自分がどのくらいエコーチェンバーの中にいるのか可視化するシステムを作ってみた｜tori
「ツイッターで見た」計算社会科学という学問があります．社会科学にコンピュータサイエンスを導入して，これまでにない分析を行おうという学問です．最近日本でも計算社会科学会が発足するなど今盛り上がっている研究分野です． そんな計算社会科学の分野で扱われる課題の一つに，ソーシャルメディアによる社会の分断の分析があります．アメリカ大統領選や新型コロナ禍でフェイクニュースを目にする機会が多くなりましたが，フェイクニュースや偏った情報の取得は，人々を分断させ社会を混乱させると言われています． 分断を生み出す要因の一つが，エコーチェンバー現象にあると言われています．これは，ソーシャルメディアなどでは自分と似たような価値観を持つ人とつながりがちであり，自分の意見をいうと周りから「そうだそうだ」と同意を得られ，自分の意見が社会全体の意見のように見えてしまう現象をいいます．実際にはソーシャルメディアで可視化され
高校野球の戦評、AIが「1秒あまり」で自動作成、Twitter配信 神戸新聞「経過戦評ロボットくん」運用スタート
高校野球の一打席速報の内容を、機械学習を使った人工知能（AI）で解析し、戦評を自動作成するプログラム「経過戦評ロボットくん」を、神戸新聞社が開発した。7月23日（夏の東・西兵庫大会・準々決勝）以降の全試合で運用しており、試合終了後わずか1秒あまりで戦評を執筆。Twitterに配信中だ。「AIや機械学習に関心をもつ社員が開発した」という。 ロボットくんは、各打席の結果をリアルタイムで配信する一打席速報をリアルタイムで監視。終了した試合を見つけるとページの内容を読み込み、打席結果を解析して経過戦評をまとめる。 具体的には、試合の中で起きたひとつひとつの打席結果を分析し、それぞれの得点シーンについて勝敗への影響度を算出。高い点数がついた得点シーンを複数組み合わせてテキストにまとめるという手順だ。どのようなシーンを重要と判断するかは、あらかじめ機械学習作成した点数表をもとに計算。人間の記者が書いた
「OK word2vec ! "マジ卍"の意味を教えて」 Pythonでword2vec実践してみた - Np-Urのデータ分析教室
さて、今回はPythonによるword2vecの実践編です！ word2vecって何？？という方は、こちらの記事を一読してから本記事に入って頂くといいかと思います。 www.randpy.tokyo (こちらとても高評価頂いております。ありがとうございます！！） 上のリンク先でも書きましたが、簡単にまとめると、word2vecを使うことで単語の意味をベクトル表現化することができます。 単語の意味をベクトル表現できると、 近い意味の単語を調べる 単語同士の意味を足したり引いたり といった嬉しいことが実現できます。 ということで今回は、タイトルにもある通りJK用語の代表格である”マジ卍”という言葉の意味を、word2vecに聞いてみたいと思います。 本当は"マジ卍"の意味を直接JKに聞きたいのですが、JKの知り合いも当然いないですし……まぁここは頭を使ってデータを使えばなんか分かるっしょという
これはハンターハンターの“念能力戦”か!? AIがツイートから深層心理を分析→自分だけの武器を生み出し戦う『Last Standard』でバトルしてみた【被験者:美少女ゲームオタク・にゃるら】
本作最大の特徴は、自動学習AIがSNSの投稿内容からプレイヤーの深層心理を分析し、武器を自動生成する「サイコダイブシステム」だ。 詳しくは後述するが、ようは『HUNTER×HUNTER』や『アクセル・ワールド』のように“自分だけの念能力”や“自分だけのアビリティ”を持つことができ、戦闘時に“読み合い”が発生する設計になっている。 そもそも『Last Standard』は、2017年1月にSteamのGreenlight【※】に登録され、“深層心理の武器化”というシステムが世界で話題になった作品だ。登録からわずか5日でGreenlightを突破し、「東京ゲームショウ2017」への出展が発表されてからは、日本でも大きな話題となった。 開発状況としてはまだアルファ版で、正式リリースは2018年を予定しているが、タイミングよく本作の開発会社であるI From JapanのCEO兼プログラマーである
あるアイドルのTwitter、人工知能が代行していた
アイドルのTwitterアカウントを人工知能（AI）が代理で運用する血も涙もない企画がスタートしていました。気が付かなかった……。 AIが代理運用中の「PREDIANNA」リーダー、侑杏さんのTwitterアカウント AIが投稿を代行しているのは、平均年齢14歳の4人組ガールズユニット「PREDIANNA」のリーダー、侑杏（ゆあ）さんのTwitterアカウント。5月19日からAIを使った自動投稿が運用されており、1日約3ツイートのペースで投稿されています。 HAKUHODO THE DAYとニューピース、ビットエー、データセクションの4社共同プロジェクトとして行われているもの。仕組みとしては、ビットエーとデータセクションが開発し中部経済新聞が採用した「AI記者」のエンジンをベースに、侑杏さんの過去のツイートを学習データとして、特定ワードの言い換えパターンや言い回し、癖や特徴を学習。投稿予定
I Asked A Computer To Be My Life Coach
Editor's Note: This post accompanies a story that you can hear on the NPR One app by following this link. The words you use betray who you are. Linguists and psychologists have long been studying this phenomenon. A few decades ago they had a hunch that the number of active verbs in your sentences or which adjectives you use (lovely, sweet, angry) reflect personality traits. They have painstakingly
場所参照表現タグ付きコーパス Ver 0.1 (2015/05/25)
概要 本コーパスは，Twitterからランダムにサンプリングしたテキストに現れる，「特定の場所を著者が想定している」と判断できる表現に対して，実際にどのエンティティを指しているかを人手で判断しエンティティ情報を付与したコーパスです．GeoNLPなどのジオパーズシステム，エンティティリンキングシステム等の開発や評価に利用することを想定して構築されました． 本コーパスには以下のような特徴があります． 施設名へのアノテーション付与 : いわゆる「地名」（市区町村名など）だけではなく，「施設名」（駅名等）に対してもエンティティを付与しています． 一般名詞からなる表現にも付与 : 「特定の場所を著者が想定している」表現というと，すぐに思い浮かぶのは都道府県名・駅名などの固有名詞ですが，上図における「バス停」のように，一般名詞であっても，特定の場所を指し示す表現が存在するため，それらへもアノテーション
Twitterがリリースした時系列異常値検出のためのRパッケージ{AnomalyDetection}を試してみる - 渋谷駅前で働くデータサイエンティストのブログ
もう松の内も明けてしまいましたが、遅ればせながら皆さん明けましておめでとうございます。今年もよろしくお願いいたします。 で、年明け早々にTwitterエンジニアブログに面白いネタが上がっていたのでした。 その名も{AnomalyDetection}というRパッケージ。バルス砲に備えてTwitterが鉄壁の防御を敷いていることは多くの人がご存知だと思いますが（笑）、そういうバルス砲のような異常なアクセスの跳ね上がりだったり、逆にサーバダウンなどでアクセスの異常な落ち込みが出た時にいち早く検出するというのが目的の分析フレームワークのようです。 ということで、話題が新鮮なうちにちょっと試してみようと思います。 どういう仕組みで動いているのか 理論的背景としては、そもそもgeneralized ESD (extremely Studentized deviate) testという外れ値検出の手法が
Twitter、スパムに“秒速で”対処する新システム「BotMaker」でスパムの40％削減に成功
米Twitterは8月20日（現地時間）、新スパム対策システム「BotMaker」の導入により、スパムを40％削減できたと発表した。 Twitterはほぼリアルタイムのツイートを表示するというサービスの性格上、スパム遮断が技術的に難しい。また、開発者向けにAPIを公開しているため、スパマーはTwitterのスパム対策の手の内を把握できてしまう。 Twitterはこの2つの問題に対処するために、BotMakerを構築した。このシステムは、ボット（イベントが発生した際にどう対処するかを決めるルール）の集合で成り立っており、1日当たり数十億件のイベントに対処している。プロセスは、リアルタイムツールの「Scarecrow（かかし）」、Scarecrowが見逃したイベントに機械学習技術で対処する「Sniper（狙撃者）」、ユーザーの行動データを分析する周期的なプロセスの3段階ある。 ボットは人間が読
ツイートデータを使われている研究機関の皆さまへ
Twitter Data Grants（データグランツ／データ供与）と名前をつけた、研究機関向けのテストプロジェクトを始めました。 日本も含め、世界各国の方々がご自分の意見を述べたり、何かのイベントを他の人たちと楽しんだり、様々な目的でTwitterを利用していらっしゃいます。毎日5億件以上のツイートが送信されるTwitterには、次に風邪が流行るタイミングなどの健康に関する情報や、地球の東側から順々に新年が明ける様子のように世界全体の動きなど、洞察や研究に役立つデータも存在します。 でも、外部の研究機関がこのようなTwitterのデータにアクセスすることはなかなか難しい状況でした。今日から始まるTwitter Data Grantsプログラムは、研究機関や研究者のみなさんにご必要なデータにアクセスできる機会を提供するものです。 このプログラムにご興味をお持ちの研究機関のみなさんは、お考に
名詞評価極性辞書を利用したTwitterの感情分析（Positeve/Negative判定） - Men talking over coffee with smoking Ark Royal.
Twitter感情分析所 さんを利用しようとしたら、結構重たくて、大量の処理を実行するのは申し訳ない…。と思い、じゃあ自分でコードを書いてしまえ、と思い、調べていたところ、東山昌彦, 乾健太郎, 松本裕治, 述語の選択選好性に着目した名詞評価極性の獲得, 言語処理学会第14回年次大会論文集, pp.584-587, 2008.（日本語評価極性辞書）がありました。 日本語評価極性辞書（名詞編）ver.1.0（2008年12月版）pn.csv.m3.120408.trim.gz をダウンロード→解凍し、拡張子に.txtを設定し、適当なエディタで開きます。 Python標準モジュールのcsvで読み込ませるときに、タブ区切りが上手く読み込めなかったので、\tを,に置換して、保存します(Mac OSXの場合、\はoption+\でバックスラッシュを入力)。 また、以下のサイトを参考に、Yahoo!の
進撃の巨人を読んだことない人がデータだけでキャラを推測してみる - あんちべ！
はじめに 最近超人気の漫画として私のTwitter TLを賑わす作品、その名も「進撃の巨人」。 これだけ人気なんだからきっと面白いに違いないのですが、 なんか絵が怖そうだし、人がバンバン死んでてグロいっぽいという噂を聞くので、 なんとか漫画を読まずに、それでいて進撃の巨人のキャラについては知りたい、 そう願う潜在的進撃の巨人ファンも全国に70万人くらいいらっしゃると思います。 そこで、データから進撃の巨人にどんなキャラが登場するか推測してみましょう。 扱うデータとして、pixivのタグ情報を利用します。 商品レビューコメントなどとは違い、ファンの創作活動がダイレクトに反映されるサービスなので、 そこに付与されるタグ情報は、ファンの熱（過ぎる）いメッセージが込められているに違いありません。 今回、以下のような縛りを入れています。 1．勿論原作は見ない 2．pixivのタグ情報は参照するけど、
JSAIからJIMSへ：富山から長崎へ - Mizuno on Marketing
富山で開かれた人工知能学会（JSAI）の全国大会に参加し、次いで長崎で開かれた日本マーケティング・サイエンス学会（JIMS）の研究大会に参加した。それぞれにおいて、Twitter 上のインフルエンサーについて進めてきた一連の共同研究の成果を発表した。 JSAI では主に「ネットワークが創発する知能」のセッションに参加した。対象とされたネットワークは Twitter が多く、情報工学、ゲーム理論、社会心理学、数理生物学など、さまざまなモデルの適用例が紹介された。そこには、ぼく自身が関わる研究も含まれる： Twitterネットワーク上のユーザコミュニティ抽出と話題分析 by 新保 直樹、織田 瑞夫、城 沙友梨、米山 照彦(以上構造計画研究所)、水野 誠(明治大学)iPhone あるいは Android に関する日本語のツイートを約半年にわたって収集し、被RT数が一定の期間を通して多いユーザをイ
独自の言葉で部族を形成するTwitterユーザー
► 2014 (1) ► 3月 (1) ► 3月 29 (1) ▼ 2013 (9) ► 6月 (1) ► 6月 17 (1) ► 4月 (2) ► 4月 14 (1) ► 4月 08 (1) ▼ 3月 (2) ▼ 3月 25 (1) 独自の言葉で部族を形成するTwitterユーザー ► 3月 06 (1) ► 2月 (4) ► 2月 22 (1) ► 2月 17 (1) ► 2月 13 (1) ► 2月 06 (1) ► 2012 (50) ► 12月 (3) ► 12月 17 (1) ► 12月 10 (1) ► 12月 03 (1) ► 11月 (4) ► 11月 26 (1) ► 11月 19 (1) ► 11月 12 (1) ► 11月 05 (1) ► 10月 (5) ► 10月 29 (1) ► 10月 22 (1) ► 10月 15 (1) ► 10月 10 (1) ► 1
Twitterブログ: 先ほどの地震について
先ほど、三陸沖で震度5の地震が発生しました。 地震/津波関連の情報は以下のハッシュタグを使って共有してください。 必ず、内容に合うハッシュタグのみを選び、1つのツイートに入れるハッシュタグは2つ以下に心がけてください。 #地震: 地震一般に関する情報 #津波: 津波に関する情報 #救助 :救助要請 ※ #避難 :避難情報 #安否 :安否確認 ※ #救助 に関して、使い方やツイートを見た際の手順は以下ご参照ください。まずは、119に電話をしてください。 http://blog.jp.twitter.com/2012/08/rescue.html 地域のハッシュタグを入れて、地域別の情報を共有することも可能です。 以下の、アカウントからの情報も参考にしてください。 @tenkijp_jishin tenki.jp地震情報 @nhk_news NHK ニュース @FDMA_JAPAN 総務省消
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
piqcyさんのツイート: "文章から上位概念を抽出する(「笛」は「楽器」など)方法について、パターンマッチと統計的手法(分布ベースの手法)の比較を行った研究。結果としては、パターンの方が優秀で、パターンで検知されたものと似ている(=共起する)ものも評価することでさらに改善できるとのこと。 https://t.co/gmDE4PV2Lp"
GitHub - higepon/twitter_conversation_crawler: Twitter Conversation Crawler
国際会議WWW 2013感想文その１: 土方嘉徳 公式ブログ e-biz Diary
gmx.ne
whotwi グラフィカルTwitter分析
