@techreport{oai:ipsj.ixsq.nii.ac.jp:00238982,
 author = {井上, 大成 and 風間, 一洋 and 吉田, 光男 and 土方, 嘉徳},
 issue = {35},
 month = {Sep},
 note = {実世界におけるイベントとそれに伴うソーシャルメディア上の議論話題の発生点や転換点は，変化点検出などの手法を用いて自動的に抽出できる．しかし，実際に投稿数の時系列変化に既存の変化点検出を適用しても，得られる変化点の数は少ない．この理由として，現実の複雑な時系列変化に適用するために，ノイズなどに頑健なアルゴリズムとして設計されているからだと考えられる．そこで本稿では，特定のトピックの引用ツイート数の時系列変化は，引用意図が異なるツイートの時系列変化の合成であることから，ツイートに込められた感情が引用意図を反映していると仮定して，まず各ツイートテキストに対して感情検出器を適用し，感情別に単位時間の平均値の時系列変化を求める．さらに感情ごとに変化点検出を適用し，得られた変化点から推定される期間（変化点からその後の最大値の 50% になるまで）を合成して，イベントの発生に伴う議論話題の発生点や転換点を細かい粒度で推定する手法を提案する．},
 title = {感情の時系列変化に着目したソーシャルメディア上の議論話題発生・転換点の推定手法},
 year = {2024}
}