論文の概要: HP-BERT: A framework for longitudinal study of Hinduphobia on social media via language models

• arxiv url: http://arxiv.org/abs/2501.05482v2
• Date: Sun, 05 Oct 2025 10:40:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 16:52:58.339303
• Title: HP-BERT: A framework for longitudinal study of Hinduphobia on social media via language models
• Title（参考訳）: HP-BERT : 言語モデルによるソーシャルメディアにおけるヒンドゥー恐怖の縦断的研究のためのフレームワーク
• Authors: Ashutosh Singh, Rohitash Chandra,
• Abstract要約: 我々は、新型コロナウイルスの期間に抗ヒンドゥー感情(ヒンドゥー恐怖症)を解析するための計算フレームワークを提案する。 このデータセットを用いてHydphobic BERT (HP-BERT) モデルを構築し,94.72%の精度を実現した。 本研究は、新型コロナウイルス危機におけるソーシャルメディアによる宗教差別の証拠を提供する。
• 参考スコア（独自算出の注目度）: 6.261384274136677
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: During the COVID-19 pandemic, community tensions intensified, contributing to discriminatory sentiments against various religious groups, including Hindu communities. Recent advances in language models have shown promise for social media analysis with potential for longitudinal studies of social media platforms, such as X (Twitter). We present a computational framework for analyzing anti-Hindu sentiment (Hinduphobia) during the COVID-19 period, introducing an abuse detection and sentiment analysis approach for longitudinal analysis on X. We curate and release a "Hinduphobic COVID-19 XDataset" containing 8,000 annotated and manually verified tweets. We then develop the Hinduphobic BERT (HP-BERT) model using this dataset and achieve 94.72\% accuracy, outperforming baseline Transformer-based language models. The model incorporates multi-label sentiment analysis capabilities through additional fine-tuning. Our analysis encompasses approximately 27.4 million tweets from six countries, including Australia, Brazil, India, Indonesia, Japan, and the United Kingdom. Statistical analysis reveals moderate correlations (r = 0.312-0.428) between COVID-19 case increases and Hinduphobic content volume, highlighting how pandemic-related stress may contribute to discriminatory discourse. This study provides evidence of social media-based religious discrimination during a COVID-19 crisis.
• Abstract（参考訳）: 新型コロナウイルスのパンデミックの間、コミュニティの緊張は激化し、ヒンドゥー教のコミュニティを含む様々な宗教団体に対する差別的な感情に寄与した。 言語モデルの最近の進歩は、X(Twitter)のようなソーシャルメディアプラットフォームにおける縦断的研究の可能性を秘めたソーシャルメディア分析の可能性を示唆している。 我々は、新型コロナウイルスの期間における抗ヒンドゥー感情(ヒンドゥー恐怖症)を分析し、X上での縦断的分析のための虐待検出と感情分析のアプローチを導入し、8000の注釈付きおよび手動で検証されたつぶやきを含む「ヒンドゥー恐怖性COVID-19 XDataset」をキュレートしてリリースする。 次に,このデータセットを用いてHudowphobic BERT (HP-BERT) モデルを構築し,94.72\%の精度を実現し,ベースライントランスフォーマーベース言語モデルより優れていることを示す。 このモデルには、追加の微調整によるマルチラベル感情分析機能が含まれている。 分析では、オーストラリア、ブラジル、インド、インドネシア、日本、英国を含む6カ国のツイート約2740万件をカバーしています。 統計分析では、新型コロナウイルスの感染者の増加とヒンドゥー恐怖のコンテンツ量との間には適度な相関関係(r = 0.312-0.428)が見られ、パンデミックに関連するストレスが差別的会話にどのように寄与するかを明らかにしている。 本研究は、新型コロナウイルス危機におけるソーシャルメディアによる宗教差別の証拠を提供する。

関連論文リスト

• A longitudinal sentiment analysis of Sinophobia during COVID-19 using large language models [3.3741245091336083]
  新型コロナウイルス(COVID-19)のパンデミックにより、キセノフォビア、特にシナフォビアが悪化し、中国系個人に対する差別が広まりつつある。 新型コロナウイルスのパンデミック時にX(Twitter)で表現されたSinophobic sentimentsの縦断的感情分析にLLMを用いた感情分析フレームワークを提案する。 その結果, SinophobicTweets, Sinophobic sentiments, surges in COVID-19 case, it is a significant correlation between the spikes in Sinophobic tweetss, Sinophobic sentiments and surges in COVID-19 case, showed that the evolution of the spread of public sentiment and the prevalence of Sinophobic discourse。
  論文  参考訳（メタデータ） (2024-08-29T23:39:11Z)
• Exploring a Hybrid Deep Learning Framework to Automatically Discover Topic and Sentiment in COVID-19 Tweets [2.3940819037450987]
  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。
  論文  参考訳（メタデータ） (2023-12-02T16:58:17Z)
• Exploring Cross-Cultural Differences in English Hate Speech Annotations: From Dataset Construction to Analysis [44.17106903728264]
  ほとんどのヘイトスピーチデータセットは、単一の言語における文化的多様性を無視している。 そこで本研究では,CRoss文化の英語Hate音声データセットであるCREHateを紹介する。 CREHateのポストの56.2%のみが全国でコンセンサスを達成しており、ペアのラベル差が最も高いのは26%である。
  論文  参考訳（メタデータ） (2023-08-31T13:14:47Z)
• 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)
• 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 sentiment analysis via deep learning during the rise of novel cases [0.5156484100374059]
  我々はtwitter上で感情分析を行うために,long short-term memory(lstm)リカレントニューラルネットワークを用いたディープラーニング言語モデルを用いた。 我々は、ほとんどのツイートは、インドのCOVID-19事件の台頭中に高いレベルの楽観主義で肯定的であることが判明しました。 楽観的で冗談を言うツイートは、主に月間ツイートを支配しており、ネガティブな感情が表される回数はずっと少なかった。
  論文  参考訳（メタデータ） (2021-04-05T04:31:19Z)
• 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)
• 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)
• Racism is a Virus: Anti-Asian Hate and Counterspeech in Social Media during the COVID-19 Crisis [51.39895377836919]
  新型コロナウイルスは、アジアのコミュニティをターゲットにしたソーシャルメディア上で人種差別や憎悪を引き起こしている。 我々は、Twitterのレンズを通して、反アジアヘイトスピーチの進化と普及について研究する。 私たちは、14ヶ月にわたる反アジア的憎悪と反音声のデータセットとして最大となるCOVID-HATEを作成します。
  論文  参考訳（メタデータ） (2020-05-25T21:58:09Z)
• #Coronavirus or #Chinesevirus?!: Understanding the negative sentiment reflected in Tweets with racist hashtags across the development of COVID-19 [1.0878040851638]
  人種差別的なハッシュタグでマークされたツイートに反映される否定的な感情の分析に焦点を当てた。 我々は、新型コロナウイルスの3つの発達段階とともに、ネガティブな感情がどのように変化するかを把握するためのステージベースのアプローチを提案する。
  論文  参考訳（メタデータ） (2020-05-17T11:15:50Z)
• Psychometric Analysis and Coupling of Emotions Between State Bulletins and Twitter in India during COVID-19 Infodemic [7.428097999824421]
  新型コロナウイルスのインフォデミックは、パンデミックそのものよりも急速に広まっている。 ソーシャルメディアは情報の最大の源であるため、インフォデミックの管理には誤情報を緩和する必要がある。 Twitterだけでも、キュレートされたイベントページの利用が急激な45%増加した。
  論文  参考訳（メタデータ） (2020-05-12T01:51:07Z)
• Fighting the COVID-19 Infodemic: Modeling the Perspective of Journalists, Fact-Checkers, Social Media Platforms, Policy Makers, and the Society [37.9389191670008]
  新型コロナウイルスは世界保健機関(WHO)にとって最も重要な分野の一つだと宣言されている。 このインフォデミックと戦うことは、世界保健機関(WHO)の最も重要な焦点の1つと宣言されている。 詳細な偽情報分析のために,手動で注釈付きツイート16Kの大規模なデータセットをリリースする。
  論文  参考訳（メタデータ） (2020-04-30T18:04:20Z)

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。