電子情報通信学会ワードテンプレート (タイトル)

Size: px

Start display at page:

Download "電子情報通信学会ワードテンプレート (タイトル)"

きみとしえんの
7 years ago
Views:

1 DEIM Forum 2016 B7-1 ツイートにカテゴリタグを自動付与しカテゴリ毎に表示する Twitter クライアントの開発甘利咲子井上寛生速水治夫神奈川工科大学情報学部情報工学科神奈川県厚木市下荻野 1030 神奈川工科大学大学院工学研究科情報工学専攻神奈川県厚木市下荻野 1030 神奈川工科大学情報学部情報メディア学科神奈川県厚木市下荻野あらまし現在,Twitter では 140 文字以内でツイートできるという手軽さから全世界で, 日々膨大なツイートが投稿されている. ユーザが多くのアカウントをフォローしている場合, ホームタイムラインに流れる膨大なツイートの中から, ユーザにとって有益なツイートを閲覧することが難しい現状がある. この問題点を解決するため, ホームタイムライン上のツイートをリアルタイムで 1 件ずつ解析し, その解析結果からツイートに対してそのツイートに合ったカテゴリタグを自動付与する. これにより, ホームタイムライン上のツイートのカテゴリを表示するとともに, カテゴリ毎に別カラムで表示する Twitter クライアントを提案する. 評価実験により本クライアントは有効であることが確認された. キーワード Twitter, フィルタリング, カテゴリ, ツイート, タイムライン, 分類 1. はじめに Twitter では 140 文字以内でツイートを投稿できるという手軽さから, 全世界で毎秒膨大なツイートがされている. ユーザはホームタイムラインに表示されている膨大なツイートの中から, 有益なツイートを閲覧することが困難になっている. Twitter API が 1.0 から 1.1 にバージョンアップされ, Twitter API 1.0 では制限時間 60 分のうちに, 各呼び出し回数が合計 350 回と制限があったが,Twitter API 1.1 にバージョンアップされた結果, 制限時間が 15 分, 制限数が各呼び出し毎に規定され, 自身のホーム画面のタイムラインを取得する場合, 制限数が 15 回と, 以前の Twitter API と比べ, ホームタイムラインを遡り有益なツイートを閲覧することが, より難しくなっている. ユーザは, ユーザ自身が興味関心があるツイートを投稿するアカウントをフォローしているが, 毎回ユーザが閲覧したいツイートを投稿するわけではない. 時として, ユーザが閲覧したくないツイートを投稿するアカウントも存在する. アカウントや単語をタイムラインに非表示するミュート機能も存在するが, この機能ではユーザ自身が予め設定しなければならいという手間が発生するだけでなく, ユーザが有益と感じるツイートを閲覧する機会を損失してしまう恐れがある. そこで, ツイートをカテゴリ毎に別カラムで表示する Twitter クライアントを提案する. ブログのようにカテゴリを表示し, カテゴリ毎にツイートを分類することで, ツイートの内容に目を通さず, どのようなカテゴリのツイートなのかを判断しやすくするためのシステムを提案する. 2. 関連研究サービスツイートを, カテゴリに分類する研究は, 先行研究として行われており, 機械学習などを用いてツイートをフィルタリングする手法を提案している [1][2]. また, 安藤らによって提案された MAUOS 方式によって,Twitter に投稿されるような短い文章において特徴を抽出し, 未知な話題の意見についても分類することができたと報告している [3]. マイクロブログの記事を, ユーザの選好に基づき分類する手法も提案されている [4]. ツイートに含まれる主観表現と客観表現を用いた有益なツイートを推定する研究も行われている [5]. Wikipedia のカテゴリ階層を利用した Twitter ユーザをカテゴライズする手法も提案されている [6]. 短文を分類する際, Web サービスの情報を用い, カテゴライズする点で類似している. 自動更新, カテゴリ分類, 時系列情報などの考え方を用いて既存のベイジアンフィルタ手法を改良することで, ブログスパムの問題に対応する手法を提案している [7]. 関連サービスを調査した範囲では, ユーザによって指定されたアカウント, ワードからタブ別に表示するサービスは存在した. しかし, カテゴリ別カラム表示する Twitter クライアントは存在しなかった.

2 3. 提案手法本論文では, ホームタイムラインのツイートをカテゴライズし, カテゴリ別カラム毎に表示するシステムを提案する. ユーザのホームタイムラインのツイートに対して, カテゴリタグを付与し, カテゴリ毎に表示することで, 煩雑としたホームタイムラインが整理され見やすくなると仮定した. この仮定に基づき, ホームタイムラインのツイートを形態素解析にかけ, その解析結果からカテゴリタグを自動付与し, ツイートをカテゴリ毎に分類し表示する. 3.1 システム構成本試作システムのシステム構成図を図 1 に示す. ツイートリアルタイムカテゴリ別カラム表示ツイート投稿 Streaming API REST API はてなカテゴリを用いてツイートのカテゴリ判断を行う. また, 同一の単語に, 複数のカテゴリが存在する場合, 形態素解析の結果だけでは, カテゴリ ID が若いカテゴリが表示されるため, ツイートの内容とはかけ離れたカテゴリと判断されてしまう可能性がある. このため, 形態素解析の結果に, hatena_keyword という文字列が含まれている場合, はてなキーワードの情報を格納しているテーブルに検索をかけ, カテゴリ ID を取得する. 図 2 に MeCab サーバによる解析結果例を示す. オムライス作った! オムライス名詞, 固有名詞,*,*,*,*,*, おむらいす,*,( ),hatena_keyword 作っ動詞, 自立,*,*, 五段ラ行, 連用タ接続, 作る, ツクッ, ツクッた助動詞,*,*,*, 特殊タ, 基本形, た, タ, タ! 記号, 一般,*,*,*,*,!,!,! EOS 図 2 MeCab サーバの解析結果例 client socket.io node.js server socket.io 提案システム MeCab server ( はてなキーワード辞書込 ) はてなキーワード MySQL DB 6 7 Step.3: ツイートに含まれる単語にカテゴリが存在する場合, そのカテゴリの出現回数をカウントする. 各カテゴリの出現回数を, 各カテゴリの出現回数の合計で割り, ツイートに含まれるカテゴリの割合を求める. このアルゴリズムの実行例を図 3 に示す. Step.1 Step.2 Step アルゴリズムの概要図 1 提案システムの構成図 (1) カテゴリ選定アルゴリズムツイートをカテゴライズする際に用いるカテゴリとして, はてな社のサービスの 1 つであるはてなキーワードの 16 種類のカテゴリを使用した ( 表 1 参照 ). ツイート毎にこのカテゴリを選定するアルゴリズムを以下に示す. 表 1 カテゴリ一覧表読書音楽ウェブコンピュータ動植物テレビアニメスポーツゲームマンガアイドル社会地理アートサイエンス Step.1: 本試作システムにログインし, ユーザのトークンを取得後,Twitter API を用いてユーザのホームタイムラインを JSON 形式のデータファイルで 1 件ずつ取得し続ける. Step.2: 取得したホームタイムラインのデータを順次形態素解析にかける. 形態素解析の辞書には, はてな社のはてなキーワード辞書を使用し, はてなキーワードに登録されている, A オムライス作った! ツイート単語カテゴリツイートカテゴリカウント出現度 (%) 野球の試合観戦しに B 行く~! A オムライス A PHPを使ってシステム C B 野球スポーツ B スポーツ開発しています. C PHP 読書 C 読書今日も疲れたな~ D コンピュータコンピュータシステムコンピュータ図 3 カテゴリ選定アルゴリズムの実行例 (2) フィルタリングアルゴリズム (1) で選定されたカテゴリを用いて, ユーザ自身がホームタイムラインに流れるツイートをフィルタリングするアルゴリズムを以下に示す. フィルタリングパターン 1:1 つのツイートに対して, ユーザによって選択されたカテゴリタグの出現度が最も高いものを表示する. フィルタリングパターン 2:1 つのツイートに対して, ユーザによって指定されたカテゴリタグの出現度のしきい値以上のものを表示する. この 2 つのフィルタリングパターンを, ユーザは随時切換えて選ぶことができる. 以上の処理によりユーザのホームタイムライン上のツイートをカテゴリ毎にリアルタイムに表示する.

3.3 ユーザインタフェース (1) カテゴリ選択表 1 に示した 16 種類のカテゴリを用いて, ユーザによって選択されたカテゴリに合ったツイートをカテゴライズする. また, この 16 種類のどのカテゴリにも属さないツイートは, その他として表示する. 16 種類のカテゴリのいずれか ( 重複有り ), またはその他のツイートと判断され表示されるため, ツイートの表示漏れは起こらない.

(1),(2) で述べたカテゴリ選択, フィルタリング選択を行う操作画面を図 4 に, 本研究の試作システム表示の画面を図 5 に示す. が存在する. このため, 評価実験を行った際, 評価に偏りが生じてしまうことを考慮し, 両者のカテゴリを用いて, 評価実験を行う. 今回, 実験で指定したカテゴリは, ゲーム, の 2 つのカテゴリである.

3 3.3 ユーザインタフェース (1) カテゴリ選択表 1 に示した 16 種類のカテゴリを用いて, ユーザによって選択されたカテゴリに合ったツイートをカテゴライズする. また, この 16 種類のどのカテゴリにも属さないツイートは, その他として表示する. 16 種類のカテゴリのいずれか ( 重複有り ), またはその他のツイートと判断され表示されるため, ツイートの表示漏れは起こらない. (2) フィルタリング選択前述したフィルタリングパターンを選択する. フィルタリングパターン2 を選択した際には, スライドバーでカテゴリ出現度 (%) のしきい値を指定する. (3) カテゴリ別カラム毎に表示ツイートに対しカテゴリタグを自動付与した後, ユーザによって指定されたカテゴリの出現度によってツイートをカテゴライズ及びフィルタリングし, カテゴリ別カラム毎に表示する. (1),(2) で述べたカテゴリ選択, フィルタリング選択を行う操作画面を図 4 に, 本研究の試作システム表示の画面を図 5 に示す. が存在する. このため, 評価実験を行った際, 評価に偏りが生じてしまうことを考慮し, 両者のカテゴリを用いて, 評価実験を行う. 今回, 実験で指定したカテゴリは, ゲーム, の 2 つのカテゴリである. また, 本試作システムの精度を検証するため, フィルタリングパターン 2の実験を行う際, カテゴリタグの出現度のしきい値を 100%,75%, 50%,25% と,25% 刻みの 4 段階から指定した. 被験者は予め, 自身のホームタイムライン最新 200 件に目を通し, 指定したカテゴリに属すると思うツイートをピックアップし計数する. 本試作システムでホームタイムラインを表示した際, カテゴリ別カラムに何件ツイートが表示されたか, また, ピックアップしたツイートが, そのうち何件含まれていたかを目視で計数してもらった. この件数から, 適合率, 再現率,F 値 ( 以下, 指標値と略す ) を求め, 評価を行う. これら 3 つの値を算出するにあたって必要となる数値をどのようにして求めたかを図 6 に示す. A C B 図 4 カテゴリフィルタリング選択画面図 5 試作システムの画面キャプチャ図 6 ツイートの分類図 6 のツイート分類に示した,A,B,C の値の詳細を以下に示す. A: ユーザが自身のホームタイムライン最新 200 件からピックアップした指定したカテゴリに属するツイート件数 B: 本試作システムのカテゴリ別カラム表示の結果表示されたツイート件数 C: A と B の共通したツイートが表示された件数これら,A,B,C の値を用いて, 指標値の計算式を以下に示す. 4. 評価実験 4.1 実験概要 Twitter ユーザ 5 名を対象に, 評価実験を行った. 本試作システムで予め用意しているカテゴリの中には, 幅広い意味を持つカテゴリ, 及び狭い意味のカテゴリ適合率 = C B 再現率 = C A F 値 = 2 適合率再現率適合率 + 再現率

4 4.2 フィルタリングパターン 1 の評価フィルタリングパターン 1 では, 指定されたカテゴリタグの出現度が最も高いツイートを, そのカテゴリと判断し表示する. フィルタリングパターン 1 によるカテゴリ毎のツイート件数を表 2 に, 平均指標値を表 3 に示す. 表 2 フィルタリングパターン 1 の A,B,C の一覧表ゲーム B C B C 表 3 フィルタリングパターン 1 の平均指標値ゲーム 54.1% 63.1% 58.2% 56.2% 68.9% 61.9% 4.3 フィルタリングパターン 2 の評価フィルタリングパターン 2 では, 指定されたカテゴリタグの出現度をユーザ自身がスライドバーで指定し, 表示する. 今回, 出現度のしきい値を 25% 刻みの 4 段階から評価した. (1) カテゴリタグの出現度 100% カテゴリタグの出現度が 100% のフィルタリングによるカテゴリ毎のツイート件数を表 4 に, 平均指標値を表 5 に示す. 表 4 出現度 100% の A, B, C の一覧表ゲーム B C B C 表 5 出現度 100% の平均指標値ゲーム 75.3% 18.3% 29.4% 88.3% 35.8% 50.9% (2) カテゴリタグの出現度 75% カテゴリタグの出現度が 75% のフィルタリングによるカテゴリ毎のツイート件数を表 6 に, 平均値指標値を表 7 に示す. 表 6 出現度 75% の A, B, C の一覧表ゲーム B C B C 表 7 出現度 75% の平均指標値ゲーム 85.3% 20.6% 33.2% 88.3% 35.8% 50.9% (3) カテゴリタグの出現度 50% カテゴリタグの出現度が 50% のフィルタリングによるカテゴリ毎のツイート件数を表 8 に, 平均指標値を表 9 に示す. 表 8 出現度 50% の A, B, C の一覧表ゲーム B C B C 表 9 出現度 50% の平均指標値ゲーム 78.5% 31.5% 45.0% 89.1% 59.9% 71.6% (4) カテゴリタグの出現度 25% カテゴリタグの出現度が 25% のフィルタリングによるカテゴリ毎のツイート件数を表 10 に, 平均指標値を表 11 に示す. 表 10 出現度 25% の A, B, C の一覧表ゲーム B C B C 表 11 出現度 25% の平均指標値ゲーム 59.9% 59.1% 59.5% 62.1% 72.1% 66.7% 4.4 アンケート評価被験者にシステムを利用後, 以下のアンケート項目に回答してもらった. Q1. 本試作システムにより, 通常のホームタイムラインよりも見やすいと感じるか. Q2. 本試作システムにより, 自分が閲覧したいツイートを見ることができたかこの質問項目に対し,5 段階評価で評価した. 評価の結果を表 12 に示す. 表 12 アンケート結果質問ユーザA ユーザB ユーザC ユーザD ユーザE 平均 Q Q

5 5. 考察評価実験の結果から, 本試作システムの有用性について考察する. フィルタリングパターン1 は, 形態素解析の結果カテゴリタグの出現度が最も高いものを表示するアルゴリズムであるが, 評価実験の結果を, フィルタリングパターン2 のカテゴリタグの出現度のしきい値が 25% 刻みの 4 段階の結果と比較すると,F 値の値からも安定したカテゴライズができていることを確認した. 一方, フィルタリングパターン2 は, フィルタリングのしきい値を高めることで, 適合率は著しく上がるものの, 再現率が低くなる結果を得られた. 逆に, フィルタリングのしきい値を低く設定すると, 適合率は下がるものの, 再現率が上がることも確認した. また,F 値から見ると 50%, 25% にフィルタリングのしきい値を設定した場合に, 値が高くなる結果から, フィルタリングのしきい値を高めることで, 表示されるツイート数が極僅かであることよりも, ツイートに少しでもカテゴリの要素があるツイートを多く表示した場合の方が, ユーザにとって有益である情報が得られる可能性があることがわかった. 2 つのフィルタリングパターンの評価の結果から, フィルタリングパターン1 とフィルタリングパターン 2のカテゴリタグの出現度のしきい値が 25% の場合は, F 値から同等のフィルタリング結果が得られると考えられる. 表示漏れが少ないホームタイムラインの実現を重視するユーザは, 再現率が高いフィルタリングパターン1, フィルタリングパターン2 のカテゴリタグの出現度のしきい値を 25% にすることで, 実現が可能である. 一方, ノイズが少ないホームタイムラインの実現を重視するユーザは, 適合率が高いフィルタリングパターン2のカテゴリタグの出現度のしきい値を 75% 以上から選ぶという選択もある. また, 今回提案したカテゴリ別カラムによる表示について, アンケート結果からも通常のタイムラインより, 見やすいという結果が得られた. よって, カテゴリ別カラムでの表示は有用であることが確認できた. Q2. の質問に対して, 平均 3.6 という評価は,F 値が, ユーザの求めているツイートを表示する際に, 不十分であるという結果からである. 高まり, 効果を得られると考えられる. また, 現在はてな社のサービスの 1 つである, はてなキーワード辞書を使用しているが, 更にカテゴリの種類を増やすことでより, ユーザが自身に合ったホームタイムラインをカスタマイズが可能になるようにする. 7. おわりに本研究では, ユーザのホームタイムラインを取得し, カテゴリタグを自動付与し, カテゴリ毎に表示する Twitter クライアントを提案した. 評価実験の結果から, 提案手法はユーザが, カテゴリ毎の表示漏れが少ないホームタイムライン, ノイズが少ないホームタイムライン両者が実現可能であることがわかった. カテゴリ別カラム表示にすることで, 通常のホームタイムラインよりも見やすくなったという結果が得られた. 結果として, 本研究の提案手法は有用であること確認した. 参考文献 [1] 小坂龍一, 青野雅樹, 機械学習を用いた Tweet の多カテゴリ分類, DEIM Forum 2012 F5-1. [2] 山村悟, 佐藤哲司, フォロー別フィルタによるツイートフィルタリングの提案, DEIM Forum 2013 B1-1. [3] 安藤駿, 猪瀬裕介, 増田英孝, 佐々木良一, マイクロブログ中のリスクコミュニケーションに関する有益な意見を自動的に抽出する手法の提案と評価, 情報処理学会論文誌 Vol.55 No.9 pp ,2014. [4] 濱田翔吾, 黒澤義明, 目良和也, 竹澤寿幸, ユーザの知的欲求による選好に基づいたマイクロブログの記事分類, 情報処理学会報告, 自然言語処理研究会報告, Vol.2011, No.7,pp1-11. [5] 小池達也, 高木友博, 主観表現と客観表現を用いた Twitter における有益なツイートの推定, DEIM Forum 2015 A8-1. [6] 放地宏佳, 鶴田雅信, 酒井浩之, 増山繁, Wikipedia のカテゴリ階層を利用した Twitter ユーザのカテゴライズ, 言語処理学会第 17 回年次大会発表論文集 pp ,2011. [7] 中村健二, 田中成典, 吉田均, 北野光一, 寺口敏生, カテゴリ分類と時系列情報に基づくブログスパム判定手法, 情報処理学会論文誌 Vol.49 No.3 pp , 今後の課題今後の課題として, 形態素解析の辞書を最新のものへ更新する仕組みを実装する必要がある. 常に, 最新の辞書を使用することで, 様々なツイートの解析に対応することができるため, より再現率, 適合率, F 値が

Web WIX WIX WIX Web Web Web WIX WIX WIX Web 3. Web Index 3. 1 Web Index (WIX), Web. Web, WIX, Web ( WIX ), URL. 3. 2 WIX 1 entry wid eid keyword targe

Web WIX WIX WIX Web Web Web WIX WIX WIX Web 3. Web Index 3. 1 Web Index (WIX), Web. Web, WIX, Web ( WIX ), URL. 3. 2 WIX 1 entry wid eid keyword targe DEIM Forum 2016 H6-5 Web Index 223 8522 3-14-1 E-mail: [email protected], [email protected] Web Index(WIX) (keyword) Web URL(target) (WIX ) Web ( ) Web URL Web WIX RSS WIX Web Index, Web,