Recommended
More Related Content
Similar to Twitter研究会スライドver.1.2
Similar to Twitter研究会スライドver.1.2 (20)
Twitter研究会スライドver.1.2
- 2. 目次 1. 背景 2. Social-MRCについて Social-MRCとは 3. 問題点 プロトタイプを用いた実験 研究目的 4. 意見分類フロー 概要 Twitterインタフェース 有益意見自動分析システムについて 意見分類ツールについて 提示意見選定ツールについて 5. 今後の展開 2
- 3. 目次 1. 背景 2. Social-MRCについて Social-MRCとは 3. 問題点 プロトタイプを用いた実験 研究目的 4. 意見分類フロー 概要 Twitterインタフェース 有益意見自動分析システムについて 意見分類ツールについて 提示意見選定ツールについて 5. 今後の展開 3
- 7. 7 これらの要求を満たすシステム Social-MRC (Social Multiple Risk Communicator) Social-MRCの要件 要求１ 対立する多様なリスクを考慮しつつ対策を考え る必要がある 要求２ 対策の最適な組み合わせを求める必要がある 要求３ 関与者の数が数千人を超える社会的合意形成の 問題に適用可能 要求４ 多くの関与者間で合意が得られるコミュニケー ション手段が必要である ITリスク対策に関する社会的合意形成支援システムSocial-MRCの開発構想 佐々木良一, 杉本尚子, 矢島敬士, 増田英孝, 吉浦裕, 鮫島正樹, 舩橋誠壽 情報処理学会論文誌 Vol.52, No.9(20110915) pp. 2562-2574
- 8. 目次 1. 背景 2. Social-MRCについて Social-MRCとは 3. 問題点 プロトタイプを用いた実験 研究目的 4. 意見分類フロー 概要 Twitterインタフェース 有益意見自動分析システムについて 意見分類ツールについて 提示意見選定ツールについて 5. 今後の展開 8
- 10. Social-MRC[概要] 10 一般関与者 入力 閲覧 MRC-Plaza 入力 MRC-Studio 意見 議論中継 MRC専門家 最適解 映像配信 ファシリテー タ オピニオンリー ダ 意見
- 22. 目次 1. 背景 2. Social-MRCについて Social-MRCとは 3. 問題点 プロトタイプを用いた実験 研究目的 4. 意見分類フロー 概要 Twitterインタフェース 有益意見自動分析システムについて 意見分類ツールについて 提示意見選定ツールについて 5. 今後の展開 22
- 27. 目次 1. 背景 2. Social-MRCについて Social-MRCとは 3. 研究目的 プロトタイプを用いた実験 研究目的 4. 意見分類フロー 概要 Twitterインタフェース 有益意見自動分析システムについて 意見分類ツールについて 提示意見選定ツールについて 5. 今後の展開 27
- 36. 問題点(1/2) 一般関与者の意見が膨大なときに意見分析者 がすべての意見を分類するのは困難 36 投稿された意見のラベルから 議論に必要そうな意見に 絞り込む機能が必要 分類する際の問題 点
- 38. 提案方式 投稿された意見のラベルから議論に必要な 意見そうな意見に絞り込む機能が必要 セレクトメニューによる分類機能 誰でも議論に意思表示ができるような機能 が必要 ツイート評価機能 38
- 40. 分類項目[意見の対象] 選択項目 ハッシュタグ オピニオンリーダ #OL_(名前) 対策案n番目 #plan_n番目 最適解n番目 #opt_n番目 40
- 41. 分類項目[意見の種類] 41 選択項目 ハッシュタグ 議論点提示 -現状の問題点提示- #c_pro -提案の問題点提示- #p_pro -議論の方向性提示- #d_deb -新たな視点の提示- #d_new -改善案の提示- #d_im -その他- #d_etc 提案の導入後 -影響- #im_ef -利活用法- #im_me 質問 -質問- #que_q -質問の応答- #que_r 意見の要約 #o_dig 事実提示 #o_fact その他 #e_etc
- 49. 有益意見分析システム[概要](1/4) 機械学習による分類機能 ▶ 人手による教師データを用いて有益な意見を分 類するための機能 特徴語と手がかり表現による分類機能 ▶ 有益な意見によく出てくる特徴語や手がかり表 現を持つ有益な意見を分類するための機能 49 2つの機能を組み合わせた ハイブリット分類システム
- 53. 有益意見分析システム 機械学習による分類機能 ▶ 人手による教師データを用いて有益な意見を分 類するための機能 特徴語と手がかり表現による分類機能 ▶ 有益な意見によく出てくる特徴語や手がかり表 現を持つ有益な意見を分類するための機能 53 2つの機能を組み合わせた ハイブリット分類システム
- 54. 機械学習による分類機能 サポートベクターマシン(LibSVM) 学習データ ▶ 以前に行った実験の際の投稿文 ▶ 5人の多数決によって「有益（36件）」「有益で はない（263件）」の分類 54
- 55. 素性 55 素性 次元数 1 重要な名詞セットの出現頻度 100 2 助動詞の基本形の出現頻度 37 3 ツイート中の句点の出現頻度 1 4 ツイート全体の文字数 1 5 ツイートに付与された意見の対象の項 目 4 6 ツイートに付与された意見の種類の項 目 13
- 57. 重要な名詞セットの出現頻度 議論に関する資料に記述されている重要な 名詞 ▶ 賛成派意見書，反対派意見書，対策案一覧 57 tfidfを用いて演算 上位100件の名詞の出現頻度を素性とした
- 58. 重要な名詞セットの出現頻度 名詞一覧 58 名詞 1 フィルタリング 2 有害 3 有害情報 4 情報 5 罰則 6 青少年 7 フィルタリングソフト 8 教育 ： ： ： ：
- 59. 助動詞の基本形の出現頻度 助動詞は体言や用言に意味を補ったり，気 持ちや判断を表す役割 ▶ 例:「保護者の教育が重要らしい」 ▶ 例:「保護者の教育を実施すべきだ」 59 助動詞の基本形の出現頻度を素性とする
- 61. ツイートに付与された意見の対象・意見の種類 61 選択項目 ハッシュタグ オピニオンリーダ #OL_(名前) 対策案n番目 #plan_n番目 最適解n番目 #opt_n番目 選択項目 ハッシュタグ 議論点提示 -現状の問題点提示- #c_pro -提案の問題点提示- #p_pro -議論の方向性提示- #d_deb -新たな視点の提示- #d_new -改善案の提示- #d_im -その他- #d_etc ： ： ： ： ： ：
- 62. 有益意見分析システム 機械学習による分類機能 ▶ 人手による教師データを用いて有益な意見を分 類するための機能 特徴語と手がかり表現による分類機能 ▶ 有益な意見によく出てくる特徴語や手がかり表 現を持つ有益な意見を分類するための機能 62 2つの機能を組み合わせた ハイブリット分類システム
- 70. 精度[機械学習による分類機能] 実際の分類 有益 有益ではない 機械学習 有益 17 2 有益 ではない 19 261 精度 0.930 70 機械学習だけでは，有益な意見を有益ではない と分類してしまう傾向がある
- 71. 精度[有益意見分析システム] 実際の分類 有益 有益ではない システム 全体 有益 17→25 2→5 有益 ではない 19→11 261→258 精度 0.930→0.946 71 特徴語と手がかり表現による分類機能によって 誤分類された意見をより正しく分類できる
- 75. 意見分類ツール 75
- 79. 意見分類ツール 79 有益リスト
- 84. 目次 1. 背景 2. Social-MRCについて Social-MRCとは 3. 研究目的 プロトタイプを用いた実験 研究目的 4. 意見分類フロー 概要 Twitterインタフェース 有益意見自動分析システムについて 意見分類ツールについて 提示意見選定ツールについて 5. 今後の展開 84
- 85. 今後の展開 一般関与者が100人程度の実験を行い，意見 分類フローの評価を行う ▶ 日程 ：7月29日(月)15:00 開始予定 ▶ 対象問題：情報フィルタリング問題 85 興味のある方は 「social_mrc@isl.im.dendai.ac.jp」