『徳島大学 教育・研究者情報データベース (EDB)』---[学外] /
ID: Pass:

登録内容 (EID=347383)

EID=347383EID:347383, 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) [継承]
言語 (必須): 英語 [継承]
招待 (推奨):
審査 (推奨): Peer Review [継承]
カテゴリ (推奨): 研究 [継承]
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)) [継承]
学究種別 (推奨): 博士後期課程学生による研究報告 [継承]
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): **** [ユーザ]
[継承]
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):
[継承]
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):
[継承]
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):
[継承]
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   [継承]
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.   [継承]
キーワード (推奨): 1. (英) Twitter (日) Twitter (読) [継承]
2. (英) hobby estimation (日) 趣味推定 (読) [継承]
3.ニューラルネットワーク (neural network) [継承]
4. (英) random forests (日) ランダムフォレスト (読) [継承]
5. (英) support vector machine (日) サポートベクトルマシン (読) [継承]
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])
[継承]
[継承]
(必須): 9 [継承]
(必須): 2 [継承]
(必須): 108 114 [継承]
都市 (任意):
年月日 (必須): 西暦 2019年 4月 初日 (平成 31年 4月 初日) [継承]
URL (任意): http://www.ijmlc.org/index.php?m=content&c=index&a=show&catid=84&id=899 [継承]
DOI (任意): 10.18178/ijmlc.2019.9.1.773    (→Scopusで検索) [継承]
PMID (任意):
NAID (任意):
WOS (任意):
Scopus (任意): 2-s2.0-85064990114 [継承]
評価値 (任意):
被引用数 (任意):
指導教員 (推奨):
備考 (任意):

標準的な表示

和文冊子 ● Koji Bando, Kazuyuki Matsumoto, Minoru Yoshida and Kenji Kita : Twitter User's Hobby Estimation Based on Sequential Statements Using Deep Neural Networks, International Journal of Machine Learning and Computing, Vol.9, No.2, 108-114, 2019.
欧文冊子 ● Koji Bando, Kazuyuki Matsumoto, Minoru Yoshida and Kenji Kita : Twitter User's Hobby Estimation Based on Sequential Statements Using Deep Neural Networks, International Journal of Machine Learning and Computing, Vol.9, No.2, 108-114, 2019.

関連情報

Number of session users = 0, LA = 0.60, Max(EID) = 376509, Max(EOID) = 1008343.