1 1 (3.1 ) 2 (3.2 ) (3.3 ) 4 Google Place API (3.4 ) 5 2 TripAdvisor (3.5 ) Pat [7] [8] km

Size: px

Start display at page:

Download "1 1 (3.1 ) 2 (3.2 ) (3.3 ) 4 Google Place API (3.4 ) 5 2 TripAdvisor (3.5 ) Pat [7] [8] km"

としみだいほうじ
5 years ago
Views:

1 DEIM Forum 2018 H Twitter 2 Twitter,,,, ,404 [1] [2] Twitter 1 Twitter Twitter 0.5% [3] Twitter % [4] 50km Twitter, [5] Foursquare 2 Instagram Google Place API 4 TripAdvisor 5 [6] TripAdvisor TripAdvisor ( 1) 1 2 Foursquare, 3 Instagram, 4 Google Place API, 5 TripAdvisor,

2 1 1 (3.1 ) 2 (3.2 ) (3.3 ) 4 Google Place API (3.4 ) 5 2 TripAdvisor (3.5 ) Pat [7] [8] km km km km km km km km km km km km km km km km [9]

3 2 Twitter API 6 GETsearch/tweets Twitter API Java, Twitter4j , [9] ID 6 Twitter API, 7 Twitter4j, m M n N p P M, N, P i L i M, L i N, L i P 1 p = (L i P ) 2 (L i M ) 2 (L i N ) 2 (1) i= m 3. 4 Google Place API Google Place API 50m 1 S t 2 Google Place API Place Type 8 Place Type n i Place Type 2 P i 2 S d 3 P lat, P lng, C lat, C lng, 8 Place Type,

2 PlaceType name score name score amusement_park 20 jewelry_store 5 aquarium 20 library 5 art_gallery 20 lodging 5 casino 20 night_club 5 museum 20 subway_station 5 spa 20 train_station 5 zoo 20

4 2 PlaceType name score name score amusement_park 20 jewelry_store 5 aquarium 20 library 5 art_gallery 20 lodging 5 casino 20 night_club 5 museum 20 subway_station 5 spa 20 train_station 5 zoo 20 university 5 airport 10 bar 3 campground 10 cafe 3 hindu_temple 10 restaurant 3 mosque 10 convenience_store 1 movie_theater 10 department_store 1 park 10 food 1 place_of_worship 10 funeral_home 1 stadium 10 liquor_store 1 bowling_alley 5 meal_delivery 1 cemetery 5 meal_takeaway 1 church 5 shopping_mall (1)(2) S a 4 S t = n i=1 P i (2) S d = (P lat C lat ) 2 + (P lng C lng ) 2 (3) S a = S t S d (4) S a S a TripAdvisor TripAdvisor D U U < = D U > D D 5 F TripAdvisor TripAdvisor TripAdvisor D U U < = D U > D 4 TripAdvisor D 5 F 4. 2 D = 5 3 TripAdvisor D = 10 4 TripAdvisor

3 TripAdvisor F F 84.85 70.00 76.71 85.53 81.25 83.33 77.92 90.91 83.92 80.77 95.

57 75.34 76.92 90.91 95.89 93.33 68.57 72.73 70.59 75.76 75.76 75.76 88.24 72.29 79.

43 85.07 90.00 64.29 75.00 96.10 88.10 91.93 81.73 78.84 80.26 88.50 85.75 87.

2016 11 8 2017 12 8 396 1 1,663,563 158,385 100 100 64 95 TripAdvisor F D = 15

5 3 TripAdvisor F F ,663, , TripAdvisor F D = 15 TripAdvisor D = F , shieionsen/detail1.html 6 TripAdvisor TripAdvisor 6 Google Place API 3.4 cacom Google Place API

(a) 浅草寺周辺のマイナー観光地図7 (b) 日光東照宮周辺のマイナー観光地観光エリアによる観光地密集度の差異 TripAdvisor を用いる手法の方が高い結果となったがユ TripAdvisor でを用いて取得できた周囲の施設情報の中に言問橋は含まれててはいないため正解を導くことが出来ず割り当てに失敗しているニークユーザ法では外部サービスに依存せずことが分かる

とによる観光地候補座標に対するタグ付け精度の向上を図るこ分類閾値をユニークユーザ法では D = 15 とが考えられるまた現状においては全観光エリアに対して TripAdvisor を用いた手法では D = 10 と設定したことにより適切にマイナー観もクラスタリング終了距離を一律にしているため都市部など光地の抽出ができたと考えられる

6 (a) 浅草寺周辺のマイナー観光地図7 (b) 日光東照宮周辺のマイナー観光地観光エリアによる観光地密集度の差異 TripAdvisor を用いる手法の方が高い結果となったがユ TripAdvisor でを用いて取得できた周囲の施設情報の中に言問橋は含まれててはいないため正解を導くことが出来ず割り当てに失敗しているニークユーザ法では外部サービスに依存せずことが分かるこのようにユニークユーザ法では基準となるユは網羅していないマイナーな観光地に対しても尺度を図ることニークユーザ数が実際の観光地と乖離しているケースが含まれができる利点があるるため口コミ数と実際の観光地が一致している TripAdvisor 今後はクラスタリング元となったツイート本文を考慮するこを用いた手法と比較して低い結果になったと考えられるまたとによる観光地候補座標に対するタグ付け精度の向上を図るこ分類閾値をユニークユーザ法では D = 15 とが考えられるまた現状においては全観光エリアに対して TripAdvisor を用いた手法では D = 10 と設定したことにより適切にマイナー観もクラスタリング終了距離を一律にしているため都市部など光地の抽出ができたと考えられるの観光地が密集しているエリアにおいて過剰クラスタリングが 6. 2 観光エリアによる差異 3 よりユニークユーザ法を用いた場合の F 値が宮島エリアのや浅草エリアのと低い値であるのに対し別府エリアでは日光エリアではと高い値を示してい表発生しており観光地発見精度の低下を招いているこのためクラスタリングの段階においてエリアごとに柔軟なクラスタリ k-means 法などの非階層的手法ング終了距離を変えることやを用いることクラスタリング距離に現行の物理的な距離に加る観光エリアごとに評価結果に大きな差異が見られる理由とえツイート本文の類似度をレーベンシュタイン距離等によりして観光地の密集度合いが異なるためであると考えられる具求め別ベクトルとして加えることが考えられる体例としてユニークユーザ法を用いて閾値 D = 10 とした際の浅草エリアと日光エリアのマイナー観光地は同縮尺で図 7 の通りになった浅草エリアの場合では小規模な飲食店や観光地が密集しているため本来複数個に分割すべき観光地に対しても過剰なクラスタリングを行い一箇所にまとまってしまっているために誤差が生じていると考えられる一方の日光エリアでは観光地が分散しておりクラスタリングが比較的高精度で行われているために高い評価が得られたと考えられる 7. おわりに本稿ではマイクロブログのジオタグ付きツイートよりマイナー観光地を発見する手法を提案した主要な観光地の周囲で投稿されたジオタグ付きツイートの内観光客のツイートだけを抽出クラスタリングすることにより観光地候補を発見した発見した観光地候補をマイナー観光地とメジャー観光地に分類する手法としてユニークユーザ数を用いた手法と TripAdvisor を用いる手法の 2 種類を提案しそれぞれの F 値はという結果を出すことができた現状におい文献 [1] 観光白書, 平成 29 年度版, 国土交通省観光庁 [2] 訪日外国人の消費動向平成 29 年 7-9 月期告書, 国土交通省観光庁 [3] 中澤昌美, 池田和史, 服部元, 小野智弘, 位置情報付きツイートからのイベント検出手法の提案, 情報処理学会全国大会論文講演集,Vol.74, No.1, pp , 2012 [4] Twitter.Inc. について [5] 新井晃平, 新妻弘崇, 太田学, "Twitter を利用した観光ルート推薦の一手法", DEIM Forum 2015 G7-6 [6] 平久江知樹, 早川智一, 疋田輝雄, "マイクロブログにおけるジオタグのクラスタリングを用いた観光地発見", 情報処理学会第 79 回全国大会講演論文集,pp ,2017 [7] Barak Pat, Yaron Kanza, Mor Naaman, "Geosocial Search: Finding Places based on Geotagged Social-Media Posts", International World Wide Web Conference Committee, pp , (2015) [8] 櫻川直洋, 廣田雅春, 石川博, 横山昌平, ジオタグ付き写真の在住者と観光者に分類することによるホットスポットの発見, DEIM Forum 2015 [9] 佐伯圭介, 遠藤雅樹, 廣田雅春, 倉田陽平, 横山昌平, 石川博, 外国人 Twitter ユーザの観光訪問先の属性別分析, DEIM Forum 2015

DEIM Forum 2015 G7-6 Twitter ,

DEIM Forum 2015 G7-6 Twitter , DEIM Forum 2015 G7-6 Twitter 700-8530 3-1-1, 700-8530 3-1-1 E-mail: pv6x88nw@s.okayama-u.ac.jp, niitsuma@suri.cs.okayama-u.ac.jp, ohta@de.cs.okayama-u.ac.jp Twitter Twitter Twitter 4 Twitter. 1. Twitter