SNS検索結果を対話型ポジショニングマップ化する

SNSの検索結果を、複数の視点から見る対話側ポジショニングマップで提示する。視点の切り出しやマッピングは、大規模言語モデル（LLM）を利用している。
フィルターバブルの軽減に向け、さまざまな視点をユーザに提供することを目的とする。

情報処理学会　インタラクションシンポジウム（2025.3.3）で発表

Transcript

1. 情報処理学会シンポジウム インタラクション2025 大規模言語モデルを用いて投稿内容をさまざま な視点から見たインタラクティブマップで表示 するSNS検索システム 神場知成 東洋大学 情報連携学部（INIAD） 2025年3月3日
2. 背景 ⚫ SNSを中心とするフィルターバブル、エコーチェンバー ⚫ SNSの規制 vs. 開放 ⚫ フェイク情報の削除 vs. なにがフェイクか？…. → 個人が広く視点が持つことが重要 … だがむずかしい Copyright © 2025 by INIAD, Toyo University 2
3. 既存研究 (1)：フィルターバブル、エコーチェンバー ⚫ Conover et al. (Indiana Univ. 2011, AAAI Conf.): Political Polarization on Twitter ⚫ 2010年の米国中間選挙前 6週間 の25万ツイートを可視化 ⚫ リツイート： 同一党派のクラスタが明確に分 かれる ⚫ メンション： 一つの大きな集団 Copyright © 2025 by INIAD, Toyo University 3 リツイート メンション
4. 既存研究 (2)：ユーザの意識を育てる ⚫ Opinion Space (UC Berkeley, CHI 2010) ⚫ 参加者は既存トピックに対する 自分の見解をスライダーで選択 → 主成分分析によりマップ化 → 他の意見への意思表明やコメ ントを促す仕組み ⚫ 米国国務省が一般市民意見の収 集にも利用（2010） Copyright © 2025 by INIAD, Toyo University 4
5. 既存研究 (3)：ポジネガ両方の閲覧を促す ⚫ Jasim et al. (UMass Amherst, CHI 2022): Supporting Serendipitous Discovery … ⚫ 商品レビューのポジティブ・ネ ガティブコメントをどれくらい 網羅して閲覧しているかを可視 化 ⚫ ポジネガをバランスよく閲覧す ることで、商品選択結果への自 信が上がる Copyright © 2025 by INIAD, Toyo University 5
6. 既存研究 (4)：意外性をもつ情報の提供 ⚫ Grace et al. (Univ. of Sydney, CHI 2022): Q-chef: The impact of surprise-soliciting system on food… ⚫ 食事や食材の好みを事前収集 したうえで「好みそうなも の」と「驚きをもたらしそう なもの」を提示 ⚫ 食事は宗教・信条・幼少期体 験なども影響するので複雑 Copyright © 2025 by INIAD, Toyo University 6
7. 既存研究 (5)：パーソナライズと一般性のバランス ⚫ T. Kamba: An Interactive Personalized Newspaper on the Web (WWW Conf. 1995) ⚫ 記事閲覧にもとづき自動パー ソナライズするニュース ⚫ 「個人の興味」と「コミュニ ティの興味」の割合をスライ ダーで調整可能 Copyright © 2025 by INIAD, Toyo University 7
8. 本研究の試み： ⚫SNS閲覧における、同一トピックに対するさまざまな視点 の提示 ▪ 一般に、賛否表明やシェアは容易だが、視点に気づくことはむず かしい ⚫そのためのユーザインタフェースは？ Copyright © 2025 by INIAD, Toyo University 8
9. ユーザインタフェース Copyright © 2025 by INIAD, Toyo University 9 LLMが切り出した軸 マップ上の選択と リスト表示は連動
10. システムの動作 Copyright © 2025 by INIAD, Toyo University 10 検索クエリ 入力モジュール SNS検索 モジュール ユーザ：SNS検索 SNS検索API エンドポイント （X API等） SNS検索結果 分類軸問い合わせ モジュール 大規模言語モデルAPI （ChatGPT API等） ・SNS検索結果リスト ・分類軸問い合わせ 分類軸 記事スコア問い合わせ モジュール ・記事 ・分類軸 スコア 記事レイアウト モジュール 検索クエリ
11. 視点の創出：LLMへのプロンプト（一部、簡略化） ⚫ 以下の{tweet_count}件のツイートを分析し，議論のための軸を提案してください． 提案する軸の数は{axis_count}です． ⚫ 各軸について，軸と両極の名前を日本語で示してください．両極は一般的価値観か らみて{pole1}がネガティブ，{pole2}がポジティブな方向にしてください． ⚫ - 各軸は，ツイートの内容を最もよく表現し，議論を促進するものを選んでくださ い． ⚫ - 軸の名前は簡潔で分かりやすいものにしてください． ⚫ - 両極の名前は，その軸における対立する概念や意見を明確に表現してください． ⚫ - ツイートの文脈や潜在的なテーマを考慮に入れてください． ⚫ - 提案する軸は互いに重複しないよう，できるだけ異なる観点から選んでください． Copyright © 2025 by INIAD, Toyo University 11
12. 視点の創出：事例 （実験は2024年8月4日） クエリ 軸 極（ネガ方向） 極（ポジ方向） 地球温暖化 温暖化の原因 人間活動の影響 自然現象の影響 温暖化対策の必要性 対策不要 対策必要 温暖化の影響 悲観的な影響 楽観的な影響 GPU 技術力とパフォーマンス 低評価 高評価 企業の戦略と方向性 不安 信頼 コストパフォーマンス 不満 満足 J-POP 音楽ジャンルへの関心 ジャンルに関心なし 特定ジャンルに強い関心 新曲・新譜への対応 無関心 対応 コンテンツ消費 物理メディア中心 ストリーミング中心 生成AI 生成AIの創作性 創作性がない 創作性がある 生成AIの倫理性 非倫理的 倫理的 生成AIの経済影響 悪影響 良影響 Copyright © 2025 by INIAD, Toyo University 12
13. スコアの計算：LLMへのプロンプト（一部、簡略化） ⚫ 各軸について以下の指針に従ってスコアを付けてください： ⚫ {pole1}寄りであれば-1、{pole2} 寄りであれば+1に近い値を付けてください． ⚫ 中立的な場合や，軸に関連性がない場合は0に近い値を付けてください． ⚫ スコアは-1.0から+1.0の間の小数で表してください． ⚫ ツイートの内容を慎重に分析し，各軸に対する関連性を判断してください． ⚫ 文脈や含意されている意味も考慮してください． ⚫ 一貫性のある分類を心がけ，似たような内容のツイートには類似したスコアを付け るようにしてください． ⚫ 各軸は独立して判断し，他の軸のスコアに影響されないようにしてください． Copyright © 2025 by INIAD, Toyo University 13
14. スコアづけと配置：事例 クエリ 記事 スコア 地球温暖化 環境問題ニュース：政府が2030年までに温室 効果ガス排出量を45%削減する目標を発表 ・自然現象の影響：0.8 ・対策必要：1.0 人間が一番怖い。地球温暖化も全部人間が悪 い。人間減らすべき ・人間活動の影響：-0.9 ・対策必要：0.9 GPU GPUこわれても物理破損以外なら対応する メーカーもあり、ユーザフレンドリになった ・高評価：0.8 ・企業の戦略と方向性：0.8 最強intelがNvidiaに勝るCPUを作れなかった のはGPU事業の在り方に問題があったか？ ・技術力とパフォーマンス：-0.9 ・企業の戦略と方向性：-0.9 生成AI 生成AIで音楽つくるの面白すぎる。一日つぶ れそうなくらい楽しい ・創造性：0.8 ・倫理性：0.75 データ権利問題が解決しても創作するのは生 成AI本体では？ユーザはプロンプト入力だけ ・経済影響：0.5 ・倫理性：0.7 Copyright © 2025 by INIAD, Toyo University 14
15. 実験：記事閲覧行動への影響（大学生10名） マップ 単語選択数 検索語数 投稿閲覧数 閲覧数/検索 語数 リスト起点 マップ起点 なし 8.1 7.1 65.8 9.3 あり 8.3 5.3 11.1 62.3 13.8 Copyright © 2025 by INIAD, Toyo University 15 ⚫ マップなし/あり10分ずつ（実験順序は無作為化） ⚫ 17クエリ × 100個の検索結果を直前に用意し、クエリ選択するとすぐに結果 とマップが表示されるようにした ⚫ マップにより時間内の検索語数は減少し、単語あたりの閲覧数は50%増加 ⚫ マップがあることで、投稿閲覧の85%がマップ起点に
16. マップ上の操作 ≃ ユーザの事後アンケート Copyright © 2025 by INIAD, Toyo University 16 興味にあわせたものをまん べんなく見ることができる． ネガティブなものは見たくな いので，それらを除いて選択 的に見ることができた． マップがなければ上から順に見 るがあれば気になるものをだけ を閲覧し短い時間で内容を把握 できる．否定的なものを見ない で済む． 見たいものを選んでみること ができる．一つの投稿をしっ かり読むようになる． 飽きずに同じキーワード のものを見ることができ る． 肯定的・批判的両方を見るこ とができた．
17. LLMによる操作履歴分析例（一部簡略化） ⚫ ユーザは検索したツイートの中で多 様な内容に対する関心が読み取れま す。 ⚫ X座標に見られる比較的ネガティブな 領域へのクリックが多く、ネガティ ブな意味合いのツイートに反応しや すい傾向があると考えられます。し かし、Y座標を見るとポジティブなス コアのツイートに対してもクリック していることから、内容によること が推察されます。 Copyright © 2025 by INIAD, Toyo University 17
18. インタビュー：専門家の自由操作 ⚫ IT分野：CG、VR/ARを専門とする大学教員 ▪ GPU、セキュリティインシデント等に関する検索 ▪ 他の軸を思いつくことはむずかしい / 結果を企業別に見る・問題解決の 状態で分類する機能もほしい ⚫ ジャーナリスト：経験豊富な政治経済記者 ▪ 米大統領選、日米関係などに関する検索 ▪ 良い軸とそうでない軸がある/政治的な批判はまったく異なる立場の批 判もあり、単一軸は適さない/経済的影響にポジネガは適さない Copyright © 2025 by INIAD, Toyo University 18
19. まとめ ⚫ポジネガ分類ではない「視点の抽出」にLLMが有効 ⚫マップがあるとユーザ行動は大きく変わる ⚫マップ上の履歴から、ユーザの閲覧傾向が分析可能 Copyright © 2025 by INIAD, Toyo University 19
20. 今後の課題 ⚫ LLMによるアドバイスが長期的な行動変容につながるか？ ⚫ そもそも「ネガティブなものを見なくて済むのが良い」とい う人に、見ることを促すのは良いのか？ ⚫ 2極ではない視点の効果的な見せ方は？ Copyright © 2025 by INIAD, Toyo University 20