著作: [松本 和幸]/網谷 嶺志/[吉田 稔]/[北 研二]/Trend Prediction Based on Multi-Modal Affective Analysis from Social Networking Posts/[Electronics]
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.
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 | ||||
組織 | 推奨 | ||||
著者 | 必須 | ||||
題名 | 必須 |
(英) Trend Prediction Based on Multi-Modal Affective Analysis from Social Networking Posts |
|||
副題 | 任意 | ||||
要約 | 任意 |
(英) This paper propose a method to predict the stage of buzz-trend generation by analyzing the emotional information posted on social networking services for multimodal information, such as posted text and attached images, based on the content of the posts. The proposed method can analyze the diffusion scale from various angles, using only the information at the time of posting, when predicting in advance and the information of time error, when used for posterior analysis. Specifically, tweets and reply tweets were converted into vectors using the BERT general-purpose language model that was trained in advance, and the attached images were converted into feature vectors using a trained neural network model for image recognition. In addition, to analyze the emotional information of the posted content, we used a proprietary emotional analysis model to estimate emotions from tweets, reply tweets, and image features, which were then added to the input as emotional features. The results of the evaluation experiments showed that the proposed method, which added linguistic features (BERT vectors) and image features to tweets, achieved higher performance than the method using only a single feature. Although we could not observe the effectiveness of the emotional features, the more emotions a tweet and its reply match had, the more empathy action occurred and the larger the like and RT values tended to be, which could ultimately increase the likelihood of a tweet going viral. (日) 本論文では,SNS上の投稿テキストや添付画像などのマルチモーダル情報を対象に,投稿内容から感情情報を分析し,バズや流行の発生のレベルを予測する手法を提案する.提案手法は,事前予測に用いる場合は投稿時の情報のみを用い,事後分析に用いる場合は時間誤差の情報を用いて,様々な角度から拡散スケールを分析することが可能である.具体的には,事前に学習させた汎用言語モデルBERTを用いてツイートと返信ツイートをベクトル化し,添付画像を学習させた画像認識用ニューラルネットワークモデルを用いて特徴ベクトルに変換する.また,投稿内容の感情情報を解析するために,独自の感情解析モデルを用いて,ツイート,返信ツイート,画像特徴から感情を推定し,感情特徴として入力に追加する.評価実験の結果,ツイートに言語特徴(BERTベクトル)と画像特徴を付加した提案手法は,単一特徴のみを用いた手法と比較して高い性能を達成することができた.感情特徴量の効果を明確に観測することはできなかったが,考察及び分析の結果,ツイートとその返信の一致する感情が多いほど,共感行動が発生し,いいねやRTの値が大きくなる傾向があり,結果的にツイートがバイラル化する可能性が高くなると考えられる. |
|||
キーワード | 推奨 |
|
|||
発行所 | 推奨 | (英) Multidisciplinary Digital Publishing Institute | |||
誌名 | 必須 |
Electronics(MDPI AG)
(eISSN: 2079-9292)
|
|||
巻 | 必須 | 11 | |||
号 | 必須 | 21 | |||
頁 | 必須 | --- | |||
都市 | 任意 | ||||
年月日 | 必須 | 2022年 10月 23日 | |||
URL | 任意 | https://www.mdpi.com/2079-9292/11/21/3431 | |||
DOI | 任意 | 10.3390/electronics11213431 (→Scopusで検索) | |||
PMID | 任意 | ||||
CRID | 任意 | ||||
WOS | 任意 | ||||
Scopus | 任意 | ||||
評価値 | 任意 | ||||
被引用数 | 任意 | ||||
指導教員 | 推奨 | ||||
備考 | 任意 |