Fugu-MT 論文翻訳(概要): An LSTM model for Twitter Sentiment Analysis

論文の概要: An LSTM model for Twitter Sentiment Analysis

arxiv url: http://arxiv.org/abs/2212.01791v1
Date: Sun, 4 Dec 2022 10:42:46 GMT
ステータス: 処理完了
システム内更新日: 2022-12-06 17:50:07.422022
Title: An LSTM model for Twitter Sentiment Analysis
Title（参考訳）: Twitter知覚分析のためのLSTMモデル
Authors: Md Parvez Mollah
Abstract要約: 公開され、手動で注釈付けされたTwitterの感情データセットを7つ集めました。収集したデータセットから、新たなトレーニングとテストデータセットを作成します。我々は、ツイートの感情を分類し、新しいデータセットでモデルを評価するLSTMモデルを開発した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Sentiment analysis on social media such as Twitter provides organizations and individuals an effective way to monitor public emotions towards them and their competitors. As a result, sentiment analysis has become an important and challenging task. In this work, we have collected seven publicly available and manually annotated twitter sentiment datasets. We create a new training and testing dataset from the collected datasets. We develop an LSTM model to classify sentiment of a tweet and evaluate the model with the new dataset.
Abstract（参考訳）: Twitterのようなソーシャルメディア上の感情分析は、組織や個人に対して、彼らとその競合に対する公衆の感情を監視する効果的な方法を提供する。その結果,感情分析は重要かつ困難な課題となっている。この研究で、私たちは7つの公開公開および手動で利用可能なtwitterセンチメントデータセットを収集しました。収集したデータセットから、新たなトレーニングとテストデータセットを作成します。我々は、ツイートの感情を分類し、新しいデータセットでモデルを評価するLSTMモデルを開発した。

関連論文リスト

LMSYS-Chat-1M: A Large-Scale Real-World LLM Conversation Dataset [75.9621305227523]
LMSYS-Chat-1M(LMSYS-Chat-1M)について紹介する。このデータセットは、VicunaのデモとArenaのWebサイトで、210KのIPアドレスから収集されています。 GPT-4と同様の動作を行うコンテンツモデレーションモデルの開発、安全性ベンチマークの構築、Vicunaと同様の動作を行う命令追従モデルのトレーニング、挑戦的なベンチマーク問題の作成、という4つのユースケースを通じて、その汎用性を実証する。
論文参考訳（メタデータ） (2023-09-21T12:13:55Z)
Political Sentiment Analysis of Persian Tweets Using CNN-LSTM Model [0.356008609689971]
ペルシャの政治ツイートの分析感情に機械学習とディープラーニングモデルを提案する。 ParsBERTの埋め込みによるディープラーニングは、機械学習よりも優れている。
論文参考訳（メタデータ） (2023-07-15T08:08:38Z)
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)
SAMRS: Scaling-up Remote Sensing Segmentation Dataset with Segment Anything Model [85.85899655118087]
我々はSAMRSと呼ばれる大規模RSセグメンテーションデータセットを生成するための効率的なパイプラインを開発する。 SAMRSは完全に105,090の画像と1,668,241のインスタンスを持ち、既存の高解像度RSセグメンテーションデータセットを数桁上回っている。
論文参考訳（メタデータ） (2023-05-03T10:58:07Z)
EDSA-Ensemble: an Event Detection Sentiment Analysis Ensemble Architecture [63.85863519876587]
Sentiment Analysisを使って、イベントに属する各メッセージの極性やイベント全体を理解することで、オンラインソーシャルネットワークにおける重要なトレンドやダイナミクスに関する一般的な感情や個人の感情をよりよく理解することができます。本研究では,ソーシャルメディアから現在起きているイベントの極性検出を改善するために,イベント検出と知覚分析を用いた新しいアンサンブルアーキテクチャEDSA-Ensembleを提案する。
論文参考訳（メタデータ） (2023-01-30T11:56:08Z)
Unified Transformer Tracker for Object Tracking [58.65901124158068]
異なるシナリオにおけるトラッキング問題に1つのパラダイムで対処するために,UTT(Unified Transformer Tracker)を提案する。 SOT(Single Object Tracking)とMOT(Multiple Object Tracking)の両方を対象とするトラックトランスフォーマーを開発した。
論文参考訳（メタデータ） (2022-03-29T01:38:49Z)
The emojification of sentiment on social media: Collection and analysis of a longitudinal Twitter sentiment dataset [5.528896840956628]
TM-Sentiは、Twitterの感情データセットを大規模に管理し、ツイート数は1億1400万を超えている。我々は,大規模なエモティコンと絵文字に基づくラベル付き感情分析データセットを組み立てるための方法論を記述し,評価する。私たちの分析では絵文字のエモティコンへの利用の増加など、興味深い時間的変化が強調されている。
論文参考訳（メタデータ） (2021-08-31T14:54:46Z)
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)
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)
That Message Went Viral?! Exploratory Analytics and Sentiment Analysis into the Propagation of Tweets [0.0]
我々は100万ツイート以上のデータセットについて探索分析を行った。我々は、最も人気のあるメッセージを特定し、複数の内因性次元でつぶやきを分析した。私たちはいくつかの興味深いパターンを発見し、研究者や実践者が人気のあるバイラルツイートの振る舞いをよりよく理解するための新たな洞察を明らかにしました。
論文参考訳（メタデータ） (2020-04-21T02:38:53Z)

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。