Fugu-MT 論文翻訳(概要): Deep learning for COVID-19 topic modelling via Twitter: Alpha, Delta and Omicron

論文の概要: Deep learning for COVID-19 topic modelling via Twitter: Alpha, Delta and Omicron

arxiv url: http://arxiv.org/abs/2303.00135v1
Date: Tue, 28 Feb 2023 23:40:41 GMT
ステータス: 処理完了
システム内更新日: 2023-03-02 16:39:51.210851
Title: Deep learning for COVID-19 topic modelling via Twitter: Alpha, Delta and Omicron
Title（参考訳）: TwitterによるCOVID-19トピックモデリングの深層学習:Alpha、Delta、Omicron
Authors: Janhavi Lande, Arti Pillay, Rohitash Chandra
Abstract要約: 新型コロナウイルスのトピックモデリングには、優れたディープラーニングベースの言語モデルを使用します。トピックモデリングを適用して、インドからのTwitterデータセットに基づいて、第1、第2、第3波のパブリックな振る舞いをレビューする。私たちのフレームワークは、新型コロナウイルス(COVID-19)のパンデミックのさまざまな段階で発生した大きな問題をとらえる可能性がある。
参考スコア（独自算出の注目度）: 0.3359875577705538
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Topic modelling with innovative deep learning methods has gained interest for a wide range of applications that includes COVID-19. Topic modelling can provide, psychological, social and cultural insights for understanding human behaviour in extreme events such as the COVID-19 pandemic. In this paper, we use prominent deep learning-based language models for COVID-19 topic modelling taking into account data from emergence (Alpha) to the Omicron variant. We apply topic modeling to review the public behaviour across the first, second and third waves based on Twitter dataset from India. Our results show that the topics extracted for the subsequent waves had certain overlapping themes such as covers governance, vaccination, and pandemic management while novel issues aroused in political, social and economic situation during COVID-19 pandemic. We also found a strong correlation of the major topics qualitatively to news media prevalent at the respective time period. Hence, our framework has the potential to capture major issues arising during different phases of the COVID-19 pandemic which can be extended to other countries and regions.
Abstract（参考訳）: 革新的なディープラーニング手法によるトピックモデリングは、COVID-19を含む幅広いアプリケーションに注目を集めている。トピックモデリングは、新型コロナウイルス(covid-19)パンデミックのような極端な出来事における人間の行動を理解するための、心理的、社会的、文化的洞察を提供することができる。本稿では,創発(アルファ)からomicron変異までのデータを考慮し,covid-19トピックモデリングにディープラーニングに基づく著明な言語モデルを用いる。トピックモデリングを用いて,インドからのtwitterデータセットに基づいて,第1,第2,第3波の公開行動をレビューする。以上の結果から,covid-19パンデミックの政治的,社会的,経済的な状況において新たな課題が引き起こされる一方で,ガバナンスやワクチン接種,パンデミック管理といったテーマが重複することが明らかとなった。また,各期間に広く分布するニュースメディアに対して,質的に主話題の相関関係が強かった。したがって、他の国や地域にも拡大できる新型コロナウイルス(covid-19)パンデミックのさまざまな段階で発生する大きな問題を捉えることができる。

関連論文リスト

Human Behavior in the Time of COVID-19: Learning from Big Data [71.26355067309193]
2020年3月以降、新型コロナウイルスの感染者は6億人を超え、600万人以上が死亡している。パンデミックはあらゆる面で人間の行動に影響を与え、変化をもたらした。研究者は自然言語処理、コンピュータビジョン、音声信号処理、頻繁なパターンマイニング、機械学習といったビッグデータ技術を採用してきた。
論文参考訳（メタデータ） (2023-03-23T17:19:26Z)
Twitter conversations predict the daily confirmed COVID-19 cases [0.2320417845168326]
パンデミック特有の談話は、TwitterやWeiboのようなマイクロブログプラットフォーム上では、今も続いている。本稿では、新型コロナウイルス関連Twitter会話から複数の時系列を設計するための感情関連トピックベースの方法論を提案する。モデリングにソーシャルメディア変数を組み込むことで、RMSEのベースラインモデルよりも48.83-51.38%の改善がもたらされることが示されている。
論文参考訳（メタデータ） (2022-06-21T15:31:06Z)
Have you tried Neural Topic Models? Comparative Analysis of Neural and Non-Neural Topic Models with Application to COVID-19 Twitter Data [11.199249808462458]
我々は、最先端のニューラルモデルと非ニューラルトピックモデルの比較研究を行う。ニューラルトピックモデルは、標準評価基準において従来のトピックよりも優れていることを示す。また,モード崩壊問題に対処するために,ニューラルトピックモデルの新しい正規化項を提案する。
論文参考訳（メタデータ） (2021-05-21T07:24:09Z)
COVID-19 Modeling: A Review [30.109496996677663]
新型コロナウイルス感染のモデル化、診断、介入、病理学的および影響分析に多大な努力が行われている。 2020年以降、covid-19に関する世界的文献が約160万冊生産された。私たちは、ビジネスの目標とタスクをまとめ、一致させるために、分野横断的な研究の展望を考え出しました。
論文参考訳（メタデータ） (2021-04-16T12:41:15Z)
Semi-supervised Neural Networks solve an inverse problem for modeling Covid-19 spread [61.9008166652035]
半教師付きニューラルネットワークを用いた新型コロナウイルスの感染拡大について検討した。我々は、人口の受動的一部がウイルスの動態から分離されていると仮定する。
論文参考訳（メタデータ） (2020-10-10T19:33:53Z)
Steering a Historical Disease Forecasting Model Under a Pandemic: Case of Flu and COVID-19 [75.99038202534628]
我々は、インフルエンザとCOVID-19が共存する新しいシナリオに、歴史的疾患予測モデルを「操る」ことができる神経伝達学習アーキテクチャであるCALI-Netを提案する。我々の実験は、現在のパンデミックに歴史的予測モデルを適用することに成功していることを示している。
論文参考訳（メタデータ） (2020-09-23T22:35:43Z)
COVID-19 Pandemic: Identifying Key Issues using Social Media and Natural Language Processing [14.54689130381201]
ソーシャルメディアデータは、パンデミックに対する大衆の認識と経験を明らかにすることができる。われわれは6つのソーシャルメディアプラットフォームから集めた新型コロナウイルス関連コメントを分析した。我々は、34の負のテーマを特定し、そのうち17は経済的、社会政治的、教育的、政治的問題である。
論文参考訳（メタデータ） (2020-08-23T12:05:12Z)
Health, Psychosocial, and Social issues emanating from COVID-19 pandemic based on Social Media Comments using Natural Language Processing [8.150081210763567]
新型コロナウイルス(COVID-19)のパンデミックは、世界の健康危機を引き起こし、多くの人の生活に影響を与えている。ソーシャルメディアのデータは、政府や保健機関がパンデミックにどう対処しているかに対する大衆の認識を明らかにすることができる。本稿は、新型コロナウイルスのパンデミックが世界規模でソーシャルメディアデータを利用した人々に与える影響を調査することを目的とする。
論文参考訳（メタデータ） (2020-07-23T17:19:50Z)
Understanding the temporal evolution of COVID-19 research through machine learning and natural language processing [66.63200823918429]
重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
論文参考訳（メタデータ） (2020-07-22T18:02:39Z)
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)

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。