Fugu-MT 論文翻訳(概要): Opinion Mining on Offshore Wind Energy for Environmental Engineering

論文の概要: Opinion Mining on Offshore Wind Energy for Environmental Engineering

arxiv url: http://arxiv.org/abs/2409.14292v1
Date: Sun, 22 Sep 2024 01:51:43 GMT
ステータス: 処理完了
システム内更新日: 2024-11-06 23:26:16.281727
Title: Opinion Mining on Offshore Wind Energy for Environmental Engineering
Title（参考訳）: 環境工学のためのオフショア風力エネルギーのオピニオンマイニング
Authors: Isabele Bittencourt, Aparna S. Varde, Pankaj Lal,
Abstract要約: 我々は、オフショア風力エネルギーに関する大衆の意見を研究するために、ソーシャルメディアデータに対する感情分析を行う。我々は、TextBlob、VADER、SentiWordNetという3つの機械学習モデルを適用する。
参考スコア（独自算出の注目度）: 1.563479906200713
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper, we conduct sentiment analysis on social media data to study mass opinion about offshore wind energy. We adapt three machine learning models, namely, TextBlob, VADER, and SentiWordNet because different functions are provided by each model. TextBlob provides subjectivity analysis as well as polarity classification. VADER offers cumulative sentiment scores. SentiWordNet considers sentiments with reference to context and performs classification accordingly. Techniques in NLP are harnessed to gather meaning from the textual data in social media. Data visualization tools are suitably deployed to display the overall results. This work is much in line with citizen science and smart governance via involvement of mass opinion to guide decision support. It exemplifies the role of Machine Learning and NLP here.
Abstract（参考訳）: 本稿では,ソーシャルメディアデータに対する感情分析を行い,オフショア風力エネルギーに関する世論調査を行う。我々は3つの機械学習モデル、すなわちTextBlob, VADER, SentiWordNetを適用する。 TextBlobは、主観性分析と極性分類を提供する。 VADERは累積的な感情スコアを提供する。 SentiWordNetは、感情を文脈を参照して考慮し、それに従って分類を行う。 NLPの手法は、ソーシャルメディアのテキストデータから意味を収集するために利用される。データ視覚化ツールは、全体的な結果を表示するために好適にデプロイされる。この作業は、大量意見の関与による市民科学やスマートガバナンスと密接に結びついており、意思決定支援のガイドとなっている。機械学習とNLPの役割を例示します。

関連論文リスト

What Can Natural Language Processing Do for Peer Review? [173.8912784451817]
現代の科学ではピアレビューが広く使われているが、それは難しく、時間がかかり、エラーを起こしやすい。ピアレビューに関わるアーティファクトは大部分がテキストベースであるため、自然言語処理はレビューを改善する大きな可能性を秘めている。筆者らは、原稿提出からカメラ対応リビジョンまでの各工程について詳述し、NLP支援の課題と機会について論じる。
論文参考訳（メタデータ） (2024-05-10T16:06:43Z)
ConTextual: Evaluating Context-Sensitive Text-Rich Visual Reasoning in Large Multimodal Models [92.60282074937305]
テキストリッチな画像に対して文脈に敏感な推論を必要とする人為的な命令を特徴とする新しいデータセットであるConTextualを紹介した。そこで本研究では,14の基盤モデルの性能評価実験を行い,人為的な性能基準を確立する。 GPT-4Vとヒトのパフォーマンスの30.8%の有意な性能差を観察した。
論文参考訳（メタデータ） (2024-01-24T09:07:11Z)
A Comprehensive Review on Sentiment Analysis: Tasks, Approaches and Applications [0.2717221198324361]
感性分析(SA)はテキストマイニングにおける新たな分野である。これは、異なるソーシャルメディアプラットフォーム上でテキストで表現された意見を計算的に識別し、分類するプロセスである。
論文参考訳（メタデータ） (2023-11-19T06:29:41Z)
USA: Universal Sentiment Analysis Model & Construction of Japanese Sentiment Text Classification and Part of Speech Dataset [0.0]
本稿では,個々の単語と全体テキスト間の相互強化効果(MRE)を活用することで,性能の向上を提案する。本研究を支援するために,4つの新しい感性テキスト分類と音声の一部(SCPOS)データセットをアノテートした。さらに,7ビリオンのパラメータサイズを持つユニバーサル・センチメント・アナリティクス(USA)モデルを開発した。
論文参考訳（メタデータ） (2023-09-07T15:35:00Z)
Emotion Analysis using Multi-Layered Networks for Graphical Representation of Tweets [0.10499611180329801]
そこで本稿では,複数層ネットワーク(MLN)を用いたソーシャルメディアテキストのグラフィカルなモデル化手法を提案する。最先端のグラフニューラルネットワーク(GNN)は、Tweet-MLNから情報を抽出し、抽出したグラフの特徴に基づいて予測を行う。その結果、MLTAはより大きな感情から予測し、通常のポジティブ、ネガティブ、中立的な感情よりも正確な感情を提供するだけでなく、Twitterデータのグループレベルの正確な予測を可能にしている。
論文参考訳（メタデータ） (2022-07-02T20:26:55Z)
Accurate Emotion Strength Assessment for Seen and Unseen Speech Based on Data-Driven Deep Learning [70.30713251031052]
本研究では,データ駆動型深層学習モデル,すなわちSenseNetを提案する。実験の結果,提案した強度ネットの予測感情強度は,目視と目視の両方の真理値と高い相関性を示した。
論文参考訳（メタデータ） (2022-06-15T01:25:32Z)
TextEssence: A Tool for Interactive Analysis of Semantic Shifts Between Corpora [14.844685568451833]
TextEssenceは、埋め込みを用いたコーポラの比較分析を可能にするインタラクティブなシステムです。 TextEssenceには、軽量なWebベースのインターフェイスに、ビジュアル、隣り合わせ、および類似性ベースの組み込み分析モードが含まれています。
論文参考訳（メタデータ） (2021-03-19T21:26:28Z)
Abstractive Summarization of Spoken and Written Instructions with BERT [66.14755043607776]
本稿では,BERTSumモデルの最初の対話型言語への応用について述べる。我々は多種多様な話題にまたがるナレーションビデオの抽象要約を生成する。我々は、これをインテリジェントな仮想アシスタントの機能として統合し、要求に応じて文字と音声の両方の指導内容の要約を可能にすることを想定する。
論文参考訳（メタデータ） (2020-08-21T20:59:34Z)
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)
Survey on Visual Sentiment Analysis [87.20223213370004]
本稿では、関連する出版物をレビューし、視覚知覚分析の分野の概要を概観する。また,3つの視点から一般的な視覚知覚分析システムの設計原理について述べる。様々なレベルの粒度と、異なる方法でイメージに対する感情に影響を与えるコンポーネントを考慮し、問題の定式化について論じる。
論文参考訳（メタデータ） (2020-04-24T10:15:22Z)
ORB: An Open Reading Benchmark for Comprehensive Evaluation of Machine Reading Comprehension [53.037401638264235]
我々は,7種類の読解データセットの性能を報告する評価サーバORBを提案する。評価サーバは、モデルのトレーニング方法に制限を課さないため、トレーニングパラダイムや表現学習の探索に適したテストベッドである。
論文参考訳（メタデータ） (2019-12-29T07:27:23Z)

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。