論文の概要: Analyzing Political Figures in Real-Time: Leveraging YouTube Metadata for Sentiment Analysis

• arxiv url: http://arxiv.org/abs/2309.16234v1
• Date: Thu, 28 Sep 2023 08:15:55 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-29 15:40:28.465817
• Title: Analyzing Political Figures in Real-Time: Leveraging YouTube Metadata for Sentiment Analysis
• Title（参考訳）: 政治図をリアルタイムで分析する: 感情分析にYouTubeメタデータを活用する
• Authors: Danendra Athallariq Harya Putra and Arief Purnama Muharram
• Abstract要約: YouTubeビデオメタデータのビッグデータを用いた感情分析を行い、様々な政治的人物の世論を分析することができる。 本研究は,YouTubeビデオメタデータを利用した感情分析システムの構築を目的とした。 感情分析モデルはLSTMアルゴリズムを用いて構築され、肯定的な感情と否定的な感情の2種類の感情を生成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sentiment analysis using big data from YouTube videos metadata can be conducted to analyze public opinions on various political figures who represent political parties. This is possible because YouTube has become one of the platforms for people to express themselves, including their opinions on various political figures. The resulting sentiment analysis can be useful for political executives to gain an understanding of public sentiment and develop appropriate and effective political strategies. This study aimed to build a sentiment analysis system leveraging YouTube videos metadata. The sentiment analysis system was built using Apache Kafka, Apache PySpark, and Hadoop for big data handling; TensorFlow for deep learning handling; and FastAPI for deployment on the server. The YouTube videos metadata used in this study is the video description. The sentiment analysis model was built using LSTM algorithm and produces two types of sentiments: positive and negative sentiments. The sentiment analysis results are then visualized in the form a simple web-based dashboard.
• Abstract（参考訳）: YouTubeビデオメタデータのビッグデータを用いた感情分析を行い、政党を代表する様々な政治的人物の世論を分析する。 これはYouTubeが、さまざまな政治的人物の意見を含め、人々が自身を表現するためのプラットフォームになったためである。 結果として生じる感情分析は、政治幹部が大衆の感情を理解し、適切な効果的な政治戦略を開発するのに役立つ。 本研究の目的は,youtubeビデオメタデータを活用した感情分析システムの構築である。 感情分析システムは、ビッグデータ処理にはApache Kafka、Apache PySpark、Hadoop、ディープラーニング処理にはTensorFlow、サーバへのデプロイメントにはFastAPIを使用して構築された。 本研究で使用されるyoutubeビデオメタデータはビデオ記述である。 感情分析モデルはLSTMアルゴリズムを用いて構築され、ポジティブとネガティブの2種類の感情を生成する。 感情分析の結果は、シンプルなwebベースのダッシュボード形式で視覚化される。

関連論文リスト

• You Shall Know a Tool by the Traces it Leaves: The Predictability of Sentiment Analysis Tools [74.98850427240464]
  感情分析ツールが同じデータセットで一致しないことを示す。 感傷的アノテーションに使用される感情ツールは,その結果から予測できることを示す。
  論文  参考訳（メタデータ） (2024-10-18T17:27:38Z)
• How Would The Viewer Feel? Estimating Wellbeing From Video Scenarios [73.24092762346095]
  情緒応答と主観的幸福感に注釈を付けた6万本以上のビデオを備えた大規模データセットを2つ導入した。 Video Cognitive Empathyデータセットには、微粒な感情応答の分布のためのアノテーションが含まれており、モデルが感情状態の詳細な理解を得ることができる。 Video to Valenceデータセットには、ビデオ間の相対的な快適性のアノテーションが含まれている。
  論文  参考訳（メタデータ） (2022-10-18T17:58:25Z)
• Video Manipulations Beyond Faces: A Dataset with Human-Machine Analysis [60.13902294276283]
  我々は826の動画(413のリアルと413の操作)からなるデータセットであるVideoShamを提示する。 既存のディープフェイクデータセットの多くは、2種類の顔操作にのみ焦点をあてている。 我々の分析によると、最先端の操作検出アルゴリズムはいくつかの特定の攻撃に対してのみ有効であり、VideoShamではうまくスケールしない。
  論文  参考訳（メタデータ） (2022-07-26T17:39:04Z)
• OSN Dashboard Tool For Sentiment Analysis [0.0]
  意見はすべての人間の活動の中心であるため、このタイプのデータに対する洞察を得るために感情分析が適用されている。 主な欠点は、分類と高レベルの可視化のための標準化されたソリューションがないことである。 本研究では,オンラインソーシャルネットワーキング分析のための感情分析ダッシュボードを提案する。
  論文  参考訳（メタデータ） (2022-06-14T15:56:32Z)
• YouTube Ad View Sentiment Analysis using Deep Learning and Machine Learning [0.0]
  本研究では,Linear Regression (LR), Support Vector Machine (SVM), Decision Tree (DT), Random Forest (RF), Artificial Neural Network (ANN)といったディープラーニングと機械学習アルゴリズムを用いたYouTube Ad Viewの感情を予測する。
  論文  参考訳（メタデータ） (2022-05-23T06:55:34Z)
• Sentiment Analysis of Political Tweets for Israel using Machine Learning [0.0]
  本研究では、イスラエルの政治Twitterデータを用いて、パレスチナとイスラエルの対立に対する世論を解釈する分析研究を提案する。 ツイート形式での民族グループと世論指導者の態度を機械学習アルゴリズムを用いて分析する。
  論文  参考訳（メタデータ） (2022-04-12T12:07:43Z)
• QVHighlights: Detecting Moments and Highlights in Videos via Natural Language Queries [89.24431389933703]
  Query-based Video Highlights (QVHighlights) データセットを提示する。 これは1万本以上のYouTubeビデオで構成され、幅広いトピックをカバーしている。 データセット内の各ビデオには、(1)人書き自由形式のNLクエリ、(2)クエリに関するビデオw.r.t.の関連モーメント、(3)クエリに関連するすべてのクリップに対する5ポイントスケールのサリエンシスコアが注釈付けされている。
  論文  参考訳（メタデータ） (2021-07-20T16:42:58Z)
• Inferring Political Preferences from Twitter [0.0]
  ソーシャルメディアの政治的センチメント分析は、政治ストラテジストが政党や候補者のパフォーマンスを精査するのに役立つ。 選挙期間中、ソーシャルネットワークはブログ、チャット、討論、政党や政治家の展望に関する議論で溢れている。 本研究では、従来の機械学習を用いて、テキスト分類問題としてモデル化することで、ツイートに存在する政治的意見の傾きを特定することを選んだ。
  論文  参考訳（メタデータ） (2020-07-21T05:20:43Z)
• Tweets Sentiment Analysis via Word Embeddings and Machine Learning Techniques [1.345251051985899]
  本論文では、感情分類のための特徴選択モデルWord2vecと機械学習アルゴリズムランダムフォレストを用いて、リアルタイムの2019年選挙Twitterデータに対する感情分析を行うことを目的とする。 Word2vecはテキスト中の単語の文脈意味を考慮し、特徴の質を改善し、機械学習と感情分析の精度を向上させる。
  論文  参考訳（メタデータ） (2020-07-05T08:10:30Z)
• Sentiment Analysis Based on Deep Learning: A Comparative Study [69.09570726777817]
  世論の研究は我々に貴重な情報を提供することができる。 感情分析の効率性と正確性は、自然言語処理で直面する課題によって妨げられている。 本稿では、感情分析の問題を解決するためにディープラーニングを用いた最新の研究をレビューする。
  論文  参考訳（メタデータ） (2020-06-05T16:28:10Z)
• Mi YouTube es Su YouTube? Analyzing the Cultures using YouTube Thumbnails of Popular Videos [98.87558262467257]
  本研究では,YouTubeのトレンド動画のサムネイルを用いて,各国の文化選好について検討した。 実験の結果、類似文化のユーザーはYouTubeで同様のビデオを見ることに興味を持っていることがわかった。
  論文  参考訳（メタデータ） (2020-01-27T20:15:57Z)

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。