2022 Fiscal Year Annual Research Report
Topic Transition Analysis from Millions of Tweets After Severe Disasters
Project/Area Number |
18K11443
|
Research Institution | Chiba University of Commerce |
Principal Investigator |
橋本 隆子 千葉商科大学, 商経学部, 教授 (80551697)
|
Co-Investigator(Kenkyū-buntansha) |
岡本 洋 東京大学, 大学院工学系研究科(工学部), 特任研究員 (00374067)
久保山 哲二 学習院大学, 付置研究所, 教授 (80302660)
|
Project Period (FY) |
2018-04-01 – 2023-03-31
|
Keywords | ソーシャルメディア解析 / データマイニング / ビッグデータ解析 / 多様性 / 時系列話題解析 / マイクロクラスタリング |
Outline of Annual Research Achievements |
1. 全量Twitterデータの分析 2022年度は、SNSにおける人々の反応を分析するために、これまでのマイクロクラスタリングをベースとした手法に加えて、一般的なクラスタリング手法 LDAを用いて、コロナワクチンに関する全量Twitterデータ(2021年1月から10月までにTwitter で投稿された「ワクチン」を含む1億件以上)の分析を行った。その結果として、2021 年 6 月から開始された職域接種を境に、人々の関心が社会的トピックから個人的事柄へと推移したこと、Twitterによる個人的体験の共有がワクチン接種への安心感を醸成した可能性を示すことができた。この結果をベースに、マイクロクラスタリングをベースとした分析に反映させていく予定である。この成果は、Medical Informatics のジャーナル論文に採択され、また、複数のメディアにも取り上げられ、大きく注目された研究となった。
2. Two-stage クラスタリング手法の効果測定 2021年度に提案した、マイクロクラスタリングと時系列クラスタリングを組み合わせた Two-Stage Clustering 手法に関して、コロナワクチンに加えて、オリンピック、選挙といった時事問題に関する全量Twitterデータを対象とした実験を実施した。実験にあたっては、効率的に実験を実施できる環境を構築した。実験の結果、コロナワクチンのような長期間続く時事問題に比べ、オリンピック、選挙のような短期的な事象に対しては、人々の関心が大きく変化することなどを確認することができ、SNS上の人々の反応をパターン化し、集合行動を把握するといった、当初の目的に近づく結果を得ることができた。結果を論文としてまとめる予定である。
|