Fugu-MT 論文翻訳(概要): Comparative sentiment analysis of public perception: Monkeypox vs. COVID-19 behavioral insights

論文の概要: Comparative sentiment analysis of public perception: Monkeypox vs. COVID-19 behavioral insights

arxiv url: http://arxiv.org/abs/2505.07430v1
Date: Mon, 12 May 2025 10:37:33 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-13 20:21:49.352104
Title: Comparative sentiment analysis of public perception: Monkeypox vs. COVID-19 behavioral insights
Title（参考訳）: 公共認知の比較感情分析 : Monkeypox vs. COVID-19行動分析
Authors: Mostafa Mohaimen Akand Faisal, Rabeya Amin Jhuma,
Abstract要約: 本研究は、それぞれ147,475ツイートと106,638ツイートの広範囲なデータセットを活用することで、COVID-19 と mpox を取り巻く公衆の認識の比較感情分析を行う。この分析は、病気の特徴、メディアの表現、パンデミックの疲労によって引き起こされる公衆の感情に顕著な違いを浮き彫りにした。この研究は、感情の極性とテーマの傾向のレンズを通して、公衆衛生メッセージングの調整、誤報の軽減、同時健康危機時の信頼の育成に関する貴重な洞察を提供する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The emergence of global health crises, such as COVID-19 and Monkeypox (mpox), has underscored the importance of understanding public sentiment to inform effective public health strategies. This study conducts a comparative sentiment analysis of public perceptions surrounding COVID-19 and mpox by leveraging extensive datasets of 147,475 and 106,638 tweets, respectively. Advanced machine learning models, including Logistic Regression, Naive Bayes, RoBERTa, DistilRoBERTa and XLNet, were applied to perform sentiment classification, with results indicating key trends in public emotion and discourse. The analysis highlights significant differences in public sentiment driven by disease characteristics, media representation, and pandemic fatigue. Through the lens of sentiment polarity and thematic trends, this study offers valuable insights into tailoring public health messaging, mitigating misinformation, and fostering trust during concurrent health crises. The findings contribute to advancing sentiment analysis applications in public health informatics, setting the groundwork for enhanced real-time monitoring and multilingual analysis in future research.
Abstract（参考訳）: 新型コロナウイルス(COVID-19)やサルポックス(mpox)などの世界的な健康危機の出現は、公衆の感情を理解し、効果的な公衆衛生戦略を知らせることの重要性を強調している。本研究は、それぞれ147,475ツイートと106,638ツイートの広範囲なデータセットを活用することで、COVID-19 と mpox を取り巻く公衆の認識の比較感情分析を行う。 Logistic Regression、Naive Bayes、RoBERTa、DistilRoBERTa、XLNetといった高度な機械学習モデルを用いて、感情分類を行い、公開感情と談話の重要なトレンドを示す結果を得た。この分析は、病気の特徴、メディアの表現、パンデミックの疲労によって引き起こされる公衆の感情に顕著な違いを浮き彫りにした。この研究は、感情の極性とテーマの傾向のレンズを通して、公衆衛生メッセージングの調整、誤報の軽減、同時健康危機時の信頼の育成に関する貴重な洞察を提供する。この知見は、公衆衛生情報学における感情分析応用の進展に寄与し、今後の研究におけるリアルタイムモニタリングと多言語分析の基盤となる。

関連論文リスト

Large language models for newspaper sentiment analysis during COVID-19: The Guardian [0.16777183511743468]
この研究は、新型コロナウイルスのさまざまな段階におけるガーディアン紙の感情分析を提供する。パンデミックの初期段階では、公衆の感情が緊急の危機対応を優先し、後に健康と経済への影響に焦点を移した。結果は、パンデミックの初期段階において、公衆の感情が緊急の危機対応を優先し、後に健康と経済への影響に焦点を移したことを示している。
論文参考訳（メタデータ） (2024-05-20T07:10:52Z)
Measuring the Effect of Influential Messages on Varying Personas [67.1149173905004]
我々は、ニュースメッセージを見る際にペルソナが持つ可能性のある応答を推定するために、ニュースメディア向けのペルソナに対するレスポンス予測という新しいタスクを提示する。提案課題は,モデルにパーソナライズを導入するだけでなく,各応答の感情極性と強度も予測する。これにより、ペルソナの精神状態に関するより正確で包括的な推測が可能になる。
論文参考訳（メタデータ） (2023-05-25T21:01:00Z)
Exploring Social Media for Early Detection of Depression in COVID-19 Patients [44.76299288962596]
早期に検出と介入は、新型コロナウイルス患者のうつ病のリスクを減少させる可能性がある。我々は、感染前後のソーシャルメディア活動に関する情報を含む新型コロナウイルス患者のデータセットを管理した。うつ病リスクの高いCOVID-19患者の特徴を明らかにするため,本データセットを広範囲に分析した。
論文参考訳（メタデータ） (2023-02-23T14:13:52Z)
Coronavirus statistics causes emotional bias: a social media text mining perspective [4.042350304426975]
本稿では,パンデミックに関連するテキストを場所ラベル付きテキストデータから分類する深層学習モデルを提案する。次に,マルチタスク学習に基づく感情分析を行う。最後に、感情分析の出力を伴う固定効果パネル回帰を実行する。
論文参考訳（メタデータ） (2022-11-16T03:36:13Z)
COVID-19 Outbreak Prediction and Analysis using Self Reported Symptoms [12.864257751458712]
新型コロナウイルスの流行状況を把握するために、自己報告型症状調査データを用いています。本研究は、自己申告された症状に基づいて、新型コロナウイルス陽性の集団の確率%を予測しようと試みた。人口の%がcovid-19ライクな疾患(cli)を患っており、それぞれ0.15%と1.14%が絶対エラーであった。
論文参考訳（メタデータ） (2020-12-21T00:37:24Z)
Public risk perception and emotion on Twitter during the Covid-19 pandemic [0.0]
このテキストの自然言語解析により、公共リスク知覚の指標をほぼリアルタイムで監視することができる。我々は、パンデミックの進行の疫学的指標と、2000万のユニークなCovid-19関連ツイートから構築されたパンデミックに対する大衆の認識の指標を比較した。 Twitterユーザーはますます死亡率を固定するが、感情的にも分析的にも減少している。
論文参考訳（メタデータ） (2020-08-03T13:09:45Z)
Understanding the temporal evolution of COVID-19 research through machine learning and natural language processing [66.63200823918429]
重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
論文参考訳（メタデータ） (2020-07-22T18:02:39Z)
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)
COVI White Paper [67.04578448931741]
接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
論文参考訳（メタデータ） (2020-05-18T07:40:49Z)

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。