Fugu-MT 論文翻訳(概要): Sentiment Analysis of Twitter Posts on Global Conflicts

論文の概要: Sentiment Analysis of Twitter Posts on Global Conflicts

arxiv url: http://arxiv.org/abs/2312.03715v1
Date: Tue, 21 Nov 2023 04:39:47 GMT
ステータス: 処理完了
システム内更新日: 2023-12-11 03:35:06.317728
Title: Sentiment Analysis of Twitter Posts on Global Conflicts
Title（参考訳）: グローバル紛争に関するtwitter投稿の感情分析
Authors: Ujwal Sasikumar, Ank Zaman, Abdul-Rahman Mawlood-Yunis, Prosenjit Chatterjee
Abstract要約: ソーシャルメディアの感情、特につぶやきをグローバルな対立シナリオで分析する感情分析モデルを開発した。われわれは最近Twitterで世界中で起きた論争の件を特定し、3万1000件のフィルタリングツイートを数ヶ月にわたって収集し、世界中の人間の感情を分析した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Sentiment analysis of social media data is an emerging field with vast applications in various domains. In this study, we developed a sentiment analysis model to analyze social media sentiment, especially tweets, during global conflicting scenarios. To establish our research experiment, we identified a recent global dispute incident on Twitter and collected around 31,000 filtered Tweets for several months to analyze human sentiment worldwide.
Abstract（参考訳）: ソーシャルメディアデータの感性分析は、様々な分野で広く応用されている分野である。本研究では,ソーシャルメディアの感情,特につぶやきをグローバルなコンフリクトシナリオで分析する感情分析モデルを開発した。われわれの研究実験を確立するために、Twitterで最近起きた全世界の紛争事件を特定し、3万1000件のフィルタリングツイートを数ヶ月間収集し、世界中の人間の感情を分析した。

関連論文リスト

Large Language Models Meet Text-Centric Multimodal Sentiment Analysis: A Survey [66.166184609616]
ChatGPTは、テキスト中心のマルチモーダルタスクに大規模言語モデル(LLM)を適用する大きな可能性を開く。既存のLLMがテキスト中心のマルチモーダル感情分析タスクにどのように適応できるかは、まだ不明である。
論文参考訳（メタデータ） (2024-06-12T10:36:27Z)
Bias or Diversity? Unraveling Fine-Grained Thematic Discrepancy in U.S. News Headlines [63.52264764099532]
われわれは、2014年から2022年までの米国の主要メディアから、180万件のニュース記事の大規模なデータセットを使用している。我々は、国内政治、経済問題、社会問題、外交の4つの主要なトピックに関連する、きめ細かいテーマの相違を定量化する。以上の結果から,国内政治や社会問題においては,一定のメディア偏見が原因であることが示唆された。
論文参考訳（メタデータ） (2023-03-28T03:31:37Z)
Religion and Spirituality on Social Media in the Aftermath of the Global Pandemic [59.930429668324294]
私たちは、突然の宗教活動の変化を2つに分析します。重要な点として,2020年7月から9月にかけての3ヶ月の期間を分析して,この過程の時間的変動を分析した。
論文参考訳（メタデータ） (2022-12-11T18:41:02Z)
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)
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)
The emojification of sentiment on social media: Collection and analysis of a longitudinal Twitter sentiment dataset [5.528896840956628]
TM-Sentiは、Twitterの感情データセットを大規模に管理し、ツイート数は1億1400万を超えている。我々は,大規模なエモティコンと絵文字に基づくラベル付き感情分析データセットを組み立てるための方法論を記述し,評価する。私たちの分析では絵文字のエモティコンへの利用の増加など、興味深い時間的変化が強調されている。
論文参考訳（メタデータ） (2021-08-31T14:54:46Z)
A Study on Herd Behavior Using Sentiment Analysis in Online Social Network [1.5673338088641469]
本稿では,オンラインソーシャルネットワーキングサイトからの批判的意見を予測するための多様な戦略の能力について述べる。ソーシャルメディアはここ数十年で良いメディアとなり、世界中の意見を共有している。本研究では,ソーシャルメディアコンテンツを用いた感情分析手法の評価を行った。
論文参考訳（メタデータ） (2021-07-25T05:22:35Z)
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)
Visual Sentiment Analysis from Disaster Images in Social Media [11.075683976162766]
本稿では,社会的な重要な領域における視覚的感情分析,すなわちソーシャルメディアにおける災害分析に焦点を当てる。本稿では,災害関連画像に対する深い視覚的感情分析手法を提案し,視覚的感情分析のさまざまな側面について述べる。提案システムは,様々な利害関係者を支援することで,より生き生きとしたコミュニティに貢献できると考えている。
論文参考訳（メタデータ） (2020-09-04T11:29:52Z)
Topic, Sentiment and Impact Analysis: COVID19 Information Seeking on Social Media [1.6328866317851185]
この研究は、COVID19に関連するオーストラリアの球面の大規模な時空間的ツイートデータセットを分析した。この手法にはボリューム分析、ダイナミックトピックモデリング、感情検出、セマンティックブランドスコアが含まれていた。得られた知見は、政府報告事例のような独立に観察された現象と比較される。
論文参考訳（メタデータ） (2020-08-28T02:03:18Z)
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)

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。