Examining logistics developments in post-pandemic Japan through sentiment analysis of Twitter data
Examining logistics developments in post-pandemic Japan through sentiment analysis of Twitter data
复制标题
通过 Twitter 数据的情绪分析审视疫情后日本的物流发展
DOI：
10.1016/j.eastsj.2023.100110
复制
发表时间：
2023
影响因子：
--
通讯作者：
Matsuda Takuma
中科院分区：
文献类型：
--
作者：
Hirata Enna;Matsuda Takuma
这项研究的目的是利用自然语言处理技术来审查从推特收集的与新冠肺炎大流行期间日本物流相关的数据。利用来自Transformers的双向编码器表示(BERT)机器学习模型来评估内容的情感。这些发现表明，在分析的时间范围内，对物流的前景是积极的。这项研究有四个关键影响：(1)根据我们的分析，人们对“物流”一词的看法总体上是积极的；(2)2022年日本西部对物流的兴趣有增加的趋势；(3)社交媒体可以被用作应对物流业面临的挑战的工具；(4)我们的研究突出了使用社交媒体数据提供更及时和更全面的物流和运输趋势分析的潜力。
The objective of this study is to utilize natural language processing technologies to examine data gathered from Twitter related to logistics in Japan during the COVID-19 pandemic. The Bidirectional Encoder Representations from Transformers (BERT) machine learning model is utilized to assess the sentiment of the content. The findings suggest a positive outlook on logistics during time frame analyzed. This research has four key implications: (1) the sentiment towards the term "logistics" is generally positive as per our analysis; (2) there is a trend of increasing interest in logistics in western Japan in 2022; (3) social media can be utilized as a tool to address the challenges faced by the logistics industry; and (4) our research highlights the potential of using social media data to provide a more timely and comprehensive analysis of logistics and transportation trends.
TASS 2020 上的 ELiRF-UPV：TWilBERT 用于西班牙语推文中的情感分析和情绪检测
DOI：
--
发表时间：
2020
期刊：
--
影响因子：
--
作者：
J. González;José Arias Moncho;L. Hurtado;Ferran Plà
通讯作者：
Ferran Plà
灾难期间应急管理人员如何与 Twitter 用户互动
DOI：
10.1108/oir-08-2019-0275
发表时间：
2020
期刊：
Online Inf. Rev.
影响因子：
--
作者：
Zhan Xu
通讯作者：
Zhan Xu