Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Improving Scholarly Knowledge Representation: Evaluating BERT-Based Models for Scientific Relation Classification Kapitel lesen Erstes Kapitel lesen

2020 | OriginalPaper | Buchkapitel

Uncovering Topics Related to COVID-19 Pandemic on Twitter

verfasst von : Han Zheng, Dion Hoe-Lian Goh, Edmund Wei Jian Lee, Chei Sian Lee, Yin-Leng Theng

Erschienen in: Digital Libraries at Times of Massive Societal Transition

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The World Health Organization declared COVID-19 as a pandemic on 11 March 2020 due to its rapid spread worldwide. This work-in-progress paper aims to uncover topics related to COVID-19 discussed on Twitter. Using topic modelling, we analyzed two weeks of tweets (11 March–25 March 2020) in English and found 17 latent topics, covering a broad range of issues such as health and economic impact, political and legislative responses, prevention measures, as well as disruption to individuals’ daily lives. The results of this preliminary study show a helpful step to understand public communications about the virus and thus inform health practitioners to propose effective safety measures against COVID-19.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Profiling Bot Accounts Mentioning COVID-19 Publications on Twitter
Nächstes Kapitel Classification in the LdoD Archive: A Crowdsourcing and Gamification Approach
Literatur
1.
2.
3.
4.
5.
Chen, E., Lerman, K., Ferrara, E.: Tracking social media discourse about the COVID-19 pandemic: development of a public coronavirus Twitter data set. JMIR Public Heal. Surveill. 6(2), e19273 (2020)CrossRef
6.
7.
McCallum, A.K.: MALLET: A Machine Learning for Language Toolkit (2002)
8.
Newman, D., Noh, Y., Talley, E., Karimi, S., Baldwin, T.: Evaluating topic models for digital libraries. In: Proceedings of the 10th Annual Joint Conference on Digital Libraries, pp. 215–224 (2010)
9.
10.
11.
Medford, R.J., Saleh, S.N., Sumarsono, A., Perl, T.M., Lehmann, C.U.: An ‘Infodemic’: leveraging high-volume Twitter data to understand early public sentiment for the COVID-19 outbreak. In Open Forum Infectious Diseases (2020)
Metadaten
Titel
Uncovering Topics Related to COVID-19 Pandemic on Twitter
verfasst von
Han Zheng
Dion Hoe-Lian Goh
Edmund Wei Jian Lee
Chei Sian Lee
Yin-Leng Theng
Copyright-Jahr
2020
Buch
Digital Libraries at Times of Massive Societal Transition

Print ISBN: 978-3-030-64451-2

Electronic ISBN: 978-3-030-64452-9

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-3-030-64452-9_28