Upload
utsurolab
View
750
Download
1
Embed Size (px)
Citation preview
11
時系列トピックに対するバーストモデルの適用手法
初心者向け研究紹介スライド
筑波大学 システム情報工学系 知能機能工学域自然言語処理研究室 (宇津呂研究室)
2
背景
さて,突然ですが...
33
背景
私達が,一週間分のニュースのデータを見て,
「この週はどんな週だったか?」というのを示すためにはどうしたら良いでしょう?
一週間の記事数は,一日平均400記事×7日
なので 2800記事 もあります※ 日経,朝日,読売の3社に限っても一日平均400の記事が配信されています
あなたは,これら全てを読みたいですか??
ただし
4
背景
たいていの人は,2800記事も読みたくないと思います・・・
「バースト」という概念を導入しましょうすると,読むべき記事を絞ることができます
そこで・・・
・・・・・・
55
バーストについて
ここで,「バースト」について簡単に説明します
「バースト」とは,ある時からある話題についての記事(関連記事)が急激に増加する現象を指します
66
バーストについて
たとえば,時刻t3に「東日本大震災」が発生したとしましょう
関連記事数
時間
:関連記事(例:キーワード「地震」を含んだ記事)
:記事
このように,あるキーワードの関連記事数が他期間よりも急激に増加しているとき,
期間 t3~ t4 でキーワード「地震」がバーストしている と言います
一日ごとの記事集合
t1 t2 t3 t4 t5
【例】東日本
大震災が発生
すると,その時を境にして,「地震」というキーワードを含んだ記事(関連記事)が急激に増加するはずです
バースト
77
バーストについて
関連記事数
時間
:関連記事(例:キーワード「地震」を含んだ記事)
:記事
一日ごとの記事集合
t1 t2 t3 t4 t5
【例】東日本
大震災が発生
この例からも分かるように,現実世界での特徴的な出来事や話題があったとき,それに関連したキーワードがバーストすることが多いです
バースト
8
背景
バーストしているキーワードを発見出来れば,「どんな記事を読めば良いか」の指標にできるはずです
そして,さらに嬉しいことに,Kleinbergのバースト解析 [Kleinberg02] を用いれば
「どんな時期に,どれくらいの期間,どんなキーワードがバーストしているか?」を自動的に求められることが知られています
よって・・・
9
キーワードのバースト解析結果2010年3月1日~3月7日(一週間)
では,早速2010年3月1日~3月7日の一週間で,
キーワードのバースト解析を行った結果を見てみましょう
10
0
0.01
0.02
0.03
0.04
0.05
0.06
2010/3/1 2010/3/2 2010/3/3 2010/3/4 2010/3/5 2010/3/6 2010/3/7
くない
はたち
アイリス
アパート
イスラム教
ウル
オイル
カフェ
キャンプ場
クロマグロ
コミック
サンティアゴ国際空港
シリコンウエハー
スカイライン
スパイ
ソルトレーク
チェンジアップ
デジタル一眼レフカメラ
ドォーモ
ノミ
バラン
パレスチナ自治政府
フィリップ
ブレザー
ベアリング
ポー
ミカ
モーグル
ラッパ
リンク
ロシア
安全装置
遺作
右腕
益子修
岡崎
加奈子
貨物車
海水浴
格安航空会社
葛藤
監査役
キーワードのバースト解析結果2010年3月1日~3月7日(一週間)
バースト状態
その日におけるキーワードの出現確率
※線グラフは「バーストの有無」,棒グラフは「出現確率」を表す
非バースト状態
色々なキーワードのバースト系列が重なってしまっているので,パターンごとに何キーワードあるかを見ていきます.
11
0
0.01
0.02
0.03
0.04
0.05
0.06
2010/3/1 2010/3/2 2010/3/3 2010/3/4 2010/3/5 2010/3/6 2010/3/7
くない
はたち
アイリス
アパート
イスラム教
ウル
オイル
カフェ
キャンプ場
クロマグロ
コミック
サンティアゴ国際空港
シリコンウエハー
スカイライン
スパイ
ソルトレーク
チェンジアップ
デジタル一眼レフカメラ
ドォーモ
ノミ
バラン
パレスチナ自治政府
フィリップ
ブレザー
ベアリング
ポー
ミカ
モーグル
ラッパ
リンク
ロシア
安全装置
遺作
右腕
益子修
岡崎
加奈子
貨物車
海水浴
格安航空会社
葛藤
監査役
キーワードのバースト解析結果2010年3月1日~3月7日(一週間)
バースト状態
その日におけるキーワードの出現確率
※線グラフは「バーストの有無」,棒グラフは「出現確率」を表す
1391 キーワード
335 キーワード
非バースト状態
12
0
0.01
0.02
0.03
0.04
0.05
0.06
2010/3/1 2010/3/2 2010/3/3 2010/3/4 2010/3/5 2010/3/6 2010/3/7
くない
はたち
アイリス
アパート
イスラム教
ウル
オイル
カフェ
キャンプ場
クロマグロ
コミック
サンティアゴ国際空港
シリコンウエハー
スカイライン
スパイ
ソルトレーク
チェンジアップ
デジタル一眼レフカメラ
ドォーモ
ノミ
バラン
パレスチナ自治政府
フィリップ
ブレザー
ベアリング
ポー
ミカ
モーグル
ラッパ
リンク
ロシア
安全装置
遺作
右腕
益子修
岡崎
加奈子
貨物車
海水浴
格安航空会社
葛藤
監査役
キーワードのバースト解析結果2010年3月1日~3月7日(一週間)
バースト状態
その日におけるキーワードの出現確率
※線グラフは「バーストの有無」,棒グラフは「出現確率」を表す
1391 キーワード
335 キーワード
329 キーワード267 キーワード
非バースト状態
13
0
0.01
0.02
0.03
0.04
0.05
0.06
2010/3/1 2010/3/2 2010/3/3 2010/3/4 2010/3/5 2010/3/6 2010/3/7
くない
はたち
アイリス
アパート
イスラム教
ウル
オイル
カフェ
キャンプ場
クロマグロ
コミック
サンティアゴ国際空港
シリコンウエハー
スカイライン
スパイ
ソルトレーク
チェンジアップ
デジタル一眼レフカメラ
ドォーモ
ノミ
バラン
パレスチナ自治政府
フィリップ
ブレザー
ベアリング
ポー
ミカ
モーグル
ラッパ
リンク
ロシア
安全装置
遺作
右腕
益子修
岡崎
加奈子
貨物車
海水浴
格安航空会社
葛藤
監査役
キーワードのバースト解析結果2010年3月1日~3月7日(一週間)
バースト状態
その日におけるキーワードの出現確率
※線グラフは「バーストの有無」,棒グラフは「出現確率」を表す
1391 キーワード
335 キーワード
329 キーワード267 キーワード
216 キーワード 230 キーワード
215 キーワード非バースト状態
14
0
0.01
0.02
0.03
0.04
0.05
0.06
2010/3/1 2010/3/2 2010/3/3 2010/3/4 2010/3/5 2010/3/6 2010/3/7
くない
はたち
アイリス
アパート
イスラム教
ウル
オイル
カフェ
キャンプ場
クロマグロ
コミック
サンティアゴ国際空港
シリコンウエハー
スカイライン
スパイ
ソルトレーク
チェンジアップ
デジタル一眼レフカメラ
ドォーモ
ノミ
バラン
パレスチナ自治政府
フィリップ
ブレザー
ベアリング
ポー
ミカ
モーグル
ラッパ
リンク
ロシア
安全装置
遺作
右腕
益子修
岡崎
加奈子
貨物車
海水浴
格安航空会社
葛藤
監査役
キーワードのバースト解析結果2010年3月1日~3月7日(一週間)
バースト状態
その日におけるキーワードの出現確率
※線グラフは「バーストの有無」,棒グラフは「出現確率」を表す
1391 キーワード
335 キーワード
329 キーワード267 キーワード
216 キーワード 230 キーワード
215 キーワード
220キーワード
非バースト状態
正直,色々あって見きれませんね?それもそのはずです・・・・・・
15
0
0.01
0.02
0.03
0.04
0.05
0.06
2010/3/1 2010/3/2 2010/3/3 2010/3/4 2010/3/5 2010/3/6 2010/3/7
くない
はたち
アイリス
アパート
イスラム教
ウル
オイル
カフェ
キャンプ場
クロマグロ
コミック
サンティアゴ国際空港
シリコンウエハー
スカイライン
スパイ
ソルトレーク
チェンジアップ
デジタル一眼レフカメラ
ドォーモ
ノミ
バラン
パレスチナ自治政府
フィリップ
ブレザー
ベアリング
ポー
ミカ
モーグル
ラッパ
リンク
ロシア
安全装置
遺作
右腕
益子修
岡崎
加奈子
貨物車
海水浴
格安航空会社
葛藤
監査役
キーワードのバースト解析結果2010年3月1日~3月7日(一週間)
バースト状態
その日におけるキーワードの出現確率
※線グラフは「バーストの有無」,棒グラフは「出現確率」を表す
1391 キーワード
335 キーワード
329 キーワード267 キーワード
216 キーワード 230 キーワード
215 キーワード
220キーワードこの期間,バーストしているキーワードの数
4,700 キーワード(※全130,000 キーワード中)
非バースト状態
16
キーワードのバースト解析結果2010年3月1日~3月7日(一週間)
これでは結局,どんなキーワードに注目していいかわかりませんね・・・
17
背景
・・・このことからわかるように,実は,キーワードという情報の粒度は非常に細かいのです
「トピックモデル」 を用いることで,
バースト解析に「トピック」 という概念を導入します
→これによって情報の粒度を任意に変更できるようになります
そこで本研究では・・・
18
トピックのバースト
2010年3月1日~3月7日(一週間)
0
0.05
0.1
0.15
0.2
0.25
2010/3/1 2010/3/2 2010/3/3 2010/3/4 2010/3/5 2010/3/6 2010/3/7
経済
社会
海外の政治
小沢一郎違法献金疑惑
学校,コラム
経済
企業の業績
企業
交通
裁判
トヨタリコール事件
スポーツ,製品情報
バンクーバー五輪
普天間問題
芸能
刑事事件
地域
国内の政治
社会
医療
自然現象
地方の行政
海外の政治
小沢一郎違法献金疑惑
学校,コラム
企業の業績
企業
交通
裁判
トヨタリコール事件
スポーツ,製品情報
バンクーバー五輪
普天間問題
芸能
刑事事件
地域
国内の政治
医療
自然現象
地方の行政
この期間,バーストしているトピックの数
7 トピック※ 全トピック数は20として実験
バースト状態
19
トピックのバースト
2010年3月1日~3月7日(一週間)
0
0.05
0.1
0.15
0.2
0.25
2010/3/1 2010/3/2 2010/3/3 2010/3/4 2010/3/5 2010/3/6 2010/3/7
経済
社会
海外の政治
小沢一郎違法献金疑惑
学校,コラム
経済
企業の業績
企業
交通
裁判
トヨタリコール事件
スポーツ,製品情報
バンクーバー五輪
普天間問題
芸能
刑事事件
地域
国内の政治
社会
医療
自然現象
地方の行政
海外の政治
小沢一郎違法献金疑惑
学校,コラム
企業の業績
企業
交通
裁判
トヨタリコール事件
スポーツ,製品情報
バンクーバー五輪
普天間問題
芸能
刑事事件
地域
国内の政治
医療
自然現象
地方の行政
この期間,バーストしているトピックの数
7 トピック※ 全トピック数は20として実験
バースト状態
4800 キーワード
トピックのバースト解析結果は,右下の,キーワードのバースト解析結果と比較しても
だいぶスッキリしたことがわかります.
20
トピックのバースト
2010年3月1日~3月7日(一週間)
0
0.05
0.1
0.15
0.2
0.25
2010/3/1 2010/3/2 2010/3/3 2010/3/4 2010/3/5 2010/3/6 2010/3/7
経済
社会
海外の政治
小沢一郎違法献金疑惑
学校,コラム
経済
企業の業績
企業
交通
裁判
トヨタリコール事件
スポーツ,製品情報
バンクーバー五輪
普天間問題
芸能
刑事事件
地域
国内の政治
社会
医療
自然現象
地方の行政
海外の政治
小沢一郎違法献金疑惑
学校,コラム
企業の業績
企業
交通
裁判
トヨタリコール事件
スポーツ,製品情報
バンクーバー五輪
普天間問題
芸能
刑事事件
地域
国内の政治
医療
自然現象
地方の行政
この期間,バーストしているトピックの数
7 トピック※ 全トピック数は20として実験
バースト状態
では,どんなトピックがバーストしているか,実際に見てみましょう.
21
トピックのバースト
2010年3月1日~3月7日(一週間)
0
0.05
0.1
0.15
0.2
0.25
2010/3/1 2010/3/2 2010/3/3 2010/3/4 2010/3/5 2010/3/6 2010/3/7
~3月1日「トピック:自然現象」
がバースト→チリ地震によるもの
1
バースト状態
22
トピックのバースト
2010年3月1日~3月7日(一週間)
0
0.05
0.1
0.15
0.2
0.25
2010/3/1 2010/3/2 2010/3/3 2010/3/4 2010/3/5 2010/3/6 2010/3/7
2010年3月2日~3日「トピック:トヨタリコール事件」
がバースト→米国で公聴会が開かれた
2バースト状態
23
トピックのバースト
2010年3月1日~3月7日(一週間)
0
0.05
0.1
0.15
0.2
0.25
2010/3/1 2010/3/2 2010/3/3 2010/3/4 2010/3/5 2010/3/6 2010/3/7
2010年3月5日~
「トピック:普天間問題」がバースト
→ 官房長官と駐日米大使が
対談。県内移設が濃厚に。
3バースト状態
24
トピックのバースト
2010年3月1日~3月7日(一週間)
0
0.05
0.1
0.15
0.2
0.25
2010/3/1 2010/3/2 2010/3/3 2010/3/4 2010/3/5 2010/3/6 2010/3/7
3月6日~7日「トピック:学校,コラム」
「トピック:スポーツ,製品情報」がバースト
→ 雑多な話題を含むトピックなので
偶然バーストしてしまったもの
~3月1日「トピック:バンクーバー五輪」
がバースト→閉会式が行われた
2010年3月7日~
「トピック:海外の政治」がバースト
→ 中国の全国人民代表大会、
イスラエルとパレスチナの和平交渉の成立など
45
67
バースト状態
25
トピックのバースト
2010年3月1日~3月7日(一週間)
0
0.05
0.1
0.15
0.2
0.25
2010/3/1 2010/3/2 2010/3/3 2010/3/4 2010/3/5 2010/3/6 2010/3/7
経済
社会
海外の政治
小沢一郎違法献金疑惑
学校,コラム
経済
企業の業績
企業
交通
裁判
トヨタリコール事件
スポーツ,製品情報
バンクーバー五輪
普天間問題
芸能
刑事事件
地域
国内の政治
社会
医療
自然現象
地方の行政
海外の政治
小沢一郎違法献金疑惑
学校,コラム
企業の業績
企業
交通
裁判
トヨタリコール事件
スポーツ,製品情報
バンクーバー五輪
普天間問題
芸能
刑事事件
地域
国内の政治
医療
自然現象
地方の行政
この期間,バーストしているトピックの数
7 トピック※ 全トピック数は20として実験
バースト状態
これなら簡単に,一週間の出来事を知ることができそうではないでしょうか.
26
おわり
以上で,説明を終わりにします
ありがとうございました