Research on Detection and Prediction of Trending Topics using Image Data on Social Media

本研究は、ソーシャルメディアにおける画像データを用いた流行トピックの検出・予測に関する研究で、2年目です。本研究では、画像から深層学習モデルを使用し特徴量を抽出し、その特徴量を時系列のトレンド抽出に活用することを目的としています。第1年目では、ソーシャルメディアからの画像データセットを収集し、それらに適切なデータクレンジングと前処理を行いました。その後、深層学習モデル（例：CNN、ResNet）を適用し、画像データから離散的なタグを抽出し、そのタグを用いた時系列の手法を開発しました。適用先はファッションの画像データで、プロの評価を用い、適切にファッションのトレンドを抽出できていることを確認しました。第2年目においては、タグではなく、連続量の特徴量を抽出しました。そのために深層学習のオートエンコーダ技術を用いました。具体的にはオートエンコーダの中間層の出力を用いて、それを時系列予測に用います。特徴量の抽出の際、様々な前処理を用いて、特徴量抽出の精度を確かめました。さらに、トレンド画像の質的な理解のため、ファッション画像を自動的に分類できるクラスタリング方法を提案しています。これにより、視覚的に異なるファッション画像をグループ化することができ、トレンドの理解に役立てることができました。本研究の成果は、マーケティングや広告業界における効果的な戦略立案に貢献することが期待されます。さらに、将来的には、政治や災害など、より幅広い分野におけるトレンド分析にも応用可能であると考えられます。2年間の研究を通じて、ソーシャルメディアにおける画像データを用いた流行トピックの検出・予測技術の確立に一歩近づくことができました。今後も研究を進め、技術の向上と応用範囲の拡大を目指してまいります。

本研究は、ソーシャルメディアにおける画像データを用いた流行トピックの検出・予測に関する研究で、2年目です。本研究では、画像から深層学習モデルを使用し特徴量を抽出し、その特徴量を時系列のトレンド抽出に活用することを目的としています。第1年目では、ソーシャルメディアからの画像データセットを収集し、それらに適切なデータクレンジングと前処理を行いました。その後、深層学習モデル（例：CNN、ResNet）を適用し、画像データから離散的なタグを抽出し、そのタグを用いた時系列の手法を開発しました。適用先はファッションの画像データで、プロの評価を用い、適切にファッションのトレンドを抽出できていることを確認しました。第2年目においては、タグではなく、連続量の特徴量を抽出しました。そのために深層学習のオートエンコーダ技術を用いました。具体的にはオートエンコーダの中間層の出力を用いて、それを時系列予測に用います。特徴量の抽出の際、様々な前処理を用いて、特徴量抽出の精度を確かめました。さらに、トレンド画像の質的な理解のため、ファッション画像を自動的に分類できるクラスタリング方法を提案しています。これにより、視覚的に異なるファッション画像をグループ化することができ、トレンドの理解に役立てることができました。本研究の成果は、マーケティングや広告業界における効果的な戦略立案に貢献することが期待されます。さらに、将来的には、政治や災害など、より幅広い分野におけるトレンド分析にも応用可能であると考えられます。2年間の研究を通じて、ソーシャルメディアにおける画像データを用いた流行トピックの検出・予測技術の確立に一歩近づくことができました。今後も研究を進め、技術の向上と応用範囲の拡大を目指してまいります。