論文の概要: Topic Modeling Based on Two-Step Flow Theory: Application to Tweets about Bitcoin

• arxiv url: http://arxiv.org/abs/2303.02032v1
• Date: Fri, 3 Mar 2023 15:51:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-06 14:20:50.957038
• Title: Topic Modeling Based on Two-Step Flow Theory: Application to Tweets about Bitcoin
• Title（参考訳）: 2段階フロー理論に基づく話題モデリング:bitcoinに関するツイートへの適用
• Authors: Aos Mulahuwaish, Matthew Loucks, Basheer Qolomany, and Ala Al-Fuqaha
• Abstract要約: 本研究は,誰の意見が重要か,影響力のあるユーザと非影響力のあるユーザの違いを判断する。 ハイパーテキストによるトピック選択(HITS)アルゴリズムを使用して、影響に基づいてデータセットを分離する。 私たちは、Bitcoinに関する2つのグループ間の言語と関心の違いと、Twitterの意見リーダーが大多数のユーザーと一致していないことに気付きました。
• 参考スコア（独自算出の注目度）: 2.782396962787398
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Digital cryptocurrencies such as Bitcoin have exploded in recent years in both popularity and value. By their novelty, cryptocurrencies tend to be both volatile and highly speculative. The capricious nature of these coins is helped facilitated by social media networks such as Twitter. However, not everyone's opinion matters equally, with most posts garnering little to no attention. Additionally, the majority of tweets are retweeted from popular posts. We must determine whose opinion matters and the difference between influential and non-influential users. This study separates these two groups and analyzes the differences between them. It uses Hypertext-induced Topic Selection (HITS) algorithm, which segregates the dataset based on influence. Topic modeling is then employed to uncover differences in each group's speech types and what group may best represent the entire community. We found differences in language and interest between these two groups regarding Bitcoin and that the opinion leaders of Twitter are not aligned with the majority of users. There were 2559 opinion leaders (0.72% of users) who accounted for 80% of the authority and the majority (99.28%) users for the remaining 20% out of a total of 355,139 users.
• Abstract（参考訳）: 近年、bitcoinのようなデジタル暗号通貨の人気と価値が爆発的に高まっている。 その新しさから、暗号通貨は揮発性と高い投機性の両方を持つ傾向がある。 これらのコインの有能な性質は、Twitterのようなソーシャルメディアによって促進されている。 しかし、全員の意見が等しく重要という訳ではなく、ほとんどの投稿がほとんど注目されない。 さらに、ほとんどのツイートは人気記事からリツイートされる。 どの意見が重要か、影響力のあるユーザーと非影響力のあるユーザーの違いを判断しなければならない。 この2つのグループを分離し、それらの違いを分析する。 ハイパーテキストによるトピック選択(HITS)アルゴリズムを使用して、影響に基づいてデータセットを分離する。 トピックモデリングは、各グループのスピーチタイプの違いと、どのグループがコミュニティ全体を代表するかを明らかにするために使われる。 私たちは、Bitcoinに関する2つのグループ間の言語と関心の違いと、Twitterの意見リーダーが大多数のユーザーと一致していないことを発見した。 2559人の世論リーダー(ユーザーの0.72%)が権限の80%を占め、大多数(99.28%)が残りの20%が355,139人のユーザーである。

関連論文リスト

• Application of Liquid Rank Reputation System for Twitter Trend Analysis on Bitcoin [0.23020018305241333]
  本稿では,ユーザ評価に基づく「流動的民主主義」アプローチを取り入れた,Twitter上のBitcoinトレンドの分析モデルを提案する。 評価システムに基づくTwitterの感情分析モデルを使用して、Bitcoinの価格変更と取引量への影響を判断する。
  論文  参考訳（メタデータ） (2024-06-25T19:35:25Z)
• Russo-Ukrainian War: Prediction and explanation of Twitter suspension [47.61306219245444]
  本研究は、Twitterのサスペンション機構と、これにつながる可能性のあるユーザアカウントの共有コンテンツと機能の分析に焦点を当てる。 Twitter APIを使って、980万人のユーザーから生まれた107.7万のツイートを含むデータセットを入手しました。 この結果から、Bitcoin詐欺、スパム、広告キャンペーンに対するロシアとウクライナの紛争に関するトレンドを生かした詐欺キャンペーンが明らかになった。
  論文  参考訳（メタデータ） (2023-06-06T08:41:02Z)
• Cryptocurrency Price Prediction using Twitter Sentiment Analysis [0.0]
  この調査では、歴史的価格とツイートの感情を使ってBitcoinの価格を予測する。 我々は、一連のツイートの感情を予測し、Bitcoinの価格を予測できるエンドツーエンドモデルを開発した。 感情予測は平均絶対誤差9.45%、平均リアルタイムデータ、テストデータを与えた。
  論文  参考訳（メタデータ） (2023-03-03T18:42:01Z)
• Shifting Polarization and Twitter News Influencers between two U.S. Presidential Elections [92.33485580547801]
  我々は2016年米大統領選挙と2020年米大統領選挙の間の分極の変化を分析した。 トップインフルエンサーのほとんどが、両選挙の間にメディア組織に所属していた。 2020年のトップインフルエンサーの75%は2016年は存在しなかった。
  論文  参考訳（メタデータ） (2021-11-03T20:08:54Z)
• Ask "Who", Not "What": Bitcoin Volatility Forecasting with Twitter Data [2.9223917785251285]
  我々は、Twitterの公開ソーシャルメディアデータのディープラーニング表現を使用して、比較的新しい資産クラスの暗号通貨(特にBitcoin)のボラティリティ予測に重点を置いている。 フィールドワークのために、3000万以上のBitcoin関連ツイートからセマンティック情報とユーザーインタラクション統計を抽出した。 収集した情報を組み合わせて、いくつかのディープラーニングアーキテクチャを構築しました。
  論文  参考訳（メタデータ） (2021-10-27T09:55:03Z)
• 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)
• The Doge of Wall Street: Analysis and Detection of Pump and Dump Cryptocurrency Manipulations [50.521292491613224]
  本稿では,インターネット上のコミュニティによって組織された2つの市場操作(ポンプとダンプと群衆ポンプ)について,詳細な分析を行う。 ポンプとダンプの仕組みは、株式市場と同じくらい古い詐欺だ。今や、緩やかに規制された暗号通貨市場において、新たな活力を得た。 本報告では,ポンプ群とダンプ群に関する3症例について報告する。
  論文  参考訳（メタデータ） (2021-05-03T10:20:47Z)
• Towards A Sentiment Analyzer for Low-Resource Languages [0.0]
  本研究は,当時盛んに議論されてきた特定のトレンドトピックに対して,ユーザの感情を分析することを目的としている。 2019年のインドネシア大統領選挙で話題になったハッシュタグのtextit#kpujangancurangを使っています。 本研究は,ラピッドマイニングツールを用いて,Twitterデータを生成し,Nieve Bayes,K-Nearest Neighbor,Decision Tree,Multi-Layer Perceptronの分類手法を比較し,Twitterデータの感情を分類する。
  論文  参考訳（メタデータ） (2020-11-12T13:50:00Z)
• Breaking the Communities: Characterizing community changing users using text mining and graph machine learning on Twitter [0.0]
  自然言語処理技術とグラフ機械学習アルゴリズムを用いて,Twitter上でコミュニティを壊すユーザを調査した。 我々は150万人のユーザーから900万のTwitterメッセージを収集し、リツイートネットワークを構築した。 コミュニティブレーカー」を検出するソーシャルメディアユーザ分類のための機械学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-08-24T23:44:51Z)
• Information Consumption and Social Response in a Segregated Environment: the Case of Gab [74.5095691235917]
  この研究は、COVID-19トピックに関するGab内のインタラクションパターンの特徴を提供する。 疑わしい、信頼できるコンテンツに対する社会的反応には、統計的に強い違いはない。 本研究は,協調した不正確な行動の理解と情報操作の早期警戒に関する知見を提供する。
  論文  参考訳（メタデータ） (2020-06-03T11:34:25Z)
• 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。