位置情報付きツイートからのイベント検出手法の提案

全文

(1)情報処理学会第 74 回全国大会. 5B-1. 位置情報付きツイートからのイベント検出手法の提案中澤昌美† 池田和史† 服部元† 小野智弘† 株式会社ＫＤＤＩ研究所†. 1. はじめに. 近年 SNS(Social Networking Service)の普及により, 一般ユーザによる手軽な情報発信が可能となりつつある．情報発信に携帯電話やスマートフォンを利用するユーザも多く，ツイッターなどでは，端末に内蔵された GPS を利用して位置情報を付与したコメントの投稿が可能である．また，Foursquare[1]やコロプラ[2]といった位置ゲームサービスや localmind[3]のような，位置情報と連携した Q&A サービスなど，位置情報を活用したサービスも多数提供されている．このように，位置情報を活用して興味のある場所に関する付加価値情報を得るサービスに対する需要は大きい．本稿では，特定のエリアにおいて局所的に多数のツイートが投稿されるような，スポーツや音楽，花火大会などのイベント地点を検出し，その場所で起きているイベントの内容を推定する手法を提案する．これにより，旅行先など不慣れな場所で，季節や曜日，時間帯によって変化するイベントを，リアルタイムに検索可能となる．しかしながら，従来の手法では，位置情報付きのツイートが多くは存在しないために，少数のイベント地点しか検出できない点が課題であった．これに対し，提案手法では，少数の位置情報付きツイートから多数の位置情報の付与されていないツイートを収集対象として加えることで，より多くのイベント地点を提示することを可能とした．提案手法について，有効性を検証するため，性能評価実験を実施した．. 2. 関連研究. 守屋ら[4]は，ブログに記載されている地名と，その地名に関する記述から，その土地の印象や雰囲気を表すキーワードを地図上に表示する手法を提案している．本稿では，季節や曜日，時間帯によって変化するイベントを検出することを目的とするため，守屋らの手法は適さない．また，位置情報付きツイートからイベントが発生している区域を検出する手法が提案されている．この手法では，メッシュ状に区切られた地図上に，位置情報付きツイートをマッピングし，各メッシュ内におけるツイート数の変化からイベントを検出する．しかし，著者らの事前調査では，日本における位置情報付きツイートはツイート全体の約 0.5%と極めて少ない．このため，文献 [5]の手法では，少数のイベント地点しか検出することができない課題がある．また，少数の位置情報付きツイートから，イベント内容の推定を行うことは困難である．. 3. 提案手法. 本稿では，スポーツや音楽，花火大会などのイベントに起因する，局所的に多数のツイートが投稿されるイベント地点を検出し，その場所で起きているイベントの内容を推定する手法を提案する．提案手法では，経緯度情報を含むツイート(位置情報付 “Detection and Labeling of Local Events from Tweets with location information. ” Masami NAKAZAWA†, Kazushi IKEDA†, Gen HATTORI† and Chihiro ONO† † KDDI R&D Laboratories, inc. 2-1-15 OHARA FUJIMINO-SHI SAITAMA, 356-8502, JAPAN {ms-nakazawa, kz-ikeda, gen, ono}@kddilabs.jp. イベント候補地検出位置情報なしツイート収集ここにアプリの絵を下さいイベント地点の同定イベント内容の推定アプリケーションイメージ. システム処理フロー. ツイートの取得. ツイッター. 地図データへの重畳. 提案手法サーバ. アプリケーション利用者. 図 1．提案手法の処理フロー. きツイートと呼ぶ)が少数であることに対する解決策として，(Step1)少数の位置情報付きツイートからのイベント候補地検出，(Step2)イベント候補地に関連するツイートの追加収集，(Step3)イベントが開催されている地点の同定，(Step4)イベント内容の推定，という 4 つのステップを実行する(図 1)．また，イベント候補地検出にツイッターを活用した理由として，140 文字という手軽な情報発信が可能なためリアルタイム性の高い情報が得られる点，Foursquare 等の既存の位置登録サービスは登録のみを行うユーザが多いことに対し，ツイッターはイベントに対する感想や意見，行動内容を具体的に記述するユーザが多い点などが挙げられる．以降では，提案手法の各ステップの詳細を説明する．. 3.1. Step1：位置情報付きツイートの収集とイベント候補地検出. 位置情報付きツイートの収集方法について説明する．ツイッターの各投稿データ中には，経緯度情報を記載するフィールドが存在し，携帯電話やスマートフォンなどの対応端末では，経緯度を自動的に付与する機能がある． Twitter 社が提供する API を利用し，指定した経緯度の範囲内に含まれるツイートを収集することが可能である．収集した位置情報付きツイートの経緯度から，投稿ツイートの密集地点を検出することで，イベント候補地を検出する．具体的には，DBSCAN [6]を利用し，一定期間のツイートを経緯度情報に基づいてクラスタリングすることで，イベント候補地を検出する．この手法により，多数のイベントを効率よく検出することが可能となる．. 3.2. Step2：位置情報なしイベント関連ツイート収集. 3.1 章に記載の手法で検出したイベント候補地に関連する，位置情報が付与されていないツイート(位置情報なしツイート)を抽出する．まず，Step1 のクラスタリング結果に対し，それぞれの塊の中心地から一定距離以内のランドマーク名を，ローカルサーチ API を用いて取得する．ここで，サーチ対象はツイートに含まれやすいランドマークに限定しておく。次に，このランドマーク名を. 1-503. Copyright 2012 Information Processing Society of Japan. All Rights Reserved..

(2) 情報処理学会第 74 回全国大会. 検索キーワードとして位置情報なしツイートを検索する． Step1 と同一期間のツイートに限定することで，イベント候補地に対する多くの関連ツイートを確実に収集可能となる．. 3.3. 表 1．検出されたランドマークの例六本木ヒルズ，丸の内，品川プリンスホテル，ラゾーナ，国立代々木競技場，恵比寿ガーデンプレイス，赤レンガ倉庫，新橋駅前，日本武道館，東京タワー，東京都庁，羽田空港， Salt，かんだ食堂，アメ横，サンシャインシティ，スターダスト. Step3：イベント地点の同定. イベント候補地からイベントが発生している地点を同定する．ここで，Step1 および Step2 の結果には，単にツイート数が多い地点(駅など)も，イベント候補地として検出されてしまう課題があり，ツイート投稿数が多くても，イベントが発生していない地点は候補から削除する必要がある．提案手法では，①イベント候補地のツイートにおける Foursquare サービス等のチェックインツイートの割合が高い，および，②イベント候補地のツイートに重要度の高いキーワードがない場合，イベント候補地から除く．この 2 つの指標により実際にイベントが発生している地点を同定する．. 3.4. Step4：イベント内容の推定図 2．イベント候補地. 同定したイベント地点に対し，イベント内容を表す単語を付与する．検出したイベント地点に対し，上記の方法で収集した各ツイートから TF-IDF で抽出した単語を，イベント内容を表すラベルとして付与する．. 4. 表 2．収集したツイート数結果(実験 2) 位置情報付き位置情報なし地点ツイート数ツイート数さいたまスーパーアリーナ 12 260 東京タワー 6 178 六本木ヒルズ 9 134 川崎ラゾーナ 8 58. 評価実験. 提案手法の有効性を検証するため，評価実験を行った． 2012 年 1 月 7 日の 12 時～14 時の 2 時間につぶやかれたツイートを評価対象とした．結果を以下に述べる．. 4.1. ランドマーク名の抽出結果. 位置情報付きツイートから検出したイベント候補地を図 2 に示す．ここでは，関東圏で 75 件のイベント候補地を得ることができた．次に，2011 年 12 月 20～27 日の期間の関東地区の経緯度が付与されたツイートデータとローカルサーチ API を用い，ツイートされやすいランドマーク 147 件を得た．イベント候補地とランドマークとの一致率を調べたところ，20%程度となり，やや低い値となった．ツイートから関連語を抽出するなど，他の手段での検索キーワード補完が必要であることが分かった．. 4.2. 表 3．イベント内容の推定位置情報付きツイート. 地点. チャンミン，ドラマティック，テヨン，さいたま市中央区，新都心，ドゥ，タラ，ベン樺太犬，キャロットタワー，記念像，オペラシティ，南極観測，右奥，芝公園，展望台. さいたまスーパーアリーナ. 東京タワー. 位置情報なしツイート. ペンラ，トンペン，内容詳細，ファイティン，イベント取材，コンサ，テヨン，チケットプレミアム・エディション，ひとあし先，ナノブロック，大田原市付近，富士山，キレイ. 位置情報なし関連ツイート収集結果. ランドマーク名が一致した候補地のうち 4 地点(さいたまスーパーアリーナ，東京タワー，六本木ヒルズ，川崎ラゾーナ)について，位置情報付きツイート数と，位置情報なしツイート数を比較した．結果を表 2 に示す．位置情報なしツイートを利用することで，イベントに関するツイート情報を増加させることができた．. 4.3. (2012 年 1 月 7 日 12:00 時点). イベント内容の推定結果. 位置情報付きツイート，位置情報なしツイートそれぞれに対し，イベント内容を表す単語を TF-IDF により抽出した．実際に取得した単語の例を表 3 に示す．さいたまスーパーアリーナの事例では，当日行われた韓流コンサートの出演者名やコンサートに関連する単語が，位置情報付きツイートのみの場合と比べてより多く得られ，そこでコンサートが行われていることが具体的に把握できた．東京タワーの事例では，富士山が綺麗に見えるといった，当該時間帯に特有のイベントを検出できた．ただし，東京タワーを題材とした映画の関連語「プレミアム・エディション」が提示されるなど，ノイズの除去が課題であることが分かった．また，六本木ヒルズと川崎ラゾーナについては，紙面の都合上例示を割愛するが，特別なイベントが実施されていないために，特徴的な単. 語を得ることはできなかった．出現単語に一定のまとまりがある場合のみイベント地点とするなど，イベント地点の同定手法の改善が必要と考えられる．. 5. おわりに. 本稿では，特定のエリアにおいて局所的に多数のツイートが投稿されるようなイベント地点を検出し，その場所で起きているイベントの内容を推定する手法を提案した．性能評価実験により，提案手法は従来手法よりも多くの関連ツイートを収集可能であり，イベントの内容をより具体的に把握できるようになることを確認した．今後の課題として，イベント関連語の抽出方法の検討，イベント地点を同定する条件の追加，ならびにイベント内容を表す単語の抽出手法の改善などが挙げられる．参考文献. 1-504. [1] [2] [3] [4] [5] [6]. Foursquare：https://foursquare.com/ コロプラ：http://pl.colopl.jp/c/c/pc localmind：http://www.localmind.com/ 守屋敬太，佐々木詩織，清木康，”地域情報関連テキストを対象とした地域状況表示地図の動的生成方式，In DEIM Forum 2009. 藤坂達也，李龍，角谷和俊，「ツイッターユーザの集合経験知を用いた地域的ノーマル状態に基づく地域イベントの発見」， WebDB Forum 2010 Martin Ester , Hans-peter Kriegel , Jörg S , Xiaowei Xu,”A density-based algorithm for discovering clusters in large spatial databases with noise”, In Proceedings of 2nd International Conference on KDD, 1996.. Copyright 2012 Information Processing Society of Japan. All Rights Reserved..

(3)