スライド中の図は論⽂から引⽤

Kiran Garimella, Aalto University

Gianmarco De Francisci Morales, Aalto University

Aristides Gionis, Aalto University

Michael Mathioudakis, HIIT

2何をした論⽂︖

- ︓激しい論争が起きている- ︓論争がほとんど起きていない

3先⾏研究との違いは︖

4⼿法の流れ

ユーザをノードとして２回以上Retweetし合っているユーザ間にエッジを作成

Twitterのハッシュタグを使⽤（e.g. #indiana）

論争における⽴場の違いが表現されるようにノードを２種類に分割

グラフ上のランダムウォークを利⽤して#indianaの論争度＝0.82と算出

5⼿法の流れ

ユーザをノードとして２回以上Retweetし合っているユーザ間にエッジを作成

Twitterのハッシュタグを使⽤（e.g. #indiana）

論争における⽴場の違いが表現されるようにノードを２種類に分割

グラフ上のランダムウォークを利⽤して#indianaの論争度＝0.82と算出

6グラフの構築

- #indiana︓116,379ツイート、2,467ユーザ

- #indiana︓3,143エッジ

7⼿法の流れ

ユーザをノードとして２回以上Retweetし合っているユーザ間にエッジを作成

Twitterのハッシュタグを使⽤（e.g. #indiana）

論争における⽴場の違いが表現されるようにノードを２種類に分割

グラフ上のランダムウォークを利⽤して#indianaの論争度＝0.82と算出

8グラフの分割

METIS

Controversial query#russia_march

Non-controversial query#germanwings

Controversial

9⼿法の流れ

ユーザをノードとして２回以上Retweetし合っているユーザ間にエッジを作成

Twitterのハッシュタグを使⽤（e.g. #indiana）

論争における⽴場の違いが表現されるようにノードを２種類に分割

グラフ上のランダムウォークを利⽤して#indianaの論争度＝0.82と算出

10論争度の計算｜基本的な考え方

‥

Controvercialなトピックでは赤 → 赤⻘ → ⻘

赤 → ⻘⻘ → 赤

の遷移確率は高い

の遷移確率は低い

Non-controvercialなトピックでは

赤 → ⻘⻘ → 赤

の遷移確率はほぼ同じ赤 → 赤⻘ → ⻘

11論争度の計算｜もう少し具体的な説明

Controvercialなトピックでは

Non-controvercialなトピックでは

k

赤赤 ⻘⻘ 赤⻘ ⻘赤

赤赤 ⻘⻘ 赤⻘ ⻘赤

12評価実験｜データセット

Controversial#beefban, #nemtsov, #netanyahuspeech,

#russia_march, #indiasdaughter, #baltimoreriots, #indiana, #ukraine, #gunsense, #leadersdebate

Non-controversial#sxsw, #1dfamheretostay, #germanwings,

#mothersday, #nepal, #ultalive, #FF,#jurassicworld, #wcw, #nationalkissingday

13評価実験｜結果１

#indiana

#ukraine

#ultalive

#sxsw

Controversial 0.5

Non-controversial 0.5

14評価実験｜結果２

ノード間のパス⻑を利⽤した⼿法（EC）や隣接するノードが属するグループの種類を利⽤した⼿法（GMCK）よりもランダムウォークを利⽤した⼿法が高い精度

15評価実験｜結果３

� 56

� Hugo Chavez

Hugo Chavez⼤統領死亡

16まとめ

ユーザをノードとして２回以上Retweetし合っているユーザ間にエッジを作成

Twitterのハッシュタグを使⽤（e.g. #indiana）

論争における⽴場の違いが表現されるようにノードを２種類に分割

グラフ上のランダムウォークを利⽤して#indianaの論争度＝0.82と算出

� 20個のクエリを⽤いて論争度の計算精度を定量的に評価� 特定トピックの⽇々の論争度の変化を定性的に評価

評価実験