深層学習を用いたTwitterユーザの位置推定の試み

• Item type: SIG Technical Reports(1)
• 公開日: 2021-05-06
• タイトル: 深層学習を用いたTwitterユーザの位置推定の試み
• タイトル / 言語: en
• タイトル: User Geolocation Estimation on Twitter using with Deep Neural Networks
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: CSEC
• 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: 明治大学
• 著者所属: 明治大学大学院
• 著者所属: 明治大学大学院
• 著者所属: 明治大学
• 著者所属: 明治大学
• 著者所属: 明治大学
• 著者所属: 明治大学
• 著者所属(英): en
• 著者所属(英): Meiji University
• 著者所属(英): en
• 著者所属(英): Graduate School of Meiji University
• 著者所属(英): en
• 著者所属(英): Graduate School of Meiji University
• 著者所属(英): en
• 著者所属(英): Meiji University
• 著者所属(英): en
• 著者所属(英): Meiji University
• 著者所属(英): en
• 著者所属(英): Meiji University
• 著者所属(英): en
• 著者所属(英): Meiji University
• 著者名: 笠井, 遥輝; 利光, 能直; 菊田, 翼; 嶋田, 里聖; 川越, 響; 田畑, 唯斗; 齋藤, 孝道
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: Twitter におけるユーザ（アカウント）の位置推定について様々な手法が提案されている．しかし，多くの手法は言語依存であり，英語を用いるユーザを対象としている．そのため，日本国内のユーザの位置推定にそのまま適用することはできない．また，ツイートに位置情報を添付できるジオタグという機能は，正解データとして用いられていたが，2019 年に廃止された．その結果，正解データを用意することが難しくなった．そこで，本論文では，ジオタグの代わりに，位置情報共有機能を持つソーシャルメディア，Swarm から収集した情報を用いて正解データを作成し，その上で，国内の Twitter ユーザの情報を用いて，深層学習による都道府県単位でのユーザの位置推定，推定結果の評価，および改善点の考察を行った．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Various methods have been proposed for estimating the geolocation of users (accounts) in Twitter. However, most of the methods are language-dependent and target English-speaking users, so they cannot be applied to the geolocation estimation of users in Japan. In addition, geotagging, a feature that allows users to attach geolocation information to tweets, was used as the correct answer data, but was discontinued in 2019. As a result, it has become difficult to prepare correct answer data. In this paper, instead of geotagging, we used information collected from Swarm, a social media platform with geolocation information sharing feature, to create the correct answer data. Then, using the information of domestic Twitter users, we estimated the geolocation of users by prefecture using deep neural networks, evaluated the estimation results, and discussed the points that need to be improved and the points that can be improved.
• 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: AA11235941
• 書誌情報: 研究報告コンピュータセキュリティ（CSEC）; 巻 2021-CSEC-93, 号 27, p. 1-8, 発行日 2021-05-06
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8655
• 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