Fugu-MT 論文翻訳(概要): BERT-Deep CNN: State-of-the-Art for Sentiment Analysis of COVID-19 Tweets

論文の概要: BERT-Deep CNN: State-of-the-Art for Sentiment Analysis of COVID-19 Tweets

arxiv url: http://arxiv.org/abs/2211.09733v1
Date: Fri, 4 Nov 2022 14:35:56 GMT
ステータス: 処理完了
システム内更新日: 2022-11-20 13:52:08.426853
Title: BERT-Deep CNN: State-of-the-Art for Sentiment Analysis of COVID-19 Tweets
Title（参考訳）: BERT-Deep CNN: COVID-19ツイートの感情分析の最先端
Authors: Javad Hassannataj Joloudari, Sadiq Hussain, Mohammad Ali Nematollahi, Rouhollah Bagheri, Fatemeh Fazl, Roohallah Alizadehsani, Reza Lashgari
Abstract要約: 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。
参考スコア（独自算出の注目度）: 0.7850663096185592
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: The free flow of information has been accelerated by the rapid development of social media technology. There has been a significant social and psychological impact on the population due to the outbreak of Coronavirus disease (COVID-19). The COVID-19 pandemic is one of the current events being discussed on social media platforms. In order to safeguard societies from this pandemic, studying people's emotions on social media is crucial. As a result of their particular characteristics, sentiment analysis of texts like tweets remains challenging. Sentiment analysis is a powerful text analysis tool. It automatically detects and analyzes opinions and emotions from unstructured data. Texts from a wide range of sources are examined by a sentiment analysis tool, which extracts meaning from them, including emails, surveys, reviews, social media posts, and web articles. To evaluate sentiments, natural language processing (NLP) and machine learning techniques are used, which assign weights to entities, topics, themes, and categories in sentences or phrases. Machine learning tools learn how to detect sentiment without human intervention by examining examples of emotions in text. In a pandemic situation, analyzing social media texts to uncover sentimental trends can be very helpful in gaining a better understanding of society's needs and predicting future trends. We intend to study society's perception of the COVID-19 pandemic through social media using state-of-the-art BERT and Deep CNN models. The superiority of BERT models over other deep models in sentiment analysis is evident and can be concluded from the comparison of the various research studies mentioned in this article.
Abstract（参考訳）: 情報の流れはソーシャルメディア技術の急速な発展によって加速されている。コロナウイルス(COVID-19)の流行により、人口に大きな社会的・心理的影響を及ぼした。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。このパンデミックから社会を守るためには、ソーシャルメディア上で人々の感情を研究することが重要である。その結果、ツイートのようなテキストの感情分析は依然として困難である。感性分析は強力なテキスト分析ツールである。非構造化データから意見や感情を自動的に検出し分析する。幅広い情報源からのテキストを感情分析ツールで分析し、電子メール、調査、レビュー、ソーシャルメディア投稿、ウェブ記事など、それらから意味を抽出する。感情を評価するために、自然言語処理(NLP)と機械学習技術を使用し、文やフレーズの実体、話題、テーマ、カテゴリに重みを割り当てる。機械学習ツールは、テキスト中の感情の例を調べることによって、人間の介入なしに感情を検出する方法を学ぶ。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は、社会のニーズをよりよく理解し、将来のトレンドを予測するのに非常に役立ちます。我々は,最先端のbertモデルと深層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。感情分析における他の深層モデルよりもBERTモデルの方が優れていることは明らかであり,本論文で述べた様々な研究結果との比較から結論付けることができる。

関連論文リスト

Community Shaping in the Digital Age: A Temporal Fusion Framework for Analyzing Discourse Fragmentation in Online Social Networks [45.58331196717468]
本研究では,ソーシャルメディアプラットフォームにおけるオンラインコミュニティの動態を解析するための枠組みを提案する。テキスト分類と動的ソーシャルネットワーク分析を組み合わせることで,コミュニティの形成と進化を促進するメカニズムを明らかにする。
論文参考訳（メタデータ） (2024-09-18T03:03:02Z)
Large language models for sentiment analysis of newspaper articles during COVID-19: The Guardian [0.16777183511743468]
この研究は、新型コロナウイルスのさまざまな段階におけるガーディアン紙の感情分析を提供する。パンデミックの初期段階では、公衆の感情が緊急の危機対応を優先し、後に健康と経済への影響に焦点を移した。結果は、パンデミックの初期段階において、公衆の感情が緊急の危機対応を優先し、後に健康と経済への影響に焦点を移したことを示している。
論文参考訳（メタデータ） (2024-05-20T07:10:52Z)
Exploring a Hybrid Deep Learning Framework to Automatically Discover Topic and Sentiment in COVID-19 Tweets [2.3940819037450987]
新型コロナウイルスは、世界的な公衆衛生問題や、経済危機、失業、精神的苦痛などの問題を引き起こしている。このパンデミックは世界中で致命的であり、多くの人々が感染症だけでなく、問題、ストレス、不思議、恐怖、恨み、憎しみに悩まされている。 Twitterは、非常に影響力のあるソーシャルメディアプラットフォームであり、健康関連情報、ニュース、意見、世論などの重要な情報源である。
論文参考訳（メタデータ） (2023-12-02T16:58:17Z)
GPT-4V(ision) as A Social Media Analysis Engine [77.23394183063238]
本稿では,GPT-4Vのソーシャルマルチメディア分析能力について考察する。我々は、感情分析、ヘイトスピーチ検出、フェイクニュース識別、人口推定、政治的イデオロギー検出を含む5つの代表的なタスクを選択する。 GPT-4Vはこれらのタスクにおいて顕著な効果を示し、画像とテキストのペアの理解、文脈と文化の認識、広義のコモンセンス知識などの強みを示している。
論文参考訳（メタデータ） (2023-11-13T18:36:50Z)
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)
Why Do You Feel This Way? Summarizing Triggers of Emotions in Social Media Posts [61.723046082145416]
CovidET (Emotions and their Triggers during Covid-19)は、COVID-19に関連する英国のReddit投稿1,900件のデータセットである。我々は、感情を共同で検出し、感情のトリガーを要約する強力なベースラインを開発する。分析の結果,コビデットは感情特異的要約における新たな課題と,長文のソーシャルメディア投稿におけるマルチ感情検出の課題が示唆された。
論文参考訳（メタデータ） (2022-10-22T19:10:26Z)
When a crisis strikes: Emotion analysis and detection during COVID-19 [96.03869351276478]
感情をラベル付けした1万ツイートのCovidEmoを紹介します。事前学習された言語モデルがドメインや危機をまたいでどのように一般化するかを検討する。
論文参考訳（メタデータ） (2021-07-23T04:07:14Z)
Topic, Sentiment and Impact Analysis: COVID19 Information Seeking on Social Media [1.6328866317851185]
この研究は、COVID19に関連するオーストラリアの球面の大規模な時空間的ツイートデータセットを分析した。この手法にはボリューム分析、ダイナミックトピックモデリング、感情検出、セマンティックブランドスコアが含まれていた。得られた知見は、政府報告事例のような独立に観察された現象と比較される。
論文参考訳（メタデータ） (2020-08-28T02:03:18Z)
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)
Analyzing COVID-19 on Online Social Media: Trends, Sentiments and Emotions [44.92240076313168]
我々は、2020年1月20日から2020年5月11日までの間に、TwitterとWeiboの投稿に基づいて、アメリカ人と中国人の感情的な軌跡を分析した。中国と国連の2つの非常に異なる国とは対照的に、異なる文化におけるCOVID-19に対する人々の見解に顕著な違いが浮かび上がっている。我々の研究は、公共の感情やパンデミックに対する懸念をリアルタイムで明らかにするための計算的アプローチを提供し、政策立案者が人々のニーズをよりよく理解し、それによって最適な政策を立案するのに役立つ可能性がある。
論文参考訳（メタデータ） (2020-05-29T09:24:38Z)
Sentiment Analysis: Automatically Detecting Valence, Emotions, and Other Affectual States from Text [31.87319293259599]
本稿では,感情分析研究の概要を概観する。これには、フィールドの起源、タスクの豊富な風景、課題、使用するメソッドとリソースの調査、アプリケーションが含まれる。我々は、慎重に前向きに考えることなく、感情分析が有害な結果をもたらす可能性について論じる。
論文参考訳（メタデータ） (2020-05-25T01:37:31Z)

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。