狠狠撸

Twitterのつぶやきで明日
の自分のご機嫌を
予測してみる
dots. 矢野桐子

自己紹介
矢野桐子（きりぽん） is a dots.エンジニア
is PHPer, Pythonista
lives in 千葉
loves 星野源
is interested in
機械学習
IoT
「楽しく学習((o(??｀)o))?」

最近、
つぶやいてますか？

私はつぶやいてます
Twitter歴 6年半
今回使ったアカウント内緒
皆フォローしてね！ @little_85
総ツイート数 24,301
1日あたりの平均ツイート数 10ツイート
┣ 弁当忘れた??
┣ 頭痛い
┣ 星野源と結婚したい
┣ 飲み会楽しかったなどなど

くだらないこと
つぶやきすぎですね

くだらないの中に
人の真実が隠れている

（ヤ●フーさんの代わりに）
つぶやきから
機嫌予測してみます

開発環境
? Mac OS X El Capitan
? Python 2.7.11
? scikit-learn 0.17.1
? 形態素解析
– mecab
? mecab-ipadic-neologd
– https://github.com/neologd/mecab-ipadic-neologd
? ネガポジ判定
– 日本語評価極性辞書
? http://www.cl.ecei.tohoku.ac.jp/index.php?Open%20Resources%2
FJapanese%20Sentiment%20Polarity%20Dictionary

手順
1. 師匠を用意する
2. 罢飞颈迟迟别谤から全ツイートを顿尝
3. ツイート毎に形態素解析してネガポジ判定
4. その日の平均のネガポジスコアを出す
=その日の機嫌
5. 学習するためのデータ作成
6. 学習する
7. 未来の機嫌を予測する

手順
=その日の機嫌
6. 学習する

師匠を用意する
私の師匠：会社で隣の席だった人
? 初めてのDeep Learning ～準備編～
? http://qiita.com/best_not_best/items/6
891e7adfa7a421fd559
? 初めてのDeep Learning ～奮闘編～
? http://qiita.com/best_not_best/items/1
00399930fe3d61ac219

手順
=その日の機嫌
6. 学習する

罢飞颈迟迟别谤から全ツイートを顿尝

手順
2. Twitterから全ツイートをダウンロード
=その日の機嫌
6. 学習する

ツイート毎に形態素解析してネガポジ判定
1. 形態素解析
– ツイートを一つ一つ形態素解析する

ツイート毎に形態素解析してネガポジ判定
2. ネガポジ判定
– 形態素解析をした単語をネガポジ判定する
? ポジ 1 ネガ -1
? どちらでもない/辞書に
登録がなければ 0
? ツイート中の単語ごとの
スコアを加算
? 解が
– 正ポジ
– 負ネガ
– ０ニュートラル

手順
6. 学習する

１日毎の平均ネガポジスコアを出す
1. 同じ日のツイートのネガポジスコアを加算
2. ツイート数で割る=>平均ネガポジスコア
0.0 + 1.0 + (-1.0) = 0
0 / 3 = 0
2016/6/16は
ニュートラル

手順
=その日の機嫌
6. 学習する

学習するためのデータ作成
1. 複数のパラメータのデータを取得
– 当日のネガポジスコア(ラベル)
– 日付
– 前日のネガポジスコア
– 平均気温
– 平均気圧
– 女の子の周期
2. 日毎に出して１つのファイルにまとめる

手順
=その日の機嫌

学習するためのデータ作成
1. ４で作ったデータを学習用とテスト用に分け
る
– 今回は学習用:テスト用 = 8 : 2
2. scikit-learnを用いて学習させる
– ランダムフォレスト
? たくさんの決定木を効率よく学習させていく手法
– 勾配ブースティング
? 弱い学習器を作って学習してその結果をまた次の学習
器に利用してを繰り返して学習器を強化していく手法

手順
=その日の機嫌
6. 学習する

未来の機嫌を予測する
? 今日は6/16ですが、6/9 – 12の機嫌を予測し
てみますね(答え合わせのために)
ランダムフォレスト
正解率: 0.447619047619
6月09日の予測値: 0.0
6月10日の予測値: -1.0
6月11の予測値: -1.0
6月12の予測値: -1.0
勾配ブースティング
正解率: 0.52380952381
=>
6月09日 0 ニュートラル
実測値

罢飞颈迟迟别谤のつぶやきで明日の自分のご机嫌を予测してみる

今回うまくいかなかった点
? ネガポジをとるための辞書の単語数が少な
かった
– ニュートラル判定が多い
? 係り受けの解析ができてない
– 楽しくない =>
? 形態素解析
? ネガポジ判定(そもそも助動詞を省いてる)

今回うまくいかなかった点
? 学習データに用いるデータが少ない
– 本来はもっと大量のパラメータを用らないといけ
ないらしい
? 解析する文章がTwitterだったので機嫌がわ
かりづからった
– LINEやslackなどもっと雑談をするものを利用した
ほうがいいかもしれない

参考
1. Twitter Stream APIデータに対して初歩的な感情分
析を試みる
– http://qiita.com/kenmatsu4/items/52ab6deffdd61e7d8c0f

おしまい
ご清聴
ありがとうございました

狠狠撸

罢飞颈迟迟别谤のつぶやきで明日の自分のご机嫌を予测してみる

Recommended

More Related Content

What's hot (20)

Viewers also liked (7)

Similar to 罢飞颈迟迟别谤のつぶやきで明日の自分のご机嫌を予测してみる (10)

Recently uploaded (7)

罢飞颈迟迟别谤のつぶやきで明日の自分のご机嫌を予测してみる

Editor's Notes