| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2017-09-18 14:20 機械学習を用いた潜在的フォロイー抽出手法の提案 ○秋山和寛（甲南大）・熊本忠彦（千葉工大）・灘本明代（甲南大）  DE2017-16 |
|
| 抄録 | （和） | マイクロブログの一つであるTwitterを対象としたフォロイー推薦に関する研究は数多く行われている．フォロイー推薦の主な手法の一つであるツイート内容の類似性に基づく手法において，内容に対する多次元の感情の類似性も考慮した方がよりよいフォロイー推薦ができると考える．多次元の感情を考慮した場合，フォロイー候補の感情が自分と類似しているかを瞬時に判断することは困難であり，ユーザがこのようなフォロイー候補に気づかない場合が多い．そこで本研究では内容だけでなく感情も類似しているユーザを潜在的フォロイーと呼び，機械学習による多次元感情抽出を行うことで潜在的フォロイーを抽出しユーザに推薦する手法を提案する． |
| （英） | There are numerous studies about followee recommendation of Twitter. In the one of the major methods for followee recommendation is based on content similarity. It is better that not only considering content similarity but also multi-dimensional sentiment similarity. When we consider multi-dimensional sentiment, however, it is difficult for users to find followees who tweet similar content and similar sentiment, and they are oblivious to best followees. Therefore, we propose the method to extract latent followee who tweets similar content and similar sentiment by using machine learning. |
|
| キーワード | （和） | 感情抽出 / Twitter / SNS / 機械学習 / / / / |
| （英） | sentiment extraction / Twitter / SNS / machine learning / / / / | |
| 文献情報 | 信学技報, vol. 117, no. 212, DE2017-16, pp. 51-56, 2017年9月. | |
| 資料番号 | DE2017-16 | |
| 発行日 | 2017-09-11 (DE) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | DE2017-16 |
|
| 研究会情報 | |
| 研究会 | DE IPSJ-DBS IPSJ-IFAT |
| 開催期間 | 2017-09-18 - 2017-09-20 |
| 開催地（和） | お茶の水女子大学 |
| 開催地（英） | Ochanomizu University |
| テーマ（和） | ビッグデータを対象とした管理・情報検索・知識獲得，および一般 |
| テーマ（英） | Big Data Management, Information Retrieval, Knowledge Discovery, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | DE |
| 会議コード | 2017-09-DE-DBS-IFAT |
| 本文の言語 | 日本語 |
| タイトル（和） | 機械学習を用いた潜在的フォロイー抽出手法の提案 |
| サブタイトル（和） | |
| タイトル（英） | Latent Followee Extraction Method based on Content and Sentiment Similarity |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 感情抽出 / sentiment extraction |
| キーワード(2)（和/英） | Twitter / Twitter |
| キーワード(3)（和/英） | SNS / SNS |
| キーワード(4)（和/英） | 機械学習 / machine learning |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 秋山 和寛 / Kazuhiro Akiyama / アキヤマ カズヒロ |
| 第1著者 所属（和/英） | 甲南大学 (略称： 甲南大) Konan University (略称： Konan Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 熊本 忠彦 / Tadahiko Kumamoto / クマモト タダヒコ |
| 第2著者 所属（和/英） | 千葉工業大学 (略称： 千葉工大) Chiba Institute of Technology (略称： CIT) |
| 第3著者 氏名（和/英/ヨミ） | 灘本 明代 / Akiyo Nadamoto / ナダモト アキヨ |
| 第3著者 所属（和/英） | 甲南大学 (略称： 甲南大) Konan University (略称： Konan Univ.) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2017-09-18 14:20:00 |
| 発表時間 | 30分 |
| 申込先研究会 | DE |
| 資料番号 | DE2017-16 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | no.212 |
| ページ範囲 | pp.51-56 |
| ページ数 | 6 |
| 発行日 | 2017-09-11 (DE) |
[研究会発表申込システムのトップページに戻る]