• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2017 年度 実績報告書

2億件超の東日本大震災ツイッターデータからの発言者の役割を反映した時系列話題解析

研究課題

研究課題/領域番号 15K00314
研究機関千葉商科大学

研究代表者

橋本 隆子  千葉商科大学, 商経学部, 教授 (80551697)

研究分担者 白田 由香利  学習院大学, 経済学部, 教授 (30337901)
久保山 哲二  学習院大学, 付置研究所, 教授 (80302660)
チャクラボルティ バサビ  岩手県立大学, ソフトウェア情報学部, 教授 (90305293)
研究期間 (年度) 2015-04-01 – 2018-03-31
キーワードソーシャルメディア解析 / 東日本大震災 / 二部グラフ / 話題抽出 / クラスタリング / データマイニング / 知識発見 / 著者の役割
研究実績の概要

本研究では東日本大震災後に投稿された2 億件に及ぶTwitter データを対象とし,発言者の役割を反映した時系列話題解析とその評価を行った.SNS 上の話題構造は曖昧であり,同じ単語(例:「避難」)が複数の話題(「避難生活へ不安」,「原発からの避難」など)に異なった意味(位置付け)で属する場合が多く見られる.この「単語の位置付け」は「誰がどのグループで発言したか」という「発言者の役割」に依存すると考えられる.本研究では,発言者と単語の関係を2 部グラフで表し,発言者グループを抽出し,それを反映したクラスタリングを行うことで発言者の役割を推定し,解析精度を向上する手法を開発した.アルゴリズムはランダムウォークにより乱択化し,大規模データへの対応も行った.
結果として,30分(あるいは1時間)ごとの投稿者と単語の二部グラフを生成し,そのデータに提案手法を適用することで,LDA等の従来手法より精度の高い話題を抽出することが可能であると確認できた.特に「石油コンビナート爆発」といった決め打ちの単語を用いれば,デマのような特徴的な話題と,それを訂正しようとする話題,さらにそれらの時系列推移を抽出できることを示すことができた.しかし一方で,全く情報が与えられていない段階で新たに発生する特徴的な話題を早期に発見し,その成長パターンを予測することが困難であることも確認できた.今後は,新たに発生する特徴的な話題をいち早く発見し,それがどのような経過をたどるかを予測する手法を開発することで,社会への影響を測ることが可能となり,より的確なソーシャルメディア解析を行えるとの方向性を確認できた.
研究成果はICDM,BIGDATA等のトップカンファレンスで発表を行い,最先端の研究者との交流も実施した.招待講演も多数行った.

  • 研究成果

    (13件)

すべて 2018 2017 その他

すべて 国際共同研究 (1件) 雑誌論文 (4件) (うち国際共著 2件、 査読あり 3件、 オープンアクセス 4件) 学会発表 (6件) (うち国際学会 5件、 招待講演 1件) 備考 (2件)

  • [国際共同研究] Center of Digital Humanities, UCLA(米国)

    • 国名
      米国
    • 外国機関名
      Center of Digital Humanities, UCLA
  • [雑誌論文] Visualization of time series statistical data by shape analysis (GDP ratio changes among Asia countries)2018

    • 著者名/発表者名
      Shirota, Y., Hashimoto, T., & Fitri Sari, R.
    • 雑誌名

      Journal of Physics: Conference Series

      巻: 971 ページ: conference 1

    • DOI

      http://iopscience.iop.org/article/10.1088/1742-6596/971/1/012013

    • 査読あり / オープンアクセス / 国際共著
  • [雑誌論文] sCwc/sLcc: Highly Scalable Feature Selection Algorithms2017

    • 著者名/発表者名
      Shin, K., Kuboyama, T., Hashimoto, T., & Shepard, D.
    • 雑誌名

      Information 2017

      巻: 8(4) ページ: 159

    • DOI

      https://doi.org/10.3390/info8040159

    • 査読あり / オープンアクセス / 国際共著
  • [雑誌論文] Visual Explanation of Deformation Theories in Shape Analysis2017

    • 著者名/発表者名
      Shirota, Y., & Hashimoto, T
    • 雑誌名

      學習院大學經濟論集

      巻: 54 ( 1 ) ページ: 1 - 12

    • DOI

      http://jairo.nii.ac.jp/0205/00004040

    • オープンアクセス
  • [雑誌論文] Topic Extraction on Twitter Considering Author’s Role Based on Bipartite Networks2017

    • 著者名/発表者名
      Hashimoto T., Kuboyama T., Okamoto H., & Shin K.
    • 雑誌名

      Lecture Notes in Computer Science

      巻: 10558 ページ: 239-247

    • DOI

      https://doi.org/10.1007/978-3-319-67786-6_17

    • 査読あり / オープンアクセス
  • [学会発表] Topic Extraction on Twitter Considering Author's Role based on Bipartite Networks2017

    • 著者名/発表者名
      Hashimoto, T
    • 学会等名
      DS2017
    • 国際学会
  • [学会発表] Topic Extraction from Millions of Tweets based on Community Detection in Bipartite Networks2017

    • 著者名/発表者名
      Hashimoto, T
    • 学会等名
      the 27th International Conference on Information Modelling & Knowledge Bases
    • 国際学会
  • [学会発表] New Hybrid Feature Selection Algorithm based on Consistency Measures and Simulated Annealing Search2017

    • 著者名/発表者名
      Hashimoto, T
    • 学会等名
      ITISE 2017
    • 国際学会
  • [学会発表] Social Media Analysis Tequnique, Application and Globalization2017

    • 著者名/発表者名
      Hashimoto, T
    • 学会等名
      iSAI-NLC 2017
    • 国際学会 / 招待講演
  • [学会発表] Topic life cycle extraction from big Twitter data based on community detection in bipartite networks2017

    • 著者名/発表者名
      Hashimoto, T
    • 学会等名
      BigData 2017
    • 国際学会
  • [学会発表] Social Media Analysis Tequnique, Application and Globalization2017

    • 著者名/発表者名
      Hashimoto, T
    • 学会等名
      IEEE KANSAI WIE Symposium
  • [備考] 研究紹介

    • URL

      http://www.cuc.ac.jp/~takako/research/

  • [備考] Research

    • URL

      http://www.cuc.ac.jp/~takako/en/research/

URL: 

公開日: 2018-12-17  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi