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

• Reinforcing Stereotypes of Anger: Emotion AI on African American Vernacular English [46.47177439553625]
  本研究は、一般アメリカ英語(GAE)と比較して、アフリカ系アメリカ人言語英語(AAVE)における感情認識モデルの性能について検討する。 ロサンゼルスでは270万のツイートがジオタグ付けされている。 アフリカ系アメリカ人の住民の割合が高い地区は怒りの予測が大きくなることが観察された。
  論文  参考訳（メタデータ） (2025-11-13T23:13:08Z)
• 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)
• Where Journalism Silenced Voices: Exploring Discrimination in the Representation of Indigenous Communities in Bangladesh [0.02199065293049185]
  我々は220万件の新聞記事の最初のデータセットから4,893件の先住民関連記事を特定した。 結果は、先住民のニュース記事が文化やエンターテイメントをより多く表現していることを示している。 参加者は満場一致で表現不足の気持ちを表現した。
  論文  参考訳（メタデータ） (2025-06-11T14:10:39Z)
• 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)
• An Opinion Mining of Text in COVID-19 Issues along with Comparative Study in ML, BERT & RNN [0.0]
  この記事では、個々のソースからのBanglaテキストコメントとともに、いくつかの特定のインプットを提案している。 意見マイニング支援システムは、可能なすべての言語選好に影響を及ぼす可能性がある。 我々の知る限り、この論文は、MLアルゴリズムを提案する新型コロナウイルス問題に関するBanglaの入力テキストを予測し、ディープラーニングモデル分析は、比較分析によって将来の到達可能性もチェックする。
  論文  参考訳（メタデータ） (2022-01-06T15:59:20Z)
• 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)
• 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)
• 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)

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。