Comparative sentiment analysis of public perception: Monkeypox vs. COVID-19 behavioral insights

要約

Covid-19やMonkeypox（MPox）などの世界的な健康危機の出現は、効果的な公衆衛生戦略を知らせるために公共の感情を理解することの重要性を強調しています。
この研究は、それぞれ147,475および106,638のツイートの広範なデータセットを活用することにより、Covid-19およびMPoxを取り巻く公的認識の比較感情分析を実施します。
ロジスティック回帰、ナイーブベイズ、ロバータ、ディスリロベルタ、XLNETなどの高度な機械学習モデルを適用して、センチメント分類を実行し、結果が一般の感情と談話の重要な傾向を示しています。
分析は、病気の特性、メディアの表現、およびパンデミック疲労によって駆動される公共の感情の有意差を強調しています。
センチメントの極性とテーマの傾向のレンズを通して、この研究は、公衆衛生メッセージの調整、誤った情報の緩和、同時の健康危機の間に信頼を促進するための貴重な洞察を提供します。
この調査結果は、公衆衛生情報学における感情分析アプリケーションの進歩、将来の研究におけるリアルタイム監視と多言語分析の強化の基礎を設定することに貢献しています。

要約(オリジナル)

The emergence of global health crises, such as COVID-19 and Monkeypox (mpox), has underscored the importance of understanding public sentiment to inform effective public health strategies. This study conducts a comparative sentiment analysis of public perceptions surrounding COVID-19 and mpox by leveraging extensive datasets of 147,475 and 106,638 tweets, respectively. Advanced machine learning models, including Logistic Regression, Naive Bayes, RoBERTa, DistilRoBERTa and XLNet, were applied to perform sentiment classification, with results indicating key trends in public emotion and discourse. The analysis highlights significant differences in public sentiment driven by disease characteristics, media representation, and pandemic fatigue. Through the lens of sentiment polarity and thematic trends, this study offers valuable insights into tailoring public health messaging, mitigating misinformation, and fostering trust during concurrent health crises. The findings contribute to advancing sentiment analysis applications in public health informatics, setting the groundwork for enhanced real-time monitoring and multilingual analysis in future research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google