電子情報通信学会ワードテンプレート (タイトル)

DEIM Forum 2014 P1-1
Twitter ユーザの印象選好の可視化
鈴木 智也†
熊本 忠彦‡
†，‡千葉工業大学 情報科学部 情報ネットワーク学科 〒275-0016 千葉県習志野市津田沼 2-17-1
E-mail: ‡[email protected]
あらまし Twitter には，面識のない人でも気軽にフォローできるという特徴があり，他者とつながるための手段
として有用と言える．しかしながら，その一方で，匿名の人からフォローされたり，すでにフォローしているユー
ザのリツイート等により，知らない人のツイートを目にしたりする機会も多く，そのような人たちをフォローすべ
きか否か迷うことがある．そこで本論文では，フォロー候補となるようなユーザの印象選好（普段，どのような話
題の，どのような印象のツイートを見たり投稿したりしているか）を可視化することで，フォローの是非の判断を
支援するシステムを提案する．本システムを用いることで，有益な情報源かどうかといった単なる損得勘定だけで
なく，自身の感性に合ったユーザかどうかという視点からの判断も可能となる．
キーワード Twitter，ユーザモデリング，印象マイニング，Sentiment Analysis，つながり構築支援
1. は じ め に
シ ス テ ム [3] を 用 い て 各 ツ イ ー ト の 印 象 を 数 値 化 す る
近年，スマートフォンやタブレット端末の普及によ
とともに，それぞれのツイート群で特徴的なキーフレ
り，いつでもどこでもインターネットに接続できるよ
ー ズ を Yahoo!キ ー フ レ ー ズ 抽 出 API[4]を 用 い て 抽 出 す
う に な っ た ． そ の 影 響 も あ り ， Twitter や Facebook と
る ． シ ス テ ム は 以 上 の 結 果 を GoogleChartTools[5]を 用
い っ た 様 々 な SNS（ Social Networking Service） が 盛 り
いて可視化し，利用者に提示する．なお，印象マイニ
上 が り を 見 せ て い る ．特 に ，Twitter は ，友 人 ・ 知 人 だ
ン グ シ ス テ ム は ，入 力 さ れ た 文 章 を「 楽 し い ⇔ 悲 し い 」，
けでなく，芸能人や有名人といった面識のない人とも
「 う れ し い ⇔ 怒 り 」，「 の ど か ⇔ 緊 迫 」 の 3 つ の 印 象 軸
気軽につながることができるという点において，他の
で評価し，それぞれの印象軸における印象の程度（印
SNS よ り も 優 れ て お り ，2012 年 第 4 四 半 期 の ア ク テ ィ
象 値 ）を 1～ 7 の 7 段 階 評 価 ス ケ ー ル「（ 左 側 の 印 象 を ）
ブ ユ ー ザ は 約 3 億 人 と も 言 わ れ て い る [1]．
感 じ る （ 1 点 ）， わ り と 感 じ る （ 2 点 ）， や や 感 じ る （ 3
Twitter で は 多 く の ユ ー ザ に よ っ て 日 夜 様 々 な 話 題
点 ），（ ど ち ら の 印 象 も ） 感 じ な い （ 4 点 ），（ 右 側 の 印
のツイート（つぶやき）が投稿されており，その話題
象 を ）や や 感 じ る（ 5 点 ），わ り と 感 じ る（ 6 点 ），感 じ
は 政 治・経 済 か ら 身 の 周 り の 出 来 事 ま で 多 岐 に わ た る ．
る （ 7 点 ）」 に 準 じ た 実 数 値 と し て 出 力 す る ．
このような情報を日常的に得るためには，その発信元
また，本手法をキーワード検索に適用し，任意のキ
であるユーザをフォローする必要があるが，そのユー
ーワードの印象文脈（そのキーワードがどのような印
ザが普段どのようなツイートをしているかは，実際に
象のツイートにおいて用いられているか）を可視化す
そのユーザの（少なくない量の）ツイートを精読して
る 手 法 も 提 案 す る ． 具 体 的 に は ， Twitter API を 用 い て
みないとわからない．中には，悲しいことばかりをつ
そのキーワードを含むツイート群を収集し，各ツイー
ぶやいている人もいれば，怒ってばかりの人もおり，
トの印象を数値化することで，どのような印象のツイ
そのような人たちのツイートは見たくないと思ってい
ートが多いかを円グラフにして提示する．
る人も多い．
そこで本論文では，フォローしても良いか，しない
方が良いかの判断を支援することを目的として，フォ
2. 関 連 研 究
Twitter を 利 用 し た 研 究 は 数 多 く な さ れ て お り ，ト レ
ロ ー 候 補 と な る ユ ー ザ の 印 象 選 好（ そ の ユ ー ザ が 普 段 ，
ン ド 分 析 [6]や ニ ュ ー ス 記 事 推 薦 [7]，リ ア ル タ イ ム イ ベ
どのような話題の，どのような印象のツイートを見た
ン ト 抽 出 [8]な ど に 応 用 さ れ て い る ．ま た ，Twitter ユ ー
り 投 稿 し た り し て い る か ）を 可 視 化 す る 手 法 を 提 案 し ，
ザどうしのつながり構築を支援するという目的で，フ
Web ア プ リ ケ ー シ ョ ン シ ス テ ム と し て 実 装 す る ．
ォロー候補となるユーザを推薦するという研究も盛ん
具体的なシステムの処理としては，本システムの利
であり，総合的に影響力の高いユーザを推薦する研究
用 者 が 任 意 の Twitter ユ ー ザ 名 を 入 力 す る と ，シ ス テ ム
[9] や 実 世 界 に お け る 友 達 関 係 を 推 定 し て ユ ー ザ を 推
はそのユーザが投稿したツイート群（ユーザタイムラ
薦 す る 研 究 [10]， 潜 在 的 な 興 味 が 似 て い る ユ ー ザ を 推
イン）とそのユーザがフォローしているユーザらが投
薦 す る 研 究 [11]な ど 様 々 な ア プ ロ ー チ が 採 用 さ れ て い
稿 し た ツ イ ー ト 群（ ホ ー ム タ イ ム ラ イ ン ）を Twitter API
る ．本 研 究 で は Sentiment Analysis 技 術 の 一 つ で あ る 印
[2]を 用 い て 収 集 し ，著 者 ら が 開 発 し た 印 象 マ イ ニ ン グ
象マイニングを応用している点が新しい．
図 1 システムの全 体 構 成
Sentiment Analysis の 研 究 分 野 で は ，評 判 や 感 情 ，印
と な る URL や Twitter ユ ー ザ 名 を 取 り 除 き ， 既 存 の 印
象といった主観的な情報をテキスト（レビュー，ニュ
象 マ イ ニ ン グ シ ス テ ム [3] を 用 い て 各 ツ イ ー ト の 印 象
ー ス 記 事 ， Web ペ ー ジ ， 小 説 な ど ） か ら 抽 出 す る た め
値 を 算 出 す る と と も に ，Yahoo! JAPAN 社 が 提 供 し て い
の 研 究 が 盛 ん で あ り ， 評 判 分 析 [12][13] や 情 報 可 視 化
る Yahoo!キ ー フ レ ー ズ 抽 出 API[4]を 用 い て そ れ ぞ れ の
[14]， 情 報 推 薦 [15]， 異 メ デ ィ ア コ ン テ ン ツ 生 成 [16] ，
ツイート群からキーフレーズを取得する．
印 象 タ グ 付 与 [17][18]，情 報 の 信 頼 性 評 価 [19]と い っ た
最 後 に ， Google 社 が 提 供 し て い る GoogleChartTools
様々な分野で応用されている．しかしながら，ほとん
[5]を 用 い て ，キ ー ワ ー ド 分 析 の 場 合 は 円 グ ラ フ を ，ユ
どの研究がクラス分類問題あるいはアノテーション問
ーザ分析の場合は散布図を生成し，キーフレーズとと
題としての扱いであり，読み手が感じる印象の程度を
もに利用者に提示する．
数 値 的 に 求 め ， 利 用 す る と い う 研 究 は ま だ 少 な い [20]
[21][22]．
以下の節で，本システムの各モジュールについて詳
しく説明する．
3.2 ユ ー ザ 登 録 ・ ロ グ イ ン モ ジ ュ ー ル
3. 印 象 可 視 化 シ ス テ ム の 設 計 と 開 発
3.1 シ ス テ ム の 全 体 構 成
利用者はまず，ユーザ登録画面においてユニークな
ID と パ ス ワ ー ド を 入 力 し ，ユ ー ザ 登 録 を 行 う 必 要 が あ
本システムの全体構成を図 1 に示す．
る ．パ ス ワ ー ド は ，暗 号 化 さ れ ，ID と と も に デ ー タ ベ
本 シ ス テ ム の 利 用 者 が キ ー ワ ー ド も し く は Twitter
ースに保管される．
ユ ー ザ 名 を 入 力 す る と ，シ ス テ ム は Twitter API[2]を 用
既 に 登 録 済 み の 利 用 者 は ， 登 録 し た ID と パ ス ワ ー
いてツイートを取得する．入力がキーワードの場合，
ドを用いて，ログイン画面より本システムにログイン
システムはそのキーワードを含むツイート群を取得し，
することができる．
入 力 が Twitter ユ ー ザ 名 の 場 合 ，シ ス テ ム は そ の Twitter
3.3 ツ イ ー ト 収 集 モ ジ ュ ー ル
ユーザがフォローしている人らのツイート群（ホーム
利用者は，システムのキーワード分析画面もしくは
タ イ ム ラ イ ン ）と ，そ の Twitter ユ ー ザ 自 身 が 投 稿 し た
ユーザ分析画面より入力を行う．
ツイート群（ユーザタイムライン）を取得する．
3.3.1 関 連 ツ イ ー ト の 取 得
次に，取得したツイート群から分析する際にノイズ
キーワード分析の場合は，入力されたキーワードを
含 む ツ イ ー ト 群 を Twitter API を 用 い て 取 得 す る ．な お ，
取 得 す る ツ イ ー ト 数 の 初 期 値 は 100 ツ イ ー ト で あ る が ，
表 1 ノイズとして取 り除 く文 字 列 の詳 細
システムの設定画面より利用者が独自に設定すること
除去文字列
正規表現
も可能である．
URL
/(https?:¥/¥/[¥x21-¥x7e]+)/i
Twitter ユ ー ザ 名
/@(¥w+)/i
顔文字
/(¥(.*?¥))/
3.3.2 ホ ー ム タ イ ム ラ イ ン ・ ユ ー ザ タ イ ム ラ イ ン の 取
得
ユーザ分析の場合は，ユーザタイムライン（ユーザ
TL）と ホ ー ム タ イ ム ラ イ ン（ ホ ー ム TL）を 取 得 す る ．
2 個 以 上 連 続 す る 「 w」 /(w|ｗ ){2,}/i
ユ ー ザ TL と は 指 定 し た ユ ー ザ 本 人 が 投 稿 し た ツ イ ー
ト 群 の こ と で あ り ， ホ ー ム TL と は 指 定 し た ユ ー ザ が
フォローしている人らが投稿したツイート群のことで
ある．
3.5 印 象 マ イ ニ ン グ モ ジ ュ ー ル
本システムでは，著者らの印象マイニングシステム
[3]を 用 い て 各 ツ イ ー ト の 印 象 値 を 算 出 す る ．こ の 印 象
ユ ー ザ TL は ，ユ ー ザ TL 取 得 用 の API が 提 供 さ れ て
マイニングシステムは，
「 楽 し い ⇔ 悲 し い 」，
「うれしい
いるので，これをそのまま用いて取得する．一方，ホ
⇔ 怒 り 」，「 の ど か ⇔ 緊 迫 」 と い う 3 種 類 の 印 象 軸 を 対
ー ム TL 取 得 の た め に Twitter が 提 供 し て い る API で は ，
象としており，それぞれの印象軸における印象の程度
認 証 さ れ た ユ ー ザ 自 身 の ホ ー ム TL の み が 取 得 で き る
（ 印 象 値 ） を 1～ 7 の 7 段 階 評 価 ス ケ ー ル 「（ 左 側 の 印
よ う な 仕 様 に な っ て お り ， 任 意 の ユ ー ザ の ホ ー ム TL
象 を ）感 じ る（ 1 点 ），わ り と 感 じ る（ 2 点 ），や や 感 じ
を取得できるようにはなっていない．そこで本システ
る（ 3 点 ），
（ ど ち ら の 印 象 も ）感 じ な い（ 4 点 ），
（右側
ム で は ，複 数 の API を 組 み 合 わ せ て 任 意 の ユ ー ザ の ホ
の 印 象 を ） や や 感 じ る （ 5 点 ）， わ り と 感 じ る （ 6 点 ），
ー ム TL を 擬 似 的 に 再 現 し ， 取 得 し て い る ．
感 じ る （ 7 点 ）」 に 準 じ た 実 数 値 と し て 出 力 す る ．
まず，指定されたユーザがフォローしている人らの
この印象マイニングシステムを開発するに当たり，
ID 一 覧 を API で 取 得 し ， さ ら に ， そ れ ぞ れ の ID に お
まず，
「ある印象を有する単語はその印象を表現する印
け る 最 新 投 稿 日 時 を チ ェ ッ ク す る ． ホ ー ム TL は 今 ユ
象語群と共起しやすく，逆の印象を表現する印象語群
ーザが見ているタイムラインのことであるため，この
とは共起しにくい」という仮定のもと，新聞記事デー
最 新 投 稿 日 時 が 別 途 定 め る 基 準 日 よ り 古 い ID は ， ホ
タベースに現れる任意の単語と対比的な印象を有する
ー ム TL に は 表 示 さ れ な い も の と し て 分 析 対 象 か ら 除
2 つの印象語群との共起の仕方を調べ，どちらの印象
外する．本システムでは基準日の初期値を 1 日として
語群とより共起しやすいかを数値化することにより，
いるが，システムの設定画面より利用者が独自に設定
印象辞書（単語が記事の印象に及ぼす影響を数値化し
することも可能である．ここまでの処理で，ユーザが
たもの）を構築した．さらに，この印象辞書を用いて
今 実 際 に 見 て い る ホ ー ム TL に 登 場 す る ユ ー ザ 集 合 と
新聞記事の印象値を算出する手法（算出法）を開発し
近 い ユ ー ザ 集 合 （ ID 集 合 ） が 選 別 さ れ る ．
た．そして，この算出法が新聞記事から算出する印象
次 に ，選 別 さ れ た 各 ID か ら そ れ ぞ れ の ユ ー ザ TL を
値とその新聞記事を人々が読んだときに感じる印象値
取 得 す る こ と で ， 擬 似 的 に ホ ー ム TL を 再 現 す る こ と
との関係を回帰分析により定式化することで，算出法
に な る ．但 し ，ID の 取 得 時 と 同 様 に ，基 準 日 以 前 の ツ
が算出した印象値を回帰式により補正するという手法
イートは取得しない．
を開発した．その結果，新聞記事に対しては高い精度
3.4 ノ イ ズ 除 去 モ ジ ュ ー ル
で印象値を算出することができたが，ツイートに対す
取 得 し た ツ イ ー ト 群 に 顔 文 字 や URL と い っ た 分 析
に適さない文字列が含まれていると，正確な分析結果
を得ることができない．そこで，事前にこのような文
字列を取り除くことにする．
具体的には，正規表現を用いて文字列検索を行い，
る有効性は検証されていない．今後の課題と言える．
3.6 キ ー フ レ ー ズ 抽 出 モ ジ ュ ー ル
ノイズを除去したツイート群からキーフレーズの
抽 出 を 行 う ．本 シ ス テ ム で は ，Yahoo!JAPAN が 提 供 し
て い る Yahoo!キ ー フ レ ー ズ 抽 出 API を 用 い る ．
マッチする文字列を取り除くことにする．現在，定義
ノ イ ズ を 除 去 し た ツ イ ー ト 群 を 100 ツ イ ー ト ず つ に
している，取り除く文字列と各文字列を取り除くため
分 割 し ，こ れ を パ ラ メ ー タ と し て 分 割 数 分 API リ ク エ
に 用 い た 正 規 表 現 を 表 1 に ま と め る ． す な わ ち ， http
ス ト を 行 う ．1 回 の リ ク エ ス ト で 20 個 の キ ー フ レ ー ズ
も し く は https か ら 始 ま る 英 数 文 字 列 を URL（ Uniform
とそれぞれのスコアを得ることができる．但し，複数
Resource Locator） を 表 し て い る も の と し て 取 り 除 き ，
回リクエストした場合，得られるキーフレーズに重複
@か ら 始 ま る 英 数 文 字 列 を Twitter ユ ー ザ 名 を 表 し て
が生じることがある．そのため，重複しているキーフ
い る も の と し て 取 り 除 く ． さ ら に ， 文 字 「 w」 が 2 個
レーズはスコアの平均値を求め 1 つにまとめる．最後
以 上 連 続 し た も の（ 笑 い を 表 す ）や 顔 文 字 も 取 り 除 く ．
に ，ス コ ア 上 位 の 20 個 の キ ー フ レ ー ズ を ，ス コ ア を も
とにタグクラウド形式に変換し，利用者に提示する．
3.7 グ ラ フ 生 成 モ ジ ュ ー ル
に再分類する．本システムは，印象軸ごとに，それぞ
れ の ツ イ ー ト 数 を カ ウ ン ト し ， GoogleChartTools を 用
ユーザの印象選好やキーワードの印象文脈を可視
いて円グラフを生成する．
化するため，ツイートの印象値をもとにグラフを生成
す る ． グ ラ フ の 生 成 に は ， Google 社 が 提 供 し て い る
GoogleChartTools を 用 い る ．
4. シ ス テ ム の 実 行 例
本 シ ス テ ム は ， 表 2 に 示 し た 開 発 環 境 に お い て Web
ユーザ分析の場合は，各ツイートの印象値に基づい
アプリケーションシステムとして実装されており，動
て 散 布 図 を 3 つ 生 成 す る ．「 x 軸 ： 楽 し い ⇔ 悲 し い ×y
作が確認されている．本章では，本システムの実行例
軸：う れ し い ⇔ 怒 り 」，
「 x 軸：う れ し い ⇔ 怒 り ×y 軸 ：
を示す．
の ど か ⇔ 緊 迫 」，
「 x 軸：の ど か ⇔ 緊 迫 ×y 軸：楽 し い ⇔
悲しい」の 3 つであり，それぞれの散布図において，
ユ ー ザ TL を 赤 色 の 丸 印 で 示 し ，ホ ー ム TL を 青 白 の 丸
印で示す．
キーワード分析の場合は，各ツイートの印象値に応
じてそれぞれのツイートを 5 段階に再分類する．例え
ば，
「 楽 し い ⇔ 悲 し い 」の 印 象 軸 で は ，印 象 値 が 1 以 上
2.5 未 満 の ツ イ ー ト を 「 楽 し い 」 に ， 2.5 以 上 3.5 未 満
の ツ イ ー ト を「 や や 楽 し い 」に ，3.5 以 上 4.5 未 満 の ツ
イ ー ト を「 普 通 」に ，4.5 以 上 5.5 未 満 の ツ イ ー ト を「 や
表 2 システムの開 発 環 境
OS
CentOS6.5 64bit
Web サ ー バ
Apache2.4
データベース
MySQL5.0.10
言語
使 用 API
や 悲 し い 」に ，5.5 以 上 7 以 下 の ツ イ ー ト を「 悲 し い 」
PHP5.4.7,
JavaScript
HTML
Twitter REST API v1.1,
Yahoo!キ ー フ レ ー ズ 抽 出 API,
GoogleChartTools
図 2 ユーザ分 析 の実 行 例 1
（ユーザ TL とホーム TL のキーフレーズを表 示 させる場 合 ）
図 3 ユーザ分 析 の実 行 例 2
（「のどか⇔緊 迫 」を選 択 し，該 当 するツイートを表 示 させる場 合 ）
4.1 ユ ー ザ 分 析 の 場 合
怒 り ×y 軸 ： の ど か ⇔ 緊 迫 」，「 x 軸 ： の ど か ⇔ 緊 迫 ×y
まず，ユーザ分析の実行例を図 2 に示す．分析対象
軸：楽しい⇔悲しい」の 3 つの散布図が表示されてい
と な る ユ ー ザ と し て 著 者 の 一 人 で あ る @Morino
る ．散 布 図 の 下 に は ，ユ ー ザ TL と ホ ー ム TL の そ れ ぞ
Kumazo を 指 定 し て お り ，画 面 上 部 に は「 x 軸：楽 し い
れにおいて抽出されたキーフレーズがタグクラウド形
⇔ 悲 し い ×y 軸：う れ し い ⇔ 怒 り 」，
「 x 軸：う れ し い ⇔
式に変換され，表示されている．
また，本システムの利用者が選択した印象に基づい
し て お り ， 画 面 上 部 に は 「 楽 し い ⇔ 悲 し い 」，「 う れ し
て ，当 該 印 象 に 分 類 さ れ た ユ ー ザ TL と ホ ー ム TL を 表
い ⇔ 怒 り 」，「 の ど か ⇔ 緊 迫 」 の 3 つ の 印 象 軸 に 対 応 し
示させることもできる．表示させる印象として「のど
た円グラフが表示されている．この円グラフを見るこ
か⇔緊迫」を選択した場合の実行例を図 3 に示す．こ
とで，直感的にどのような印象文脈でのツイートが多
の操作により，それぞれの印象に該当するツイートの
いかを知ることができる．また，円グラフの下には，
内容を読むことができる．
利 用 者 が 選 択 し た 印 象（ こ の 例 で は「 う れ し い ⇔ 怒 り 」）
4.2 キ ー ワ ー ド 分 析 の 場 合
に分類されたツイートが表示されている．もちろん，
次に，キーワード分析の実行例を図 4 に示す．分析
図 2 同様，取得したツイートから抽出されたキーフレ
対象となるキーワードとして「高校サッカー」を入力
ーズをタグクラウド形式で表示させることもできる．
図 4 キーワード分 析 の実 行 例
（キーワードとして「高 校 サッカー」を入 力 した場 合 ）
（「うれしい⇔怒 り」を選 択 し，該 当 するツイートを表 示 させる場 合 ）
5. む す び
本 論 文 で は ，シ ス テ ム 利 用 者 が 指 定 し た 条 件（ Twitter
ユーザ名もしくはキーワード）に基づいて該当するツ
イートを自動的に収集・分析し，任意のユーザの印象
選好（そのユーザが普段，どのような話題の，どのよ
うな印象のツイートを見たり投稿したりしているか）
や任意のキーワードの印象文脈（そのキーワードがど
のような印象のツイートにおいて用いられているか）
を 可 視 化 す る 手 法 を 提 案 す る と と も に ， Web ア プ リ ケ
ーションシステムとして実装した．
ユ ー ザ 分 析 で は ，利 用 者 が 指 定 し た Twitter ユ ー ザ の
ユ ー ザ タ イ ム ラ イ ン（ ユ ー ザ TL）と ホ ー ム タ イ ム ラ イ
ン（ ホ ー ム TL）を 収 集・分 析 し ，そ の ユ ー ザ の 印 象 選
好を可視化することで，そのユーザをフォローしても
良いか，しない方が良いかの判断を支援する機能を提
供している．キーワード分析では，利用者が入力した
キーワードを含むツイートを収集・分析し，そのキー
ワードの印象文脈を可視化することで，キーワードの
使われ方を調べることができる．
今後の課題として，以下のようなものが挙げられる．
まず，本システムで用いている印象マイニングシステ
ム [3]は ，新 聞 記 事 の 分 析 用 途 で 設 計・開 発 さ れ た も の
であり，ツイートの印象マイニングに対する有効性は
検証されていない．ツイートには非文法的なものや極
端に短い文からなるものも多く，現在の辞書ベースの
方法では十分な精度が得られないかもしれない．した
がって，ツイートに対する現印象マイニングシステム
の精度を検証しつつ，ツイートに対応可能な印象マイ
ニング手法を開発していく必要がある．一方，ツイー
ト に は Twitter 特 有 の 顔 文 字 や ネ ッ ト ス ラ ン グ ，言 い 回
しが含まれる場合があり，ツイートの印象にも影響を
与 え て い る も の と 考 え ら れ る [23]． そ の よ う な 場 合 に
も正確に印象値を算出できるように印象マイニングシ
ステムを改良する必要がある．また，本システムを発
展させることで，ユーザの印象選好やキーワードの印
象文脈を可視化するだけでなく，実際にフォローすべ
きユーザを推薦したり，利用者の興味のあるキーワー
ドを提示したりすることのできるシステムを開発して
いきたい．
謝辞
本 研 究 は ， JSPS 科 研 費 24500134 な ら び に 福 田 将 治
奨学寄付金による助成の成果であり，ここに記して謝
意を表すものとする．
参
考
文
献
[1] SOCIALPLATFORMS GWI.8 UPDATE: Decline of
Local Social Media Platforms, https://www.
globalwebindex.net/social-platforms-gwi-8-update-d
ecline-of-local-social-media-platforms/
[2] Documentation | Twitter Developers, https://dev.
twitter.com/docs
[3] 熊 本 忠 彦 ， 河 合 由 起 子 ， 田 中 克 己 ： 新 聞 記 事 を 対
象とするテキスト印象マイニング手法の設計と
評 価 ，信 学 論 (D), Vol.J94-D, No.3, pp.540-548, 2011．
[4] テ キ ス ト 解 析 :キ ー フ レ ー ズ 抽 出 API – Yahoo!デ
ベ ロ ッ パ ー ネ ッ ト ワ ー ク , http://developer.
yahoo.co.jp/webapi/jlp/keyphrase/v1/extract.html
[5] Google Charts – Google Developers, https://
developers.google.com/chart/
[6] Michael Mathioudakis, and Nick Koudas, TwitterMonitor: Trend Detection over the Twitter Stream,
Proc. of the ACM SIGMOD International Conference
on Management of Data, pp.1155-1158, Indianapolis,
USA, 2010.
[7] Fabian Abel, Qi Gao, Geert-Jan Houben, Ke Tao,
Twitter-Based
User
Modeling
for
News
Recommendations, Proc. of the 23rd International
Joint Conference on Artificial Intelligence, pp.
2962-2966, Beijing, China, 2013.
[8] Takeshi Sakaki, Makoto Okazaki, and Yutaka Matsuo,
Earthquake Shakes Twitter Users: Real-time Event
Detection by Social Sensors, Proc. of the 19th
International Conference on World Wide Web, pp.
851-860, Raleigh, North Carolina, USA, 2010.
[9] Jianshu Weng, Ee-Peng Lim, Jing Jiang, and Qi He,
TwitterRank: Finding Topic-Sensitive Influential
Twitterers, Proc. of the Third ACM International
Conference on Web Search and Data Mining, pp.
261-270, New York, USA, 2010.
[10] Adam Sadilek, Henry Kautz, and Jeffrey P. Bigham,
Finding Your Friends and Following Them to Where
You Are, Proc. of the Fifth ACM International
Conference on Web Search and Data Mining, pp.
723-732, Seattle, USA, 2010.
[11] Marco Pennacchiotti, and Siva
Gurumurthy,
Investigating Topic Models for Social Media User
Recommendation, Proc. of the 20th International
Conference Companion on World Wide Web, pp.
101-102, Hyderabad, India, 2011.
[12] Peter D. Turney: Thumbs Up or Thumbs Down?
Semantic Orientation Applied to Unsupervised
Classification of Reviews. Proc. of the 40th Annual
Meeting
on
Association
for
Computational
Linguistics, pp.417-424, Philadelphia, USA, 2002.
[13] Bo Pang and Lillian Lee: Seeing Stars: Exploiting
Class Relationships for Sentiment Categorization
with Respect to Rating Scales. Proc. of the Annual
Meeting
on
Association
for
Computational
Linguistics, pp.115-124, Morristown, NJ, USA, 2005.
[14] Kevin Hsin-Yih Lin, Changhua Yang, and Hsin-Hsi
Chen: Emotion Classification of Online News
Articles from the Reader's Perspective. Proc. of the
2008 IEEE/WIC/ACM International Conference on
Web Intelligence and Intelligent Agent Technology,
Vol.1, pp.220-226, 2008.
[15] 矢 野 絵 美 ，北 野 有 亮 ， 末 吉 恵 美 ， 篠 原 勲 ， ピ ン ヤ
ポン シニーナット，加藤俊一，消費者の感性モ
デルを利用したレコメンデーションシステムの
構 築 ，情 報 処 理 学 会 論 文 誌：デ ー タ ベ ー ス ，Vol.44,
No.SIG 8 (TOD 18), pp.46-54, 2003．
[16] 石 塚 賢 吉 ， 鬼 沢 武 久 ， 加 藤 茂 ： 物 語 の シ ー ン の 印
象 に 基 づ い た 声 楽 曲 の 生 成 ，日 本 感 性 工 学 会 論 文
誌 ， Vol.10, No.4, pp.523-534, 2011．
[17] 宮 川 祥 子 ，清 木 康 ： 特 定 分 野 ド キ ュ メ ン ト を 対 象
とした意味的連想検索のためのメタデータ空間
生成方式，情報処理学会論文誌：データベース，
Vol.40, No.SIG 5 (TOD 2), pp.15-28, 1999．
[18] 清 水 浩 平 ，萩 原 将 文 ： 名 詞 と 動 詞 の 組 み 合 わ せ に
対 す る 印 象 推 定 法 ，日 本 感 性 工 学 会 論 文 誌 ，Vol.10,
No.4, pp.505-514, 2011．
[19] 山 本 祐 輔 ，手 塚 太 郎 ，ア ダ ム ヤ ト フ ト ，田 中 克 己 ，
WebAlert： Web 情 報 の 印 象 集 約 を 利 用 し た 閲 覧 ペ
ー ジ 内 容 に 対 す る 反 対 意 見 提 示 ，日 本 デ ー タ ベ ー
ス 学 会 論 文 誌 ， Vol.7, No.1, pp.251-256, 2008．
[20] Tadahiko Kumamoto and Katsumi Tanaka: Web
OpinionPoll: Extracting People's View by Impression
Mining from the Web, Proc. of the 14th ACM
Conference
on
Information
and
Knowledge
Management, pp.265-266, Bremen, Germany, 2005.
[21] 張 建 偉 ， 河 合 由 起 子 ， 熊 本 忠 彦 ， 田 中 克 己 ： 地 域
性に基づく発信者の観点差異を可視化するセン
チ メ ン ト マ ッ プ シ ス テ ム の 提 案 ，情 報 処 理 学 会 論
文 誌 デ ー タ ベ ー ス ，Vol.3, No.1 (TOD 45), pp.38-48，
2010．
[22] 河 合 由 起 子 ， 熊 本 忠 彦 ， 田 中 克 己 ： 印 象 と 興 味 に
基づくユーザ選好のモデル化手法の提案とニュ
ー ス サ イ ト へ の 応 用 ， 知 能 と 情 報 ， Vol.18, No.2,
pp.173-183, 2006．
[23] 若 井 祐 樹 ，田 中 美 羽 ， 熊 本 忠 彦 ， 灘 本 明 代 ： 顔 文
字を考慮したニュースに対するツイートの感情
抽 出 手 法 の 提 案 ，第 5 回 デ ー タ 工 学 と 情 報 マ ネ ジ
メ ン ト に 関 す る フ ォ ー ラ ム（ DEIM 2013），No.D9-5，
2013．