| Project/Area Number |
23K24950
|
|---|
| Project/Area Number (Other) |
22H03695 (2022-2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2022-2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 62020:Web informatics and service informatics-related
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
小林 亮太 東京大学, 大学院新領域創成科学研究科, 准教授 (70549237)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
宇野 毅明 国立情報学研究所, 情報学プリンシプル研究系, 教授 (00302977)
小山 慎介 統計数理研究所, 学際統計数理研究系, 准教授 (20589999)
橋本 隆子 千葉商科大学, 商経学部, 教授 (80551697)
|
|---|
| Project Period (FY) |
2024-04-01 – 2027-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥17,160,000 (Direct Cost: ¥13,200,000、Indirect Cost: ¥3,960,000)
Fiscal Year 2026: ¥2,470,000 (Direct Cost: ¥1,900,000、Indirect Cost: ¥570,000)
Fiscal Year 2025: ¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
Fiscal Year 2024: ¥4,420,000 (Direct Cost: ¥3,400,000、Indirect Cost: ¥1,020,000)
Fiscal Year 2023: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
Fiscal Year 2022: ¥3,770,000 (Direct Cost: ¥2,900,000、Indirect Cost: ¥870,000)
|
|---|
| Keywords | ソーシャルメディア分析 / トピックモデル / 大規模言語モデル / 時系列モデル / 複雑ネットワーク / トピック分析 / ネットワーク分析 / データサイエンス / 機械学習 |
|---|
| Outline of Research at the Start |
本研究課題では、ソーシャルメディアデータから話題群の時系列変化を自動抽出し、その変化の要因を推定する技術を開発する。具体的には、応募者が研究を進めてきた時系列モデルとグラフマイニングを融合させたグラフ時系列モデルを開発するアプローチや近年発展の著しい大規模言語モデルを用いたアプローチなどにより、着目すべき話題を発見し、その話題についてのトレンドを分析する方法論を開発する。
|
| Outline of Annual Research Achievements |
2024年度には、大規模言語モデル (SBERT) を用いて、ソーシャルメディア上での多数の投稿データ (ツイート、ポストなど) から話題を抽出する手法開発を進めた。4種類のデータセット (20News, AgNews, Reddit, TweetTopic) を用いて、人間が読解することによって得られた話題と提案手法が抽出した話題の類似度を評 価することにより、提案手法の話題抽出の性能を定量的に評価した。そして、提案手法の性能を、6つの既存技術 (LDA, BTM, ProdLDA, ETM, CTM, BERTopic) と比較した。提案手法が抽出した話題は、これら既存技術より、人間が読解することで得られた話題に類似していた。特に、最も代表的な既存技術であるLDA (Blei et al. 2003) は 20Newsデータセット (オンラインニュースのデータセット) では比較的良い性能を示したが、個々の文書が短い(10ワード程度以下)の場合や、 ソーシャルメディア (Twitter, Reddit) の投稿データの場合、性能は大幅に悪化した。また、BERTopic (Grootendorst, 2022) は、BERTに基づく話題抽出手法の1つで あり、ソーシャルメディアデータや短いテキストデータに対して、LDAよりも人間が得るものに近い話題を抽出できることが確認された。しかし、提案手法は BERTopicの約2倍の性能を達成した。以上の結果は、提案手法が話題検出の性能を、既存の手法に比べ、飛躍的に向上させたことを示している。この成果を、言語 処理学会第31回年次大会において発表した。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
当初計画したように、ソーシャルメディアデータから話題を抽出する手法開発を進めることができた。既存手法と比較実験を行うために想定以上に時間がかかっ てしまったため、やや遅れてしまった。しかし、網羅的な比較実験を行うことにより、提案手法の有効性を検証できた。
|
| Strategy for Future Research Activity |
まず、話題を抽出する手法開発についての研究を進め、得られた研究成果を論文にまとめる。次に、時系列モデルと話題を抽出する手法を融合させるアルゴリズ ムの開発に取り組む。そして、開発したアルゴリズムをTwitterなどのソーシャルメディアデータに適用することにより、開発技術の有効性を実証する。
|
