Fugu-MT 論文翻訳(概要): Sentiment analysis on electricity twitter posts

論文の概要: Sentiment analysis on electricity twitter posts

arxiv url: http://arxiv.org/abs/2206.05042v1
Date: Fri, 10 Jun 2022 12:31:56 GMT
ステータス: 処理完了
システム内更新日: 2022-06-13 15:13:40.119193
Title: Sentiment analysis on electricity twitter posts
Title（参考訳）: 電力用twitterポストの感性分析
Authors: Pardeep Kaur, Maryam Edalati
Abstract要約: このプロジェクトは、Twitterのデータを使ってイギリスとインドにおける電力価格の上昇について、人々の意見に基づいている。目的は、Twitter上で表現された人々の表情や意見に対する感情分析を行うことである。我々は、TF-IDF単語レベルが感情分析の電力料金データセットに与える影響を分析した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: In today's world, everyone is expressive in some way, and the focus of this project is on people's opinions about rising electricity prices in United Kingdom and India using data from Twitter, a micro-blogging platform on which people post messages, known as tweets. Because many people's incomes are not good and they have to pay so many taxes and bills, maintaining a home has become a disputed issue these days. Despite the fact that Government offered subsidy schemes to compensate people electricity bills but it is not welcomed by people. In this project, the aim is to perform sentiment analysis on people's expressions and opinions expressed on Twitter. In order to grasp the electricity prices opinion, it is necessary to carry out sentiment analysis for the government and consumers in energy market. Furthermore, text present on these medias are unstructured in nature, so to process them we firstly need to pre-process the data. There are so many feature extraction techniques such as Bag of Words, TF-IDF (Term Frequency-Inverse Document Frequency), word embedding, NLP based features like word count. In this project, we analysed the impact of feature TF-IDF word level on electricity bills dataset of sentiment analysis. We found that by using TF-IDF word level performance of sentiment analysis is 3-4 higher than using N-gram features. Analysis is done using four classification algorithms including Naive Bayes, Decision Tree, Random Forest, and Logistic Regression and considering F-Score, Accuracy, Precision, and Recall performance parameters.
Abstract（参考訳）: 今日の世界では、誰もが何らかの形で表現力があり、このプロジェクトの目的は、ツイートと呼ばれるメッセージを投稿するマイクロブログプラットフォームであるtwitterのデータを使って、イギリスとインドの電力価格の上昇に関する人々の意見に焦点を当てている。多くの人々の収入は良くなく、多くの税金や紙幣を支払わなければならないため、近年では住宅の維持が論争の的になっている。政府が電気料金を補償する補助金制度を提案したにもかかわらず、人々はそれを歓迎していない。このプロジェクトの目的は、twitterで表現された人々の表情や意見に対する感情分析を行うことである。電力価格の意見を把握するためには、エネルギー市場における政府と消費者の感情分析を行う必要がある。さらに、これらのメディアに存在するテキストは本質的に構造化されていないので、処理するにはまずデータを前処理する必要があります。 Bag of Words、TF-IDF (Term Frequency-Inverse Document Frequency)、ワード埋め込み、ワードカウントのようなNLPベースの機能など、多くの特徴抽出技術がある。本稿では,TF-IDF単語レベルが感情分析の電力料金データセットに与える影響について分析した。 TF-IDFによる感情分析の単語レベル性能はN-gramよりも3～4高いことがわかった。解析は,ナイーブベイ,決定木,ランダムフォレスト,ロジスティック回帰の4つの分類アルゴリズムを用いて行われ,f-スコア,精度,精度,リコール性能パラメータを考慮した。

関連論文リスト

Sentiment Analysis in Twitter Social Network Centered on Cryptocurrencies Using Machine Learning [1.9336815376402718]
本稿では,Twitter上での暗号通貨に関するイラン人の意見を考察する。感情に基づいてツイートを分類する最良のモデルを提供する。
論文参考訳（メタデータ） (2025-01-16T16:15:52Z)
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)
Opinion Mining on Offshore Wind Energy for Environmental Engineering [1.563479906200713]
我々は、オフショア風力エネルギーに関する大衆の意見を研究するために、ソーシャルメディアデータに対する感情分析を行う。我々は、TextBlob、VADER、SentiWordNetという3つの機械学習モデルを適用する。
論文参考訳（メタデータ） (2024-09-22T01:51:43Z)
Targeted aspect-based emotion analysis to detect opportunities and precaution in financial Twitter messages [8.504685056067144]
同じツイートで、異なる株式市場資産の金銭的感情(肯定的、否定的な予測)を個別に識別できる新たなTABEA(Targeted Aspect-Based Emotion Analysis)システムを提案する。自然言語処理(NLP)技術と機械学習ストリーミングアルゴリズムに基づいている。ターゲットの感情、財務的機会、そしてTwitterの予防のために90%以上の精度を達成している。
論文参考訳（メタデータ） (2024-03-30T16:46:25Z)
Weisfeiler and Leman Go Measurement Modeling: Probing the Validity of the WL Test [58.1543112860658]
グラフ機械学習実践者の表現力概念化と$k$-WLとの相違を明らかにする。ベンチマークに基づく表現力の拡張的定義と測定について論じる。
論文参考訳（メタデータ） (2023-07-11T20:06:12Z)
Unsupervised Sentiment Analysis of Plastic Surgery Social Media Posts [91.3755431537592]
ソーシャルメディアプラットフォームにまたがる膨大なユーザー投稿は、主に人工知能(AI)のユースケースに使われていない。自然言語処理(NLP)は、コーパス(corpora)として知られるドキュメントの体系を利用して、人間のような言語理解でコンピュータを訓練するAIのサブフィールドである。本研究は, 教師なし解析の応用により, コンピュータがプラスティック手術に対する否定的, 肯定的, 中立的なユーザ感情を予測できることを示した。
論文参考訳（メタデータ） (2023-07-05T20:16:20Z)
Taureau: A Stock Market Movement Inference Framework Based on Twitter Sentiment Analysis [0.0]
我々はTwitterの感情分析を利用して株式市場の動きを予測するフレームワークTaureauを提案する。まずはTweepyとgetOldTweetsを使って、一連のトップ企業の世論を示す歴史的なツイートを入手する。得られた感情スコアの時間次元を月次株価変動データと相関する。
論文参考訳（メタデータ） (2023-03-30T19:12:08Z)
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)
Identification of Twitter Bots based on an Explainable ML Framework: the US 2020 Elections Case Study [72.61531092316092]
本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。 Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
論文参考訳（メタデータ） (2021-12-08T14:12:24Z)
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)
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)

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。