20150309 iscover challange_twitter_bot
?Download as PPT, PDF?
0 likes?290 views
Iscover challange 2014
20150309 iscover challange_twitter_bot
- 1. I-Scover チャレンジ 2014 論文紹介 Twitter bot 鈴木 英友
- 3. Page 3 作品概要 ? 目的 - 本 bot のツイートを見る人に対して以下を提供 - 新たな知見の獲得 - 有益な論文の発見 ? 形態 - Twitter bot - アカウント： @research_friend ? 機能 - 毎日１件論文をランダムに紹介する - フォローされた場合自動でフォローする - 毎週１件論文をレコメンドする （いずれかのツイートをリツイートしたフォロワーの み） 基本情報
- 4. Page 4 機能説明 ? 機能目的 - ランダムに提示される論文から気になっ たものを読むことによる、新たな知見の 獲得 ? 頻度 - 毎日１件 ? 使用データセット - I-Scover データセット （ articles_all.xml 、 articlekw_all.xml ） ? ツイート内容 - タイトル（日本語優先） - キーワード - I-Scover 上の URL ランダム紹介
- 5. Page 5 機能説明 ? 機能目的 - 機械的なレコメンドにより従来の調べ方 では見つけられなかった、有益な論文 の発見 ? 頻度 - 毎週月曜日１件 （デイリーツイートをリツイートした フォロワーのみ） ? 使用データセット?ツイート内容 - 「ランダム紹介」機能と同じ レコメンド
- 6. Page 6 機能説明 ? 機能目的 - 機械的なレコメンドにより従来の調べ方 では見つけられなかった、有益な論文 の発見 ? レコメンドアルゴリズム - ハイブリッド協調フィルタリング - 理由 - フォロワー嗜好データが十分に集まら なくてもある程度のレコメンドが可能 - フォロワー嗜好データが集まれば集ま るほどレコメンド性能が向上 ? フォロワー嗜好データ取得方法 - ランダム紹介ツイートのリツイート情報 レコメンド
- 7. Page 7 レコメンド ? アイテム（論文）間の評価 - 非負値行列因子分解 (NMF) により論文をソフトクラスタリングすることで計算 - D. D. Lee and H. S. Seung Learning the parts of objects by non-negative matrix factrization, Nature, Vol. 401, No. 6755, pp. 788-791, 1999. - NMF に利用する行列は論文とタイトル?キーワード?要旨にある単語ベクトル ? ユーザ間の評価 - ユーザがリツイートした論文の集合を元にマッチ率が高いユーザを類似しているユーザと みなす アルゴリズム
- 8. システム構成 Page 8 フォロー情報 リツイート情報 ( デイリー ) ランダムツイート（デイリー） レコメンドメッセージ（週１） スコアリング ( デイリー ) データ蓄積 ( 初回時 )
- 9. –システム構成 レコメンド Page 9 ① 各種情報取得 フォロー情報 リツイート情報 ⑥ レコメンドメッセージ ② リフォロー ④ 論文間のスコアを取得 ③ リツイート情報解析 ⑤ レコメンド情報生成
- 11. Page 11 展望 レコメンドアルゴリズムの向上 ? 更なるフォロワー嗜好データの取得方法の検討 - フォロワーのプロファイル、ツイート、フォロー情報など ? アルゴリズムの選択とチューニング - 類似度計算の検討? A/B テスト実施 - 別のアルゴリズムフレームワークの検討? A/B テスト実施 論文?フォロワー嗜好データの統計情報のツイート チューニング?機能追加 ? キーワードごとの論文数?自動ジャンル分類結果を定期的にツイート ? 人気論文?ジャンルあるいはキーワードトレンドを定期的にツイート