論文の概要: A CNN-LSTM-based hybrid deep learning approach to detect sentiment
polarities on Monkeypox tweets
- arxiv url: http://arxiv.org/abs/2208.12019v1
- Date: Thu, 25 Aug 2022 11:53:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-26 13:00:40.992866
- Title: A CNN-LSTM-based hybrid deep learning approach to detect sentiment
polarities on Monkeypox tweets
- Title（参考訳）: CNN-LSTMを用いたハイブリッドディープラーニングによるMonkeypoxツイートの感情極性検出
- Authors: Krishna Kumar Mohbey, Gaurav Meena, Sunil Kumar, K Lokesh
- Abstract要約: 本研究は,CNNとLSTMに基づくハイブリッド技術であるサルポックス病について,個々人がどう考えるかを明らかにすることに焦点を当てた。
CNNとLSTM上に構築されたアーキテクチャを用いて、予測モデルがどの程度正確かを決定する。
推奨モデルの精度は、サルポックスのツイートデータセットで94%だった。
- 参考スコア（独自算出の注目度）: 0.5104181562775777
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: People have recently begun communicating their thoughts and viewpoints
through user-generated multimedia material on social networking websites. This
information can be images, text, videos, or audio. Recent years have seen a
rise in the frequency of occurrence of this pattern. Twitter is one of the most
extensively utilized social media sites, and it is also one of the finest
locations to get a sense of how people feel about events that are linked to the
Monkeypox sickness. This is because tweets on Twitter are shortened and often
updated, both of which contribute to the platform's character. The fundamental
objective of this study is to get a deeper comprehension of the diverse range
of reactions people have in response to the presence of this condition. This
study focuses on finding out what individuals think about monkeypox illnesses,
which presents a hybrid technique based on CNN and LSTM. We have considered all
three possible polarities of a user's tweet: positive, negative, and neutral.
An architecture built on CNN and LSTM is utilized to determine how accurate the
prediction models are. The recommended model's accuracy was 94% on the
monkeypox tweet dataset. Other performance metrics such as accuracy, recall,
and F1-score were utilized to test our models and results in the most time and
resource-effective manner. The findings are then compared to more traditional
approaches to machine learning. The findings of this research contribute to an
increased awareness of the monkeypox infection in the general population.
- Abstract（参考訳）: 近年,ソーシャル・ネットワーキング・ウェブサイト上でユーザ生成のマルチメディア・マテリアルを通じて考えや視点を伝え始めている。
この情報は、画像、テキスト、ビデオ、音声でもよい。
近年,このパターンの発生頻度が増加している。
Twitterは、最も広く利用されているソーシャルメディアサイトの1つであり、Monkeypoxの病に結びついている出来事について人々がどう感じるかを理解するための、最も優れた場所の1つでもある。
これはTwitter上のツイートが短縮され、しばしば更新されるためであり、どちらもプラットフォームの特徴に寄与している。
本研究の基本的な目的は、この状態の存在に反応して、人々が持つ多様な反応をより深く理解することである。
本研究は,CNNとLSTMに基づくハイブリッド技術であるサルポックス病について,個々人がどう考えるかを明らかにすることに焦点を当てた。
我々は、ユーザーのツイートの3つの極性(ポジティブ、ネガティブ、中立)全てを検討した。
CNNとLSTM上に構築されたアーキテクチャを用いて、予測モデルがどの程度正確かを決定する。
推奨モデルの精度はサルポックスのツイートデータセットで94%であった。
精度、リコール、F1スコアなどの他のパフォーマンス指標は、我々のモデルをテストするために使われ、最も時間とリソース効率のよい方法で結果が得られた。
この結果は、機械学習に対する従来のアプローチと比較される。
本研究の結果は,一般住民のサルポックス感染に対する意識の向上に寄与した。
関連論文リスト
- 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) - Deep Learning-Based Sentiment Analysis of COVID-19 Vaccination Responses
from Twitter Data [2.6256839599007273]
この研究は、新型コロナウイルスワクチンに関する世論の理解を助け、われわれの美しい世界からコロナウイルスを根絶する目的に影響を及ぼすだろう。
ソーシャルメディアは、現在感情や感情を表現する最良の方法であり、その助けを借りて、特にTwitterは、トレンドと人々の心の中で何が起きているのかをよりよく理解することができる。
論文 参考訳（メタデータ） (2022-08-26T18:07:37Z) - Portuguese Man-of-War Image Classification with Convolutional Neural
Networks [58.720142291102135]
ポルトガルマン・オブ・ウォー(ポルトガル語: Man-of-war、PMW)は、長い触手を持つゼラチン質の生物である。
本稿では,InstagramのソーシャルメディアからPMW画像を認識するための畳み込みニューラルネットワークの利用について報告する。
論文 参考訳（メタデータ） (2022-07-04T03:06:45Z) - 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) - 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) - Characterizing User Susceptibility to COVID-19 Misinformation on Twitter [40.0762273487125]
本研究は、パンデミックのオンライン誤報に弱い人口を構成する人々への回答を試みる。
我々は、ソーシャルボットから、新型コロナウイルス関連の誤情報に関するさまざまなレベルのエンゲージメントを持つ人間まで、さまざまなタイプのユーザーを区別する。
次に、新型コロナウイルスの誤情報に対する感受性と相関する、ユーザのオンライン機能と状況予測を識別する。
論文 参考訳（メタデータ） (2021-09-20T13:31:15Z) - Convolutional Neural Networks for Sleep Stage Scoring on a Two-Channel
EEG Signal [63.18666008322476]
睡眠障害は、世界中の主要な病気の1つです。
専門家が使用する基本的なツールはPolysomnogramで、睡眠中に記録された様々な信号の集合である。
専門家は、標準的なガイドラインの1つに従って異なる信号を採点する必要があります。
論文 参考訳（メタデータ） (2021-03-30T09:59:56Z) - Sentiment Analysis on Social Media Content [0.0]
本研究の目的は,Twitterから収集した実データの感情分析を行うモデルを提案することである。
Twitterのデータは非常に非構造化されており、分析が困難である。
提案手法は,教師付き機械学習アルゴリズムと教師なし機械学習アルゴリズムの併用により,この分野の先行研究とは異なる。
論文 参考訳（メタデータ） (2020-07-04T17:03:30Z) - 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) - Word frequency and sentiment analysis of twitter messages during
Coronavirus pandemic [0.0]
このソーシャルネットワーキングサイト、Twitterは、新型コロナウイルス関連の投稿数がごく短い期間で前例のない伸びを見せたのと同じような効果を示した。
本稿では、2020年1月から投稿されたこの病気に関連するTwitterメッセージの統計分析について述べる。
その結果、ほとんどのツイートは正の極性を持ち、15%程度しか否定的でないことがわかった。
論文 参考訳（メタデータ） (2020-04-08T10:45:08Z) - Machine Learning-based Approach for Depression Detection in Twitter
Using Content and Activity Features [0.0]
近年の研究では、ソーシャルメディアサイトの利用率とうつ病の増加の相関が示されている。
本研究の目的は、ネットワークの振る舞いとつぶやきの両方に基づいて、潜在的に落ち込んだTwitterユーザーを検出する機械学習技術を活用することである。
論文 参考訳（メタデータ） (2020-03-09T11:27:39Z)
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。