誤分類に基づいたクラスタ間の関連性を分析するための枠組み構築に関する研究

2022年度は、2021年度に引き続き、主に研究課題2の「クラスタリング結果において誤分類された対象が示す関連性の度合いをどのように測るか」という問いに対する研究を進めてきた。特に、これまで検討してきた枠組みで抽出できるのは、国家というような抽象的な概念の関連性ではなく、ある事象やトピックの関連性に留まっているという点について、関連性の尺度の再検討を通して引き続き検討を行った。この点については、これまで、各国の代表的な出版元によるニュース記事をトピックや事象などの制限を設けず収集し、その分析を進めてきたが、ニュース記事を収集する際に、トピックや、取り扱っている事象に制限を設けることで、トピックやある事象の関連性という観点ではなく、別の観点で分析ができるのではないかという着想に至った。その予備実験として、ある特定の著者によるTwitter のツイートを用いて事前学習済みのBERTのモデルをファインチューニングし、その学習させたBERTを用いて、他のユーザのツイートとその学習させた著者のツイートの混合集合から、ツイートの内容によったトピックとは別次元の著者という軸による分類を試みた。なお、分類に使用したツイート集合は、ある特定のキーワード集合で検索して集めたものであり、類似したトピックを持ったツイートであると考えられる。この成果は、第85回情報処理学会全国大会にて発表を行った。また、データの拡充についても引き続き検討をおこなった。この点においては、様々なニュース媒体やウェブサイトから、より効率的にニュース記事やテキスト情報を収集できるようなツールの作成を検討した。

2022年度は、2021年度に引き続き、主に研究課題2の「クラスタリング結果において誤分類された対象が示す関連性の度合いをどのように測るか」という問いに対する研究を進めてきた。特に、これまで検討してきた枠組みで抽出できるのは、国家というような抽象的な概念の関連性ではなく、ある事象やトピックの関連性に留まっているという点について、関連性の尺度の再検討を通して引き続き検討を行った。この点については、これまで、各国の代表的な出版元によるニュース記事をトピックや事象などの制限を設けず収集し、その分析を進めてきたが、ニュース記事を収集する際に、トピックや、取り扱っている事象に制限を設けることで、トピックやある事象の関連性という観点ではなく、別の観点で分析ができるのではないかという着想に至った。その予備実験として、ある特定の著者によるTwitter のツイートを用いて事前学習済みのBERTのモデルをファインチューニングし、その学習させたBERTを用いて、他のユーザのツイートとその学習させた著者のツイートの混合集合から、ツイートの内容によったトピックとは別次元の著者という軸による分類を試みた。なお、分類に使用したツイート集合は、ある特定のキーワード集合で検索して集めたものであり、類似したトピックを持ったツイートであると考えられる。この成果は、第85回情報処理学会全国大会にて発表を行った。また、データの拡充についても引き続き検討をおこなった。この点においては、様々なニュース媒体やウェブサイトから、より効率的にニュース記事やテキスト情報を収集できるようなツールの作成を検討した。