論文の概要: Exploring a Hybrid Deep Learning Framework to Automatically Discover
Topic and Sentiment in COVID-19 Tweets
- arxiv url: http://arxiv.org/abs/2312.01178v1
- Date: Sat, 2 Dec 2023 16:58:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-05 18:56:02.960019
- Title: Exploring a Hybrid Deep Learning Framework to Automatically Discover
Topic and Sentiment in COVID-19 Tweets
- Title（参考訳）: 新型コロナウイルスのツイートで話題や感情を自動的に発見するハイブリッドディープラーニングフレームワークの探索
- Authors: Khandaker Tayef Shahriar, Iqbal H. Sarker
- Abstract要約: 新型コロナウイルスは、世界的な公衆衛生問題や、経済危機、失業、精神的苦痛などの問題を引き起こしている。
このパンデミックは世界中で致命的であり、多くの人々が感染症だけでなく、問題、ストレス、不思議、恐怖、恨み、憎しみに悩まされている。
Twitterは、非常に影響力のあるソーシャルメディアプラットフォームであり、健康関連情報、ニュース、意見、世論などの重要な情報源である。
- 参考スコア（独自算出の注目度）: 2.3940819037450987
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: COVID-19 has created a major public health problem worldwide and other
problems such as economic crisis, unemployment, mental distress, etc. The
pandemic is deadly in the world and involves many people not only with
infection but also with problems, stress, wonder, fear, resentment, and hatred.
Twitter is a highly influential social media platform and a significant source
of health-related information, news, opinion and public sentiment where
information is shared by both citizens and government sources. Therefore an
effective analysis of COVID-19 tweets is essential for policymakers to make
wise decisions. However, it is challenging to identify interesting and useful
content from major streams of text to understand people's feelings about the
important topics of the COVID-19 tweets. In this paper, we propose a new
\textit{framework} for analyzing topic-based sentiments by extracting key
topics with significant labels and classifying positive, negative, or neutral
tweets on each topic to quickly find common topics of public opinion and
COVID-19-related attitudes. While building our model, we take into account
hybridization of BiLSTM and GRU structures for sentiment analysis to achieve
our goal. The experimental results show that our topic identification method
extracts better topic labels and the sentiment analysis approach using our
proposed hybrid deep learning model achieves the highest accuracy compared to
traditional models.
- Abstract（参考訳）: 新型コロナウイルス(covid-19)は、世界的な公衆衛生問題や、経済危機、失業、精神的苦痛などの問題を生み出している。
パンデミックは世界中で致命的であり、多くの人々が感染だけでなく、問題、ストレス、驚き、恐怖、恨み、憎しみも伴っている。
twitterは、非常に影響力のあるソーシャルメディアプラットフォームであり、市民と政府両方の情報源が情報を共有する健康関連の情報、ニュース、意見、世論の重要な情報源である。
したがって、政策立案者が賢明な判断を下すためには、covid-19ツイートの効果的な分析が不可欠である。
しかし、新型コロナウイルスのツイートの重要トピックに関する人々の感情を理解するために、主要なテキストストリームから興味深く有用なコンテンツを特定することは困難である。
本稿では,重要な話題を重要なラベルで抽出し,各トピックの肯定的,否定的,中立的なつぶやきを分類することで,話題ベースの感情分析を行うための新しい \textit{framework}を提案する。
モデル構築にあたっては,感情分析のための BiLSTM と GRU 構造のハイブリッド化を考慮した。
実験結果から,提案手法はより優れたトピックラベルを抽出し,提案手法を用いた感情分析手法により従来のモデルと比較して高い精度が得られた。
関連論文リスト
- Exploring Social Media for Early Detection of Depression in COVID-19
Patients [44.76299288962596]
早期に検出と介入は、新型コロナウイルス患者のうつ病のリスクを減少させる可能性がある。
我々は、感染前後のソーシャルメディア活動に関する情報を含む新型コロナウイルス患者のデータセットを管理した。
うつ病リスクの高いCOVID-19患者の特徴を明らかにするため,本データセットを広範囲に分析した。
論文 参考訳（メタデータ） (2023-02-23T14:13:52Z) - BERT-Deep CNN: State-of-the-Art for Sentiment Analysis of COVID-19
Tweets [0.7850663096185592]
新型コロナウイルスのパンデミックは、ソーシャルメディアプラットフォーム上で議論されている出来事の1つだ。
パンデミックの状況では、ソーシャルメディアのテキストを分析して感情的傾向を明らかにすることが非常に有用である。
我々は、最先端のBERTモデルとDeep CNNモデルを用いて、ソーシャルメディアを通じて、新型コロナウイルスのパンデミックに対する社会の認識を研究する。
論文 参考訳（メタデータ） (2022-11-04T14:35:56Z) - "COVID-19 was a FIFA conspiracy #curropt": An Investigation into the
Viral Spread of COVID-19 Misinformation [60.268682953952506]
我々は、自然言語処理モデルを用いて、誤報がCOVID-19パンデミックの進行にどのような影響を及ぼしたかを推定する。
我々は、広範囲に害をもたらす可能性のあるソーシャルメディアポストと戦うための戦略を提供する。
論文 参考訳（メタデータ） (2022-06-12T19:41:01Z) - A Dynamic Topic Identification and Labeling Approach of COVID-19 Tweets [3.097385298197292]
新型コロナウイルスの感染拡大は、世界中の多くの人々のソーシャルメディア利用に影響している。
本稿では、新型コロナウイルスのツイートの適切なラベルで重要なトピックを動的に識別する問題を定式化し、より広範な世論を概説する。
論文 参考訳（メタデータ） (2021-08-13T16:51:04Z) - When a crisis strikes: Emotion analysis and detection during COVID-19 [96.03869351276478]
感情をラベル付けした1万ツイートのCovidEmoを紹介します。
事前学習された言語モデルがドメインや危機をまたいでどのように一般化するかを検討する。
論文 参考訳（メタデータ） (2021-07-23T04:07:14Z) - COVID-19 and Big Data: Multi-faceted Analysis for Spatio-temporal
Understanding of the Pandemic with Social Media Conversations [4.07452542897703]
ソーシャルメディアプラットフォームは、新型コロナウイルス(COVID-19)に関する世界的な会話の手段として機能している。
本稿では,パンデミックを取り巻くソーシャルメディア会話の重要コンテンツと特徴の分析,マイニング,追跡のための枠組みを提案する。
論文 参考訳（メタデータ） (2021-04-22T00:45:50Z) - Country Image in COVID-19 Pandemic: A Case Study of China [79.17323278601869]
国像は国際関係と経済発展に大きな影響を与えている。
新型コロナウイルス(COVID-19)の世界的な流行で、各国と国民は異なる反応を見せている。
本研究では,中国を具体的かつ典型的な事例として捉え,大規模Twitterデータセットのアスペクトベース感情分析を用いてそのイメージを考察する。
論文 参考訳（メタデータ） (2020-09-12T15:54:51Z) - 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) - Fighting the COVID-19 Infodemic in Social Media: A Holistic Perspective
and a Call to Arms [42.7332883578842]
新型コロナウイルス(COVID-19)のパンデミックが勃発すると、人々はソーシャルメディアに、タイムリーな情報を読み、共有するよう促した。
また、医療と政治の誤報と偽情報の新しいブレンドがあり、これが最初の世界的なインフォデミックを引き起こした。
これは、ジャーナリスト、ファクトチェッカー、政策立案者、政府機関、ソーシャルメディアプラットフォーム、社会全体の観点からの総合的なアプローチを必要とする複雑な問題である。
論文 参考訳（メタデータ） (2020-07-15T21:18:30Z) - Detecting Topic and Sentiment Dynamics Due to COVID-19 Pandemic Using
Social Media [14.662523926129117]
大規模なソーシャルメディア投稿から、COVID-19による話題や感情のダイナミクスを分析した。
安全な家にいよう」といった話題は肯定的な感情で支配されている。
人の死のような他のものは、常に否定的な感情を示しています。
論文 参考訳（メタデータ） (2020-07-05T12:05:30Z) - Analyzing COVID-19 on Online Social Media: Trends, Sentiments and
Emotions [44.92240076313168]
我々は、2020年1月20日から2020年5月11日までの間に、TwitterとWeiboの投稿に基づいて、アメリカ人と中国人の感情的な軌跡を分析した。
中国と国連の2つの非常に異なる国とは対照的に、異なる文化におけるCOVID-19に対する人々の見解に顕著な違いが浮かび上がっている。
我々の研究は、公共の感情やパンデミックに対する懸念をリアルタイムで明らかにするための計算的アプローチを提供し、政策立案者が人々のニーズをよりよく理解し、それによって最適な政策を立案するのに役立つ可能性がある。
論文 参考訳（メタデータ） (2020-05-29T09:24:38Z)
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。