論文の概要: CineXDrama: Relevance Detection and Sentiment Analysis of Bangla YouTube Comments on Movie-Drama using Transformers: Insights from Interpretability Tool

• arxiv url: http://arxiv.org/abs/2411.06548v2
• Date: Sun, 01 Dec 2024 21:35:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-03 16:55:13.863855
• Title: CineXDrama: Relevance Detection and Sentiment Analysis of Bangla YouTube Comments on Movie-Drama using Transformers: Insights from Interpretability Tool
• Title（参考訳）: CineXDrama: Transformer を用いた映画ドラマにおけるBangla YouTubeコメントの関連検出と感性分析:解釈可能性ツールからの考察
• Authors: Usafa Akther Rifa, Pronay Debnath, Busra Kamal Rafa, Shamaun Safa Hridi, Md. Aminur Rahman,
• Abstract要約: 本稿では,まずコメントの関連性を評価し,関連するものに対する感情分析を行うシステムを提案する。 手作業で収集した14,000のコメントと前処理されたコメントのデータセットを導入し、関連性(関連性または非関連性)と感情(肯定的または否定的)に注釈を付ける。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: In recent years, YouTube has become the leading platform for Bangla movies and dramas, where viewers express their opinions in comments that convey their sentiments about the content. However, not all comments are relevant for sentiment analysis, necessitating a filtering mechanism. We propose a system that first assesses the relevance of comments and then analyzes the sentiment of those deemed relevant. We introduce a dataset of 14,000 manually collected and preprocessed comments, annotated for relevance (relevant or irrelevant) and sentiment (positive or negative). Eight transformer models, including BanglaBERT, were used for classification tasks, with BanglaBERT achieving the highest accuracy (83.99% for relevance detection and 93.3% for sentiment analysis). The study also integrates LIME to interpret model decisions, enhancing transparency.
• Abstract（参考訳）: 近年、YouTubeはバングラの映画やドラマの主要なプラットフォームとなり、視聴者はコンテンツに対する感情を伝えるコメントで意見を表現している。 しかし、すべてのコメントが感情分析に関係しているわけではない。 本稿では,まずコメントの関連性を評価し,関連するものに対する感情分析を行うシステムを提案する。 手作業で収集された14,000のコメントと前処理されたコメントのデータセットを導入し、関連性(関連性または非関連性)と感情(肯定的または否定的)に注釈を付ける。 BanglaBERTを含む8つのトランスフォーマーモデルが分類タスクに使用され、BanglaBERTは高い精度(関連検出では83.99%、感情分析では93.3%)を達成した。 この研究は、LIMEを統合してモデル決定を解釈し、透明性を高める。

関連論文リスト

• You Shall Know a Tool by the Traces it Leaves: The Predictability of Sentiment Analysis Tools [74.98850427240464]
  感情分析ツールが同じデータセットで一致しないことを示す。 感傷的アノテーションに使用される感情ツールは,その結果から予測できることを示す。
  論文  参考訳（メタデータ） (2024-10-18T17:27:38Z)
• HOTVCOM: Generating Buzzworthy Comments for Videos [49.39846630199698]
  この研究は、中国最大のビデオコンテンツデータセットであるtextscHotVComを紹介し、94万の多様なビデオと1億1700万のコメントからなる。 また、中国語のビデオデータセット上で、視覚的、聴覚的、テキスト的データを相乗的に統合し、影響力のあるホットコンテンツを生成するtexttComHeatフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-23T16:45:13Z)
• Motamot: A Dataset for Revealing the Supremacy of Large Language Models over Transformer Models in Bengali Political Sentiment Analysis [0.0]
  政治的感情を分析することは、特に選挙期間中の世論過程の複雑さを理解するために重要である。 本研究は, 肯定的, 否定的な感情を付加した7,058件からなる「モタモット」データセットの作成に焦点を当てた。 バングラバート,バングラバートベース,XLM-RoBERTa,mBERT,sahajBERT,およびジェミニ1.5 Pro,GPT3.5 TurboなどのPLMの性能評価を行った。
  論文  参考訳（メタデータ） (2024-07-28T16:34:53Z)
• Detecting Suspicious Commenter Mob Behaviors on YouTube Using Graph2Vec [1.1371889042789218]
  本稿では,YouTubeチャンネル間の不審なコメントモブ様の挙動を検出するための,ソーシャルネットワーク分析に基づく手法を提案する。 本手法は,このような行動のレベルに基づいてチャネルを特徴付けることを目的としており,それらにまたがるコモンパターンを同定する。 分析の結果,疑わしいコメント者の行動の頻度に光を当てた。
  論文  参考訳（メタデータ） (2023-11-09T23:49:29Z)
• Analyzing Political Figures in Real-Time: Leveraging YouTube Metadata for Sentiment Analysis [0.0]
  YouTubeビデオメタデータのビッグデータを用いた感情分析を行い、様々な政治的人物の世論を分析することができる。 本研究は,YouTubeビデオメタデータを利用した感情分析システムの構築を目的とした。 感情分析モデルはLSTMアルゴリズムを用いて構築され、肯定的な感情と否定的な感情の2種類の感情を生成する。
  論文  参考訳（メタデータ） (2023-09-28T08:15:55Z)
• ViCo: Engaging Video Comment Generation with Human Preference Rewards [68.50351391812723]
  ビデオコメント生成の課題に対処するために,3つの新しいデザインのViCoを提案する。 コメントのエンゲージメントを定量化するために、各コメントが受け取る「いいね! コメントのエンゲージメントを自動的に評価するために、我々は報酬モデルをトレーニングし、その判断を上記のプロキシに合わせる。
  論文  参考訳（メタデータ） (2023-08-22T04:01:01Z)
• Classifying YouTube Comments Based on Sentiment and Type of Sentence [0.0]
  我々は、よく知られた統計測度と機械学習モデルを用いて、YouTubeコメントからのテキスト抽出と分類の課題に対処する。 その結果,従来の手法を取り入れた手法が,コンテンツ制作者のチャンネルにおける視聴者エンゲージメント向上に有効であることを示す。
  論文  参考訳（メタデータ） (2021-10-31T18:08:10Z)
• SIFN: A Sentiment-aware Interactive Fusion Network for Review-based Item Recommendation [48.1799451277808]
  本稿では、レビューに基づく項目推薦のための感性認識型インタラクティブフュージョンネットワーク(SIFN)を提案する。 まず、BERTを介してユーザ/イテムレビューをエンコードし、各レビューのセマンティックな特徴を抽出する軽量な感情学習者を提案する。 そこで我々は,感情学習者が明示的な感情ラベルを用いて感情認識特徴を抽出するための感情予測タスクを提案する。
  論文  参考訳（メタデータ） (2021-08-18T08:04:38Z)
• QVHighlights: Detecting Moments and Highlights in Videos via Natural Language Queries [89.24431389933703]
  Query-based Video Highlights (QVHighlights) データセットを提示する。 これは1万本以上のYouTubeビデオで構成され、幅広いトピックをカバーしている。 データセット内の各ビデオには、(1)人書き自由形式のNLクエリ、(2)クエリに関するビデオw.r.t.の関連モーメント、(3)クエリに関連するすべてのクリップに対する5ポイントスケールのサリエンシスコアが注釈付けされている。
  論文  参考訳（メタデータ） (2021-07-20T16:42:58Z)
• Mi YouTube es Su YouTube? Analyzing the Cultures using YouTube Thumbnails of Popular Videos [98.87558262467257]
  本研究では,YouTubeのトレンド動画のサムネイルを用いて,各国の文化選好について検討した。 実験の結果、類似文化のユーザーはYouTubeで同様のビデオを見ることに興味を持っていることがわかった。
  論文  参考訳（メタデータ） (2020-01-27T20:15:57Z)

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。