講演抄録/キーワード |
講演名 |
2021-12-17 11:25
投稿文および画像といいね数との関係に基づく流行要因分析 ○網谷嶺志・松本和幸・吉田 稔・北 研二(徳島大) |
抄録 |
(和) |
本研究ではソーシャルメディアの動向を調査し,Twitter でのバズ現象を支える要因を探るための分析手法を提案することを目的とする.Twitter に投稿されたテキスト内容だけではバズ現象の原因を特定できない場合があるため,画像が添付されたツイートに限定し,テキストと画像に基づく分析手法を考案した.ツイートのテキストと画像のそれぞれの特徴に関連性があるかどうか,また,これらの特徴の関連性が,人気の指標である「いいね」や拡散の規模を表す「RT」の数とどのように関連するかを調べた.画像とテキストから抽出した特徴量を入力とし,いいね数と RT 数を出力した後,2 つの入力(画像とテキスト)から同じ次元の特徴ベクトルを中間層から抽出するマルチタスク・ニューラルネットワークを学習した.これらの特徴ベクトル間の距離を計算することで,いいね数と RT 数の関係を分析した.その結果,BERT と InceptionResNetV2 の平均ベクトルがいいね数と RT 数を予測する要因となり得ることがわかった. |
(英) |
The purpose of this study is to investigate the trends of social media and propose an analysis method to explore the factors that support the buzz phenomenon on Twitter. We devised an analysis method that uses both text and images. We investigated whether there is a relationship between the respective features of the text and images of tweets, and how the relationship between these features relates to the number of likes and RTs, which are indicators of popularity. We trained a multitask neural network that takes as input the features extracted from images and text, outputs the number of likes and RTs, and then extracts feature vectors of the same dimension from the two inputs (images and text) from the middle layer. By calculating the distance between these feature vectors, we analyzed the relationship between the number of likes and the number of RTs. The results showed that the average vector of BERT and InceptionResNetV2 was a predictor of the number of likes and RTs. |
キーワード |
(和) |
マルチタスク学習 / バズ分類 / ソーシャルメディア / トレンド分析 / / / / |
(英) |
Multi-task learning / Buzz classification / Social media / Trend analysis / / / / |
文献情報 |
信学技報 |
資料番号 |
|
発行日 |
|
ISSN |
|
PDFダウンロード |
|