[4A2-J-3] データマイニング: 変化・異変の分析

[4A2-J-3-03] FKCコーパスを用いたトピック遷移分析手法に関する検討

〇内田 脩斗¹、吉川 大弘¹、古橋 武¹ (1. 名古屋大学大学院)

キーワード：遷移分析、ニューラルネットワーク、不満調査データセット、LDA、マルコフ連鎖

近年，SNSの普及に伴い，膨大なテキストデータから有用な知識を獲得するテキストマイニングの取り組みが活発化している．なかでも，データの時系列性に注目し，社会現象の予測に用いた研究が多く報告されている．しかし，ユーザごとのテキストデータの系列性に注目した研究は数少なく，新たなデータ分析の視点となることが期待できる．
そこで本稿では，テキストデータに基づくユーザの行動モデリングについて検討する．具体的には，ある投稿を発信したユーザが次にどのような投稿を行うか，という投稿間の遷移パターンのモデル化を試みる．本稿では，文書表現としてLDAを，また，遷移モデリングにニューラルネットワークを用いた手法を提案する．ニューラルネットワークを用いることで，モデルの表現能力の拡大と柔軟性を取り入れることが可能となり，従来法の改善が期待できる．実際に，従来法との予測性能評価比較実験を行い，提案手法によりパフォーマンスが向上することを報告する．また，特徴量としてユーザの属性情報を加えることで，さらに精度が改善することを示す．最後に，実際にトピック遷移分析の一例を挙げ，手法の実用性について言及する．