リカレントニューラルネットワーク（RNN）を使用したTwitter上の「におい」に関するテキストの分析

本研究はディープラーニングの一手法であるリカレントニューラルネットワークを使用し、におい関連の単語が含まれているツイート内容が肯定的か、否定的か、中立的かという観点で分類を行った。におい関連の単語を含んだツイートを使用した理由は、においを「快-不快」に分類することは比較的簡単であるという研究が元になっている。本研究の応用例としては、ある商品名を含むツイートを収集して分類を行うと、商品に対する肯定的・否定的・どちらでもない意見の数を調べることができる。その結果、その商品に対してどのような反応がされているかを低コストかつリアルタイムで調べることができる。

Twitter上からにおいに関するツイートを集めて、文を肯定、否定、中立のどれかに正しく判別できるようにRNNで学習を行う。その後、正しく判別できているか評価する。

正答率、誤差の推移を図2、図3、訓練時、テスト時における各項目の正答率を図4、図5に示す。図2、図3の訓練を実線、テストを破線で表示する。図4、図5の縦軸は正解のラベル、横軸は予測した項目である。

図2の結果から訓練正答率は96.12%、テスト正答率は71.33%であることが示された。ただ、 図2、図3から過学習が起きていると判断できるため改善の余地がある。図4の結果から訓練では3項目とも学習できているが、図5の結果では、テスト時に中立な文を判定する精度が低いことが示された。中立的な文の判断が難しいことが明らかになったため、中立な文の判定基準を中心に改善する必要がある。

学習時における肯定的または否定的な文章の分類基準に比べ、中立的な文章の分類基準が雑多であることが、中立な文の判断精度が低くなった原因と考えられる。否定的な文を肯定的、肯定的な文を否定的と判定する確率は低いため、肯定否定2項目分類であれば十分利用できる水準と考えられる。