A CNN-LSTM-based hybrid deep learning approach to detect sentiment polarities on Monkeypox tweets

要約

人々は最近、ソーシャル ネットワーキング Web サイトでユーザーが作成したマルチメディア マテリアルを通じて、自分の考えや視点を伝え始めています。
この情報は、画像、テキスト、ビデオ、またはオーディオです。
近年、このパターンの発生頻度が上昇しています。
Twitter は、最も広く利用されているソーシャル メディア サイトの 1 つであり、サル痘の病気に関連する出来事について人々がどのように感じているかを知るのに最適な場所の 1 つでもあります。
これは、Twitter のツイートが短縮され、頻繁に更新されるためです。この両方が、プラットフォームの特徴に貢献しています。
この研究の基本的な目的は、この状態の存在に対して人々が持つさまざまな反応をより深く理解することです.
この研究は、CNN と LSTM に基づくハイブリッド技術を提示する、サル痘の病気について個人がどう考えているかを調べることに焦点を当てています。
ユーザーのツイートに考えられる 3 つの極性 (ポジティブ、ネガティブ、ニュートラル) をすべて検討しました。
CNN と LSTM 上に構築されたアーキテクチャを利用して、予測モデルの精度を判断します。
推奨されるモデルの精度は、サル痘のツイート データセットで 94% でした。
精度、再現率、F1 スコアなどの他のパフォーマンス メトリックを利用して、モデルと結果を最も時間とリソース効率の高い方法でテストしました。
次に、調査結果は、機械学習に対する従来のアプローチと比較されます。
この調査結果は、一般集団におけるサル痘感染の認識の向上に貢献しています。

要約(オリジナル)

People have recently begun communicating their thoughts and viewpoints through user-generated multimedia material on social networking websites. This information can be images, text, videos, or audio. Recent years have seen a rise in the frequency of occurrence of this pattern. Twitter is one of the most extensively utilized social media sites, and it is also one of the finest locations to get a sense of how people feel about events that are linked to the Monkeypox sickness. This is because tweets on Twitter are shortened and often updated, both of which contribute to the platform’s character. The fundamental objective of this study is to get a deeper comprehension of the diverse range of reactions people have in response to the presence of this condition. This study focuses on finding out what individuals think about monkeypox illnesses, which presents a hybrid technique based on CNN and LSTM. We have considered all three possible polarities of a user’s tweet: positive, negative, and neutral. An architecture built on CNN and LSTM is utilized to determine how accurate the prediction models are. The recommended model’s accuracy was 94% on the monkeypox tweet dataset. Other performance metrics such as accuracy, recall, and F1-score were utilized to test our models and results in the most time and resource-effective manner. The findings are then compared to more traditional approaches to machine learning. The findings of this research contribute to an increased awareness of the monkeypox infection in the general population.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google