2019 Fiscal Year Research-status Report
Structural extension of knolwedge graph utilizing temporal and semantic analysis of social media
| Project/Area Number |
19K11983
|
|---|
| Research Institution | Waseda University |
|---|
Principal Investigator |
岩井原 瑞穂 早稲田大学, 理工学術院(情報生産システム研究科・センター), 教授 (40253538)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | テキストマイニング / 情報抽出 / ソーシャルメディア / 知識処理 / 時系列分析 / センチメント分析 |
|---|
| Outline of Annual Research Achievements |
代表的な知識蓄積型ソーシャルメディアであるWikipediaからは，計算機利用が容易な構造的データが知識グラフとして抽出され，検索結果の分類や種々の自然言語処理に活用されている．知識グラフを充実させるためには，Wikipedia記事のマイニングにおいて，リンクやリスト，カテゴリなどの構造情報を活用し，さらに拡張する新たな手法が必要である．本課題では，(1)知識グラフの構造的拡張において， (1-a) 記事間のリンク予測および記事の分離統合予測問題, (1-b) Wikipediaリストの要素帰属問題およびテーブルスキーマ生成問題, (1-c) 実体リンキングへの応用からなる新たな課題に取り組む．また記事の時系列変化に着目した，(2) 編集履歴からの特徴的語句の抽出に取り組む． (3)ソーシャルメディアにおけるセンチメントの集約表現では，ツイートなどのソーシャルメディアにおける関心やムードの簡潔な集約表現を開発し，Wikipediaの成長過程との対比を可能にすることを目指す．本年度は，(1-a)の分離統合予測問題について，長大な記事における，節単位の類似度の分布から得られる特徴量，および記事のトピックに適応させた単語埋め込みを用いて，弁別器を訓練することにより，標準的な手法よりも精度良く予測できることを示した．(1-b)(1-c)に関して，知識グラフにおける枝の補完問題について，実体の属するクラス集合を新たに利用することにより，精度を向上できることを示した．(2)に関して，編集履歴においてバースト的に編集されている語句の間で，バーストの時系列の類似性を求めることにより，語句間の時間的類似度を求める方法を示した．(3)では，ツィートにおけるユーザごとのセンチメントの分布傾向を求め，これをツィートの著者推定に応用する手法を示した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
計画段階でのテーマ設定に基づき，個々の成果を上げている．
|
| Strategy for Future Research Activity |
初年度に着手した各テーマをさらに発展させ，新たな手法を試みるとともに，応用課題にも取り組む．
|
