論文の概要: Comparative Study of Sentiment Analysis for Multi-Sourced Social Media Platforms

• arxiv url: http://arxiv.org/abs/2212.04688v1
• Date: Fri, 9 Dec 2022 06:33:49 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-12 14:10:02.724112
• Title: Comparative Study of Sentiment Analysis for Multi-Sourced Social Media Platforms
• Title（参考訳）: マルチソースソーシャルメディアプラットフォームにおける感性分析の比較検討
• Authors: Keshav Kapur, Rajitha Harikrishnan
• Abstract要約: 本稿では,レキシコンベース,機械学習,ディープラーニングの手法を用いた比較分析を行う。 私たちが使ったデータセットは、TwitterやRedditなど、さまざまなソーシャルネットワークサイトのコメントセクションからのマルチソースデータセットでした。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: There is a vast amount of data generated every second due to the rapidly growing technology in the current world. This area of research attempts to determine the feelings or opinions of people on social media posts. The dataset we used was a multi-source dataset from the comment section of various social networking sites like Twitter, Reddit, etc. Natural Language Processing Techniques were employed to perform sentiment analysis on the obtained dataset. In this paper, we provide a comparative analysis using techniques of lexicon-based, machine learning and deep learning approaches. The Machine Learning algorithm used in this work is Naive Bayes, the Lexicon-based approach used in this work is TextBlob, and the deep-learning algorithm used in this work is LSTM.
• Abstract（参考訳）: 現在の世界で急速に成長している技術のおかげで、毎秒に大量のデータが生成される。 この研究領域は、ソーシャルメディア投稿の人々の感情や意見を判断しようとするものである。 私たちが使用したデータセットは、twitterやredditなど、さまざまなソーシャルネットワークサイトのコメントセクションのマルチソースデータセットでした。 自然言語処理技術を用いて得られたデータセットの感情分析を行った。 本稿では,レキシコンベース,機械学習,ディープラーニングの手法を用いた比較分析を行う。 この研究で使用される機械学習アルゴリズムは、Naive Bayes、この研究で使用されるLexiconベースのアプローチはTextBlob、この研究で使用されるディープラーニングアルゴリズムはLSTMである。

関連論文リスト

• Online Context Learning for Socially-compliant Navigation [49.609656402450746]
  本文では,ロボットが新たな社会環境に適応できるようにするための,オンラインコンテキスト学習手法を紹介する。 コミュニティワイドシミュレータを用いた実験により,本手法は最先端のシミュレータよりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-06-17T12:59:13Z)
• Semantic Segmentation of Vegetation in Remote Sensing Imagery Using Deep Learning [77.34726150561087]
  本稿では,公開されているリモートセンシングデータからなるマルチモーダル・大規模時間データセットを作成するためのアプローチを提案する。 我々は、異なる種類の植生を分離できる畳み込みニューラルネットワーク(CNN)モデルを使用する。
  論文  参考訳（メタデータ） (2022-09-28T18:51:59Z)
• Panning for gold: Lessons learned from the platform-agnostic automated detection of political content in textual data [48.7576911714538]
  異なるプラットフォーム間で政治的コンテンツを検出するために、これらの技術がどのように使用できるかについて議論する。 辞書,教師付き機械学習,ニューラルネットワークに依存する3つの検出手法のパフォーマンスを比較した。 この結果から,ニューラルネットワークと機械学習に基づくモデルによって達成されるノイズの少ないデータに対して,事前処理がモデル性能に与える影響が限定された。
  論文  参考訳（メタデータ） (2022-07-01T15:23:23Z)
• Designing weighted and multiplex networks for deep learning user geolocation in Twitter [0.0]
  本研究は,重み付き多グラフの文献と最先端のディープラーニング技術を組み合わせた新しい手法を設計,評価することによって,この分野の研究に寄与する。 本研究は,これらの手法の性能を評価し,公開されているTwitter-USデータセットのベースラインモデルと比較する。 また、ラテンアメリカでの大規模なTwitterキャプチャに基づいて、新しいデータセットも公開しています。
  論文  参考訳（メタデータ） (2021-12-13T20:24:07Z)
• Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or Something Else? [93.91375268580806]
  政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。 既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。 既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
  論文  参考訳（メタデータ） (2021-11-09T13:30:34Z)
• A Survey on Machine Learning Techniques for Source Code Analysis [14.129976741300029]
  ソースコード解析に応用された機械学習の領域における現在の知識を要約することを目的としている。 そこで本研究では,2002年から2021年にかけて,広範囲にわたる文献検索を行い,初等研究364点を同定した。
  論文  参考訳（メタデータ） (2021-10-18T20:13:38Z)
• Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
  本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。 本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。 我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
  論文  参考訳（メタデータ） (2020-07-07T17:19:56Z)
• A Framework for Pre-processing of Social Media Feeds based on Integrated Local Knowledge Base [1.5749416770494706]
  本稿では,ソーシャルメディアフィードの事前処理によるパフォーマンス向上のためのフレームワークを提案する。 このフレームワークは、標準化されたデータセットで94.07%、ツイートから感情を抽出する際には、局所化されたデータセットで99.78%の精度を持っていた。
  論文  参考訳（メタデータ） (2020-06-29T07:56:22Z)
• Deep Learning Approach for Enhanced Cyber Threat Indicators in Twitter Stream [3.7354197654171797]
  本研究は、ツイートデータ分析のためのディープラーニングに基づくアプローチを提案する。 ツイートを数値表現に変換するには、様々なテキスト表現を用いる。 比較分析には古典的機械学習アルゴリズムを用いた古典的テキスト表現法を用いる。
  論文  参考訳（メタデータ） (2020-03-31T00:29:42Z)
• Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer [64.22926988297685]
  下流タスクで微調整される前に、まずデータリッチタスクでモデルが事前訓練されるトランスファーラーニングは、自然言語処理(NLP)において強力な手法として登場した。 本稿では,すべてのテキストベースの言語問題をテキスト・トゥ・テキスト・フォーマットに変換する統一フレームワークにより,NLPのためのトランスファー学習手法を導入する状況について検討する。
  論文  参考訳（メタデータ） (2019-10-23T17:37:36Z)

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。