Twitterにおけるユーザの興味と話題の時間発展を考慮したオンライン学習可能なトピックモデルの提案

概要

論文の詳細を見る
Latent Dirichlet Allocation (LDA) は,様々な分野で応用されているトピックモデルであり,Twitter におけるユーザ属性の推定や話題の要約などに適用した研究も数多く報告され始めている.LDA をツイート集合に適用する場合,1 ツイートを 1 文書とすると,文書の短さやノイズの多さにより,LDA が有効に機能しないことが多いため,1 ユーザの全ツイートを 1 文書とする方法が一般的に用いられる.これに対して,1 ツイートが 1 トピックから成るという仮定に基づいたトピックモデルである Twitter-LDA が提案され,前者の方法に比べて,トピックの意味のまとまりの面で優れていると報告されている.しかし一方で Twitter-LDA は,オンライン学習ができないという課題がある.本論文では,Twitter-LDA を改良し,Twitter に適したオンライン学習可能なトピックモデルを提案する.提案モデルでは以下の二点について Twitter-LDA を拡張する.第一に,一般語とトピック語との比率をユーザごとに推定することで,より高精度にツイートの生成過程をモデル化する.第二に,ユーザの購買行動をモデル化した Topic Tracking Model (TTM) の機構をモデルに加えることで,Twitter におけるユーザの興味と話題の時間発展をオンラインで学習可能とする.
2013-09-19