Mar, 2023

人们如何在 Twitter 上回应 COVID-19 大流行病：美国和印度情绪表达的比较分析

PDF
TL;DR研究探讨了美国和印度在 2020 年 2 月至 2021 年 4 月的十五个月中通过超过 5400 万条推特表达的与 COVID-19 相关的各种情绪，应用预训练的情感分析和主题建模算法，研究了四种不同类型的情绪（恐惧、愤怒、快乐和悲伤）及其时间和位置相关的变化。结果显示了不同国家之间的显着差异和随着时间变化而变化的相对情感比例，讨论了发现的不同之处并探讨了它们的含义。
covid-19emotionsunited statesindiatweets
发现论文，激发创造
  • 印度推特上的 Covid-19 公众情绪分析分类

    本文主要关注印度 COVID-19 推文的 Twitter 数据的情感分析，展示了如何提取 Twitter 数据并对其进行情感分析查询，以便分析推文中信息的结构不统一、异质且在某些情况下为积极、消极或中性的观点。

    Aug, 2023

  • 印度和美国 COVID-19 错误信息的情感特征及其对疫苗接种结果的影响

    本研究旨在揭示 COVID-19 期间不实信息的情感承载者在不同国家和时期的差异，以及其对接种率的影响，研究表明，不实信息的情感承载者因地理区域和时间的不同而异，对情感的监测可以开发战略干预以打击不实信息，提高公共健康水平。

    Jun, 2023

  • 自然语言处理分析推特上的 COVID-19 抑郁心理

    本篇论文通过应用 NLP 技术对 COVID-19 期间发布的推特进行分析，建立 EmoCT 数据集，训练情感分类器，并探讨了导致悲伤和恐惧情绪的原因。

    Apr, 2020

  • 美国新冠病例与情感分数之间的关系

    使用 Twitter 数据进行情感分析，研究美国 COVID-19 病例对公众情绪的影响，为疫情相关立法、科学研究以及公众教育提供指导。

    Jan, 2022

  • 利用情感分析和深度学习进行跨文化极性和情感检测：以 COVID-19 为例的案例研究

    本研究利用自然语言处理和深度学习技术，对推特帖子进行情感极性和情绪的分析，研究发现不同国家在 COVID-19 危机中的反应和情感是基于社会规范和政治意愿的体现，且不同文化之间的差异会导致国家在危机中的决策不尽相同。

    Aug, 2020

  • COVID-19 疫情期间欧洲推特跨语言情感分析

    本论文使用多语言句子嵌入的神经网络对欧洲 COVID-19 疫情爆发期间收集的 Twitter 消息进行情感分析，并将结果按来源国分离，通过与国家事件的相关性进行时间性发展的相关性分析，研究疫情对人们情绪的影响。

    Aug, 2020

  • COVID-19 真实世界担忧数据集中的情绪测量

    本研究提供了第一个 COVID-19 情感反应的真实数据集，并分析了语言模式与情感响应的相关性，其中英国人担心家庭和经济状况，短文本呼吁团结，而长文本更详细地阐述了担忧和关切。通过预测建模方法，我们能够在 14％的准确率内预测参与者的情感反应，鼓励其他人使用此数据集并改进自动化方法以了解紧迫问题的情感反应和担忧。

    Apr, 2020

  • 新冠疫情微博数据情感分析

    本论文通过分析推特数据集，使用多种机器学习算法评估情感，并对数据集的情境进行学习，以识别正面、负面和中性情绪，并向公众传达积极意见，提高公众意识和预防新冠病毒。

    Nov, 2021

  • COVID-19 公众情绪分析及基于机器学习的推文分类

    通过对新冠病毒相关的推特数据进行情感分析和机器学习分类研究，对美国公众持续恐慌的情感变化进行监测和分析，结果表明短推特使用 Naive Bayes 算法能得到 91% 的分类准确率。

    May, 2020

  • 探索名人对公众态度的影响，针对 COVID-19 大流行：社交媒体共享情感分析

    本论文研究了 COVID-19 大流行期间社交媒体消息对公众意见和情感的影响，其中着重关注了公众人物（例如运动员、政治家、新闻人员）分享的内涵以及公众舆论的方向

    Feb, 2023