第3回計算社会科学ワークショップ(CSSJ2019)
Check this later
"Everything but coffee"
Tabelog - reviews, web crawoling, a life of reviewers
ML-Ask --> extracting the intensity in different sentiments, this is used for sentiment analysis. Check ML-Ask later.
https://openresearchsoftware.metajnl.com/articles/10.5334/jors.149/
How these types of research resolve the selection issue? Only some customers present reviews, so we might be missing a large of the customer population.
Topic analysis, topic modelling
Why did you pick up Toyoma?
Word clouds
https://www.colorlessgreen.info/starbucks
Business implications? How can we use these insights for making money?
Tabelog - reviews, web crawoling, a life of reviewers
ML-Ask --> extracting the intensity in different sentiments, this is used for sentiment analysis. Check ML-Ask later.
https://openresearchsoftware.metajnl.com/articles/10.5334/jors.149/
How these types of research resolve the selection issue? Only some customers present reviews, so we might be missing a large of the customer population.
Topic analysis, topic modelling
Why did you pick up Toyoma?
Word clouds
https://www.colorlessgreen.info/starbucks
Business implications? How can we use these insights for making money?
{ネットワークエンベツディング
Line(1st) Line(2nd)}
2部グラフをクラスタリングする
Tang, J., Qu, M., Wang, M., Zhang, M., Yan, J., & Mei, Q (2015, May). Line: Large-scale information network embedding.
In Proceedings of the 24th international conference on world wide web (pp. 1067-1077). International World Wide Web Conferences
Steering Committee.
https://github.com/tangjianpku/LINE
Line(1st) Line(2nd)}
2部グラフをクラスタリングする
Tang, J., Qu, M., Wang, M., Zhang, M., Yan, J., & Mei, Q (2015, May). Line: Large-scale information network embedding.
In Proceedings of the 24th international conference on world wide web (pp. 1067-1077). International World Wide Web Conferences
Steering Committee.
https://github.com/tangjianpku/LINE
ソーシャルセンサー イベント検出
共起的バーストネス
ツイートとリツリートの相関が高いとなぜバーストネス？
word2vec コサイン類似度
連想ネットワークのやり方を教えてほしい
歌詞データを用いて連想ネットワークをRDMCとNWAで作成できないか？
共起的バーストネス
ツイートとリツリートの相関が高いとなぜバーストネス？
word2vec コサイン類似度
連想ネットワークのやり方を教えてほしい
歌詞データを用いて連想ネットワークをRDMCとNWAで作成できないか？
Vosoughi et al. Science 2018
フェイクニュースの方は早く遠くたくさん伝わる
偽ニュースの拡散に加担しているのは一部
ある特殊な人たちが拡散している可能性、極右
Cognitive bias codex
利用可能性ヒューリスティック⇒多頻度だと信じる
バックファイアー効果⇒自分の世界観に合わない情報に対しては固執
Brady et al. PNAS(2017)
道徳感情は伝染しやすい
エコーチェンバー 青の考えを持っている人は青の考えを持つ人でつながる
エコーチェンバーはどのようにしてソーシャルメディアから生じるのか
多様性が喪失される原因として考えられる。最初は多様でも、その後は収束していく。
フィルターバブル⇒過去の閲覧行動から特定の情報が流れてくることがある
Bakshy et al. Science 2015
この手の研究は常に多様性が喪失されるとそれで終わりなのか？もう少し多様性がリバイバルするような発想はないのか？収束してしばらくすると何が起きるのか？
フェイクニュースの方は早く遠くたくさん伝わる
偽ニュースの拡散に加担しているのは一部
ある特殊な人たちが拡散している可能性、極右
Cognitive bias codex
利用可能性ヒューリスティック⇒多頻度だと信じる
バックファイアー効果⇒自分の世界観に合わない情報に対しては固執
Brady et al. PNAS(2017)
道徳感情は伝染しやすい
エコーチェンバー 青の考えを持っている人は青の考えを持つ人でつながる
エコーチェンバーはどのようにしてソーシャルメディアから生じるのか
多様性が喪失される原因として考えられる。最初は多様でも、その後は収束していく。
フィルターバブル⇒過去の閲覧行動から特定の情報が流れてくることがある
Bakshy et al. Science 2015
この手の研究は常に多様性が喪失されるとそれで終わりなのか？もう少し多様性がリバイバルするような発想はないのか？収束してしばらくすると何が起きるのか？
Large Scale Information Network Embedding LINE
Japanese Moral Foundations Dictionary J-MFD
Olympic Athlete Participants Data
Physicians who donated in Federal Election 2012
再帰型ニューラルネットワーク
引用に頼らない影響力の検出
論文の普遍度、同じ重要度でも普遍度が違う
term-score LDAのトピック抽出結果？
論文の普遍度、同じ重要度でも普遍度が違う
term-score LDAのトピック抽出結果？
グラフ研磨 ひたすらジャッカード係数で見ていく、閾値以上であれば辺をつくっていく、研磨グラフ
研磨グラフからクリークから見る
N-クリークでみればよいのではないか？ 研磨グラフを通じてクリークを得る？
共起グラフ、類似グラフ、グラフ研磨
研磨グラフからクリークから見る
N-クリークでみればよいのではないか？ 研磨グラフを通じてクリークを得る？
共起グラフ、類似グラフ、グラフ研磨
位置情報ゲーム
Ingress
Pokemon GO
妖怪ウォッチワールド
てくてくてくてく
スマートフォンゲーム
ガチャ⇒課金 キャラクターが当たるくじ、コインや玉などで引ける
広告⇒ユーザーに長期間利用させる
イノベーターはネットワークがないはず、第2グループの方がくっついているので、友達がイノベーターなのかのほうが面白くないのか？
クラメールの連関係数、テーブルでの関係をみて、カイ二乗で検定
Ingress
Pokemon GO
妖怪ウォッチワールド
てくてくてくてく
スマートフォンゲーム
ガチャ⇒課金 キャラクターが当たるくじ、コインや玉などで引ける
広告⇒ユーザーに長期間利用させる
イノベーターはネットワークがないはず、第2グループの方がくっついているので、友達がイノベーターなのかのほうが面白くないのか？
クラメールの連関係数、テーブルでの関係をみて、カイ二乗で検定
べき分布＝バースト行動
Human Dynamics 人の行動の背後にあるルールを探求
Karsai et al. Human Dynamics 2018
Queingモデル⇒個人がタスクリストを前提に、優先順位に従ったタスク処理によりバースト行動を説明
個人の興味駆動の行動の背後にあるルールは何か？ その人がその日に音楽を聴くかどうかは何で決まるか？
どのような音楽を聴くのか、について長期的なデータを収集した場合、停滞、類似、多様性の観点でどのような特徴があるのか？
Hawkes過程 過去発生したイベントがその後のイベント発生確率に影響を与える、記憶効果
強度関数を求める
1かいイベントが発生すると確率が上昇するのか
Hawkes 1971
branching ratio 全体のイベントのうち、過去のイベントが起因して発生したイベントの割合
Human Dynamics 人の行動の背後にあるルールを探求
Karsai et al. Human Dynamics 2018
Queingモデル⇒個人がタスクリストを前提に、優先順位に従ったタスク処理によりバースト行動を説明
個人の興味駆動の行動の背後にあるルールは何か？ その人がその日に音楽を聴くかどうかは何で決まるか？
どのような音楽を聴くのか、について長期的なデータを収集した場合、停滞、類似、多様性の観点でどのような特徴があるのか？
Hawkes過程 過去発生したイベントがその後のイベント発生確率に影響を与える、記憶効果
強度関数を求める
1かいイベントが発生すると確率が上昇するのか
Hawkes 1971
branching ratio 全体のイベントのうち、過去のイベントが起因して発生したイベントの割合
