論文の概要: Social Media Sentiments Analysis on the July Revolution in Bangladesh: A Hybrid Transformer Based Machine Learning Approach

• arxiv url: http://arxiv.org/abs/2507.11084v1
• Date: Tue, 15 Jul 2025 08:26:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-16 19:46:03.035575
• Title: Social Media Sentiments Analysis on the July Revolution in Bangladesh: A Hybrid Transformer Based Machine Learning Approach
• Title（参考訳）: バングラデシュにおける7月革命のソーシャルメディア感性分析 : ハイブリッドトランスフォーマーに基づく機械学習アプローチ
• Authors: Md. Sabbir Hossen, Md. Saiduzzaman, Pabon Shaha,
• Abstract要約: バングラデシュの7月革命は学生主導の大規模な暴動を引き起こし、正義、説明責任、制度改革を求める国民を統一した。 ソーシャルメディアプラットフォームは、この歴史的な大衆暴動の間、大衆の感情を増幅し、言論を形成する上で重要な役割を担った。 本稿では,革命前後のソーシャルメディアコメントで表現された世論をデコードするためのハイブリッドトランスフォーマーに基づく感情分析フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The July Revolution in Bangladesh marked a significant student-led mass uprising, uniting people across the nation to demand justice, accountability, and systemic reform. Social media platforms played a pivotal role in amplifying public sentiment and shaping discourse during this historic mass uprising. In this study, we present a hybrid transformer-based sentiment analysis framework to decode public opinion expressed in social media comments during and after the revolution. We used a brand new dataset of 4,200 Bangla comments collected from social media. The framework employs advanced transformer-based feature extraction techniques, including BanglaBERT, mBERT, XLM-RoBERTa, and the proposed hybrid XMB-BERT, to capture nuanced patterns in textual data. Principle Component Analysis (PCA) were utilized for dimensionality reduction to enhance computational efficiency. We explored eleven traditional and advanced machine learning classifiers for identifying sentiments. The proposed hybrid XMB-BERT with the voting classifier achieved an exceptional accuracy of 83.7% and outperform other model classifier combinations. This study underscores the potential of machine learning techniques to analyze social sentiment in low-resource languages like Bangla.
• Abstract（参考訳）: バングラデシュの7月革命は学生主導の大規模な蜂起を引き起こし、正義、説明責任、体系的な改革を求める国民を全国に結集させた。 ソーシャルメディアプラットフォームは、この歴史的な大衆暴動の間、大衆の感情を増幅し、言論を形成する上で重要な役割を担った。 本研究では,革命前後のソーシャルメディアコメントで表現された世論をデコードするハイブリッドトランスフォーマーを用いた感情分析フレームワークを提案する。 ソーシャルメディアから収集された4,200件のBanglaコメントの新しいデータセットを使用しました。 このフレームワークは、BanglaBERT、mBERT、XLM-RoBERTa、提案するハイブリッドXMB-BERTなどの高度なトランスフォーマーベースの特徴抽出技術を用いて、テキストデータ中のニュアンスパターンをキャプチャする。 原理成分分析 (PCA) は, 計算効率を向上させるために次元削減に利用された。 感情を識別するために、従来の11の高度な機械学習分類器を探索した。 投票分類器を備えたハイブリッドXMB-BERTは83.7%の精度で他のモデル分類器よりも優れていた。 この研究は、Banglaのような低リソース言語における社会的感情を分析する機械学習技術の可能性を強調している。

関連論文リスト

• Understanding Public Perception of Crime in Bangladesh: A Transformer-Based Approach with Explainability [0.0]
  本研究では, ユーザ生成コメントを肯定的, 否定的, 中立的な3つのカテゴリに分類することで, 犯罪関連ニュースに対する認識の高まりについて検討する。 分類精度97%のXLM-RoBERTaベースアーキテクチャを用いたトランスフォーマーモデルを提案する。
  論文  参考訳（メタデータ） (2025-07-28T18:00:25Z)
• SIV-Bench: A Video Benchmark for Social Interaction Understanding and Reasoning [53.16179295245888]
  SIV-Benchは、SSU(Social Scene Understanding)、SSR(Social State Reasoning)、SDP(Social Dynamics Prediction)におけるMLLM(Multimodal Large Language Models)の機能を評価するための新しいビデオベンチマークである。 SIV-Benchは、2,792本のビデオクリップと8,792本の人間とLLMのコラボレーティブパイプラインから得られた精巧に生成された質問応答ペアを備えている。 また、異なるテキストキュー固有のオンスクリーンテキスト、追加の対話、あるいはノーテキストの影響を分析するための専用の設定も含まれている。
  論文  参考訳（メタデータ） (2025-06-05T05:51:35Z)
• Visualizing Public Opinion on X: A Real-Time Sentiment Dashboard Using VADER and DistilBERT [0.0]
  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。
  論文  参考訳（メタデータ） (2025-04-21T21:33:55Z)
• SCRAG: Social Computing-Based Retrieval Augmented Generation for Community Response Forecasting in Social Media Environments [8.743208265682014]
  SCRAGは、ソーシャルコンピューティングにインスパイアされた予測フレームワークである。 リアルまたは仮説的なソーシャルメディア投稿に対するコミュニティの反応を予測する。 公開関係の専門家が意図しない誤解を避ける方法でメッセージを作成するために使用することができる。
  論文  参考訳（メタデータ） (2025-04-18T15:02:31Z)
• 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)
• Brief state of the art in social information mining: Practical application in analysis of trends in French legislative 2024 [0.0]
  本稿では、ソーシャルメディアマイニングにおける最先端技術の概要と、2024年のフランス議会選挙におけるトレンド分析の実践的応用について述べる。 我々は、自然言語処理(NLP)ツールを利用して、AgoraVoxプラットフォームからコメントや反応を抽出し分析することで、世論を測る。 研究によると、マリネ・ル・ペン率いる国民ラリー党はソーシャルメディアに高いレベルの関与を保ち、伝統的政党を上回っている。
  論文  参考訳（メタデータ） (2024-07-11T18:22:58Z)
• 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)
• The Face of Populism: Examining Differences in Facial Emotional Expressions of Political Leaders Using Machine Learning [50.24983453990065]
  私たちは15カ国の政治指導者の220本のYouTubeビデオのサンプルをディープラーニングで処理しています。 ポピュリスト・レトリックの度合いが異なるリーダー群間での負の感情の平均スコアの統計的に有意な差を観察した。
  論文  参考訳（メタデータ） (2023-04-19T18:32:49Z)
• EDSA-Ensemble: an Event Detection Sentiment Analysis Ensemble Architecture [63.85863519876587]
  Sentiment Analysisを使って、イベントに属する各メッセージの極性やイベント全体を理解することで、オンラインソーシャルネットワークにおける重要なトレンドやダイナミクスに関する一般的な感情や個人の感情をよりよく理解することができます。 本研究では,ソーシャルメディアから現在起きているイベントの極性検出を改善するために,イベント検出と知覚分析を用いた新しいアンサンブルアーキテクチャEDSA-Ensembleを提案する。
  論文  参考訳（メタデータ） (2023-01-30T11:56:08Z)
• FacTeR-Check: Semi-automated fact-checking through Semantic Similarity and Natural Language Inference [61.068947982746224]
  FacTeR-Checkは、ファクトチェックされた情報の検索、未確認のクレームの検証、ソーシャルメディア上での危険な情報の追跡を可能にする。 このアーキテクチャは、NLI19-SPと呼ばれる新しいデータセットを使って検証されている。 この結果から,各ベンチマークにおける最先端性能と,61種類のホアックスの時間経過に伴う進化の有用な解析結果が得られた。
  論文  参考訳（メタデータ） (2021-10-27T15:44:54Z)
• Towards Understanding and Mitigating Social Biases in Language Models [107.82654101403264]
  大規模事前訓練言語モデル(LM)は、望ましくない表現バイアスを示すのに潜在的に危険である。 テキスト生成における社会的バイアスを軽減するためのステップを提案する。 我々の経験的結果と人的評価は、重要な文脈情報を保持しながらバイアスを緩和する効果を示す。
  論文  参考訳（メタデータ） (2021-06-24T17:52:43Z)

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。