Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关实验视频

Updated: May 5, 2026

Examining Online Syntactic Processing of Spoken Complex Sentences in Chinese Using Dual-Modal Interference Tasks
08:32

Examining Online Syntactic Processing of Spoken Complex Sentences in Chinese Using Dual-Modal Interference Tasks

Published on: September 5, 2019

4.8K

使用LLM推断中国微博博客的非二进制COVID-19情绪

Jerry Chongyi Hu1, Mohammed Shahid Modi1, Boleslaw K Szymanski1

  • 1Department of Computer Science and Network Science and Technology Center, Rensselaer Polytechnic Institute, Troy, NY 12180, USA.

Entropy (Basel, Switzerland)
|March 28, 2025
PubMed
概括
此摘要是机器生成的。

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Protect our environment from information overload.

Nature human behaviour·2024
Same author

Dynamics of crime activities in the network of city community areas.

Applied network science·2023
Same author

Network Analytics Enabled by Generating a Pool of Network Variants from Noisy Data.

Entropy (Basel, Switzerland)·2023
Same author

Political polarization of news media and influencers on Twitter in the 2016 and 2020 US presidential elections.

Nature human behaviour·2023
Same author

Temporal network epistemology: On reaching consensus in a real-world setting.

Chaos (Woodbury, N.Y.)·2022
Same author

Characterizing Topics in Social Media Using Dynamics of Conversation.

Entropy (Basel, Switzerland)·2021

在COVID-19危机期间分析中国微博的公众情绪,揭示了观点如何变化. 这项研究使用Llama 3 8B来跟踪情绪变化,提供了对卫生紧急情况期间社会反应的见解.

科学领域:

  • 社会科学 社会科学 社会科学
  • 计算语言学 计算语言学
  • 公共卫生 公共卫生

背景情况:

  • 了解危机期间的公众情绪对于分析社会两极分化至关重要.
  • 随着COVID-19的流行,公众论的实时分析变得越来越重要.
  • 像微博这样的中国社交媒体平台对于衡量公共话语至关重要.

研究的目的:

  • 在COVID-19危机期间分析微博上公众情绪的变化.
  • 调查社会事件和政府行动对公众论的影响.
  • 在健康危机期间对中国数字平台的情绪分析研究做出贡献.

主要方法:

  • 利用了COVID-19前,疫情爆发和早期预防阶段的微博帖子.
  • 雇佣了Llama 3 8B,一个大型语言模型,用于情感分类.
  • 将用户的情绪分类为积极,消极,刺和中立.

主要成果:

  • 在整个COVID-19危机阶段确定了公众情绪的重大变化.
  • 证明了流行病相关事件对用户在微博上表达的意见的影响.
  • 提供了对情绪动态的细微理解,超出了简单的积极/消极指标.
关键词:
在 COVID-19 疫情中,这是微博的微博.情绪分析是一种情绪分析.社交媒体 社交媒体

更多相关视频

Objectification of Tongue Diagnosis in Traditional Medicine, Data Analysis, and Study Application
05:56

Objectification of Tongue Diagnosis in Traditional Medicine, Data Analysis, and Study Application

Published on: April 14, 2023

3.9K

相关实验视频

Last Updated: May 5, 2026

Examining Online Syntactic Processing of Spoken Complex Sentences in Chinese Using Dual-Modal Interference Tasks
08:32

Examining Online Syntactic Processing of Spoken Complex Sentences in Chinese Using Dual-Modal Interference Tasks

Published on: September 5, 2019

4.8K
Objectification of Tongue Diagnosis in Traditional Medicine, Data Analysis, and Study Application
05:56

Objectification of Tongue Diagnosis in Traditional Medicine, Data Analysis, and Study Application

Published on: April 14, 2023

3.9K

结论:

  • 在微博上的情绪分析提供了对卫生危机期间公众反应的关键见解.
  • 数字通信在塑造社会对全球挑战的反应方面发挥着重要作用.
  • 这项研究解决了在公共卫生紧急情况期间中国社交媒体情绪分析方面的差距.