バースト現象を考慮したハッシュタグのクラスタリング手法の提案

• Item type: SIG Technical Reports(1)
• 公開日: 2017-09-11
• タイトル: バースト現象を考慮したハッシュタグのクラスタリング手法の提案
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: ソーシャルネットワークデータ分析
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 筑波大学大学院図書館情報メディア研究科
• 著者所属: 筑波大学図書館情報メディア系
• 著者所属(英): en
• 著者所属(英): Graduate School of Library, Information and Media Studies, University of Tsukuba
• 著者所属(英): en
• 著者所属(英): Faculty of Library, Information and Media Science, University of Tsukuba
• 著者名: 福山, 怜史; 若林, 啓
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: Twitter においてバースト現象が確認されたハッシュタグを収集することは，現実世界で流行している話題を抽出する上で重要なアプローチである．しかしハッシュタグには表記揺れや抽象度が曖昧な性質が存在するため，同じ話題を指し示しているタグが重複したり，バーストしていないタグでもバーストしたタグと同じ話題を示すタグが存在する可能性がある．この問題を解決するためにハッシュタグのクラスタリングが必要であるが，全てのタグのクラスタリング処理は計算コストが高いため，効率的な手法が必要となる．本研究では，以上の問題を効率的に解決することを目的として，バーストしたハッシュタグのみクラスタリングを行い，得られたクラスタにバーストしていないハッシュタグを割り当てる手法を提案する．これによりクラスタリングのサンプル数はバーストしたハッシュタグだけになるため，クラスタリングに掛かる処理時間が短縮できる．提案手法では，移動平均線収束拡散法によってハッシュタグのバーストの強さを数値化し，異常値を持つとして検出されたハッシュタグをバーストしたハッシュタグとみなす．そして，バーストしたハッシュタグを k 平均法によってクラスタリングし，バーストしていないハッシュタグを生成したクラスタに割り当てる．本稿では，先行研究の手法によって生成されたクラスタと比較して，提案手法によるクラスタが，話題に対するハッシュタグの網羅性が高く，クラスタリングにかかる処理時間が大幅に短縮されることを報告する．
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10114171
• 書誌情報: 研究報告情報基礎とアクセス技術（IFAT）; 巻 2017-IFAT-128, 号 17, p. 1-6, 発行日 2017-09-11
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8884
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会