ソーシャルメディアにおける将来のトレンドを予測する時系列モデルの開発

开发时间序列模型来预测社交媒体的未来趋势

• 批准号: 18K11560
• 负责人: 小林 亮太
• 金额: $ 2.91万
• 依托单位: The University of Tokyo (2020-2022)National Institute of Informatics (2018-2019)
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2018
• 资助国家: 日本
• 起止时间: 2018-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-18K11560/
• 关键词: ソーシャルメディア分析; Webデータ分析; 時系列モデル; フェークニュース; 情報拡散; 社会ネットワーク分析; 計算社会科学; 時系列分析; トピックモデル; トレンド; ウェブマイニング; 時系列解析; 機械学習

Web上では、時々刻々膨大な量のコンテンツ (1分間にTwitterでは45万以上のツイート, Youtube では400時間以上の動画が投稿されている) が生まれている。この中でも、人々に注目されるコンテンツはほんの一部である。本研究では、ソーシャルメディアに着目し、「将来のトレンド (Twitter におけるハッシュタグの流行など) を予測できるのか？」 という問いを設定して研究を進めた。2022年度は、当初の研究計画を変更し、Covid-19ワクチン接種期間の大規模ツイートデータを分析することで、ワクチンに関する人々の興味・関心がどのように推移したかを調べた。まず、2021年1月から10月にTwitter上で投稿された「ワクチン」を含む日本語ツイート (1.2億ツイート) を収集し、トピックモデル(LDA: Blei et al. 2003) を使って分析することにより、主要な15トピックを抽出した。得られたトピックの代表的なツイートを精査することにより、意味解釈を行い、以下の4つの主要なテーマに整理した:1. 個人的事柄、2. ニュース、3. 政治、4. 陰謀論とユーモア。さらに、トピックの投稿割合についての時系列の分析を行った。その結果、職域接種が開始された6月を境にして、人々の興味が「ワクチン政策や経済など社会的内容から、ワクチンの副反応や予約などの個人的内容に」変化したことを発見した。本成果は、学術雑誌 Journal of Medical Internet Research から出版された。

On the Web で は, carved 々 々 at swelled な quantity の コ ン テ ン ツ (1 minute between に Twitter で は above 450000 の ツ イ ー ト, Youtube で は contribute more than 400 time の animation が さ れ て い る) born が ま れ て い る. In the で で and 々に of the 々に group, pay attention to the されるコ テ テ されるコ ほん ほん ほん ほん ほん である. This study で は, ソ ー シ ャ ル メ デ ィ ア に mesh し, "future の ト レ ン ド (Twitter に お け る ハ ッ シ ュ タ グ の popular な ど) を be で き る の か?" Youdaoplaceholder0 と う ask を を set up て て study を into めた. 2022 annual は, の original research projects を - more し, Covid - 19 ワ ク チ ン inoculation during mass ツ の イ ー ト デ ー タ を analysis す る こ と で, ワ ク チ ン に masato す る people 々 の tumblers, masato heart が ど の よ う に goes し た か を adjustable べ た. ま ず, in January 2021 か ら October に Twitter contribute で さ れ た "ワ ク チ ン" を containing む Japanese ツ イ ー ト (120 million ツ イ ー ト) を 収 し, ト ピ ッ ク モ デ ル (LDA: (Blei et al. 2003) を enables って to analyze する する とによ and mainly な15トピッ を を extract た. Have ら れ た ト ピ ッ ク の represent な ツ イ ー ト を fine check す る こ と に よ り, means that the solution 釈 を い, the following 4 つ の の main な テ ー マ に finishing し た : 1. Personal things handle, 2. ニ ュ ー ス, 3. Politics, 4. Conspiracy theory とユ とユ モア. Youdaoplaceholder0 and トピッ トピッ <s:1> submit a series of <s:1> analysis を lines った at the time of the combination of に, て and て. そ の results, job domain が began さ れ た June を condition に し て, people 々 の tumblers が "ワ ク チ ン policy や 経 済 な ど social content か ら, ワ ク チ ン の anti 応 や to about な ど の personal content に" - the し た こ と を 発 see し た. This achievement was published in された by the academic 雑 Journal of Medical Internet Research ら ら.

项目成果

イベント時系列からネットワークを再構成する

从事件时间序列重建网络

• 发表时间: 2019
• 作者: Kobayashi R;Kurita S;Kitano K;Mizuseki K;Richmond B.J;Shinomoto S
• 通讯作者: Shinomoto S

Extracting Cliches: Typify Slanderous Expressions Against the Confessions in the #MeToo Movement

摘录陈词滥调：针对《忏悔录》中的供词的诽谤性言论典型化

• 发表时间: 2022
• 作者: Yuka Takedomi;Towa Suda;Kazuhiro Kurita;Ryota Kobayashi;Tomohiro Matsuda;Takeaki Uno
• 通讯作者: Takeaki Uno

スパイク時系列データから神経ネットワークを推定する

从尖峰时间序列数据估计神经网络

• 发表时间: 2022
• 作者: Satoru KOGURE;Kento OGASAWARA;Koichi YAMASHITA;Yasuhiro NOGUCHI;Tatsuhiro KONISHI;Yukihiro ITOH;氏間和仁・重本理有・今津麻衣・中野泰志;小林 亮太
• 通讯作者: 小林 亮太

Estimating Neural Connectivity from Spike Trains.

从尖峰序列估计神经连接。

• 发表时间: 2020
• 作者: Kobayashi R;Shinomoto S
• 通讯作者: Shinomoto S

多細胞スパイクデータから神経回路ネットワークを推定する

从多细胞尖峰数据估计神经回路网络

• 发表时间: 2018
• 作者: 中村遥佳;田和辻可昌;松居辰則（早大）;小林 亮太
• 通讯作者: 小林 亮太