| 研究課題/領域番号 |
21H03557
|
|---|
| 配分区分 | 補助金 |
|---|
| 研究機関 | 和歌山大学 |
|---|
研究代表者 |
風間 一洋 和歌山大学, システム工学部, 教授 (60647204)
|
|---|
| 研究分担者 |
土方 嘉徳 関西学院大学, 商学部, 教授 (10362641)
吉田 光男 筑波大学, ビジネスサイエンス系, 准教授 (60734978)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2025-03-31
|
| キーワード | ソーシャルメディア / 情報獲得 / ニュース / 分極度 / ラベル付け |
|---|
| 研究実績の概要 |
今年度は，以下の研究を行った.
1)報道・議論の対立度合いの定量化指標であるGarimellaのRWC(Random Walk Controversy)が持つグラフサイズが小さくなると正しく計測できない問題を，ランダムウォーク方法を変更し，グラフに応じて最適のパラメータを設定するAdaptive RWCを考案して第36回人工知能学会全国大会で発表した．ただし，さらに国際会議にも投稿したが，不採録であった．
2) Liangらのキーフレーズ抽出法を用いて，複数のメディアで共通するキーフレーズ集合（共通キーフレーズ）をトピックの要約として，各メディアの固有のキーフレーズ（差異キーフレーズ）をメディアの報道意図の要約として抽出し，可視化する手法を提案して，WebDB夏のワークショップ2022で発表した．
3) BreiらのLDAのトピック抽出結果を内容理解を支援するために，トピックのランキング上位の単語に対して，その単語の前後で係り受け関係にある単語の出現頻度を集計し，最も関係が強い単語を関連語として同時に表示する手法を提案し，WebDB夏のワークショップ2022で発表した．
4) あるトピックに関してメディアが報道したニュース数と，それに言及したツイート数の2種類の時系列変化に対して，それぞれ山西らのChangeFinderを用いて変化点を抽出し，さらに変化点直後のニュース群またはツイート群からキーフレーズを抽出することで，何らかのイベントの発生とその内容を把握する手法を提案し，DEIM 2023で発表した．
5) 今後BERTを活用するための先行事例として，BERTベースのEncoder-Decoderモデルの出力の制御方法について，レシピから魅力的なタイトルを自動生成する研究を行い，DEIM 2023で発表した．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
現在までの進捗状況は以下の通りである．
1) 報道・議論の情報収集システムを，より大規模データを扱えるように改良した．
1) Adaptive WRCに関しては，国際会議に投稿した結果，類似論文が半年前に投稿されていたために不採録だったことから，今後の展開を検討中である．
2) BERTを用いたキーフレーズ抽出手法により，ニュースやツイート，及びそれらの集合へのラベル付けを実現した．
3) ニュースやツイートの時系列変化と，それに対する変化点検出により，注目すべき時点を調べることを可能にした．
|
| 今後の研究の推進方策 |
次年度は以下のように研究を推進する予定である．
1) 分極化の分析については，新しいアプローチを検討する．
2) ニュースとツイートの分析において，新たに形容詞を用いる手法と，ML-Askよりも良い感情分析手法を検討する．
3) 右派・左派などのイデオロギーの定量化指標を検討する．
|
