論文の概要: Happy or grumpy? A Machine Learning Approach to Analyze the Sentiment of Airline Passengers' Tweets

• arxiv url: http://arxiv.org/abs/2209.14363v1
• Date: Wed, 28 Sep 2022 18:50:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-30 17:03:02.364125
• Title: Happy or grumpy? A Machine Learning Approach to Analyze the Sentiment of Airline Passengers' Tweets
• Title（参考訳）: 幸せか不機嫌か? 飛行機の乗客のツイートに対する感情分析のための機械学習手法
• Authors: Shengyang Wu, Yi Gao
• Abstract要約: 本研究は,航空会社に言及したつぶやきの感情を分析し,顧客満足度を測定することを目的とする。 関連するつぶやきはTwitterのAPIから検索され、トークン化とベクトル化によって処理される。 感情分析に加えて、収集したつぶやきの語彙分析を行い、キーワードの頻度をモデル化する。
• 参考スコア（独自算出の注目度）: 17.611366838121064
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As one of the most extensive social networking services, Twitter has more than 300 million active users as of 2022. Among its many functions, Twitter is now one of the go-to platforms for consumers to share their opinions about products or experiences, including flight services provided by commercial airlines. This study aims to measure customer satisfaction by analyzing sentiments of Tweets that mention airlines using a machine learning approach. Relevant Tweets are retrieved from Twitter's API and processed through tokenization and vectorization. After that, these processed vectors are passed into a pre-trained machine learning classifier to predict the sentiments. In addition to sentiment analysis, we also perform lexical analysis on the collected Tweets to model keywords' frequencies, which provide meaningful contexts to facilitate the interpretation of sentiments. We then apply time series methods such as Bollinger Bands to detect abnormalities in sentiment data. Using historical records from January to July 2022, our approach is proven to be capable of capturing sudden and significant changes in passengers' sentiment. This study has the potential to be developed into an application that can help airlines, along with several other customer-facing businesses, efficiently detect abrupt changes in customers' sentiments and take adequate measures to counteract them.
• Abstract（参考訳）: ソーシャルネットワーキングサービスとしては、2022年時点でTwitterのアクティブユーザー数は3億人を超えている。 その多くの機能の中でtwitterは、商用航空会社が提供するフライトサービスなど、消費者が製品や経験について意見を共有するためのgo-toプラットフォームの1つとなっている。 本研究の目的は、機械学習アプローチを用いて航空会社に言及したつぶやきの感情を分析し、顧客満足度を測定することである。 関連するツイートはTwitterのAPIから検索され、トークン化とベクトル化によって処理される。 その後、これらの処理されたベクトルは、トレーニング済みの機械学習分類器に渡されて、感情を予測する。 感情分析に加えて、収集したつぶやきの語彙分析を行い、キーワードの頻度をモデル化し、感情の解釈を容易にする意味のある文脈を提供する。 次に,ボルリンガーバンドなどの時系列法を適用し,感情データの異常を検出する。 2022年1月から7月にかけての記録から, 乗客の感情の急激な変化を捉えることが可能であることが判明した。 この研究は、航空会社が他のいくつかの顧客向けビジネスと共に顧客感情の急激な変化を効果的に検出し、それに対応するための適切な対策を講じるアプリケーションに発展する可能性がある。

関連論文リスト

• A Machine Learning Approach to Detect Customer Satisfaction From Multiple Tweet Parameters [0.8585882243614277]
  肯定的なレビューは同社の成長に役立つが、ネガティブなレビューは収益と評判を急速に損なう可能性がある。 しかし、何千ものツイートを調査して分析して顧客の満足度を見つけることは、非常に難しい作業だ。 機械学習とディープラーニング技術を使用して手順を自動化するために、この戦略に関するいくつかの作業がすでに行われている。 この研究は、これらの性質を含める視点を広げた。
  論文  参考訳（メタデータ） (2024-02-25T05:16:43Z)
• Leveraging Twitter Data for Sentiment Analysis of Transit User Feedback: An NLP Framework [1.2499537119440245]
  トランジットサーベイを通じてユーザフィードバックを収集する従来の方法は、しばしば時間がかかり、リソースが集中し、コストがかかる。 我々は,Twitterのようなソーシャルメディアプラットフォームで利用可能な膨大な,豊富な,安価なデータを活用する,新しいNLPベースのフレームワークを提案する。 提案フレームワークは,ユーザフィードバックの収集と分析を,コストと時間を要するユーザフィードバック調査を必要とせずに効率化する。
  論文  参考訳（メタデータ） (2023-10-11T00:01:05Z)
• ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
  ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。 この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。 我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
  論文  参考訳（メタデータ） (2023-05-23T16:40:07Z)
• 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)
• Sentiment analysis in tweets: an assessment study from classical to modern text representation models [59.107260266206445]
  Twitterで公開された短いテキストは、豊富な情報源として大きな注目を集めている。 非公式な言語スタイルや騒々しい言語スタイルといったそれらの固有の特徴は、多くの自然言語処理(NLP)タスクに挑戦し続けている。 本研究では,22データセットの豊富なコレクションを用いて,ツイートに表される感情を識別する既存言語モデルの評価を行った。
  論文  参考訳（メタデータ） (2021-05-29T21:05:28Z)
• Birdspotter: A Tool for Analyzing and Labeling Twitter Users [12.558187319452657]
  BirdspotterはTwitterユーザーの分析とラベル付けを行うツールだ。 Birdspotter.mlは、計算されたメトリクスの探索的なビジュアライゼーションである。 我々は、完全なボット検出器に鳥のポッターを訓練する方法を示します。
  論文  参考訳（メタデータ） (2020-12-04T02:25:07Z)
• Improving Sentiment Analysis over non-English Tweets using Multilingual Transformers and Automatic Translation for Data-Augmentation [77.69102711230248]
  我々は、英語のつぶやきを事前学習し、自動翻訳を用いてデータ拡張を適用して非英語の言語に適応する多言語トランスフォーマーモデルを提案する。 我々のフランス語、スペイン語、ドイツ語、イタリア語での実験は、この手法が非英語のツイートの小さなコーパスよりも、トランスフォーマーの結果を改善する効果的な方法であることを示唆している。
  論文  参考訳（メタデータ） (2020-10-07T15:44:55Z)
• Writer Identification Using Microblogging Texts for Social Media Forensics [53.180678723280145]
  私たちは、文学的分析に広く使われている人気のあるスタイル的特徴と、URL、ハッシュタグ、返信、引用などの特定のTwitter機能を評価します。 我々は、様々なサイズの著者集合と、著者毎のトレーニング/テストテキストの量をテストする。
  論文  参考訳（メタデータ） (2020-07-31T00:23:18Z)
• 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)
• 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)
• An Iterative Approach for Identifying Complaint Based Tweets in Social Media Platforms [76.9570531352697]
  本稿では,トランスポートドメインに関連する苦情に基づく投稿を識別する反復的手法を提案する。 研究目的のための新しいデータセットのリリースとともに、包括的評価を行う。
  論文  参考訳（メタデータ） (2020-01-24T22:23:22Z)

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。