@article{oai:ipsj.ixsq.nii.ac.jp:00182731,
 author = {松谷, 貫司 and 木村, 昌弘 and Kanji, Matsutani and Masahiro, Kimura},
 issue = {2},
 journal = {情報処理学会論文誌数理モデル化と応用（TOM）},
 month = {Jul},
 note = {ソーシャルメディアでは，ユーザは様々な情報を手軽に発信および共有することができ，ユーザが投稿したアイテムは，他のユーザからの共有や賛意メッセージなどのアテンションの数が増えるにつれてポピュラリティを獲得していく．最近Shenら[12]は，個々のアイテムへのアテンションの到着過程の確率モデルとしてRPPモデル（Reinforced Poisson Process model）を提案し，それが既存のポピュラリティ予測法よりも精度が高いことを示した．本論文では，対象とするソーシャルメディアのアイテム群全体に対するアテンションの到着過程の確率モデルとして，ディリクレ過程とRPPモデルを融合したDPM-RPPモデルを提案し，アテンションダイナミクスの観点からそれらアイテム群の関係の分析を目指す．我々は，観測データに基づくDPM-RPPモデルの効率的な学習法および，DPM-RPPモデルによる各アイテムの将来ポピュラリティの予測法を与える．料理レシピ共有サイトの実データを用いた実験により，DPM-RPPモデルはポピュラリティ予測においてRPPモデルを含む従来モデルよりも精度が高いことを示す．また，アテンションダイナミクスの観点における料理レシピ群のコミュニティ構造を明らかにする．, Social media sites allow users easily to post and share online-items. Such items gain their popularity through the amount of attention received. Recently, Shen et al. [12] presented a probabilistic model, called the RPP (Reinforced Poisson Process) model, for the arrival process of attention to an individual item, and showed that this model outperforms existing popularity prediction methods. In this paper, we aim at analyzing and mining the relation of items in a social media site from a perspective of attention dynamics, and by incorporating a Dirichlet process into the RPP model, we propose a probabilistic model, called the DPM-RPP model, for the arrival processes of attention to all the items involved. We present both an efficient method of learning the DPM-RPP model from the observed data and an effective method of predicting the future popularity of each item by the DPM-RPP model. Using real data from a cooking-recipe sharing site, we demonstrate that the DPM-RPP model outperforms conventional models including the RPP model for popularity prediction, and uncover the community structure of cooking-recipes in terms of attention dynamics.},
 pages = {14--24},
 title = {ソーシャルメディアのアイテム群に対するアテンションダイナミクスの学習},
 volume = {10},
 year = {2017}
}