DEIM Forum 2014 B Twitter Twitter Twitter 2006 Twitter 201

Size: px

Start display at page:

Download "DEIM Forum 2014 B Twitter Twitter Twitter 2006 Twitter 201"

ただきよたなせ
4 years ago
Views:

1 DEIM Forum 2014 B {yamaguchi,yamahei,satoh}@ce.slis.tsukuba.ac.jp Twitter Twitter Twitter 2006 Twitter [1]Twitter RT RT Twitter Twitter RT Twitter RT [2] [3] [4] [5] [6] Kwak [2] Twitter RT RT RT [3] Kwak RT RT 84.4% RT Twitter Ghosh [4] time-interval user RT RT automatic/robotic activitynewsworthy information disseminationadvertising and promotioncampaignsparasitic advertisements 5 Chalmers [5] Yang [6] Twitter 1 30 Twitter Web SNS Danescu-Niculescu-Mizil [7] Web 2-gram. linguisically innovative learning phase conservative phase

2 2 Dror [8] Kawale [9] 3. T t t 1 t t i a i,t T A i = (a i,1, a i,2,..., a i,t,..., a i,t ) i X i X i = (x i,2, x i,3,..., x i,t,..., x i,t ) x i,t = a i,t a i,t 1 x i,t i(1 < = i < = I) t(2 < = t < = T ) X i Dynamic Time Warping(DTW) [10] DTW 2 i X i j X j DTW dtw(x i, X j ) ij k-medoids k-medoids k-means medoid medoid k-medoids k-means k-medoids K k-medoids 1 K medoid 2 medoid 3 medoid 4 medoid (2) , () Long Short [11] Twitter Search API 1 ja , , Long 500 Short Long Short k-medoids http://search.twitter.com/search.json 2 2,000km

3 1 3 SSE (Short) 3 (Long) SSE (Long) (1) Sum of Squared Error(SSE) 4 62 (Long) post reply rt url hash K SSE K = dist(x i, µ k ) 2 (1) k=1 X i C k K C k k µ k k medoid X i X j dist(x i, X j ) SSE Long Short SSE k 2 3, SSE k 10 SSE K k-medoids 1, Long 5 Short Long 3. Long RT Twitter post replyrtrt URLurlhash Short 3. Short 3

図4 クラスタ 1 の代表ユーザの特徴ベクトル (Long) 図8 クラスタ 5 の代表ユーザの特徴ベクトル (Long) 表 5 各クラスタのユーザ数 (Short) クラスタユーザ数 1 412 2 72 3 16 表 6 各クラスタの 62 週間の平均値 (Short) クラスタ図5 クラスタ 2 の代表ユーザの特徴ベクトル (Long) 図6 クラスタ 3 の代表ユーザの特徴ベクトル

001 図 9 クラスタ 1 の代表ユーザの特徴ベクトル (Short) のクラスタに所属するユーザの平均値を表 6 に示すいずれのクラスタにおいてもグループ Long に比べて小さい値となったそれぞれのクラスタを代表するユーザを Long の場合と同様の手順で抽出しその特徴ベクトルを図 9 から図 11 に示すクラスタ 1 とクラスタ 2 は変位特徴量の大きさは異なるが

4 図4 クラスタ 1 の代表ユーザの特徴ベクトル (Long) 図8 クラスタ 5 の代表ユーザの特徴ベクトル (Long) 表 5 各クラスタのユーザ数 (Short) クラスタユーザ数表 6 各クラスタの 62 週間の平均値 (Short) クラスタ図5 クラスタ 2 の代表ユーザの特徴ベクトル (Long) 図6 クラスタ 3 の代表ユーザの特徴ベクトル (Long) post reply rt url hash 図 9 クラスタ 1 の代表ユーザの特徴ベクトル (Short) のクラスタに所属するユーザの平均値を表 6 に示すいずれのクラスタにおいてもグループ Long に比べて小さい値となったそれぞれのクラスタを代表するユーザを Long の場合と同様の手順で抽出しその特徴ベクトルを図 9 から図 11 に示すクラスタ 1 とクラスタ 2 は変位特徴量の大きさは異なるがグラフの形状は類似しているクラスタ 1 とクラスタ 2 は 2 週目に大きく投稿数が変化減少しそれ以降は投稿数の変化図7 クラスタ 4 の代表ユーザの特徴ベクトル (Long) が見られないクラスタ 3 では利用開始直後に投稿数が変動した後 7 週目以降は安定する結果となった数を表 5 に示すなおクラスタ番号は Long と同様に所属するユーザ数の降順に付与したクラスタ 1 に所属するユーザ数 5. 考察は最大の 412 ユーザでありクラスタ 3 に所属するユーザ数はグループ Long の分析結果から図 5 に示すクラスタ 2 は投最小の 16 であった Long とは異なり Short ではユーザの約稿数の変動が大きい期間の後に小さい期間が存在するクラスタ 80%がクラスタ 1 に所属する結果となった図 6 に示すクラスタ 3 は変動が小さい期間の後に変動が大きいクラスタに所属するユーザの各週のツイート数 post に対期間が存在するクラスタ図 8 に示すクラスタ 5 は一定の変動するリプライ reply RT rt および URL url ハッが全期間を通して存在するクラスタであるそこで長期間利シュタグ hash を含むツイートの比率を算出したそれぞれ用を継続する要因を明らかにするためにグループ Long にお

5 7 (Long) post reply post rt post url post hash (Short) 12 2 (Long) 11 3 (Short) RT URL Long Short Twitter (Long) 14 5 (Long)

6 6. Twitter 2 DTW k-medoids , [10] Hiroaki Sakoe. Dynamic programming algorithm optimization for spoken word recognition. IEEE Transactions on Acoustics, Speech, and Signal Processing, Vol. 26, pp , [11],,,,,.. 5, pp. 1 10, JSPS [1] TechCruch. Twitter twitter-passed-500m-users-in-june m-of-them-in-usjakarta-biggest-tweeting-city/ [2] Haewoon Kwak, Changhyun Lee, Hosung Park, and Sue Moon. What is twitter, a social network or a news media? Proceedings of the 19th international conference on World wide web (WWW 10), pp , [3],,.. 4 DEIM Forum 2012, D8-5, [4] Rumi Ghosh, Tawan Surachawala, and Kristina Lerman. Entropy-based classification of retweeting activity on twitter. Proceedings of KDD workshop on Social Network Analysis (SNA-KDD 2011), pp , [5] Dan Chalmers, Simon Fleming, Ian Wakeman, and Des Watson. Rhythms in twitter. Proceedings of 1st International Workshop on Social Object Networks (SocialObjects 2011), pp , [6] Jiang Yang and Scott Counts. Comparing information diffusion structure in weblogs and microblogs. Proceedings of the Fourth International Conference on Weblogs and Social Media, (ICWSM-10), pp , [7] Cristian Danescu-Niculescu-Mizil, Robert West, Dan Jurafsky, Jure Leskovec, and Christopher Potts. No country for old members: user lifecycle and linguistic change in online communities. Proceedings of the 22nd international conference on World Wide Web (WWW 13), pp , [8] Gideon Dror, Dan Pelleg, Oleg Rokhlenko, and Idan Szpektor. Churn prediction in new users of yahoo! answers. Proceedings of the 21st international conference companion on World Wide Web (WWW 12), pp , [9] Jaya Kawale, Aditya Pal, and Jaideep Srivastava. Churn prediction in mmorpgs: A social influence based approach. Proceedings of the 2009 International Conference on Computational Science and Engineering (ICCSE 2009), pp.

1 (n = 52, 386) DL (n = 52, 386) DL DL [4] Dynamic Time Warping(DTW ) [5] Altmetrics Gunther [

1 (n = 52, 386) DL (n = 52, 386) DL DL [4] Dynamic Time Warping(DTW ) [5] Altmetrics Gunther [ DEIM Forum 2014 C5-6 191 0065 6 6 191 0065 6 6 432 8011 3 5 1 E-mail: {sugiyama-iori@ed., ishikawa-hiroshi@}tmu.ac.jp, endo-masaki@ed.tmu.ac.jp, yokoyama@inf.shizuoka.ac.jp (bibliometrics) h-index Dynamic