研究テーマ考案ブログ記事を知識源とした雑談メ …...手法の全体図（1）あるユーザの発信したツイート群をトピック毎に分類 Baseball

閲覧期間を考慮したTwitter上の見落とし情報抽出手法

◎大原啓詳(甲南大学）

鈴木優（奈良先端科学技術大学院大学）

灘本明代（甲南大学）

背景

興味のある事柄について詳しいユーザ

Follow

共通の趣味

有益な情報の見落としが発生

Tweet

Twitterにおけるユーザ同士の繋がり

一方…

多くのユーザをフォロー⇒多くの情報が得られる

タイムラインを常時確認することは困難

タイムライン上に莫大な量の多様な情報が混在

背景

閲覧していない期間の情報を全て確認

フォロー数の多い閲覧者には負担が大きい

見落した期間に投稿された情報について閲覧者が容易に取得できる仕組みが必要

閲覧期間の時間情報ツイートの話題構造

見落とした期間中の情報を閲覧者が理解しやすい形で提示

閲覧期間の時間情報

Follow

Timeline 見落とした期間

TLを確認する時間が取れなくなる

Baseball

閲覧者情報発信者

Baseball

Soccer

t

Research

閲覧者が見落とした情報の中に見落とした期間特有の話題

ツイートの話題構造

TLを確認する時間が取れなくなる

Follow

Baseball

閲覧者情報発信者

Timeline 見落とした期間

BaseballGiants

WBC

t

共通の上位概念を持つ話題でも見落とし期間特有の内容を含む

目的

抽出

閲覧者が閲覧していない期間にのみフォローしているユーザから

発信された情報

見落とし情報

閲覧期間における話題との関係を考慮し提示

有益な情報の発見が容易に

目的

未知の話題に関する情報

既知の話題に関する情報

上位概念は同じであるが、サブトピックが見落とし期間特有⇒閲覧者の興味のある情報と考え詳細な部分での情報を提示

見落とし期間特有の話題⇒閲覧者にとって重要な情報であるかわからないため、概要を表示

見落とした期間

Baseball

Soccer


Baseball(Giants)

Baseball(WBC)

手法の全体図（１）あるユーザの発信したツイート群をトピック毎に分類

Baseball SoccerResearch

（２）閲覧者の見落とした期間の時間情報により話題を未知の話題と既知の話題に分類

未知の話題Soccer

既知の話題Research Baseball

（3）未知の話題は全体を未知の概要を提示既知の話題は見落とし期間特有の情報のみを提示


既知の話題

WBC

Baseballに関する見落とし情報

World Series

ツイートの話題ごとのクラスタリング

各ツイートの特徴語

固有名詞一般名詞・未知語

Repeated bisection法によりクラスタリング

いずれのクラスタに対しても所属度の低いツイートを削除

得られたクラスタをツイートの話題ごとのクラスタとする

閲覧期間に基づく話題の分類（１）あるユーザの発信したツイート群をトピック毎に分

類Baseball SoccerResearch






既知の話題

WBC


World Series

閲覧期間に基づく話題の分類

𝑆𝐶𝑖 =|𝐶𝑖 ∩ 𝐶𝑢|

|𝐶𝑖|

各話題クラスタについての見落とし率𝑆𝐶𝑖を以下の式で算出

𝐶𝑖：あるクラスタに属するツイートすべての集合𝐶𝑢：閲覧者の見落とし期間に存在する

ツイートすべての集合

𝑆𝐶𝑖が閾値α以上となったクラスタを見落した話題に関するクラスタとする

閲覧期間に基づく話題の分類


見落とし期間に存在するツイート𝐶𝑢

見落としたツイート







Soccer

Baseball

閲覧したツイート












既知の話題

未知の話題

話題へ話題構造の付与

(1)あるユーザの発信したツイート群をトピック毎に分類Baseball SoccerResearch






既知の話題

WBC


World Series

話題への話題構造の付与

トピック間の概念構造に着目

クラスタリング結果として得られた各トピックは非常に詳細なトピックに関する

ツイートの集合

Giants Ichiro Honda Kagawa Tigers

Baseball

Team

Giants

Player

Ichiro

Tigers

Soccer

Player

Kagawa

Honda


Baseball

Team

Giants

Player

Ichiro

Tigers

Soccer

Player

Kagawa

Honda

未知の情報については投稿があったことを通知既知の情報については見落とした部分についてのみ

ツイートの表示を行う


概念構造：Wikipediaのカテゴリ構造の利用クラスタに付与された特徴語をタイトルとする記事を検索

⇒記事のカテゴリをクラスタのカテゴリとする

問題点・クラスタリング結果について付与された特徴語と同じタイトルを持つ記事が存在しない場合がある（略称・新語・記事ではなく小見出しに記載）

・明確に指し示す記事が分からない特徴語がある例：本田⇒地名・人名・会社名など具体的な内容が分からない


各クラスタの特徴語のうち特徴量の高い上位2語

特徴語Ａ

Wikipediaの記事データに対して特徴語Ａと特徴語ＢのＡＮＤ検索

検索結果の記事に付与されているカテゴリをクラスタの上位概念として付与

特徴語Ｂ

実験

・クラスタリング部分

・閲覧期間に基づく話題の分類

クラスタリング部分に関する実験

実験条件・データセット

5アカウントについて各1000ツイートを取得し重複ツイートを削除したデータ

・クラスタリングツール：Bayon

・クラスタ数：分割ポイントにより指定

・分割ポイント：1.0


実験条件

・中心ベクトルとツイートの特徴ベクトルのcos類似度が0.5以下のものは削除

・クラスタ中のツイート数が1件のみのものは削除

・クラスタ中のツイートが適切に分類されたかを評価し適合率を算出

クラスタリング部分に関する実験実験結果

アカウントツイート数クラスタ数最大クラスタ中のツイート数

適合率

A 325 97 14 0.708

B 252 47 23 0.912

C 641 188 8 0.761

D 487 124 14 0.891

E 469 121 12 0.938

・いずれのユーザについても比較的高い適合率が得られた

・クラスタの大きさはいずれのユーザについても比較的小さい


・ツイートの最小単位のトピックへの分類は提案した特徴語を用いたクラスタリングにより実現できる．

・いずれのユーザについても似通った内容のクラスタが複数存在している

例：「マートン」「大和」「西岡」といった同球団の選手についてのクラスタやその上位概念の「タイガース」クラスタが別のクラスタとして存在

閲覧期間に基づく話題の分類に関する実験

実験条件・クラスタリング部分の実験結果を利用

・見落とし期間は各ユーザの1000ツイートを取得した期間の3分の1の期間

・未知のクラスタを判断するための閾値α＝0.7

・未知の話題と分類されたクラスタ中のツイートが既知の話題と重複する話題ではないかの評価

実験結果

・クラスタリング時には高い適合率が得られたユーザＥについて，適合率が低下⇒類似したクラスタが多数存在していた

アカウント未知の話題と判断されたクラスタ数

ツイート数適合率

A 4 13 0.769

B 18 64 0.672

C 18 56 0.786

D 20 63 0.762

E 24 77 0.52



・類似クラスタの存在⇒クラスタの上位概念を考慮することで同一のクラスタとして扱うことが可能と考えられる

⇒話題の構造についての分析話題構造の付与が必要

まとめと今後の課題

まとめ・閲覧期間と話題の構造に基づく見落とし情報の抽出手法について提案

具体的には…

・ツイートの話題ごとの分類手法の提案・閲覧期間に基づく話題の分類手法の提案・各話題への階層構造の付与手法の提案

今後の課題・話題への階層構造付与話題の階層構造の明確化

・粒度を意識した提示情報の最適化

Documents

研究テーマ考案 ブログ記事を知識源とした 雑談メ …...手法の全体図 （1）あるユーザの発信したツイート群をトピック毎に分類 Baseball

研究テーマ考案ブログ記事を知識源とした雑談メ …...手法の全体図（1）あるユーザの発信したツイート群をトピック毎に分類 Baseball