2018年4月 - 2021年3月
大規模自然災害後の数億件規模のツイートからの話題成長パターンの分析とモデル化
日本学術振興会 科学研究費助成事業 基盤研究(C) 基盤研究(C)
意義:本研究は大規模災害(東日本大震災等)時に投稿された数億件規模のTwitterデータを対象とし、話題の成長パターン分析とそのモデル化を行うことを目的としている。人々の行動や社会に対して大きな影響を与えるソーシャルメディア上の話題を可視化し、話題拡散の様子を示し、人々のコミュニケーション、話題の信頼性評価や議論の推移予測をサポートする技術の開発を目指す。
今年度の実績:今年度は東日本大震災後に投稿された大規模Twitterデータに対して、各種話題(デマやそうでない話題も含む)の成長の様子の時系列分析を行った。国立情報学研究所の宇野教授のデータ研磨手法を用い、話題クラスターの抽出を行っている。分析パラメタ-として、話題全体を構成するのツイート数・話題クラスターの数を取り上げ、分位点回帰モデルにより、時系列変化を可視化した。その結果、話題拡散時の多様性は分位点回帰の95%分位点の傾きで表現できること、デマのように人々が深く考えることなく拡散する情報の場合、多様性が低くなり、分位点回帰の95%分位点の傾きが低い傾向があるということを示すことができた。それに基づき、現在、モデル化に向けて検討を行っている。また、近年大きな問題となっているコロナウイルス感染のTwitter分析についても着手し、厚生省クラスター解析班の方々との研究交流なども実施している。
重要性:本研究により、たとえば東日本大震災時のデマ拡散が話題の多様性が低い状況で行われていると思われることを示すことが出来た。コロナウイルス感染のTwitterデータにも適用しており、より社会の喫緊の課題に対応できる研究へと展開している。論文発表も順調に行っている。
今年度の実績:今年度は東日本大震災後に投稿された大規模Twitterデータに対して、各種話題(デマやそうでない話題も含む)の成長の様子の時系列分析を行った。国立情報学研究所の宇野教授のデータ研磨手法を用い、話題クラスターの抽出を行っている。分析パラメタ-として、話題全体を構成するのツイート数・話題クラスターの数を取り上げ、分位点回帰モデルにより、時系列変化を可視化した。その結果、話題拡散時の多様性は分位点回帰の95%分位点の傾きで表現できること、デマのように人々が深く考えることなく拡散する情報の場合、多様性が低くなり、分位点回帰の95%分位点の傾きが低い傾向があるということを示すことができた。それに基づき、現在、モデル化に向けて検討を行っている。また、近年大きな問題となっているコロナウイルス感染のTwitter分析についても着手し、厚生省クラスター解析班の方々との研究交流なども実施している。
重要性:本研究により、たとえば東日本大震災時のデマ拡散が話題の多様性が低い状況で行われていると思われることを示すことが出来た。コロナウイルス感染のTwitterデータにも適用しており、より社会の喫緊の課題に対応できる研究へと展開している。論文発表も順調に行っている。
- ID情報
-
- 課題番号 : 18K11443
- 体系的課題番号 : JP18K11443