著者

阿部 秀尚

出版者

一般社団法人 映像情報メディア学会

雑誌

映像情報メディア学会誌 (ISSN:13426907)

巻号頁・発行日

vol.65, no.10, pp.1398-1401, 2011 (Released:2013-10-01)

参考文献数

6

被引用文献数

1 2

著者

阿部 秀尚 森田 武史 山口 高平

出版者

人工知能学会

雑誌

知識ベースシステム研究会

巻号頁・発行日

vol.110, pp.18-23, 2017-03-02

著者

阿部 秀尚

出版者

一般社団法人 情報システム学会

雑誌

情報システム学会誌 (ISSN:18842135)

巻号頁・発行日

vol.12, no.1, pp.42-49, 2016 (Released:2016-10-24)

著者

阿部 秀尚

出版者

一般社団法人情報処理学会

雑誌

研究報告知能システム(ICS) (ISSN:09196072)

巻号頁・発行日

vol.2015, no.11, pp.1-5, 2015-02-23

---

Twitter をはじめとする SNS では,ユーザの日々の興味や関心がテキストやその発話行動として可視化されている.そのなかで,企業をはじめとして,興味・関心のあるユーザを特定する要求が高まりつつある.しかしながら,単に発信情報を受信するユーザが真に興味・関心を持っているかどうかを的確に判断することは困難が伴う.本研究では,Twitter 上でリツイートと呼ばれるユーザが受信した情報を再発信する行動に着目し,過去の発話履歴の内容に基づいて再発信行動の予測を行うモデル構築手法の開発を目指す.本稿では,インターネット上で大規模な通信販売を行うサイトの発信したテキストとそのテキストを受信するフォロワーについて,再発信されたテキストとフォロワーの日々の発話テキストから得られた特徴語の比較を行う.さらに,行動予測モデル構築のため,フォロワーの発話テキストから得られた特徴語の使用頻度に基づく評価指標の時系列パターン抽出の可能性について検討する.According to popularization of many SNS such as Twitter, enterprise users and some other people want to reach interested users more efficiently. However, it is difficult to detect more deep interests of the users without considering the users' behavior. In this study, I focus on a characteristic behavior of the users on Twitter, called retweet by followers. By taking followers' tweet history, a method constructing analytic models based on temporal patterns of term evaluation indices is described in this paper. The method combines ordinary used characteristic term extraction and a temporal pattern extraction of the terms usages. In the experiment, both of the characteristic terms in the retweeted text and the followers' tweet history is shown on the three major e-commerce accounts in Japan. Based on the results, some temporal patterns of the term importance indices are also shown to discuss the feasibility for predicting the retweet behavior of the followers.

著者

小森 麻央 阿部 秀尚 橘 恵昭 山口 高平

出版者

一般社団法人電子情報通信学会

雑誌

電子情報通信学会技術研究報告. AI, 人工知能と知識処理 (ISSN:09135685)

巻号頁・発行日

vol.100, no.709, pp.41-42, 2001-03-12

---

知識発見プロセスは,大きくデータ前処理とデータマイニングに分けられる.本稿では,属性処理と属性値処理に焦点をあてて,シーズ属性に基づく属性集合の決定方法について実験を行い,評価した.属性選択法としては,すべての属性の組合せを探索することはごく小規模な問題でしか現実的でないため,属性の出現頻度を考慮した少数のシーズ属性集合に,属性値処理を適用し,その中から最良のものを初期属性集合とし,さらに逐次的に他の属性を付加しながらよりよい属性集合を選択していく方法を採用した.小規模な野球のデータに対してはこれらの方法論は有効であった.今後はもっと大規模なデータ集合に対しても実験を行い,より一般的な知見を得,前処理の支援環境に結びつけることが目標である..