論文の概要: What Sentiment and Fun Facts We Learnt Before FIFA World Cup Qatar 2022 Using Twitter and AI

• arxiv url: http://arxiv.org/abs/2306.16049v1
• Date: Wed, 28 Jun 2023 09:29:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-29 14:54:53.213613
• Title: What Sentiment and Fun Facts We Learnt Before FIFA World Cup Qatar 2022 Using Twitter and AI
• Title（参考訳）: fifaワールドカップのカタール2022でtwitterとaiを使って学んだ感想と楽しい事実
• Authors: James She, Kamilla Swart-Arries, Mohammad Belal and Simon Wong
• Abstract要約: 本報告では,FIFAワールドカップに関連するツイートに対する感情を提供する上で,効果的な解決策を提案する。 コミュニティで初めて、少なくとも130万ツイートが収集され、提案された機械学習ソリューションのパフォーマンスを評価するデータセットとして実装されている。 本稿では,感情分析にVaderアルゴリズムを用いる。
• 参考スコア（独自算出の注目度）: 5.868852957948179
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Twitter is a social media platform bridging most countries and allows real-time news discovery. Since the tweets on Twitter are usually short and express public feelings, thus provide a source for opinion mining and sentiment analysis for global events. This paper proposed an effective solution, in providing a sentiment on tweets related to the FIFA World Cup. At least 130k tweets, as the first in the community, are collected and implemented as a dataset to evaluate the performance of the proposed machine learning solution. These tweets are collected with the related hashtags and keywords of the Qatar World Cup 2022. The Vader algorithm is used in this paper for sentiment analysis. Through the machine learning method and collected Twitter tweets, we discovered the sentiments and fun facts of several aspects important to the period before the World Cup. The result shows people are positive to the opening of the World Cup.
• Abstract（参考訳）: Twitterは、ほとんどの国を橋渡しし、リアルタイムニュース発見を可能にするソーシャルメディアプラットフォームである。 Twitter上のツイートは通常短く、一般の感情を表現するため、グローバルなイベントに対する意見マイニングと感情分析の源泉となる。 本稿では、fifaワールドカップに関するツイートに対する感想を提供するための効果的な解決策を提案する。 コミュニティで初めて、少なくとも130万ツイートが収集され、提案された機械学習ソリューションのパフォーマンスを評価するデータセットとして実装されている。 これらのツイートはカタールワールドカップ2022の関連ハッシュタグとキーワードで収集される。 本論文ではvaderアルゴリズムを用いて感情分析を行う。 機械学習手法とTwitterのつぶやきの収集により、ワールドカップ前の期間において重要ないくつかの側面の感情と楽しい事実を発見した。 その結果、人々はワールドカップの開会に前向きであることがわかった。

関連論文リスト

• OneLove beyond the field -- A few-shot pipeline for topic and sentiment analysis during the FIFA World Cup in Qatar [3.1610969282573365]
  カタールで開催されたFIFAワールドカップはニュースやソーシャルメディアで広く議論された。 OneLoveのアームバンドを着用することは、計画された抗議活動の一部だった。 FIFAがこれを着用する船長に制裁を課すと脅したことで、論争が巻き起こった。
  論文  参考訳（メタデータ） (2024-08-05T14:40:40Z)
• Covid-19 Public Sentiment Analysis for Indian Tweets Classification [0.0]
  Twitterのデータがどのように抽出されたかを示し、その上で感情分析クエリを実行する。 これは、意見が極めて非構造的で異質であり、肯定的、否定的、中立的であるツイートの情報を分析するのに役立つ。
  論文  参考訳（メタデータ） (2023-08-01T09:29:55Z)
• 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)
• Political Communities on Twitter: Case Study of the 2022 French Presidential Election [14.783829037950984]
  われわれは、2022年のフランス大統領選挙でTwitter上に形成された政治コミュニティを特定することを目指している。 われわれは、12万人のユーザーと6260万人のツイートを含む大規模なTwitterデータセットを作成し、選挙に関連するキーワードについて言及している。 ユーザのリツイートグラフ上でコミュニティ検出を行い、各コミュニティのスタンスを詳細に分析する。
  論文  参考訳（メタデータ） (2022-04-15T12:18:16Z)
• Twitter Dataset on the Russo-Ukrainian War [68.713984286035]
  Twitter APIから現在進行中のデータセットの取得を開始しています。 データセットは770万人のユーザーを起源とする5730万ツイートに達している。 我々は、最初のボリュームと感情分析を適用し、データセットはトピック分析、ヘイトスピーチ、プロパガンダ認識、ボットネットのような潜在的な悪意のあるエンティティを示すためにさらに探索的な調査に使用することができる。
  論文  参考訳（メタデータ） (2022-04-07T12:33:06Z)
• Manipulating Twitter Through Deletions [64.33261764633504]
  Twitter上でのインフルエンスキャンペーンの研究は、公開APIを通じて得られたツイートから悪意のあるアクティビティを識別することに大きく依存している。 ここでは,1100万以上のアカウントによる10億以上の削除を含む,異常な削除パターンを網羅的かつ大規模に分析する。 少数のアカウントが毎日大量のツイートを削除していることがわかった。 まず、ツイートのボリューム制限が回避され、特定のアカウントが毎日2600万以上のツイートをネットワークに流すことができる。 第二に、調整されたアカウントのネットワークは、繰り返しのいいね!や、最終的に削除されるコンテンツとは違って、ランキングアルゴリズムを操作できる。
  論文  参考訳（メタデータ） (2022-03-25T20:07:08Z)
• Identification of Twitter Bots based on an Explainable ML Framework: the US 2020 Elections Case Study [72.61531092316092]
  本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。 Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。 また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
  論文  参考訳（メタデータ） (2021-12-08T14:12:24Z)
• What goes on inside rumour and non-rumour tweets and their reactions: A Psycholinguistic Analyses [58.75684238003408]
  ソーシャルメディアのテキストの心理言語学的分析は、誤情報を緩和するために意味のある結論を導くのに不可欠である。 本研究は,様々な事象に関する噂の深い心理言語学的分析を行うことによって貢献する。
  論文  参考訳（メタデータ） (2021-11-09T07:45:11Z)
• CML-COVID: A Large-Scale COVID-19 Twitter Dataset with Latent Topics, Sentiment and Location Information [0.0]
  CML-COVID(CML-COVID)は、新型コロナウイルス(COVID-19)による5,977,653人のツイート19,298,967万件のTwitterデータセットである。 これらのツイートは、2020年3月から7月にかけて、新型コロナウイルスに関連する質問文、コビッド、マスクを使って収集された。
  論文  参考訳（メタデータ） (2021-01-28T18:59:10Z)
• Understanding the Hoarding Behaviors during the COVID-19 Pandemic using Large Scale Social Media Data [77.34726150561087]
  われわれは、2020年3月1日から4月30日まで、米国で4万2000人以上のユニークTwitterユーザーによる嫌がらせと反嫌悪のパターンを分析した。 ホアーディンググループと反ホアーディンググループの両方の女性の比率が、一般のTwitter利用者の比率よりも高いことがわかりました。 LIWCの不安度はTwitterの不安度よりもかなり高い。
  論文  参考訳（メタデータ） (2020-10-15T16:02:25Z)
• 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。

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。