話題と感情の可視化に基づくフォロイー推薦

Size: px

Start display at page:

Download "話題と感情の可視化に基づくフォロイー推薦"

いぶきすみい
5 years ago
Views:

1 2015 年度修士論文発表 2016 年 2 月 13 日 Twitter の感情抽出に基づくフォロイー推薦甲南大学大学院自然科学研究科知能情報学専攻灘本研究室山本湧輝

2 2 はじめに Twitter の基本的な使い方気になるユーザをフォローするそのユーザのツイートを見ることが出来るフォローツイートフォロイー

3 3 ユーザをフォローする理由趣味嗜好が似ているユーザ阪神ファン現実世界での知人友人大学の友達好きな有名人 SMAP のファン様々な理由が存在する

4 フォローしたいユーザの発見 Twitter には数多くのユーザが存在するツイートをすべて見るのは大変わろたwwwwでも今調べたら今日は学校しんどいポケモンの新作楽しい! 就活ホンマ辛い阪神負けたやん! めっちゃムカつく自分に合ったフォロイーを見つけるのは困難フォロイー推薦 4

5 5 従来のフォロイー推薦阪神阪神阪神推薦ユーザ 1 阪神阪神阪神閲覧ユーザ推薦ユーザ 2 阪神阪神従来のフォロイー推薦は話題が同じ人を推薦する阪神

6 6 従来のフォロイー推薦の問題点阪神いいね! 阪神ファイト阪神勝って! 推薦ユーザ 1 阪神頑張れ阪神大好き阪神いいね! 阪神に対して好意的なツイートをしている閲覧ユーザ推薦ユーザ 2 阪神負けろ阪神むかつく阪神に勝ちたい阪神に対して否定的なツイートをしている

7 7 目的話題感情推薦ユーザ 1 フォロイー推薦阪神いいね! 阪神ファイト阪神勝って! 阪神頑張れ阪神大好き阪神いいね! 阪神に対して好意的なツイートをしている閲覧ユーザ推薦ユーザ 2 阪神負けろ阪神むかつく阪神に勝ちたい阪神に対して否定的なツイートをしている

8 8 提案手法話題感情フォロイー推薦共通の話題の抽出共通の話題に対する感情値算出

9 提案手法話題感情フォロイー推薦共通の話題の抽出共通の話題に対する感情値算出ツイートの感情抽出話題における感情の類似度計算 9

10 提案手法話題感情フォロイー推薦共通の話題の抽出中間発表共通の話題に対する感情値算出ツイートの感情抽出話題における感情の類似度計算 10

11 11 提案手法話題感情フォロイー推薦共通の話題の抽出共通の話題に対する感情値算出

12 12 共通の話題の抽出目的 : 閲覧ユーザと推薦候補ユーザの共通の話題を抽出 1. 閲覧ユーザと推薦候補ユーザのツイートを取得 2. 二人のユーザのツイートを混ぜてクラスタリング 3. クラスタの中から共通の話題を抽出

13 13 共通の話題の抽出目的 : 閲覧ユーザと推薦候補ユーザの共通の話題を抽出 1. 閲覧ユーザと推薦候補ユーザのツイートを取得 2. 二人のユーザのツイートを混ぜてクラスタリング 3. クラスタの中から共通の話題を抽出閲覧ユーザ推薦候補ユーザ 200 ツイート 200 ツイート 400 ツイート

14 14 共通の話題の抽出目的 : 閲覧ユーザと推薦候補ユーザの共通の話題を抽出 1. 閲覧ユーザと推薦候補ユーザのツイートを取得 2. 二人のユーザのツイートを混ぜてクラスタリング 3. クラスタの中から共通の話題を抽出

15 15 二人のユーザのツイートを混ぜてクラスタリング閲覧ユーザ :200 ツイート推薦候補ユーザ :200 ツイート合計 400 ツイートを混ぜる混ぜ合わせた 400 ツイートクラスタリング Repeated Bisection 法 Repeated Bisection 法短文のクラスタリングに向いているクラスタの話題 : 中心ベクトルに最も近いトピッククラスタ 1 ヒット大和阪神藤浪クラスタの話題 : 阪神

16 16 共通の話題の抽出目的 : 閲覧ユーザと推薦候補ユーザの共通の話題を抽出 1. 閲覧ユーザと推薦候補ユーザのツイートを取得 2. 二人のユーザのツイートを混ぜてクラスタリング 3. クラスタの中から共通の話題を抽出

17 17 クラスタの中から共通の話題を抽出クラスタ1 クラスタ2 クラスタ3 閲覧ユーザ推薦候補ユーザクラスタリングによって生成されたクラスタの全てが共通の興味であるとは言えない

18 18 クラスタの中から共通の話題を抽出クラスタ1 クラスタ2 クラスタ3 閲覧ユーザ推薦候補ユーザツイート数の比率 : 2 ユーザ共通の話題かどうかツイートの凝集性 : クラスタの話題がまとまっているか

19 19 ツイート数の比率クラスタ 1 2 ユーザのツイート数に偏りがあると共通の話題とは言えないツイート数が偏っているため共通な話題として相応しくないツイート数の比率が均等クラスタ 2 ツイート数が均等なので共通な話題として相応しい R i = X i Y i X i + Y i R i : ツイート数の比率 X i : ユーザ X のツイート数 Y i : ユーザ Y のツイート数閲覧ユーザ推薦候補ユーザ

20 ツイートの凝集性クラスタ 3 Repeated Bisection 法はハードクラスタリングであるガベージクラスタが生成されるガベージクラスタとは相互に関連性のないツイートが集まったクラスタガベージクラスタの除外クラスタ 2 ツイート同士の関係性が薄い為共通な話題として相応しくないツイート同士の関係性が濃い為共通な話題として相応しい A i = x C i ( x c i x c i ) A i : ツイートの凝集性 c i : クラスタのセントロイド x: クラスタに含まれるツイート閲覧ユーザ推薦候補ユーザ 20

21 21 クラスタの中から共通の話題を抽出クラスタ1 クラスタ2 クラスタ3 閲覧ユーザ推薦候補ユーザツイート数の比率 R i = X i Y i X i + Y i ツイートの凝集性 A i = x C i ( x c i x c i ) 閾値以上のクラスタを抽出する R i : T R = 0.25 A i : T A = 0.60 共通話題クラスタ

22 22 提案手法話題感情フォロイー推薦共通の話題の抽出共通の話題に対する感情値算出

23 23 共通の話題に対する感情値算出共通話題クラスタ閲覧ユーザのツイート推薦候補ユーザのツイート感情値算出感情値算出感情値算出感情値算出感情値算出感情値算出ツイートそれぞれの感情値を算出感情語辞書顔文字の役割多次元の感情軸を用いる喜好安昂哀怖怒厭驚恥

24 24 共通の話題に対する感情値算出共通話題クラスタ感情値算出感情値算出感情値算出感情値算出感情値算出感情値算出閲覧ユーザのツイート推薦候補ユーザのツイート中間発表ツイートそれぞれの感情値を算出感情語辞書顔文字の役割多次元の感情軸を用いる喜好安昂哀怖怒厭驚恥

25 25 感情に基づく類似度算出 k S = i=1 AS i BS i AS i BS i 共通話題クラスタ閲覧ユーザのツイート推薦候補ユーザのツイート S: 感情に基づく類似度感情値算出 AS i : 閲覧ユーザの i 番目のクラスタの感情ベクトル感情値算出感情値算出 AS i BS i : 推薦候補ユーザの i 番目のクラスタの感情ベクトル感情値算出感情値算出感情値算出 BS i

26 26 類似度算出の例話題 : 阪神喜好安昂哀怖怒厭驚恥閲覧ユーザ推薦候補ユーザ阪神という話題に対して両ユーザとも喜好のような好意的な感情を持っている話題 : 阪神 S i = 0.99 S i = 0.36 喜好安昂哀怖怒厭驚恥閲覧ユーザ推薦候補ユーザ阪神という話題に対して閲覧ユーザとは異なり推薦候補ユーザは怒厭のような反感を抱いている阪神頑張れ阪神大好き阪神いいね! 阪神負けろ阪神むかつく阪神に勝ちたい

27 27 推薦ユーザの可視化推薦ユーザ 1 昂喜好安哀恥驚怖レーダーチャート形式で話題とその話題に対する感情を可視化怒厭話題に対する感情の違いを直感的に比較できる

28 28 可視化の例赤 : 閲覧ユーザ青 : 推薦候補ユーザ話題と感情が似ている話題と感情が異なる

29 29 評価実験目的実験 1: 提案クラスタリング手法の有用性実験 2: 感情を考慮したフォロイー推薦手法の有用性閲覧ユーザ : 趣味の異なる 5 ユーザ User1: 阪神ファン, アンチ巨人 User2: 政治 User3: 巨人ファン User4: アニメ User5: サッカー

30 30 実験の前準備推薦候補ユーザ推薦候補となるユーザの決定 Twitter 上には多くのユーザが存在その全てを推薦候補ユーザとするのは現実的ではない閲覧ユーザフォロイーフォローしているユーザのフォローしている人は共通の趣味を持っているフォロイーのフォロイーを推薦候補ユーザランダムに 100 ユーザに対して実験

31 31 実験 1 クラスタリングの有用性比率と凝集性を考慮した共通話題クラスタの決定手法の有用性を示すベースライン手法クラスタリングされたそのままの結果実験方法閲覧ユーザと推薦ユーザのツイートしている話題とクラスタが一致しているかを評価

32 実験 1 クラスタリングの有用性実験 1の精度 ( 適合率 ) ベースライン手法提案手法 User User User User User 理由 1: 両ユーザ共通の話題となっていたツイート数の比率を考慮したため理由 2:Repeated Bisection 法はハードクラスタリングであるため生成される不要なクラスタを削除できたクラスタの凝集性を考慮したため格段に精度が上がっている 32

33 33 実験 2 感情を考慮したフォロイー推薦手法の有用性共通の話題と感情を考慮したフォロイー推薦の有用性を示すベースライン手法話題のみのフォロイー推薦実験方法実際に推薦されたユーザをフォローしたいかしたくないかを評価

34 34 実験 2 感情を考慮したフォロイー推薦手法の有用性実験 1の精度 ( 適合率 ) 手法適合率再現率 F 値 User1 ベースライン手法提案手法 User2 ベースライン手法提案手法 User3 ベースライン手法提案手法 User4 ベースライン手法提案手法 User5 ベースライン手法提案手法

35 35 実験 2 感情を考慮したフォロイー推薦手法の有用性実験 1の精度 ( 適合率 ) 手法適合率再現率 F 値 User1 ベースライン手法提案手法 User2 ベースライン手法提案手法 User3 ベースライン手法提案手法 User4 ベースライン手法提案手法 User5 ベースライン手法提案手法 User1: 阪神ファン, アンチ巨人適合率, 再現率,F 値全ての値でベースラインを上回った阪神巨人に対して感情的なツイートを多くしていた

36 36 実験 2 感情を考慮したフォロイー推薦手法の有用性実験 1の精度 ( 適合率 ) 手法適合率再現率 F 値 User1 ベースライン手法提案手法 User2 ベースライン手法提案手法 User3 ベースライン手法提案手法 User4 ベースライン手法提案手法 User5 ベースライン手法提案手法 User2: 政治ベースラインと提案手法との差が見られなかった閲覧ユーザと推薦候補ユーザがあまり感情的なツイートをしていなかった

37 37 実験 2 感情を考慮したフォロイー推薦手法の有用性実験 1の精度 ( 適合率 ) 手法適合率再現率 F 値 User1 ベースライン手法提案手法 User2 ベースライン手法提案手法 User3 ベースライン手法提案手法 User4 ベースライン手法提案手法 User5 ベースライン手法提案手法 User3: 巨人ファンベースラインより提案手法の方が良い結果となったが,User1 と比べるとあまり精度は向上しなかった巨人の選手に対してのツイートを多く投稿していたため評価が分散した

38 38 実験 2 感情を考慮したフォロイー推薦手法の有用性実験 1の精度 ( 適合率 ) 手法適合率再現率 F 値 User1 ベースライン手法提案手法 User2 ベースライン手法提案手法 User3 ベースライン手法提案手法 User4 ベースライン手法提案手法 User5 ベースライン手法提案手法 User4: アニメベースラインと提案手法との差が見られなかったアニメのキャラクターに対してのツイートを多く投稿していたため評価が分散した

39 39 実験 2 感情を考慮したフォロイー推薦手法の有用性実験 1の精度 ( 適合率 ) 手法適合率再現率 F 値 User1 ベースライン手法提案手法 User2 ベースライン手法提案手法 User3 ベースライン手法提案手法 User4 ベースライン手法提案手法 User5 ベースライン手法提案手法 User5: サッカー提案手法がベースラインを下回った推薦候補ユーザは感情的なツイートを多く投稿しているが User5 は感情的なツイートをあまりしていなかった

40 考察閲覧ユーザ感情があるツイートをしているかどうか感情あり感情なし推薦候補ユーザ感情あり感情なし両ユーザ共に感情があるツイートをしている場合 : 感情を用いた類似度計算の結果が良いため推薦の精度が向上どちらかのユーザが感情がないツイートをしてる場合 : 閲覧ユーザと推薦候補ユーザの感情に差がある場合ため推薦の精度が減少両ユーザとも感情がないツイートをしている場合 : 感情を用いた類似度計算があまり反映されず精度に変化がない 40

41 41 まとめと今後の課題まとめ話題とその話題に対しての感情を考慮したフォロイー推薦手法を提案クラスタリングを用いて共通の話題の抽出手法共通な話題の感情値算出手法共通な話題の感情値から類似度を算出して推薦ユーザを決定今後の課題レーダーチャートによるユーザ実験対象ユーザが実際にフォローしているユーザからフォロー傾向の分析

42 研究成果 (1) 論文誌 ( 査読あり ):1 本 Yuki Yamamoto, Tadahiko Kumamoto and Akiyo Nadamoto Multidimensional sentiment calculation method for Twitter based on emoticons International Journal of Pervasive Computing and Communications, Vol. 11 Iss: 2, pp , 国際会議 ( 査読あり ):2 本 Yuki Yamamoto, Tadahiko Kumamoto, Akiyo Naadmoto, Role of Emoticons for Multidimensional Sentiment Analysis of Twitter, The 16 th International Conference on Information Integration and Web-based Applications & Services(iiWAS 14), December 4-6, 2014, Hanoi, Vietnam (acceptance rate: 31%) Yuki Yamamoto, Tadahiko Kumamoto, Akiyo Naadmoto, Followee Recommendation Based on Topic Extraction and Sentiment Analysis from Tweets, The 17 th International Conference on Information Integration and Web-based Applications & Services(iiWAS 15), December 11-13, 2015, Brussels, Belgium (acceptance rate: 30%) 42

43 研究成果 (2) 国内会議 ( 査読あり ): 1 本山本湧輝, 熊本忠彦, 灘本明代, 話題と感情の可視化に基づくフォロイー推薦, 第 8 回 Web とデータベースに関するフォーラム, (WebDB Forum2015),2015 年 11 月 ( 採択率 : 65.9%) 研究会発表 :3 本山本湧輝, 熊本忠彦, 灘本明代, 顔文字の役割に着目したツイートの多次元感情抽出手法の提案,ARG 第 4 回 Web インテリジェンスとインタラクション研究会,2014 年 5 月山本湧輝, 熊本忠彦, 灘本明代, Twitter 特有表現を考慮したツイートの多次元感情抽出手法の提案, 情報処理学会第 77 回関西支部支部大会,2014 年 9 月山本湧輝, 熊本忠彦, 灘本明代, ツイートの感情の関係に基づく Twitter 感情軸の決定, 第 7 回データ工学と情報マネジメントに関するフォーラム,(DEIM2015),2015 年 3 月 43

44 研究成果 (3) ポスター発表 :2 本山本湧輝, 熊本忠彦, 灘本明代, ツイートの感情の関係に基づく Twitter 感情軸の決定, 第 7 回データ工学と情報マネジメントに関するフォーラム,(DEIM2015),2015 年 3 月山本湧輝, 熊本忠彦, 灘本明代, 話題と感情の可視化に基づくフォロイー推薦, 第 8 回 Web とデータベースに関するフォーラム,(WebDB Forum2015),2015 年 11 月 44

45 受賞歴研究会発表 :1 回山本湧輝, 熊本忠彦, 灘本明代, Twitter 特有表現を考慮したツイートの多次元感情抽出手法の提案, 情報処理学会第 77 回関西支部支部大会,2014 年 9 月 ( 学生奨励賞 ) 45

研究テーマ考案ブログ記事を知識源とした雑談メタファに基づく情報推薦

研究テーマ考案ブログ記事を知識源とした雑談メタファに基づく情報推薦 Twitter における見落とし情報の話題構造抽出手法自然科学研究科知能情報学専攻 21424003 灘本研究室大原啓詳背景 Twitter におけるユーザ同士の繋がりフォロワー Follow 共通の趣味興味のある事柄について詳しいユーザフォロイー多くフォロイーをフォローする詳細な情報多様な情報を取得できる背景一方で多くのユーザをフォロータイムライン上には大量のツイートが流れる