徳島大学 教育・研究者情報データベース(EDB)

Education and Research Database (EDB), Tokushima University

徳島大学ウェブサイトへのリンク

著作: 板東 浩二/[松本 和幸]/[吉田 稔]/[北 研二]/深層ニューラルネットワークを用いた連続する発言に基づくツイッター利用者の趣味推定/[International Journal of Machine Learning and Computing]

ヘルプを読む

「著作」(著作(著書,論文,レター,国際会議など))は,研究業績にかかる著作(著書,論文,レター,国際会議など)を登録するテーブルです. (この情報が属するテーブルの詳細な定義を見る)

  • 項目名の部分にマウスカーソルを置いて少し待つと,項目の簡単な説明がツールチップ表示されます.

この情報をEDB閲覧画面で開く

EID
347383
EOID
992610
Map
0
LastModified
2020年9月29日(火) 14:06:48
Operator
三好 小文
Avail
TRUE
Censor
0
Owner
松本 和幸
Read
継承
Write
継承
Delete
継承
種別 必須 学術論文(審査論文)
言語 必須 英語
招待 推奨
審査 推奨 Peer Review
カテゴリ 推奨 研究
共著種別 推奨 単独著作(徳島大学内の単一の研究グループ(研究室等)内の研究 (単著も含む))
学究種別 推奨 博士後期課程学生による研究報告
組織 推奨
著者 必須
  1. (英) Bando Koji / (日) 板東 浩二 / (読) ばんどう こうじ
    役割 任意
    貢献度 任意
    学籍番号 推奨 ****
  2. 松本 和幸([徳島大学.大学院社会産業理工学研究部.理工学域.知能情報系.情報工学分野]/[徳島大学.理工学部.理工学科.情報光システムコース.情報工学講座])
    役割 任意
    貢献度 任意
    学籍番号 推奨
  3. 吉田 稔([徳島大学.大学院社会産業理工学研究部.理工学域.知能情報系.情報工学分野]/[徳島大学.理工学部.理工学科.情報光システムコース.情報工学講座])
    役割 任意
    貢献度 任意
    学籍番号 推奨
  4. 北 研二([徳島大学.大学院社会産業理工学研究部.理工学域.知能情報系.情報工学分野]/[徳島大学.理工学部.理工学科.情報光システムコース.情報工学講座])
    役割 任意
    貢献度 任意
    学籍番号 推奨
題名 必須

(英) Twitter User's Hobby Estimation Based on Sequential Statements Using Deep Neural Networks

(日) 深層ニューラルネットワークを用いた連続する発言に基づくツイッター利用者の趣味推定

副題 任意
要約 任意

(英) With more and more frequency, users communicate with each other on social media. Many users start on Twitter or Facebook to find friends who have the same hobby. Our study proposes a method to estimate the users interests (hobby) based on tweets on Twitter. One tweet does not, in and of itself, contain a lot of information, and some tweets are not related to the users hobby. Therefore, we propose a reliable hobby estimation method by extracting features from multiple, sequential tweets. The proposed method uses Recurrent Neural Networks (RNN) which can accommodate time-series information. We also used a Convolutional Neural Networks (CNN) which can treat contextual information. We used an averaged vector of word distributed representation as a feature. Using the proposed method based on Long Short-Term Memory Recurrent Neural Networks (LSTM-RNN), we obtained a 23.72% improvement as compared with a baseline method using a Random Forest (RF) regression as a machine learning algorithm.

(日) 近年,SNS上でのユーザー同士のコミュニケーションが増大している.TwitterやFaacebookを始める際,多くのユーザーが,同じ趣味の友達を探す.本研究では,Twitter上のツイートに基づいてユーザの興味(趣味)を推定する手法を提案する. 1つのツイートは,多くの情報を含んでいるわけではなく,また,ツイートの中にはユーザーの趣味に関係していないものもある.そこで,複数の連続したつぶやきから特徴を抽出し,信頼できる趣味推定法を提案する.提案手法では,時系列情報に対応できるリカレントニューラルネットワーク(RNN)を用いる.また,文脈情報を扱うことができる畳み込みニューラルネットワーク(CNN)も使用する.特徴量としては,単語分散表現の平均ベクトルを使用した.Long Short-Term Memory RNN (LSTM-RNN)に基づく提案された方法を使用して,機械学習アルゴリズムとしてランダムフォレスト(RF)回帰を使用するベースライン方法と比較して23.72%の改善を得た.

キーワード 推奨
  1. (英) Twitter / (日) Twitter
  2. (英) hobby estimation / (日) 趣味推定
  3. ニューラルネットワーク(neural network)
  4. (英) random forests / (日) ランダムフォレスト
  5. (英) support vector machine / (日) サポートベクトルマシン
発行所 推奨
誌名 必須 International Journal of Machine Learning and Computing(IACSIT Press)
(pISSN: 2010-3700, eISSN: 2010-3700)
ISSN 任意 2010-3700
ISSN: 2010-3700 (eISSN: 2010-3700)
Title: International journal of machine learning and computing
Title(ISO): Int J Mach Learn Comput
Publisher: International Association of Computer Science & Information Technology
 (NLM Catalog  (Scopus  (CrossRef (Scopus information is found. [need login])
必須 9
必須 2
必須 108 114
都市 任意
年月日 必須 2019年 4月 初日
URL 任意 http://www.ijmlc.org/index.php?m=content&c=index&a=show&catid=84&id=899
DOI 任意 10.18178/ijmlc.2019.9.1.773    (→Scopusで検索)
PMID 任意
NAID 任意
WOS 任意
Scopus 任意 2-s2.0-85064990114
評価値 任意
被引用数 任意
指導教員 推奨
備考 任意