主観表現と客観表現を用いたTwitterにおける有益なツイートの推定
•
1 like•1,166 views
DEIM2015に投稿した論文についてA8:マイクロブログ(2)セッションで発表させていただきました． プレゼンテーションで使用したスライドになります．
Recommended
More Related Content
Viewers also liked
Similar to 主観表現と客観表現を用いたTwitterにおける有益なツイートの推定
Recently uploaded
Recently uploaded (12)
主観表現と客観表現を用いたTwitterにおける有益なツイートの推定
- 2. Outline 2 1. はじめに 2. 事前確認 3. 分析と評価 4. まとめ 有益なツイート発見したい 主観・客観 を使うべき！？ 良さそう 有益なツイート発見しよう 発見できた
- 3. 1. はじめに 3
- 4. 1.1 背景 • 情報ネットワーク, ソーシャルネットワーク の 発達 • イベント, 流行 → 膨大なデータ が溢れている • 有益な情報(ツイート)提示ができていない 4
- 5. 1.2 目的 • 有益な情報提示 →(短文)ツイート内容のみ解析 設定した有益さ のツイートランキング作成 5 abc. def. hij. klm. Rank 1 Rank 2 Rank N … score 2.8 pt 2.6 pt 0.0 pt 上位に有益なツイート
- 6. 1.3 有益 × スパム除去 →スパムでない情報が有益とは限らない × ポジティブ情報 (ネガポジ判定) →ネガティブツイートも有益な可能性 ◎ 事実を含めて主観が入った情報 e.g.『iPhone6 発売だって。大きくて使いにくそう。』 →事実 →主観 6
- 7. 1.4 日本語評価極性辞書 主観→主観語 事実→客観語 • 主観語, 客観語 の 辞書 → 名詞, 用言 いずれも利用 7 例 種類数 客観的 (経験) Objective 救う 3,590 主観的 (評価) Subjective 可愛い 6,955
- 8. 2. 事前確認 8
- 9. 2.1 事前確認の目的 9 • 主観語, 客観語 が出現しているか → 有益 な情報(RT ツイート)を得られるのか
- 10. 2.2 対象データ 10 • Twitter ツイート tweets normal : 1,102,110 Twitter Streaming APIs retweet : 133,171 Public API , 2014/10/25-29 all (RT: 11%) : 1,235,281 GET statuses/sample • 収集対象 (①～⑤の全てを満たすツイート) ①言語設定が「ja」 ②ツイートに日本語を含む ③ツイートに「@」や「http」を含まない ④リプライツイートではない ⑤同一RTツイートは，RT経過時間が最短
- 11. i) 単一ツイートにおける平均出現語数 ii) 語の出現ツイート割合 2.3 確認① 11 i) Normal Tweet Retweet Tweet 客観語 0.59 words/tweet 1.31 words/tweet 主観語 0.45 words/tweet 0.89 words/tweet ii) Normal Tweet Retweet Tweet 客観語 37 % 57 % 主観語 31 % 47 %
- 12. 2.4 確認② 12 • {主観語,客観語}の出現数における ツイートに着目した際， RT ツイートの割合 →偏りなければ 11% e.g. 客観語が３語出現 するツイートの リツイート割合 通常比結果比 89% 11% 75% 25% Normal Retweet
- 13. 2.4 確認② 客観語 13 客観語数 (words) RT 割合 偏りなし 結果
- 14. 2.4 確認② 主観語 14 RT 割合 主観語数 (words) 偏りなし 結果
- 15. 2.5 確認まとめ 15 • 主観語, 客観語 を含むツイートは 有益(RTされ)そう →多く含むほど，確率Up ⇒着目OK
- 16. 3. 分析と評価 16
- 17. 3.1 アプローチ 17 • 主観語と客観語の出現情報 → ツイートの有益性スコアを付けてランキング • 先行研究で採用されている特徴量 → ツイートの文字数は多いほどリツイートされる ラーメン食べたなう。 六厘舎のつけ麺食べた。美味しかった！ RT 確率↓ RT 確率↑
- 18. 3.2 評価 18 • 目的 →スコア付け手法が妥当かどうか ⇒有益(RT)なツイートがランキング上位にいるか • 方法 i ) Precision@k (P@k) → RTツイートが上位にいるか判断する指標 ii) Normalized Discounted Cumulated Gain @k (nDCG@k) → 推定閲覧数に対するRT数を考慮した指標
- 19. 3.2 評価 nDCG -1 19 𝑫𝑪𝑮 𝒌 = 𝒊=𝟏 𝒌 𝟐 𝒓𝒆𝒍𝒊 − 𝟏 log 𝟐(𝒌 + 𝟏) 𝒏𝑫𝑪𝑮@𝒌 = 𝑫𝑪𝑮 𝒌 𝑰𝑫𝑪𝑮 𝒌 𝒓𝒆𝒍: graded relevance value , 𝑰𝑫𝑪𝑮: Ideal DCG 関連度 10 関連度 9 関連度 1… Rank 1 Rank 2 Rank 10 関連度 8 関連度 10 関連度 3 … 0 システム 出力結果 Rank 1 Rank 2 Rank 10 理想 (Ideal) Rank k Rank k
- 20. • 各ツイートのリツイート割合 𝒓𝒆𝒕𝒘𝒆𝒆𝒕_𝒓𝒂𝒕𝒆 = 𝒓𝒆𝒕𝒘𝒆𝒆𝒕 𝒄𝒐𝒖𝒏𝒕 𝒇𝒐𝒍𝒍𝒐𝒘𝒆𝒓 𝒄𝒐𝒖𝒏𝒕+𝟏 • 関連度=リツイート割合の低い順の順位に相当する値 3.2 評価 nDCG -2 20 RT tweet_1 follower RT tweet_1 tweet_2 tweet_3 retweet_rate 関連度 (rel) 0.50 0.33 0.67 0.2 0.1 0.3
- 21. 3.3 実験手法 21 i ) proposal → 主観語+客観語+ツイート文字数 ii ) word → 主観語+客観語 iii ) length → ツイート文字数 iv ) follower → フォローワー数 v ) random → 乱数
- 22. > >> 22 3.4 評価結果 P@k top k proposal word length follower random 1 0 0 1 1 0 10 0.9 0.9 0.5 1.0 0.1 100 0.66 0.68 0.49 1.00 0.10 1000 0.596 0.576 0.469 0.988 0.116 10000 0.5055 0.4473 0.4750 0.9137 0.1123 1% 0.4985 0.4339 0.4747 0.9040 0.1114 最良 中間 中間 最悪
- 23. > >> 23 3.4 評価結果 nDCG@k top k proposal word length follower random 1 0.0000 0.0000 0.0326 0.1474 0.0000 10 0.2781 0.2761 0.2292 0.0803 0.0000 100 0.3251 0.3304 0.2354 0.1097 0.0309 1000 0.3195 0.3113 0.2586 0.1023 0.0474 10000 0.2820 0.2509 0.2582 0.1774 0.0533 1% 0.2834 0.2465 0.2619 0.1985 0.0537 最良 中間 中間 最悪
- 24. 4. まとめ 24
- 25. 4.1 まとめ • 主観表現と客観表現を用いると 有益なツイートを取得できる • 提案手法によるスコア付けを行い ランキング Top 1% における評価に着目 → 良い結果 25
- 26. 4.2 課題 • 提案手法の改善 → 文末表現 • 本当に有益？ → ユーザによる評価 • ユーザの好み • 情報の組み合わせ → フィルタリング以外も 26