Fugu-MT 論文翻訳(概要): Twitter Sentiment Analysis of Covid Vacciness

論文の概要: Twitter Sentiment Analysis of Covid Vacciness

arxiv url: http://arxiv.org/abs/2311.04479v1
Date: Wed, 8 Nov 2023 06:16:04 GMT
ステータス: 処理完了
システム内更新日: 2023-11-09 17:07:40.825571
Title: Twitter Sentiment Analysis of Covid Vacciness
Title（参考訳）: twitterによる新型コロナウイルスワクチンの感情分析
Authors: Wenbo Zhu and Tiechuan Hu
Abstract要約: さまざまなキーワードで分類されたつぶやきのデータベースを見てみましょう。本研究の目的は,自然言語処理技術を用いて,コビッドワクチンに関する意見を可能な限り高い精度で決定・分類することである。
参考スコア（独自算出の注目度）: 0.9379288556523433
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we look at a database of tweets sorted by various keywords that could indicate the users sentiment towards covid vaccines. With social media becoming such a prevalent source of opinion, sorting and ranking tweets that hold important information such as opinions on covid vaccines is of utmost importance. Two different ranking scales were used, and ranking a tweet in this way could represent the difference between an opinion being lost and an opinion being featured on the site, which affects the decisions and behavior of people, and why researchers were interested in it. Using natural language processing techniques, our aim is to determine and categorize opinions about covid vaccines with the highest accuracy possible.
Abstract（参考訳）: 本稿では,コビッドワクチンに対するユーザの感情を示す様々なキーワードで分類されたつぶやきのデータベースについて検討する。ソーシャルメディアが世論の主流になるにつれ、コビッドワクチンに関する意見などの重要な情報を保持するツイートのソートとランク付けが最重要となる。 2つの異なるランキング尺度が使用され、この方法でのツイートのランク付けは、失った意見とサイトに掲載されている意見との違いを示し、それが人々の判断や行動に影響を及ぼし、なぜ研究者が興味を持ったのかを示している。自然言語処理技術を用いて,コビッドワクチンに関する意見を可能な限り高い精度で決定・分類することを目的とする。

関連論文リスト

Vax-Culture: A Dataset for Studying Vaccine Discourse on Twitter [3.768191396638854]
新型コロナウイルス感染症(COVID-19)の感染拡大に伴い、ワクチン中毒は公衆衛生当局にとって大きな課題となっている。 6373のワクチン関連ツイートからなるTwitter COVID-19データセットであるVax-Cultureを紹介します。このことが、予防接種的信念を持つ個人にリーチするための、効果的で目標とする公衆衛生コミュニケーション戦略につながることを願っている。
論文参考訳（メタデータ） (2023-04-13T23:04:30Z)
Semantic Similarity Models for Depression Severity Estimation [53.72188878602294]
本稿では、ソーシャルメディアの文章に基づいて、個人のうつ病の重症度を研究するための効率的なセマンティックパイプラインを提案する。我々は,抑うつ症状と重度レベルに対応する代表訓練文の指標に対して意味的ランキングを生成するために,テストユーザ文を使用する。本手法を2つのRedditベースのベンチマークで評価し,うつ病の重症度を指標として,最先端技術よりも30%改善した。
論文参考訳（メタデータ） (2022-11-14T18:47:26Z)
Fine-tuned Sentiment Analysis of COVID-19 Vaccine-Related Social Media Data: Comparative Study [0.7874708385247353]
本研究は、RedditとTwitterの2つの人気ソーシャルメディアプラットフォーム上で表現された新型コロナウイルスワクチンに関する公衆の感情を調査し、比較した。私たちは、約950万のツイートと7万のRedditコメントの感情を予測するために、微調整されたDistilRoBERTaモデルを作成しました。その結果、Twitter上で表現される平均的な感情は、ポジティブよりもネガティブ(52%)であることが判明した。
論文参考訳（メタデータ） (2022-10-17T16:22:18Z)
Doctors vs. Nurses: Understanding the Great Divide in Vaccine Hesitancy among Healthcare Workers [64.1526243118151]
医者は新型コロナウイルスワクチンに対して全体的に陽性であることがわかりました。医師は新型ワクチンよりもワクチンの有効性を懸念している。看護婦は子供に対する潜在的な副作用にもっと注意を払う。
論文参考訳（メタデータ） (2022-09-11T14:22:16Z)
Adherence to Misinformation on Social Media Through Socio-Cognitive and Group-Based Processes [79.79659145328856]
誤報が広まると、これはソーシャルメディア環境が誤報の付着を可能にするためである、と我々は主張する。偏光と誤情報付着が密接な関係にあると仮定する。
論文参考訳（メタデータ） (2022-06-30T12:34:24Z)
ArCovidVac: Analyzing Arabic Tweets About COVID-19 Vaccination [7.594204373985492]
新型コロナウイルス(COVID-19)予防接種キャンペーンのために、手動で注釈付けされた最初のアラビアのツイートデータセットArCovidVacをリリースしました。データセットには、(i)Informativeness(より重要でないツイート)、(ii)きめ細かいツイートコンテンツタイプ(アドバイス、噂、制限、認証されたニュース/情報)、(iii)予防接種に対するスタンスなど、さまざまなアノテーション層が組み込まれている。
論文参考訳（メタデータ） (2022-01-17T16:19:21Z)
COVID-19 Vaccine and Social Media: Exploring Emotions and Discussions on Twitter [9.834635805575582]
新型コロナウイルスワクチンに対する公衆の反応は、新型コロナウイルスのパンデミックを抑える上で重要な成功要因だ。伝統的な調査は高価で時間を要するもので、限られた健康問題に対処し、小規模なデータを取得する。本研究では,多数のつぶやきを収集・解析するために,計算的および人為的符号化手法を用いた手法を提案する。
論文参考訳（メタデータ） (2021-07-29T17:31:11Z)
Classifying vaccine sentiment tweets by modelling domain-specific representation and commonsense knowledge into context-aware attentive GRU [9.8215089151757]
ワクチンのヘシタシーと拒絶はワクチン接種率の低いクラスターを生じさせ、ワクチン接種プログラムの有効性を低下させる。ソーシャルメディアは、地理的な位置を含み、ワクチンに関する懸念を詳述することで、ワクチンの受け入れに対する新たなリスクを見積もる機会を提供する。ワクチン関連ツイートなどのソーシャルメディア投稿を分類する手法では、一般的なドメインテキストで訓練された言語モデル(LM)を使用する。本稿では、ワクチン関連ツイートで訓練されたドメイン固有LMを用いて相互接続されたコンポーネントで構成された新しいエンドツーエンドフレームワークについて、コンテキスト対応の双方向ゲート再帰ネットワーク(CK-BiGRU)にコモンセンス知識をモデル化する。
論文参考訳（メタデータ） (2021-06-17T15:16:08Z)
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)
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)
Falling into the Echo Chamber: the Italian Vaccination Debate on Twitter [65.7192861893042]
われわれは、Twitter上での予防接種に関する議論が、予防接種ヘシタントに対する潜在的な不安にどのように影響するかを調査する。予防接種懐疑派や擁護派が独自の「エチョ室」に居住していることが判明した。これらのエコーチャンバーの中心には熱心な支持者がいて、高い精度のネットワークとコンテンツベースの分類器を構築しています。
論文参考訳（メタデータ） (2020-03-26T13:55:50Z)

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。