冠状病毒大流行期间 Twitter 消息的词频与情感分析
信息检索
2024-06-04 v2 计算与语言
社会与信息网络
摘要
COVID-19 疫情对社交媒体对话产生了巨大影响，尤其在 Twitter 等网站上，其已成为公众反应与信息分享的中心。本文通过分析自 2020 年 1 月起与该疾病相关的海量 Twitter 消息数据集展开研究。使用了两种方法：词频的统计分析以及用于衡量用户态度的情感分析。词频使用 unigram、bigram 和 trigram 建模，以幂律分布作为拟合模型。模型的有效性通过误差平方和（SSE）、R 平方（）和均方根误差（RMSE）等指标确认。高 与低 SSE/RMSE 值表明模型拟合良好。情感分析用于理解 Twitter 用户消息的总体情绪基调。结果显示大多数推文呈现中性情感极性，仅 2.57\% 表达负向极性。
引用
@article{arxiv.2004.03925,
title = {Word frequency and sentiment analysis of twitter messages during Coronavirus pandemic},
author = {Nikhil Kumar Rajput and Bhavya Ahuja Grover and Vipin Kumar Rathi and Riya Bansal},
journal= {arXiv preprint arXiv:2004.03925},
year = {2024}
}