論文の概要: Deep Learning-Based Sentiment Analysis of COVID-19 Vaccination Responses
from Twitter Data
- arxiv url: http://arxiv.org/abs/2209.12604v1
- Date: Fri, 26 Aug 2022 18:07:37 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-02 23:57:14.000756
- Title: Deep Learning-Based Sentiment Analysis of COVID-19 Vaccination Responses
from Twitter Data
- Title（参考訳）: 深層学習によるTwitterデータからのCOVID-19ワクチン接種反応の分析
- Authors: Kazi Nabiul Alam, Md Shakib Khan, Abdur Rab Dhruba, Mohammad
Monirujjaman Khan, Jehad F. Al-Amri, Mehedi Masud and Majdi Rawashdeh
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 2.6256839599007273
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This COVID-19 pandemic is so dreadful that it leads to severe anxiety,
phobias, and complicated feelings or emotions. Even after vaccination against
Coronavirus has been initiated, people feelings have become more diverse and
complex, and our goal is to understand and unravel their sentiments in this
research using some Deep Learning techniques. Social media is currently the
best way to express feelings and emotions, and with the help of it,
specifically Twitter, one can have a better idea of what is trending and what
is going on in people minds. Our motivation for this research is to understand
the sentiment of people regarding the vaccination process, and their diverse
thoughts regarding this. In this research, the timeline of the collected tweets
was from December 21 to July 21, and contained tweets about the most common
vaccines available recently from all across the world. The sentiments of people
regarding vaccines of all sorts were assessed by using a Natural Language
Processing (NLP) tool named Valence Aware Dictionary for sEntiment Reasoner
(VADER). By initializing the sentiment polarities into 3 groups (positive,
negative and neutral), the overall scenario was visualized here and our
findings came out as 33.96% positive, 17.55% negative and 48.49% neutral
responses. Recurrent Neural Network (RNN) oriented architecture such as Long
Short-Term Memory (LSTM and Bi-LSTM) is used to assess the performance of the
predictive models, with LSTM achieving an accuracy of 90.59% and Bi-LSTM
achieving an accuracy of 90.83%. Other performance metrics such as Precision,
Recall, F-1 score, and Confusion matrix were also shown to validate our models
and findings more effectively. This study will help everyone understand public
opinion on the COVID-19 vaccines and impact the aim of eradicating the
Coronavirus from our beautiful world.
- Abstract（参考訳）: この新型コロナウイルスのパンデミックは非常に恐ろしいので、深刻な不安、恐怖症、複雑な感情や感情につながる。
コロナウイルスに対するワクチン接種を開始しても、人々の感情はより多様で複雑になり、私たちのゴールは、Deep Learning技術を使って、彼らの感情を理解し、解き明かすことです。
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。
本研究の動機は、予防接種プロセスに関する人々の感情と、それに関する様々な考えを理解することである。
この調査では、収集されたツイートのタイムラインは12月21日から7月21日までで、世界中で最近入手可能な最も一般的なワクチンに関するツイートが含まれている。
あらゆる種類のワクチンに関する人々の感情は、自然言語処理(NLP)ツールであるValence Aware Dictionary for sEntiment Reasoner (VADER)を用いて評価された。
感情極性を3つのグループ(正、負、中立)に初期化することで、全体シナリオを視覚化し、33.96%が陽性、17.55%が陰性、48.49%が中性反応を示した。
リカレントニューラルネットワーク(RNN)指向アーキテクチャであるLSTM(Long Short-Term Memory)やBi-LSTM(Bi-LSTM)は予測モデルの性能を評価するために用いられ、LSTMは90.59%、Bi-LSTMは90.83%の精度を達成する。
また、精度、リコール、F-1スコア、コンフュージョンマトリックスなどの他のパフォーマンス指標も、我々のモデルと結果をより効果的に検証するために示された。
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与える。
関連論文リスト
- Analyzing COVID-19 Vaccination Sentiments in Nigerian Cyberspace:
Insights from a Manually Annotated Twitter Dataset [2.820717448579396]
ナイジェリアにおけるワクチンの受け入れについて,トランスフォーマーに基づく言語モデルを用いて検討する。
関連するハッシュタグとキーワードを用いて複数言語ツイートをクロールすることで,新しいデータセットを開発した。
分析と可視化の結果、ほとんどのツイートは新型コロナウイルスワクチンに関する中立的な感情を表しており、一部の人は肯定的な見解を示しています。
論文 参考訳（メタデータ） (2024-01-23T22:49:19Z) - Dense Feature Memory Augmented Transformers for COVID-19 Vaccination
Search Classification [60.49594822215981]
本稿では,新型コロナウイルスワクチン関連検索クエリの分類モデルを提案する。
本稿では,モデルが対応可能なメモリトークンとして,高密度特徴を考慮した新しい手法を提案する。
この新しいモデリング手法により,Vaccine Search Insights (VSI) タスクを大幅に改善できることを示す。
論文 参考訳（メタデータ） (2022-12-16T13:57:41Z) - 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) - Doctors vs. Nurses: Understanding the Great Divide in Vaccine Hesitancy
among Healthcare Workers [64.1526243118151]
医者は新型コロナウイルスワクチンに対して全体的に陽性であることがわかりました。
医師は新型ワクチンよりもワクチンの有効性を懸念している。
看護婦は子供に対する潜在的な副作用にもっと注意を払う。
論文 参考訳（メタデータ） (2022-09-11T14:22:16Z) - Deep Learning Reveals Patterns of Diverse and Changing Sentiments
Towards COVID-19 Vaccines Based on 11 Million Tweets [3.319350419970857]
11,211,672人の新型コロナウイルス関連ツイートを2年間で2,203,681人を対象に分析した。
我々は、各ツイートの感情を自動的に検出するために、最先端モデルであるXLNetを用いてディープラーニング分類器を微調整した。
さまざまな人口集団のユーザーは、新型コロナウイルスワクチンに対する感情の異なるパターンを示した。
論文 参考訳（メタデータ） (2022-07-05T13:53:16Z) - "COVID-19 was a FIFA conspiracy #curropt": An Investigation into the
Viral Spread of COVID-19 Misinformation [60.268682953952506]
我々は、自然言語処理モデルを用いて、誤報がCOVID-19パンデミックの進行にどのような影響を及ぼしたかを推定する。
我々は、広範囲に害をもたらす可能性のあるソーシャルメディアポストと戦うための戦略を提供する。
論文 参考訳（メタデータ） (2022-06-12T19:41:01Z) - Sentiment Analysis and Topic Modeling for COVID-19 Vaccine Discussions [10.194753795363667]
われわれは、Twitter上で新型コロナウイルスに関するツイートを詳細に分析する。
その結果、大多数の人はワクチンの有効性に自信を持ち、ワクチン接種を希望していることがわかった。
否定的なツイートは、しばしばワクチン不足の苦情、注射後の副作用、ワクチン接種後の死亡の可能性と関連付けられている。
論文 参考訳（メタデータ） (2021-10-08T23:30:17Z) - American Twitter Users Revealed Social Determinants-related Oral Health
Disparities amid the COVID-19 Pandemic [72.44305630014534]
新型コロナウイルス(COVID-19)パンデミックの期間中に、26州で9,104人のTwitterユーザーから、口腔の健康関連ツイートを収集しました。
女性や若年者(19-29)は口腔の健康問題について話す傾向が強い。
新型コロナウイルス(COVID-19)のリスクが高い郡の人々は、歯の腐敗や歯の出血、歯の破折について語っています。
論文 参考訳（メタデータ） (2021-09-16T01:10:06Z) - COVID-19 Vaccine and Social Media: Exploring Emotions and Discussions on
Twitter [9.834635805575582]
新型コロナウイルスワクチンに対する公衆の反応は、新型コロナウイルスのパンデミックを抑える上で重要な成功要因だ。
伝統的な調査は高価で時間を要するもので、限られた健康問題に対処し、小規模なデータを取得する。
本研究では,多数のつぶやきを収集・解析するために,計算的および人為的符号化手法を用いた手法を提案する。
論文 参考訳（メタデータ） (2021-07-29T17:31:11Z) - Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。
実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
論文 参考訳（メタデータ） (2020-06-05T02:04:25Z) - Falling into the Echo Chamber: the Italian Vaccination Debate on Twitter [65.7192861893042]
われわれは、Twitter上での予防接種に関する議論が、予防接種ヘシタントに対する潜在的な不安にどのように影響するかを調査する。
予防接種懐疑派や擁護派が独自の「エチョ室」に居住していることが判明した。
これらのエコーチャンバーの中心には熱心な支持者がいて、高い精度のネットワークとコンテンツベースの分類器を構築しています。
論文 参考訳（メタデータ） (2020-03-26T13:55:50Z)
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。