基于机器学习技术检测与分类伊朗干旱危机中推特用户的意见
计算机与社会
2024-09-13 v1
摘要
本研究的主要目标是识别和分类与伊朗干旱危机相关的波斯语推特用户的意见，并 subsequently develop a model for detecting these opinions on the platform. 为实现此目标，开发了一个基于机器学习和文本挖掘方法的模型，用于检测关于伊朗干旱问题的波斯语推特用户意见。研究的统计母体包括在一年期间发布的 42,028 条与干旱相关推文。这些推文通过与伊朗干旱危机相关的关键词从推特上提取。随后，对 2,300 条推文进行定性分析、标记、分类和检查。随后识别出关于干旱危机和伊朗社会抗灾能力的四类用户意见。基于这四类，训练了一个基于逻辑回归的机器学习模型，用于预测和检测推特帖子中的各种意见。开发的模型在检测伊朗推特用户关于干旱危机意见方面表现良好，准确率为 66.09%，F 分值为 60%。使用机器学习方法检测类似推特平台上关于干旱危机的意见，能够智能地代表伊朗社会在这些危机面前的抗灾水平，并为决策者提供关于公众意见变化的情报。
引用
@article{arxiv.2409.07611,
title = {Detection and Classification of Twitter Users' Opinions on Drought Crises in Iran Using Machine Learning Techniques},
author = {Somayeh Labafi and Leila Rabiei and Zeinab Rajabi},
journal= {arXiv preprint arXiv:2409.07611},
year = {2024}
}