論文の概要: Detection and Classification of Twitter Users' Opinions on Drought Crises in Iran Using Machine Learning Techniques
- arxiv url: http://arxiv.org/abs/2409.07611v1
- Date: Wed, 11 Sep 2024 20:49:31 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-13 18:31:44.598034
- Title: Detection and Classification of Twitter Users' Opinions on Drought Crises in Iran Using Machine Learning Techniques
- Title（参考訳）: 機械学習を用いたイランの干ばつ危機に対するTwitter利用者の意見の検出と分類
- Authors: Somayeh Labafi, Leila Rabiei, Zeinab Rajabi,
- Abstract要約: 本研究の目的は、イランの干ばつ危機に関連するペルシア語を話すTwitterユーザーの意見を特定し、分類することである。
ロジスティック回帰に基づく機械学習モデルをトレーニングし、Twitter投稿のさまざまな意見の予測と検出を行った。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The main objective of this research is to identify and classify the opinions of Persian-speaking Twitter users related to drought crises in Iran and subsequently develop a model for detecting these opinions on the platform. To achieve this, a model has been developed using machine learning and text mining methods to detect the opinions of Persian-speaking Twitter users regarding the drought issues in Iran. The statistical population for the research included 42,028 drought-related tweets posted over a one-year period. These tweets were extracted from Twitter using keywords related to the drought crises in Iran. Subsequently, a sample of 2,300 tweets was qualitatively analyzed, labeled, categorized, and examined. Next, a four-category classification of users` opinions regarding drought crises and Iranians' resilience to these crises was identified. Based on these four categories, a machine learning model based on logistic regression was trained to predict and detect various opinions in Twitter posts. The developed model exhibits an accuracy of 66.09% and an F-score of 60%, indicating that this model has good performance for detecting Iranian Twitter users' opinions regarding drought crises. The ability to detect opinions regarding drought crises on platforms like Twitter using machine learning methods can intelligently represent the resilience level of the Iranian society in the face of these crises, and inform policymakers in this area about changes in public opinion.
- Abstract（参考訳）: 本研究の目的は、イランの干ばつ危機に関連するペルシア語を話すTwitterユーザーの意見を特定し、分類し、その後プラットフォーム上でこれらの意見を検出するモデルを開発することである。
これを実現するために,イランの干ばつ問題に関して,ペルシア語を話すTwitterユーザの意見を検出するために,機械学習とテキストマイニングを用いてモデルを開発した。
この調査の統計には、1年間に投稿された干ばつ関連ツイート42,028件が含まれていた。
これらのツイートは、イランの干ばつに関するキーワードを使ってTwitterから抽出された。
その後、2300のツイートのサンプルを質的に分析し、ラベル付けし、分類し、調査した。
次に、干ばつとこれらの危機に対するイラン人の弾力性に関する4つのカテゴリの利用者の意見が特定された。
これら4つのカテゴリに基づいて、ロジスティック回帰に基づく機械学習モデルがトレーニングされ、Twitter投稿のさまざまな意見の予測と検出が可能になった。
開発されたモデルは66.09%の精度でFスコアは60%であり、このモデルはイランのTwitterユーザーの干ばつに関する意見を検出するのに優れた性能を示している。
機械学習を使ってTwitterのようなプラットフォーム上の干ばつに関する意見を検出する能力は、これらの危機に直面したイラン社会のレジリエンスレベルをインテリジェントに表現し、この領域の政策立案者に世論の変化を知らせることができる。
関連論文リスト
- Two-Stage Classifier for Campaign Negativity Detection using Axis
Embeddings: A Case Study on Tweets of Political Users during 2021
Presidential Election in Iran [0.0]
世界中の選挙において、候補者は失敗や時間的プレッシャーのため、ネガティビティへのキャンペーンを転換する可能性がある。
本稿では,2つの機械学習モデルの強みを組み合わせた2段階分類器によるキャンペーン負性検出のハイブリッドモデルを提案する。
我々の最良のモデル(RF-RF)はマクロF1スコアの79%、重み付きF1スコアの82%を達成できた。
論文 参考訳（メタデータ） (2023-10-31T20:31:41Z) - CrisisMatch: Semi-Supervised Few-Shot Learning for Fine-Grained Disaster
Tweet Classification [51.58605842457186]
半教師付き, 少数ショットの学習環境下で, 微粒な災害ツイート分類モデルを提案する。
私たちのモデルであるCrisisMatchは、ラベルなしデータと大量のラベルなしデータを用いて、ツイートを関心の細かいクラスに効果的に分類する。
論文 参考訳（メタデータ） (2023-10-23T07:01:09Z) - Sarcasm Detection in a Disaster Context [103.93691731605163]
HurricaneSARCは,意図した皮肉に注釈を付けた15,000ツイートのデータセットである。
私たちの最高のモデルは、データセットで最大0.70F1を得ることができます。
論文 参考訳（メタデータ） (2023-08-16T05:58:12Z) - Design and analysis of tweet-based election models for the 2021 Mexican
legislative election [55.41644538483948]
選挙日前の6ヶ月の間に、1500万件の選挙関連ツイートのデータセットを使用します。
地理的属性を持つデータを用いたモデルが従来のポーリング法よりも精度と精度で選挙結果を決定することがわかった。
論文 参考訳（メタデータ） (2023-01-02T12:40:05Z) - A Word is Worth A Thousand Dollars: Adversarial Attack on Tweets Fools
Stock Prediction [100.9772316028191]
本稿では,3つのストック予測犠牲者モデルを騙すために,様々な攻撃構成を試行する。
以上の結果から,提案手法が一貫した成功率を達成し,取引シミュレーションにおいて大きな損失をもたらす可能性が示唆された。
論文 参考訳（メタデータ） (2022-05-01T05:12:22Z) - 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) - Discourse Analysis of Covid-19 in Persian Twitter Social Networks Using
Graph Mining and Natural Language Processing [0.0]
調査されたビッグデータは、ペルシャのTwitterネットワークのユーザ16万から500万のツイートだ。
分析されたイラン社会は、自分たちがコビッド19の悪い問題に責任があるとは考えていない。
最も活発で影響力のある利用者の類似性は、政治的、国家的、批判的な談話の構築が主なものであることである。
論文 参考訳（メタデータ） (2021-09-01T10:39:20Z) - COVID-19 Tweets Analysis through Transformer Language Models [0.0]
本研究では、COVID-19におけるツイートの詳細な感情分析を行う。
訓練されたトランスフォーマーモデルは、ツイートのトーンを高精度で正確に予測することができる。
次にこのモデルを利用して、covid-19の20万ツイートのトーンを予測する。
論文 参考訳（メタデータ） (2021-02-27T12:06:33Z) - Content analysis of Persian/Farsi Tweets during COVID-19 pandemic in
Iran using NLP [0.6606745253604263]
新型コロナウイルス(COVID-19)に関するペルシャ語/ファルシ語で、5万件以上のオリジナルツイートを使用して、ユーザー間で議論されたトピックを分析した。
在宅隔離下での生活経験を主要な話題として挙げた上位25項目を特定した。
この枠組みと方法論は、新型コロナウイルス関連の継続的な進展に対する公衆の反応を追跡するのに利用できるが、この枠組みの一般化は、現在進行中の政策措置や出来事に対するイランの公的反応を地域・国際的に評価するための有用な枠組みとなる。
論文 参考訳（メタデータ） (2020-05-17T23:47:08Z) - Adversarial Fooling Beyond "Flipping the Label" [54.23547006072598]
CNNは、多くの重要なタスクにおいて、人間に近いか、人間のパフォーマンスよりも優れていることを示す。
これらの攻撃は、実際の展開において潜在的に危険である。
異なるCNNアーキテクチャの集合に対するいくつかの重要な敵攻撃を包括的に分析する。
論文 参考訳（メタデータ） (2020-04-27T13:21:03Z) - Social Media Attributions in the Context of Water Crisis [13.5346836945515]
ソーシャルメディアデータとAIによるアプローチを使って、従来の調査を補完し、帰属要因を自動的に抽出する方法について検討する。
我々は,地域問題として始まった最も近年のチェンナイ水危機に焦点を合わせながら,急速に議論の話題へと発展していった。
本稿では,危機の原因となる要因を識別する属性関係検出の新たな課題を提案する。
論文 参考訳（メタデータ） (2020-01-06T18:20:09Z)
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。