Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
[論文紹介][KDD2014]Dynamics of News Events and Soc...
Search
ysekky
April 08, 2015
Research
0
320
[論文紹介][KDD2014]Dynamics of News Events and Social Media Reaction
ysekky
April 08, 2015
Tweet
Share
More Decks by ysekky
See All by ysekky
スタートアップの開発サイクルに学ぶ 研究活動の進め方 / research practices inspired by startup business strategy
ysekky
0
2.2k
[論文紹介] A Method to Anonymize Business Metrics to Publishing Implicit Feedback Datasets (Recsys2020) / recsys20-reading-gunosy-datapub
ysekky
3
2.7k
JSAI2020 OS-12 広告とAI オープニング / JSAI2020-OS-12-ads-and-ai-opening
ysekky
0
2.1k
JSAI2020インダストリアルセッション - Gunosyにおける研究開発 / jsai2020-gunosy-rd-examples
ysekky
1
760
ウェブサービス事業者における研究開発インターン[株式会社Gunosy] - テキストアナリティクスシンポジウム2019 / research-intern-case-study-at-gunosy
ysekky
0
2.8k
Gunosyにおけるニュース記事推薦/ news-recommendation-in-gunosy-webdbf2019
ysekky
1
1.5k
DEIM2019技術報告セッション - Gunosyの研究開発 / deim-2019-sponsor-session-gunosy-research
ysekky
0
1.1k
Analysis of Bias in Gathering Information Between User Attributes in News Application (ABCCS 2018)
ysekky
1
2.3k
世代による政治ニュース記事の閲覧傾向の違いの分析 - JSAI2018 / Analysis of differences in viewing behavior of politics news by age
ysekky
0
3.9k
Other Decks in Research
See All in Research
ウッドスタックチャン:木材を用いた小型エージェントロボットの開発と印象評価 / ec75-sato
yumulab
1
450
引力・斥力を制御可能なランダム部分集合の確率分布
wasyro
0
200
rtrec@dbem6
myui
6
890
【輪講資料】Moshi: a speech-text foundation model for real-time dialogue
hpprc
3
440
Principled AI ~深層学習時代における課題解決の方法論~
taniai
3
1.2k
定性データ、どう活かす? 〜定性データのための分析基盤、はじめました〜 / How to utilize qualitative data? ~We have launched an analysis platform for qualitative data~
kaminashi
7
1.1k
Computational OT #4 - Gradient flow and diffusion models
gpeyre
0
320
Galileo: Learning Global & Local Features of Many Remote Sensing Modalities
satai
3
100
ノンパラメトリック分布表現を用いた位置尤度場周辺化によるRTK-GNSSの整数アンビギュイティ推定
aoki_nosse
0
330
数理最適化と機械学習の融合
mickey_kubo
15
8.9k
大規模な2値整数計画問題に対する 効率的な重み付き局所探索法
mickey_kubo
1
280
(NULLCON Goa 2025)Windows Keylogger Detection: Targeting Past and Present Keylogging Techniques
asuna_jp
2
550
Featured
See All Featured
Put a Button on it: Removing Barriers to Going Fast.
kastner
60
3.9k
Site-Speed That Sticks
csswizardry
10
700
Facilitating Awesome Meetings
lara
54
6.5k
Reflections from 52 weeks, 52 projects
jeffersonlam
351
21k
The Power of CSS Pseudo Elements
geoffreycrofte
77
5.9k
Designing Dashboards & Data Visualisations in Web Apps
destraynor
231
53k
BBQ
matthewcrist
89
9.7k
Java REST API Framework Comparison - PWX 2021
mraible
31
8.7k
Typedesign – Prime Four
hannesfritz
42
2.7k
Raft: Consensus for Rubyists
vanstee
140
7k
Producing Creativity
orderedlist
PRO
346
40k
StorybookのUI Testing Handbookを読んだ
zakiyama
30
5.9k
Transcript
[論文紹介] Dynamics of News Events and
Social Media Reac9on Mikalai Tsytsarau*1, Themis Palpanas*2, Malu Castellanos*3 (University of Trento*1, Paris Descartes University*2, HewleJ Pakard*3) KDD 2014 Yoshifumi Seki (Gunosy Inc) 2015.04.07 @Gunosy研究会 #86
概要 • ニュースの波及の様子とその反応についてモ デル化を行う • ニュースの波及について,そのイベントの重 要度とメディアの反応モデルの畳み込みとし て表現することでイベントの重要度を得る
• ニュースの波及と反応にはラグが存在する. 時系列の相関を踏まえることでイベントによっ て反応がどのように変化したのかを捉える.
ニュースの波及について • 青: 検索ボリューム – 常にある程度のボリュームがあり、Eventのインパ クトを見積もるのが難しい • 赤:
提案手法のアウトプット – イベントの影響力を捉えることができている
Modeling News Dynamics • mrf: media response func9on •
e: actual event sequence • n: news volume
media response func9on • h(t): ヘヴィサイドの階段関数
Event importance
News Deconvolu9on • フーリエ逆変換を用いる
Detec9ng Sen9ment Shi\s • Sen9ment Extrac9on – トピックに関連する文書をApache Luceneを用いて 得る
– Sen9Strength Algorithm • hJp://sen9strength.wlv.ac.uk/ • Sen9ment Volume – 文書数(ツイート数)できまる
Detec9ng Sen9ment Shi\s • Contradic9on Level – 意見がわかれている度合い – 平均と分散で測る
– n: number of sen9ments
Correla9ng News and Sen9ments • ピアソンの相関係数 – 線形性を仮定しているので、今回のようなBurstな 変化の相関を捉えるには向いていない
– あるインターバルでバースト(一定以上値が上昇 したかを集合にしてJaccard , Cosine類似度を測る
Experimental Evalua9on • Meme Dataset – top 100 memes 9me
series – approximately 500 peaks – 4 hour aggrega9on • TwiJer – 30 topics(selected) – 7 million tweets, 400 peak during the event – 1 day aggrega9on
Compare Accuracy to Previous Model
Compare Accuracy to Previous Model
Evaluate the Proposed response dynamics
• 映画は事前はPosi9veだが事後にはNega9veなも のが出る • スポーツのような事前に起こることがわかってい るイベントはイベントとの相関が高く出る