今後の可能性について論じ,分析する。
  論文  参考訳（メタデータ） (2022-08-20T02:15:44Z)
• Video Manipulations Beyond Faces: A Dataset with Human-Machine Analysis [60.13902294276283]
  我々は826の動画(413のリアルと413の操作)からなるデータセットであるVideoShamを提示する。 既存のディープフェイクデータセットの多くは、2種類の顔操作にのみ焦点をあてている。 我々の分析によると、最先端の操作検出アルゴリズムはいくつかの特定の攻撃に対してのみ有効であり、VideoShamではうまくスケールしない。
  論文  参考訳（メタデータ） (2022-07-26T17:39:04Z)
• Self-Supervised Learning for Videos: A Survey [70.37277191524755]
  自己教師型学習は、画像ドメインとビデオドメインの両方で有望である。 本稿では,ビデオ領域に着目した自己教師型学習における既存のアプローチについて概観する。
  論文  参考訳（メタデータ） (2022-06-18T00:26:52Z)
• OSN Dashboard Tool For Sentiment Analysis [0.0]
  意見はすべての人間の活動の中心であるため、このタイプのデータに対する洞察を得るために感情分析が適用されている。 主な欠点は、分類と高レベルの可視化のための標準化されたソリューションがないことである。 本研究では,オンラインソーシャルネットワーキング分析のための感情分析ダッシュボードを提案する。
  論文  参考訳（メタデータ） (2022-06-14T15:56:32Z)
• 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)
• Mi YouTube es Su YouTube? Analyzing the Cultures using YouTube Thumbnails of Popular Videos [98.87558262467257]
  本研究では,YouTubeのトレンド動画のサムネイルを用いて,各国の文化選好について検討した。 実験の結果、類似文化のユーザーはYouTubeで同様のビデオを見ることに興味を持っていることがわかった。
  論文  参考訳（メタデータ） (2020-01-27T20:15:57Z)

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。