Fugu-MT 論文翻訳(概要): Utilizing distilBert transformer model for sentiment classification of COVID-19's Persian open-text responses

論文の概要: Utilizing distilBert transformer model for sentiment classification of COVID-19's Persian open-text responses

arxiv url: http://arxiv.org/abs/2212.08407v1
Date: Fri, 16 Dec 2022 11:06:48 GMT
ステータス: 処理完了
システム内更新日: 2022-12-19 15:47:39.497683
Title: Utilizing distilBert transformer model for sentiment classification of COVID-19's Persian open-text responses
Title（参考訳）: DistilBert Transformer モデルを用いた COVID-19 のペルシャオープンテキスト応答の感情分類
Authors: Fatemeh Sadat Masoumi, Mohammad Bahrani
Abstract要約: イランの住民の肯定的・否定的な感情を検知するNLPモデルを提案する。比較を行うために3つのアプローチをデプロイし、最高のモデルでは、0.824、精度:0.824、リコール:0.798、F1スコア:0.804という精度を得ることができた。
参考スコア（独自算出の注目度）: 2.0559497209595823
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: The COVID-19 pandemic has caused drastic alternations in human life in all aspects. The government's laws in this regard affected the lifestyle of all people. Due to this fact studying the sentiment of individuals is essential to be aware of the future impacts of the coming pandemics. To contribute to this aim, we proposed an NLP (Natural Language Processing) model to analyze open-text answers in a survey in Persian and detect positive and negative feelings of the people in Iran. In this study, a distilBert transformer model was applied to take on this task. We deployed three approaches to perform the comparison, and our best model could gain accuracy: 0.824, Precision: 0.824, Recall: 0.798, and F1 score: 0.804.
Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックは、あらゆる面で人間の生活に劇的な変化をもたらした。この点で政府の法律は全ての人々のライフスタイルに影響を与えた。このことから、今後のパンデミックの影響を意識するためには、個人の感情を研究することが不可欠である。この目的に貢献するため,イランの住民の肯定的・否定的な感情を検出するために,ペルシアのサーベイにおけるオープンテキスト回答の分析を目的としたNLPモデルを提案した。本研究では, DistilBert 変圧器モデルを適用した。比較を行うために3つのアプローチをデプロイし、最良のモデルは精度を得ることができた: 0.824、精度: 0.824、リコール: 0.798、f1スコア: 0.804。

関連論文リスト

Causal Micro-Narratives [62.47217054314046]
テキストから因果マイクロナラティブを分類する新しい手法を提案する。これらの物語は、対象対象の因果関係と/または効果の文レベルの説明である。
論文参考訳（メタデータ） (2024-10-07T17:55:10Z)
Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。既存の感受性研究は、自己報告された信念に大きく依存している。本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
論文参考訳（メタデータ） (2023-11-16T07:22:56Z)
Dense Feature Memory Augmented Transformers for COVID-19 Vaccination Search Classification [60.49594822215981]
本稿では,新型コロナウイルスワクチン関連検索クエリの分類モデルを提案する。本稿では,モデルが対応可能なメモリトークンとして,高密度特徴を考慮した新しい手法を提案する。この新しいモデリング手法により,Vaccine Search Insights (VSI) タスクを大幅に改善できることを示す。
論文参考訳（メタデータ） (2022-12-16T13:57:41Z)
Naturalistic Causal Probing for Morpho-Syntax [76.83735391276547]
スペインにおける実世界のデータに対する入力レベルの介入に対する自然主義的戦略を提案する。提案手法を用いて,共同設立者から文章中の形態・症状の特徴を抽出する。本研究では,事前学習したモデルから抽出した文脈化表現に対する性別と数字の因果効果を解析するために,本手法を適用した。
論文参考訳（メタデータ） (2022-05-14T11:47:58Z)
Sentiment Analysis and Effect of COVID-19 Pandemic using College SubReddit Data [3.5966786737142304]
パンデミック前と比較して、パンデミックが人々の感情や心理的状態にどのように影響したかを検討する。 Redditのソーシャルメディアデータは、2019年(パンデミック前)と2020年(パンデミック前)の8つの大学に関連するサブレディットコミュニティから収集しました。収集したデータに基づいて,モデル予測された感情ラベルを用いて,パンデミックと対人教育が感情に与える影響を推定するために,一般化された線形混合効果モデルを用いた。
論文参考訳（メタデータ） (2021-11-30T19:15:06Z)
COVID-19 Tweets Analysis through Transformer Language Models [0.0]
本研究では、COVID-19におけるツイートの詳細な感情分析を行う。訓練されたトランスフォーマーモデルは、ツイートのトーンを高精度で正確に予測することができる。次にこのモデルを利用して、covid-19の20万ツイートのトーンを予測する。
論文参考訳（メタデータ） (2021-02-27T12:06:33Z)
Model Generalization on COVID-19 Fake News Detection [41.03093888315081]
CONSTRAINT 2021(FakeNews-19)で提案された偽ニュース検出タスクの堅牢なモデルの実現を目指す。新型コロナの偽ニュースの2つのテストセットでモデルを評価します。
論文参考訳（メタデータ） (2021-01-11T12:23:41Z)
A self-supervised neural-analytic method to predict the evolution of COVID-19 in Romania [10.760851506126105]
我々は、感染症の古典的な確立されたモデルであるSEIRの改良版を使用している。本稿では,修正SEIRモデルパラメータの正しいセットを推定するために,深層畳み込みネットワークを訓練するための自己教師型アプローチを提案する。ルーマニアの死亡率が約0.3%である場合、楽観的な結果が得られ、我々のモデルが今後最大3週間の日々の死亡数を正確に予測できることを示した。
論文参考訳（メタデータ） (2020-06-23T12:00:04Z)
Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
論文参考訳（メタデータ） (2020-06-05T02:04:25Z)
When and How to Lift the Lockdown? Global COVID-19 Scenario Analysis and Policy Assessment using Compartmental Gaussian Processes [111.69190108272133]
新型コロナウイルス(COVID-19)の世界的な感染拡大を受け、多くの国が前例のないロックダウン措置を講じている。さまざまなロックダウンポリシーシナリオの下で、新型コロナウイルスの死亡率を予測するデータ駆動モデルが不可欠だ。本稿では,グローバルな状況下での新型コロナウイルスロックダウンポリシーの効果を予測するためのベイズモデルを開発する。
論文参考訳（メタデータ） (2020-05-13T18:21:50Z)
A Rule-Based Model for Victim Prediction [1.8199326045904993]
本研究の目的は,集中抑止戦略のリストとVIPARスコアリストを比較し,今後の射撃被害の予測力について比較することである。我々は、年齢、過去の犯罪歴、そして将来の暴力の主要な予測要因としてピアインフルエンスを使用している。実験の結果、VIPARのスコアは、将来の銃撃の犠牲者の25.8%、将来の銃撃の容疑者の32.2%を予測しているのに対し、集中抑止リストは、将来の銃撃の犠牲者の13%、将来の銃撃の容疑者の9.4%を予測している。
論文参考訳（メタデータ） (2020-01-06T04:29:59Z)

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。