論文の概要: Privacy Preserving Topic-wise Sentiment Analysis of the Iran Israel USA Conflict Using Federated Transformer Models

• arxiv url: http://arxiv.org/abs/2603.13655v1
• Date: Fri, 13 Mar 2026 23:41:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 16:19:35.319484
• Title: Privacy Preserving Topic-wise Sentiment Analysis of the Iran Israel USA Conflict Using Federated Transformer Models
• Title（参考訳）: フェデレーショントランスフォーマーモデルを用いたイラン・イスラエルUSA紛争のトピックワイズ感性分析のためのプライバシ保護
• Authors: Md Saiful Islam, Tanjim Taharat Aurpa, Sharad Hasan, Farzana Akter,
• Abstract要約: この研究は、ユーザーが作成したコメントをYouTubeのニュースチャンネルからマイニングすることで、イランのイスラエルUSA紛争に関する世界的な世論の感情を分析することを目的としている。 主要国際ニュースチャンネルから約19,000件のYouTubeコメントが収集され、ノイズを取り除きテキストを正規化するために前処理された。
• 参考スコア（独自算出の注目度）: 2.1506930832020146
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The recent escalation of the Iran Israel USA conflict in 2026 has triggered widespread global discussions across social media platforms. As people increasingly use these platforms for expressing opinions, analyzing public sentiment from these discussions can provide valuable insights into global public perception. This study aims to analyze global public sentiment regarding the Iran Israel USA conflict by mining user-generated comments from YouTube news channels. The work contributes to public opinion analysis by introducing a privacy preserving framework that combines topic wise sentiment analysis with modern deep learning techniques and Federated Learning. To achieve this, approximately 19,000 YouTube comments were collected from major international news channels and preprocessed to remove noise and normalize text. Sentiment labels were initially generated using the VADER sentiment analyzer and later validated through manual inspection to improve reliability. Latent Dirichlet Allocation (LDA) was applied to identify key discussion topics related to the conflict. Several transformer-based models, including BERT, RoBERTa, XLNet, DistilBERT, ModernBERT, and ELECTRA, were fine tuned for sentiment classification. The best-performing model was further integrated into a federated learning environment to enable distributed training by preserving user data privacy. Additionally, Explainable Artificial Intelligence (XAI) techniques using SHAP were applied to interpret model predictions and identify influential words affecting sentiment classification. Experimental results demonstrate that transformer models perform effectively, and among them, ELECTRA achieved the best performance with 91.32% accuracy. The federated learning also maintained strong performance while preserving privacy, achieving 89.59% accuracy in a two client configuration.
• Abstract（参考訳）: 2026年のイラン・イスラエル・アメリカ紛争の激化は、ソーシャルメディアプラットフォーム全体での世界的な議論を引き起こしている。 人々が意見を表現するためにこれらのプラットフォームをますます利用するにつれて、これらの議論から大衆の感情を分析することは、世界的な大衆の認識に価値ある洞察を与えることができる。 この研究は、ユーザーが作成したコメントをYouTubeのニュースチャンネルからマイニングすることで、イランのイスラエルUSA紛争に関する世界的な世論の感情を分析することを目的としている。 この研究は、トピックワイズ感情分析と現代のディープラーニング技術とフェデレートラーニングを組み合わせたプライバシー保護フレームワークを導入することで、世論分析に貢献している。 これを実現するために、主要な国際ニュースチャンネルから約19,000のYouTubeコメントが収集され、ノイズを除去し、テキストを正規化するために前処理された。 感覚ラベルはVADER感情分析器を用いて生成され、その後手動検査により信頼性を向上させる。 ラテント・ディリクレ・アロケーション(LDA)は、紛争に関連する主要な議論トピックを特定するために適用された。 BERT、RoBERTa、XLNet、DistilBERT、ModernBERT、ELECTRAなどのトランスフォーマーベースのモデルは、感情分類のために微調整された。 最高のパフォーマンスモデルは、ユーザデータのプライバシを保存することによって分散トレーニングを可能にするために、さらにフェデレートされた学習環境に統合された。 さらに、モデル予測を解釈し、感情分類に影響を与える単語を識別するために、SHAPを用いた説明可能な人工知能(XAI)技術を適用した。 実験の結果、トランスモデルは効果的に動作し、ELECTRAは91.32%の精度で最高の性能を達成した。 フェデレーテッド・ラーニングは、プライバシーを維持しながら高いパフォーマンスを維持し、2つのクライアント構成で89.59%の精度を達成した。

関連論文リスト

• 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)
• Social media polarization during conflict: Insights from an ideological stance dataset on Israel-Palestine Reddit comments [0.0]
  この研究は、2023年10月から2024年8月までに収集されたイスラエルとパレスチナの紛争に関するRedditのコメント9,969件を分析した。 機械学習、事前訓練された言語モデル、ニューラルネットワーク、迅速なエンジニアリング戦略など、さまざまなアプローチが、これらのスタンスを分類するために採用された。
  論文  参考訳（メタデータ） (2025-02-01T12:26:11Z)
• MisinfoEval: Generative AI in the Era of "Alternative Facts" [50.069577397751175]
  本稿では,大規模言語モデル(LLM)に基づく誤情報介入の生成と評価を行うフレームワークを提案する。 本研究では,(1)誤情報介入の効果を測定するための模擬ソーシャルメディア環境の実験,(2)ユーザの人口動態や信念に合わせたパーソナライズされた説明を用いた第2の実験について述べる。 以上の結果から,LSMによる介入はユーザの行動の修正に極めて有効であることが確認された。
  論文  参考訳（メタデータ） (2024-10-13T18:16:50Z)
• PropaInsight: Toward Deeper Understanding of Propaganda in Terms of Techniques, Appeals, and Intent [71.20471076045916]
  プロパガンダは世論の形成と偽情報の拡散に重要な役割を果たしている。 Propainsightはプロパガンダを体系的に、技術、覚醒的魅力、そして根底にある意図に分解する。 Propagazeは、人間の注釈付きデータと高品質な合成データを組み合わせる。
  論文  参考訳（メタデータ） (2024-09-19T06:28:18Z)
• Identifying and Mitigating Social Bias Knowledge in Language Models [52.52955281662332]
  個々人の社会的偏見をきめ細かなキャリブレーションを可能にする新しいデバイアス・アプローチであるFairness Stamp(FAST)を提案する。 FASTは最先端のベースラインを超え、デバイアス性能が優れている。 これは、大きな言語モデルにおける公平性を達成するためのきめ細かいデバイアス戦略の可能性を強調している。
  論文  参考訳（メタデータ） (2024-08-07T17:14:58Z)
• 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)
• 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。