論文の概要: Fine-tuned Sentiment Analysis of COVID-19 Vaccine-Related Social Media Data: Comparative Study

• arxiv url: http://arxiv.org/abs/2211.15407v1
• Date: Mon, 17 Oct 2022 16:22:18 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-22 06:51:11.411075
• Title: Fine-tuned Sentiment Analysis of COVID-19 Vaccine-Related Social Media Data: Comparative Study
• Title（参考訳）: 新型コロナウイルスワクチン関連ソーシャルメディアデータの微調整感情分析:比較研究
• Authors: Chad A Melton, Brianna M White, Robert L Davis, Robert A Bednarczyk, Arash Shaban-Nejad
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.7874708385247353
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study investigated and compared public sentiment related to COVID-19 vaccines expressed on two popular social media platforms, Reddit and Twitter, harvested from January 1, 2020, to March 1, 2022. To accomplish this task, we created a fine-tuned DistilRoBERTa model to predict sentiments of approximately 9.5 million Tweets and 70 thousand Reddit comments. To fine-tune our model, our team manually labeled the sentiment of 3600 Tweets and then augmented our dataset by the method of back-translation. Text sentiment for each social media platform was then classified with our fine-tuned model using Python and the Huggingface sentiment analysis pipeline. Our results determined that the average sentiment expressed on Twitter was more negative (52% positive) than positive and the sentiment expressed on Reddit was more positive than negative (53% positive). Though average sentiment was found to vary between these social media platforms, both displayed similar behavior related to sentiment shared at key vaccine-related developments during the pandemic. Considering this similar trend in shared sentiment demonstrated across social media platforms, Twitter and Reddit continue to be valuable data sources that public health officials can utilize to strengthen vaccine confidence and combat misinformation. As the spread of misinformation poses a range of psychological and psychosocial risks (anxiety, fear, etc.), there is an urgency in understanding the public perspective and attitude toward shared falsities. Comprehensive educational delivery systems tailored to the population's expressed sentiments that facilitate digital literacy, health information-seeking behavior, and precision health promotion could aid in clarifying such misinformation.
• Abstract（参考訳）: 本研究では、2020年1月1日から2022年3月1日までの2つのソーシャルメディアプラットフォーム、RedditとTwitter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。 このタスクを達成するために、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微調整されたDistilRoBERTaモデルを作成しました。 モデルを微調整するために、チームは3600ツイートの感情を手動でラベル付けし、バックトランスレーションの方法でデータセットを拡張しました。 ソーシャルメディアプラットフォーム毎のテキスト感情は、PythonとHuggingfaceの感情分析パイプラインを使用して、微調整されたモデルで分類された。 その結果、Twitter上で表現される平均感情はポジティブよりもネガティブ(52%)であり、Redditで表現される感情はネガティブ(53%)よりもポジティブ(53%)であることがわかった。 これらのソーシャルメディアプラットフォーム間で平均的な感情は異なることが判明したが、パンデミックの間、主要なワクチン関連開発で共有された感情に関する同様の行動を示した。 ソーシャルメディアプラットフォームで実証された同様の感情共有の傾向を考えると、TwitterとRedditは、公衆衛生当局がワクチンの信頼性を強化し、誤情報と戦うために利用できる貴重なデータソースであり続けている。 誤情報の拡散は、様々な心理的・精神社会的リスク(不安、恐怖など)をもたらすため、公共の視点と共有の虚偽に対する態度を理解することは急務である。 デジタルリテラシー、健康情報検索行動、精密健康促進を促進する住民の感情に合わせた総合的な教育配信システムは、そのような誤情報を明らかにするのに役立つ。

関連論文リスト

• Characterizing the Emotion Carriers of COVID-19 Misinformation and Their Impact on Vaccination Outcomes in India and the United States [0.5936652393309938]
  新型コロナウイルス(COVID-19)のインフォデミックは、世界規模での健康行動や結果に前例のない影響を与えた。 嫌悪感、期待、怒りは、米国での偽情報ツイートの増加と関連づけられた。 インドでは偽情報率は予防接種とリード関係を示し、アメリカでは予防接種に遅れを取っていた。
  論文  参考訳（メタデータ） (2023-06-24T12:56:56Z)
• Sensing the Pulse of the Pandemic: Geovisualizing the Demographic Disparities of Public Sentiment toward COVID-19 through Social Media [9.906180010952406]
  ソーシャルメディアの利用は人口層によって異なるが、若年ユーザーの方が高齢ユーザーに比べて多い。 本研究は、Twitterデータを用いて、新型コロナウイルスに関する世論感情を推定するケーススタディを通じて、ソーシャルメディア分析における解決策と人口統計バイアスを調査した。
  論文  参考訳（メタデータ） (2023-03-17T02:59:46Z)
• Semantic Similarity Models for Depression Severity Estimation [53.72188878602294]
  本稿では、ソーシャルメディアの文章に基づいて、個人のうつ病の重症度を研究するための効率的なセマンティックパイプラインを提案する。 我々は,抑うつ症状と重度レベルに対応する代表訓練文の指標に対して意味的ランキングを生成するために,テストユーザ文を使用する。 本手法を2つのRedditベースのベンチマークで評価し,うつ病の重症度を指標として,最先端技術よりも30%改善した。
  論文  参考訳（メタデータ） (2022-11-14T18:47:26Z)
• 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)
• 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)
• Adherence to Misinformation on Social Media Through Socio-Cognitive and Group-Based Processes [79.79659145328856]
  誤報が広まると、これはソーシャルメディア環境が誤報の付着を可能にするためである、と我々は主張する。 偏光と誤情報付着が密接な関係にあると仮定する。
  論文  参考訳（メタデータ） (2022-06-30T12:34:24Z)
• Sentiment Analysis of Microblogging dataset on Coronavirus Pandemic [0.8252679746749371]
  コロナウイルス(Coronavirus, COVID-19)は、新型コロナウイルス2によって引き起こされる感染性疾患である。 本稿では,複数の機械学習アルゴリズムを用いて感情評価のためのTwitterデータセットを分析した。
  論文  参考訳（メタデータ） (2021-11-17T18:13:54Z)
• News consumption and social media regulations policy [70.31753171707005]
  我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。 以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。 Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
  論文  参考訳（メタデータ） (2021-06-07T19:26:32Z)
• Understanding the Hoarding Behaviors during the COVID-19 Pandemic using Large Scale Social Media Data [77.34726150561087]
  われわれは、2020年3月1日から4月30日まで、米国で4万2000人以上のユニークTwitterユーザーによる嫌がらせと反嫌悪のパターンを分析した。 ホアーディンググループと反ホアーディンググループの両方の女性の比率が、一般のTwitter利用者の比率よりも高いことがわかりました。 LIWCの不安度はTwitterの不安度よりもかなり高い。
  論文  参考訳（メタデータ） (2020-10-15T16:02:25Z)
• Racism is a Virus: Anti-Asian Hate and Counterspeech in Social Media during the COVID-19 Crisis [51.39895377836919]
  新型コロナウイルスは、アジアのコミュニティをターゲットにしたソーシャルメディア上で人種差別や憎悪を引き起こしている。 我々は、Twitterのレンズを通して、反アジアヘイトスピーチの進化と普及について研究する。 私たちは、14ヶ月にわたる反アジア的憎悪と反音声のデータセットとして最大となるCOVID-HATEを作成します。
  論文  参考訳（メタデータ） (2020-05-25T21:58:09Z)
• 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)

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。