論文の概要: When a Nation Speaks: Machine Learning and NLP in People's Sentiment Analysis During Bangladesh's 2024 Mass Uprising

• arxiv url: http://arxiv.org/abs/2512.15547v1
• Date: Wed, 17 Dec 2025 15:54:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-18 17:06:27.048447
• Title: When a Nation Speaks: Machine Learning and NLP in People's Sentiment Analysis During Bangladesh's 2024 Mass Uprising
• Title（参考訳）: バングラデシュの2024年人口増加期における国民の感情分析における機械学習とNLP
• Authors: Md. Samiul Alim, Mahir Shahriar Tamim, Maisha Rahman, Tanvir Ahmed Khan, Md Mushfique Anwar,
• Abstract要約: バングラデシュの2024年の大規模な暴動の中で、国民の感情を調べることで、バングラデシュにおける感情分析の先駆者となった。 われわれは、主要なFacebookニュースポータルから2,028件の注釈付きニュースの見出しを収集し、それらをOutrage、Hope、Despairに分類した。 私たちは、政治的腐敗や大衆の抗議のような一般的なテーマを特定し、インターネットのブラックアウトのようなイベントがどのように感情パターンを形成するかを分析しました。
• 参考スコア（独自算出の注目度）: 0.4950304764576159
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sentiment analysis, an emerging research area within natural language processing (NLP), has primarily been explored in contexts like elections and social media trends, but there remains a significant gap in understanding emotional dynamics during civil unrest, particularly in the Bangla language. Our study pioneers sentiment analysis in Bangla during a national crisis by examining public emotions amid Bangladesh's 2024 mass uprising. We curated a unique dataset of 2,028 annotated news headlines from major Facebook news portals, classifying them into Outrage, Hope, and Despair. Through Latent Dirichlet Allocation (LDA), we identified prevalent themes like political corruption and public protests, and analyzed how events such as internet blackouts shaped sentiment patterns. It outperformed multilingual transformers (mBERT: 67%, XLM-RoBERTa: 71%) and traditional machine learning methods (SVM and Logistic Regression: both 70%). These results highlight the effectiveness of language-specific models and offer valuable insights into public sentiment during political turmoil.
• Abstract（参考訳）: 自然言語処理(NLP)における新たな研究分野である感性分析(Sentiment analysis)は、主に選挙やソーシャルメディアのトレンドといった文脈で研究されてきたが、特にバングラ語では、市民の不安の中で感情のダイナミクスを理解することには、大きなギャップが残っている。 バングラデシュの2024年の大規模な暴動の中で、国民の感情を調べることで、バングラデシュにおける感情分析の先駆者となった。 私たちは、主要なFacebookニュースポータルから2,028の注釈付きニュースの見出しを収集し、それらをOutrage、Hope、Despairに分類しました。 ラテント・ディリクレ・アロケーション(LDA)を通じて、政治腐敗や大衆の抗議といった一般的なテーマを特定し、インターネットのブラックアウトのようなイベントがどのように感情パターンを形成するかを分析した。 マルチ言語トランスフォーマー(mBERT:67%、XLM-RoBERTa:71%)と従来の機械学習メソッド(SVMとLogistic Regression:どちらも70%)を上回りました。 これらの結果は、言語固有のモデルの有効性を強調し、政治的混乱時の世論感情に価値ある洞察を与える。

関連論文リスト

• Story and essential meaning dynamics in Bangladesh's July 2024 Student-People's Uprising [0.568041607842355]
  バングラデシュにおける2024年7月の学生蜂起における感情動態と世論の進化について検討した。 コメントの幸福感と抗議者の数との間には負の相関関係がある。 本質的な意味を測るためにオシメーターを用いると、公共の反応は力、攻撃、危険の風景を反映していることがわかった。
  論文  参考訳（メタデータ） (2025-10-15T19:11:42Z)
• BRIGHTER: BRIdging the Gap in Human-Annotated Textual Emotion Recognition Datasets for 28 Languages [93.92804151830744]
  BRIGHTERは、28の言語で複数ラベル付き、感情アノテートされたデータセットの集合である。 データ収集とアノテーションプロセスに関する課題を強調します。 BRIGHTERデータセットは、テキストベースの感情認識のギャップに対処するための重要なステップであることを示す。
  論文  参考訳（メタデータ） (2025-02-17T15:39:50Z)
• HP-BERT: A framework for longitudinal study of Hinduphobia on social media via language models [6.261384274136677]
  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。
  論文  参考訳（メタデータ） (2025-01-07T23:22:05Z)
• BanglaNLP at BLP-2023 Task 2: Benchmarking different Transformer Models for Sentiment Analysis of Bangla Social Media Posts [0.46040036610482665]
  本稿では,BLPワークショップ第2タスク(Bangla Social Media Posts の感性分析)について紹介する。 我々の定量的結果は、トランスファーラーニングが、この低リソース言語シナリオにおけるモデルのより優れた学習に役立つことを示している。 テストセットで67.02%のマイクロF1を取得し、この共有タスクのパフォーマンスをリーダーボードで21にランク付けする。
  論文  参考訳（メタデータ） (2023-10-13T16:46:38Z)
• 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)
• DeepHateExplainer: Explainable Hate Speech Detection in Under-resourced Bengali Language [1.2246649738388389]
  ベンガル語からのヘイトスピーチ検出のための説明可能なアプローチを提案する。 我々のアプローチでは、ベンガルのテキストは、政治的、個人的、地政学的、宗教的憎悪に分類する前に、最初に包括的に前処理される。 機械学習(線形および木ベースのモデル)およびディープニューラルネットワーク(CNN、Bi-LSTM、Conv-LSTMなどの単語埋め込み)に対する評価は、それぞれ政治的、個人的、地政学的、宗教的憎悪に対して、F1スコアは84%、90%、88%、88%である。
  論文  参考訳（メタデータ） (2020-12-28T16:46:03Z)

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。