論文の概要: Real-Time Sentiment Insights from X Using VADER, DistilBERT, and Web-Scraped Data
- arxiv url: http://arxiv.org/abs/2504.15448v1
- Date: Mon, 21 Apr 2025 21:33:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-01 01:20:12.265883
- Title: Real-Time Sentiment Insights from X Using VADER, DistilBERT, and Web-Scraped Data
- Title（参考訳）: VADER, DistilBERT, Web-Scrapedデータを用いたXからのリアルタイムセンシング
- Authors: Yanampally Abhiram Reddy, Siddhi Agarwal, Vikram Parashar, Arshiya Arora,
- Abstract要約: 本稿では企業評価モニタリングに適した総合的な感情分析システムを提案する。
自然言語処理(NLP)と機械学習技術を組み合わせて、世論をリアルタイムで正確に解釈する。
私たちの分析では、Amazon (81.2) やSamsung (45.8) のような企業が優れた感情スコアを受け取っており、Microsoft (21.7) とWalmart (21.9) は低い感情プロファイルを示している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the age of social media, understanding public sentiment toward major corporations is crucial for investors, policymakers, and researchers. This paper presents a comprehensive sentiment analysis system tailored for corporate reputation monitoring, combining Natural Language Processing (NLP) and machine learning techniques to accurately interpret public opinion in real time. The methodology integrates a hybrid sentiment detection framework leveraging both rule-based models (VADER) and transformer-based deep learning models (DistilBERT), applied to social media data from multiple platforms. The system begins with robust preprocessing involving noise removal and text normalization, followed by sentiment classification using an ensemble approach to ensure both interpretability and contextual accuracy. Results are visualized through sentiment distribution plots, comparative analyses, and temporal sentiment trends for enhanced interpretability. Our analysis reveals significant disparities in public sentiment across major corporations, with companies like Amazon (81.2) and Samsung (45.8) receiving excellent sentiment scores, while Microsoft (21.7) and Walmart (21.9) exhibit poor sentiment profiles. These findings demonstrate the utility of our multi-source sentiment framework in providing actionable insights regarding corporate public perception, enabling stakeholders to make informed strategic decisions based on comprehensive sentiment analysis.
- Abstract（参考訳）: ソーシャルメディアの時代において、大企業に対する大衆の感情を理解することは、投資家、政策立案者、研究者にとって不可欠である。
本稿では,NLP(Natural Language Processing)と機械学習技術を組み合わせた企業評価モニタリングに適した総合的感情分析システムを提案する。
この手法は,ルールベースモデル(VADER)とトランスフォーマーベースディープラーニングモデル(DistilBERT)の両方を活用するハイブリッド感情検出フレームワークを統合し,複数のプラットフォームからのソーシャルメディアデータに適用する。
システムは、ノイズ除去とテキスト正規化を含む堅牢な前処理から始まり、続いてアンサンブルアプローチによる感情分類により、解釈可能性と文脈的正確性の両方を保証する。
結果は、感情分布プロット、比較分析、解釈可能性を高めるための時間的感情傾向を通じて可視化される。
私たちの分析では、Amazon (81.2) やSamsung (45.8) のような企業が優れた感情スコアを受け取っており、Microsoft (21.7) とWalmart (21.9) は低い感情プロファイルを示している。
これらの知見は、企業の公共認識に関する実用的な洞察を提供することで、包括的感情分析に基づいて、ステークホルダーが戦略的決定を下せるためのマルチソース感情フレームワークの有用性を示すものである。
関連論文リスト
- Bridging Cognition and Emotion: Empathy-Driven Multimodal Misinformation Detection [56.644686934050576]
ソーシャルメディアは情報発信の主流となっているが、誤報の急速な拡散を助長している。
従来の誤報検出法は主に表面的な特徴に焦点を合わせ、伝播過程における人間の共感の重要な役割を見落としている。
著者と読者の両方の視点から誤情報を分析するために、認知的・感情的共感を統合したデュアル・アスペクト・共感フレームワーク(DAE)を提案する。
論文 参考訳（メタデータ） (2025-04-24T07:48:26Z) - Enhancing Social Media Rumor Detection: A Semantic and Graph Neural Network Approach for the 2024 Global Election [0.27309692684728615]
本研究では,意味解析とグラフニューラルネットワークを組み合わせた新しい手法を提案する。
PolitiFactとTwitterから慎重にデータセットを収集し、政治的に関係のある噂に焦点を当てた。
我々のアプローチは、微調整されたBERTモデルを用いて、テキストコンテンツをベクトル化し、ツイートやコメントがノードであり、対話がエッジである有向グラフを構築することである。
論文 参考訳（メタデータ） (2025-03-03T10:49:33Z) - Sentiment analysis of texts from social networks based on machine learning methods for monitoring public sentiment [0.0]
本研究では,リアルタイムソーシャルネットワークの世論モニタリングを改善するために,機械学習を利用した感情分析システムを開発した。
このシステムは、現実世界のシナリオでトランスフォーマーモデルを使用して最大80-85%の精度を達成した。
システムの性能は素晴らしいが、計算オーバーヘッド、データ品質、ドメイン固有の用語に関する問題がまだ残っている。
論文 参考訳（メタデータ） (2025-02-24T13:34:35Z) - A hybrid transformer and attention based recurrent neural network for robust and interpretable sentiment analysis of tweets [0.3495246564946556]
既存のモデルは言語的多様性、一般化可能性、説明可能性に関する課題に直面している。
本稿では,トランスフォーマーアーキテクチャ,アテンション機構,BiLSTMネットワークを統合したハイブリッドフレームワークTRABSAを提案する。
感情分析ベンチマークのギャップを埋め、最先端の精度を確保します。
論文 参考訳（メタデータ） (2024-03-30T09:20:43Z) - Decoding the Silent Majority: Inducing Belief Augmented Social Graph
with Large Language Model for Response Forecasting [74.68371461260946]
SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。
本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
論文 参考訳（メタデータ） (2023-10-20T06:17:02Z) - Bias and Fairness in Large Language Models: A Survey [73.87651986156006]
本稿では,大規模言語モデル(LLM)のバイアス評価と緩和手法に関する総合的な調査を行う。
まず、自然言語処理における社会的偏見と公平性の概念を統合し、形式化し、拡張する。
次に,3つの直感的な2つのバイアス評価法と1つの緩和法を提案し,文献を統一する。
論文 参考訳（メタデータ） (2023-09-02T00:32:55Z) - Contextual Sentence Analysis for the Sentiment Prediction on Financial
Data [0.10878040851637999]
企業や株式に関する感情を特定するために,トランスフォーマーモデルの階層的スタックを提案する。
見出しとマイクロブログを処理するためにRoBERTaモデルを微調整し、追加のTransformerレイヤと組み合わせて感情辞書による文解析を行った。
論文 参考訳（メタデータ） (2021-12-27T17:12:57Z) - Personalized multi-faceted trust modeling to determine trust links in
social media and its potential for misinformation management [61.88858330222619]
ソーシャルメディアにおけるピア間の信頼関係を予測するためのアプローチを提案する。
本稿では,データ駆動型多面信頼モデルを提案する。
信頼を意識したアイテムレコメンデーションタスクで説明され、提案したフレームワークを大規模なYelpデータセットのコンテキストで評価する。
論文 参考訳（メタデータ） (2021-11-11T19:40:51Z) - Weakly-Supervised Aspect-Based Sentiment Analysis via Joint
Aspect-Sentiment Topic Embedding [71.2260967797055]
アスペクトベース感情分析のための弱教師付きアプローチを提案する。
We learn sentiment, aspects> joint topic embeddeds in the word embedding space。
次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
論文 参考訳（メタデータ） (2020-10-13T21:33:24Z) - 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) - 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。
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。