0210研究会

Size: px

Start display at page:

Download "0210研究会"

ありかつてらわ
5 years ago
Views:

1 トピック推定に基づくソーシャルメディアからの耳より情報抽出手法の提案甲南大学服部祐基灘本明代

2 背景 1 SNS ソーシャルメディアを用いて情報を取得する行為が増えているマイクロブログレビューサイトコミュニティ個人の経験談や体験談ユーザ同士での情報交換公式サイトや一般の Web ページに掲載されていない耳よりな情報が含まれている.

3 例えば諏訪湖花火大会コミュニティ神奈川方面からなら諏訪インターの一つ前の諏訪南インターから下道が良いかとやはり自動車よりも電車で行かれることをお勧めします. 京都の紅葉コミュニティ紅葉を見上げて見るなら洛西の光明寺囲まれたいのなら嵐山の常寂光寺紅葉を見下ろすなら東福寺紅葉の絨毯を見たいのであれば永観堂. 公式サイトや一般の Web ページに掲載されていない耳よりな情報ソーシャルメディアから耳よりな情報を取得することが求められている.

4 背景 2 SNS はコミュニティ内にスレッド ( トピック ) が作成されている. 京都の紅葉紅葉コミュニティスレッド清水寺嵐山近場の食事清水寺近場の食事嵐山交通交通見頃問題点様々な話題が混在. 穴場スポット清水寺嵐山見頃ユーザが求める耳よりな情報を取得することは困難.

5 目的ソーシャルメディアからトピック毎に耳より情報を抽出トピックの抽出とクラスタリング経験に基づいた有益な情報ユーザは効率的に有益な情報を取得することが可能となり, 新たな知識の獲得が期待できる

6 トピック抽出とクラスタリング様々なトピックが混在しているため, コメントを 1 文書とし, そのコメント群からトピック推定を行うことにより, トピックの抽出, クラスタリングを行う. 京都の紅葉紅葉清水寺コミュニティスレッド清水寺嵐山近場の食事京都の紅葉清水寺清水寺近場の食事近場の食事近場の食事嵐山交通嵐山嵐山交通見頃見頃穴場スポット清水寺嵐山見頃交通交通見頃潜在的ディリクレ配分法 (Latent Dirichlet Allocation, LDA)

7 潜在的ディリクレ配分法 (Latent Dirichlet Allocation, LDA) トピック推定手法文書集合からトピックを推定する際, データが疎な場合に有効単語 w の集まりにより表現された文書 d の集合, 分類するトピック数 K 各トピック zk (k = 1,...,K) の単語 w の確率分布 P(w zk), 各文書 d のトピック zk の確率分布 P(zk d) (d = 1,...,D) を推定.

8 トピック抽出とクラスタリング京都の紅葉紅葉コミュニティ文書集合 D 1 コメントを 1 文書 d 清水寺嵐山近場の食事清水寺近場の食事嵐山交通交通見頃 : : 分類するトピック数 K トピック数 K の決定 ( 予備実験より ) 5 つのコミュニティに対して LDA による推定 K=3, 7, 10, 15, 20, 25,, 50. 適していた K=10 を採用文書 d トピック各文書 d のトピック zk の確率分布 P(zk d) (d = 1,...,D) が 0.3 以上の値

9 耳より情報耳より情報経験情報経験マイニング有益な情報耳よりキーワード実際に経験したことに基づいたコメントは, より信頼できる. 多くの閲覧者が有益と感じた情報の中には共通のキーワードが含まれている.

10 経験情報の取得経験マイニング Web 上に大量にあるテキストから個人の経験情報を構造化情報として抽出することを目的乾健太郎, 原一夫 : 経験マイニング :Web テキストからの個人の経験の抽出と分類, 言語処理学会第 14 回年次大会論文集,pp (2008). 個人の経験情報トピック経験主事態タイプ事実性事態表現評価感情出来事日本語評価極性辞書経験情報行為評価感情出来事行為新たに提案

11 経験情報の取得経験情報評価感情出来事行為日本語評価極性辞書動詞形容詞名詞に対してポジティブとネガティブの評価極性を付与している辞書単語タイプ 1 番状態あいまい評価感情あく抜け出来事いさかい存在性質いたずら行為うってつけ評価感情うだうだ出来事単語タイプ

12 経験情報の取得経験情報評価感情出来事行為経験マイニングでの行為我々の提案する行為一般的な行為ドメイン依存の行為行為を表す単語の取得イベント関連のコミュニティコメント行為を表す名詞と動詞各出現頻度上位 50 単語を取得ドメインをイベント関連行為の例動詞名詞行く買う参戦利用見る並ぶ参加入場できる探す乾杯移動経験情報を取得

13 取得した経験情報の例私も京都初一人旅へ行ってきました 2 日間宿で自転車を借りて ( ここは 500 円でした ) とても効率よく回れました盆地なので坂がきついところもありますのでなかなかいい運動になります私は個人的に嵐山の大河原山荘が一番良かったです庭園が美しかった紅葉には早かったですが満喫できましたよあとは左京区の曼殊院門跡もオススメですもしそちらに行くなら詩仙堂も立ち寄るといいと思いますこちらもお庭が絶景です高台寺清水寺に行ってきました綺麗な紅葉を見させていただきました移動はやっぱレンタサイクルがオススメですよ. 電車やバスだと時間を気にしながら行動しなくちゃならないけどレンタサイクルなら自由乗り捨て OK だったりするので好きなところで借りて好きなところで返せるっていうのも嬉しい秋に苔寺を見に行った時にグリーンの芝生に赤い紅葉があってとてもきれいでしたよ青 : 行為緑 : 評価感情, 出来事

14 耳よりキーワードの抽出実際の耳より情報から耳より情報の要因となる耳よりキーワードを抽出. 予備実験被験者 :5 名データセット :mixi のイベント関連 5 つのコミュニティ 2000 コメント 5 人中 4 人が耳より情報であると感じたコメントを収集人手により耳より情報の要因となる耳よりキーワードを抽出耳よりキーワードの例おすすめの方がよいいかがしてみて望ましいすべき是非どうぞできますチャンスイチオシ狙い目穴場便利お得無難ガラガラ渋滞混雑絶景最適 92 種類耳よりキーワードが含まれている情報を耳より情報とし抽出

15 耳より情報の例私も京都初一人旅へ行ってきました 2 日間宿で自転車を借りて ( ここは 500 円でした ) とても効率よく回れました盆地なので坂がきついところもありますのでなかなかいい運動になります私は個人的に嵐山の大河原山荘が一番良かったです庭園が美しかった紅葉には早かったですが満喫できましたよあとは左京区の曼殊院門跡もオススメですもしそちらに行くなら詩仙堂も立ち寄るといいと思いますこちらもお庭が絶景です移動はやっぱレンタサイクルがオススメですよ. 電車やバスだと時間を気にしながら行動しなくちゃならないけどレンタサイクルなら自由乗り捨て OK だったりするので好きなところで借りて好きなところで返せるっていうのも嬉しい赤 : 耳よりキーワード青 : 行為緑 : 評価感情, 出来事

16 プロトタイプシステムの流れソーシャルメディア :Mixi クエリコミュニティ一覧コミュニティ選択コミュニティの抽出最新上位 20 件のスレッドの全コメントを文書集合として取得ユーザ日本語評価極性辞書トピック推定によるコメントのクラスタリングクラスタ毎に経験情報の抽出トピック毎に耳より情報の提示耳よりキーワード耳より情報の抽出システム

17 プロトタイプシステム入力画面コミュニティのリスト画面コミュニティ名トピック耳より情報のリスト出力画面

18 実験目的 : 実験 1: SNS のコメント群のクラスタリングに LDA が有効かどうか実験 2: システムの有効性を測る提案手法とベースライン手法との比較クラスタリングを行なっていない複数の被験者による精度の差異

19 実験 1 目的 :SNS のコメント群のクラスタリングに LDA が有効かどうか一般 Web 文書に比べデータが疎であり, かつ文構造がきれいでない SNS のコメントに対する LDA の精度実験条件 : データセット : mixi のイベント関連の 5 つのコミュニティ PL 花火芸術なばなの里関西周辺海水浴遊び京都紅葉巡り潮干狩りクラスタリングされたコメントとトピックを表すキーワードから, コメントがトピックに関するものであるか評価指標 : 適合率

20 実験 1 結果コミュニティ名全コメント数正しくクラスタリングされたコメント数精度 (%) PL 花火芸術なばなの里関西周辺海水浴京都の紅葉巡り潮干狩り平均精度一般 Web 文書に比べデータが疎であり, かつ文構造がきれいでない SNS のコメントに対して, 良い結果が得られている明らかに情報量が少ない場合では, 正確に分類することができていない

21 実験 2 目的 : システムの有効性を測る提案手法とベースライン手法との比較複数の被験者による精度の差異実験条件 : 被験者 :5 名データセット :mixi のイベント関連の 8 コミュニティ PL 花火芸術なばなの里関西周辺海水浴遊び京都紅葉巡り潮干狩り神戸ルミナリエ京都祗園祭諏訪湖花火大会システムが抽出した耳より情報のうち正しく抽出されたコメントの割合評価指標 : 適合率

22 結果適合率 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% 実験 2: ベースライン手法との比較平均適合率 :69% LDAによる分類あり本提案手法ベースライン LDAによる分類なし平均適合率 :51% 1 つのコメントに対して耳より情報かどうかを判定している LDA による分類を行わない場合, そのコメントが何についての話題か判断できないため, 適合率が低い. LDA による分類を行う事で, そのコメントにトピックが与えられ, 話題を判断することができ, 適合率が高くなった.

23 実験 2: 複数の被験者による精度の差異結果 PL 花火芸術なばなの里関西周辺海水浴京都祗園祭京都紅葉巡り神戸ルミナリエ諏訪湖花火潮干狩り平均適合率全コメント数取得されたコメント数被験者 A 80% 90% 83% 93% 88% 72% 87% 93% 86% B 78% 69% 70% 68% 75% 44% 58% 70% 67% C 73% 72% 37% 64% 88% 33% 58% 81% 63% D 56% 55% 60% 39% 69% 17% 47% 48% 49% E 80% 90% 87% 79% 100% 44% 76% 93% 81% 平均 73% 75% 67% 69% 84% 42% 65% 77% 69% 適合率 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% 被験者 A B C D E 平均

24 京都の紅葉耳より情報の例お勧めは高台寺池に逆さに映る風景は息をのむ美しさでした! 東福寺は凄い人ですが紅葉も見頃を迎えると通天橋から見下ろす景色は順番に人ごみの中ならんでも価値ありの本当に凄く綺麗な景色です諏訪湖花火大会諏訪市内に駐車してフィナーレまで見るなら諏訪インターまでは数時間の覚悟が必要です岡谷駅周辺に駐車して電車で移動し帰りは岡谷インターから入るまたは茅野駅周辺に駐車して諏訪南インターから入るという手段が最近流行っています有料自由席では必ず花火を間近で観ることは出来ますしかしより観やすい場所にシートを広げて座りたいと思うのなら開場前から並ばなくてはなりません速い人は何日も前から泊まり込んでいます早朝から並んだとしても既に数百人の後ろです

25 まとめと今後の課題ソーシャルメディアを用いて, トピック毎に耳より情報を抽出. 耳より情報経験情報有益な情報経験マイニング耳よりキーワード LDA を用いてトピック毎に分類することで, ベースライン手法より 18% 精度が向上今後の課題個々のユーザにあった耳より情報を提示複数のソーシャルメディアから耳より情報の取得

0210研究会

0210研究会複数のソーシャルメディアのレビューを用いた商品比較基盤技術の提案甲南大学大学院自然科学研究科服部祐基甲南大学知能情報学部灘本明代背景ソーシャルメディアを用いて情報を取得する行為が多くなっている商品の購入商品認知の情報源購入のきっかけとなった情報源として約 40% ものインターネットユーザがソーシャルメディアを活用している 1),2) ソーシャルメディアの書き込みを商品購入の際の参考にしているユーザが多く存在している