代表研究

土方研究室の、これまでの代表的な研究を紹介します。

ソーシャルメディア心理分析

著書

• 土方嘉徳：Webでつながる －ソーシャルメディアと社会/心理分析－，サイエンス社，2018.
• 土方嘉徳：ソーシャルメディア論 －行動データが解き明かす人間社会と心理－，サイエンス社，2020.

解説記事

• 土方嘉徳：社会学とAI －社会と人間を映すソーシャルメディア－，人工知能，Vol. 32, No. 3, pp. 394-400, 2017. [PDF]
  • ソーシャルメディア上のデータを用いた社会学の視点に基づく研究についてまとめています。
• 土方嘉徳：ソーシャルメディアにおける心理・情動分析の方法論, 情報処理学会誌，Vol. 64, No. 2, pp. e7-e15, 2023. [PDF]
  • ソーシャルメディアにおける心理・情動分析の調査方法と実験方法を体系化して紹介しています。

自己呈示と印象形成

• Tomu Tominaga, Yoshinori Hijikata: Exploring the Relationship between User Activities and Profile Images on Twitter through Machine Learning Techniques, Journal of Web Science, Vol. 5, No. 1, pp. 1-13, 2018. [PDF]
  • Twitterにおけるプロフィール画像を内容により13種類に分類し、その種類ごとにTwitter上の行動が異なるかどうか調べた研究です。
• Tomu Tominaga, Yoshinori Hijikata, Joseph A. Konstan: How Self-disclosure in Twitter Profiles Relate to Anonymity Consciousness and Usage Objectives: A Cross-cultural Study, Journal of Computational Social Science, Volume 1, Issue 2, pp 391-435, Springer, 2018. [PDF]
  • 個人の特定につながる個人情報の自己開示行動を匿名性意識とソーシャルメディアの利用動機の2つの要因から説明付けしています。
• Tomu Tominaga, Yoshinori Hijikata and Naomi Yamashita: Toward Understanding Online Impression Management: How Twitter Users Control Textual Expressions Over Time, The Journal of Web Science, Vol. 8, pp. 1-14, 2022. [PDF]
  • Twitterにおける聴衆からのフィードバックやネットワーク構造の変化が、自己呈示におけるパーソナリティ表現に影響を与えるかを縦断的に分析しています。

ウェルビーイング

• Shogoro Yoshida, Yoshinori Hijikata: Envy Sensitivity on Twitter and Facebook Among Japanese Young Adults, International Journal of Cyber Behavior, Psychology and Learning (IJCBPL), Volume 7, Issue 1, pp.18-33, 2017. [PDF]
  • 実世界と2種類の代表的なSNS (TwitterとFacebook）において感じる嫉妬の程度が異なるのかどうかと、どのようなユーザが嫉妬を感じやすいかを基本的なSNS行動や利用動機の観点から分析しています。

説得と態度変容

• Hiroshi Sakuma, Ao Hori, Minami Murashita, Chisa Kondo and Yoshinori Hijikata: YouTubers vs. VTubers: Persuasiveness of human and virtual presenters in promotional videos, Frontiers in Computer Science (Sec. Human-Media Interaction), Vol. 5, 12 pages, 2023. [PDF]
  • YouTuberとバーチャルYouTuber (VTuber) が商品紹介動画で商品を紹介した際、どちらの方が説得力があるかを調べる心理学実験についての研究です。

コミュニティ形成

• Takafumi Komori, Yoshinori Hijikata, Tomu Tominaga, Shogoro Yoshida, Nobuchika Sakata, Kensuke Harada: Real Friendship and Virtual Friendship: Differences in Similarity of Contents/People and Proposal of Classification Models on SNS, Proc. of the 2018 IEEE/WIC/ACM International Conference on Web Intelligence (WI’18), pp. 354-360, 2018. [PDF]
  • 実世界での友人同士と、SNS上でのみ交友の関係のあるユーザ同士の、SNS上での行動特性（自己表現やネットワーク形成）に違いがあるかどうかを分析しました。

推薦システム

解説記事

• 土方嘉徳：情報推薦・情報フィルタリングのためのユーザプロファイリング技術，人工知能学会誌，Vol.19, No.3, pp.365-372, 2004. [PDF]
  • 推薦システムにおけるユーザ情報の取得方法についての解説記事です。
• 土方嘉徳：嗜好抽出と情報推薦技術，情報処理学会誌，Vol.48, No.9, pp.957-965, 2007. [PDF]
  • 推薦システムにおける代表的な推薦方式と嗜好の抽出方式についてまとめています。
• 土方嘉徳：推薦システムのオフライン評価手法，人工知能学会学会誌，Vol. 29，No. 6，pp. 658-689, 2014. [PDF]
  • 推薦システム（情報検索を含む）の評価手法を網羅的にまとめています。

推薦システムとセレンディピティ

• Yoshinori Hijikata, Takuya Shimizu, Shogo Nishida: Discovery-oriented Collaborative Filtering for Improving User Satisfaction, Proc. of 14th ACM International Conference on Intelligent User Interfaces (ACM IUI 2009), pp.67-76, 2009. [PDF]
  • 嗜好の適合性と推薦のセレンディピティを両立させる推薦アルゴリズムの提案です。
• Koichi Iguchi, Yoshinori Hijikata, Shogo Nishida: Individualizing User Profile from Viewing Logs of Several People for TV Program Recommendation, Proc. of ACM International Conference on Ubiquitous Information Management and Communication (ACM IMCOM 2015), Article No. 61, 8p., 2015. [PDF]
  • テレビ番組推薦を対象とした、複数ユーザ共有アカウントに対する、ユーザプロファイルの仮想的個別化による推薦アルゴリズムの提案です。
• Yoshinori Hijikata, Kazunori Okubo, Shogo Nishida: Displaying User Profiles to Elicit User Awareness in Recommender Systems, Proc. of the 2015 IEEE/WIC/ACM International Conference on Web Intelligence (IEEE/WIC/ACM WI’15), pp. 353-356, 2015. [PDF]
  • ユーザプロファイルの可視化による、個人の嗜好への気づきを促す推薦システムの提案です。

推薦システムとのインタラクション

• Yoshinori Hijikata, Kazuhiro Iwahama, Kazuki Takegawa, Shogo Nishida: Content-based Music Filtering System with Editable User Profile, Proc. of the 21st Annual ACM Symposium on Applied Computing (ACM SAC 2006), pp.1050-1057, 2006. [PDF]
  • 編集可能なユーザプロファイルを持つ音楽の内容に基づく推薦システムの提案です。
• Yoshinori Hijikata: Relationship between User Rating Behavior and Personality in Recommender Systems, International Review of Business, Number 19, pp. 71-86, 2019.3. [PDF]
  • 推薦システムにおけるアイテムへの評価付けの量に対するユーザのパーソナリティの影響を心理学実験により調べた研究です。
• Tomoyasu Nakano, Momoka Sasaki, Mayuko Kishi, Masahiro Hamasaki, Masataka Goto, Yoshinori Hijikata: A Music Exploration Interface based on Vocal Timbre and Pitch in Popular Music, Proc. of the 16th International Symposium on Computer Music Multidisciplinary Research (CMMR 2023), pp. 655-666, 2023. [PDF]
  • 歌ってみた動画を歌手の歌声の声質と音高から探索できるようにしたシステムの提案です。

推薦システムへの信頼

• Yoshinori Hijikata, Yuki Kai, Shogo Nishida: A Study of User Intervention and User Satisfaction in Recommender Systems, Journal of Information Processing, Vol.22, No.4, pp. 669-678 , 2014. [PDF]
  • 推薦アルゴリズムへの介入を許可した推薦システムの提案と、介入度合いによる満足度評価に関する研究です。
• Shlomo Berkovsky, Ronnie Taib, Yoshinori Hijikata, Pavel Braslavski and Bart Knijnenburg: Cross-cultural Trust in Recommender Systems, Proc. of the 26th ACM Conference on User Modelling, Adaptation and Personalization (ACM UMAP 2018), pp. 285-289, 2018. [PDF]
  • 推薦システムのインタフェース要素を、プレゼンテーション、説明付け、ランキングに分けて、それがユーザの信頼に与える影響を多国籍間で調べた論文です。
• Rikako Matsushima, Yoshinori Hijikata, Shlomo, Berkovsky: Proponents as the Means to Increase the Uptake of Recommendations, Proc. of the 32nd ACM Conference on User Modeling, Adaptation and Personalization (ACM UMAP 2024), pp. 255-260, 2024. [PDF]
  • 推薦システムの説明付けに、実世界と仮想世界の人間を推奨者として提示することで、推薦受容を高める研究です。

Webインテリジェンス

評判情報分析と信頼性評価

• Yoshinori Hijikata, Hanako Ohno, Yukitaka Kusumura, Shogo Nishida: Social Summarization of Text Feedback for Online Auctions and Interactive Presentation of the Summary, Proc. of 11th ACM International Conference on Intelligent User Interfaces (ACM IUI 2006), pp.242-249, 2006. [PDF]
  • オンラインオークションにおける出品者の評価コメントから、オンラインオークション上の出品者と落札者という社会的関係を用いて、多くの出品者に同じ内容を書いている儀礼的なコメントを削除することで、信頼できる評価コメントの要約を作成する方法を提案しています。
• Yuya Tanaka, Nobuko Nakamura, Yoshinori Hijikata, Shogo Nishida: Estimating Reviewer Crediblity using Review Contents and Review Histories, IEICE Transactions of Information and Systems, Vol.E95-D, No.11, pp.2624-2633, 2012. [PDF]
  • 商品やコンテンツなどのレビューコメントの信頼性を、レビューの内容とレビューを書いたレビュアのこれまでのレビュー評価の両方を用いて評価する方法を提案しています。
• Yoshinori Hijikata, Hidenari Iwai, and Shogo Nishida: Context-based Plot Detection from Online Review Comments for Preventing Spoilers, Proc. of the 2016 IEEE/WIC/ACM International Conference on Web Intelligence (IEEE/WIC/ACM WI’16), pp.57-65, 2016. [PDF]
  • レビューコメントからネタバレ部分を、コメントの単語情報に加えて文脈情報も利用することで特定する方法を提案しています。
• Kyosuke Maeda, Yoshinori Hijikata, and Satoshi Nakamura: A Basic Study on Spoiler Detection from Review Comments Using Story Documents, Proc. of the 2016 IEEE/WIC/ACM International Conference on Web Intelligence (IEEE/WIC/ACM WI’16), pp.572-577, 2016. [PDF]
  • レビューコメントにおけるネタバレ部分を、レビューコメントのテキストだけではなく、対象アイテムのストーリー文書も用いることで、よりストーリーの後半に出現する文章をネタバレと判定する方法を提案しています。

Webテキストマイニング

• Yukitaka Kusumura, Yoshinori Hijikata, Shogo Nishida: Text Mining Agent for Net Auction, Proc. of the 19th ACM Symposium on Applied Computing (ACM SAC 2004), pp. 1095-1102, 2004. [PDF]
  • オンラインオークションにおいて、ユーザの属性-属性値に基づくクエリに基づき、それに適合する出品商品を比較表の形式で出力するシステムを開発しました。出品者が書いた不均一なテキストからも情報抽出を行える点が特徴です。
• Bui Quang Hung, Masanori Otsubo, Yoshinori Hijikata, Shogo Nishida: Extraction of Semantic Text Portion Related to Anchor Link, IEICE Transactions of Information and Systems, Vol.E89-D, No.6, pp.1834-1847, 2006. [PDF]
  • WebページのDOMの階層構造に従い、アンカーに関連すると思われるテキスト部分を、内容解析を行うことなく推定する手法を提案しています。
• Masanori Otsubo, Bui Quang Hung, Yoshinori Hijikata, Shogo Nishida: Web Page Classification using Anchor-related Text Extracted by a DOM-based Method, Transaction of the Japanese Society for Artificial Intelligence, ONLINE ISSN: 1346-8030, PRINT ISSN: 1346-0714, Vol.25, No.1, pp.37-49, 2010. [PDF]
  • WebページのDOMの階層構造に従い抽出したアンカー関連テキストを用いてWebページの分類を行う研究です。アンカーの固定窓の周辺テキストを用いる方法よりも分類精度が向上しました。
• Patrick Chan, Yoshinori Hijikata, Toshiya Kuramochi and Shogo Nishida: Semantic Relatedness Estimation using the Layout Information of Wikipedia Articles, International Journal of Cognitive Informatics and Natural Intelligence (IJCINI), Volume 7, Issue 2, pp. 30-48, DOI: 10.4018/ijcini.2013040103, 2013. [PDF]
  • 2つの語句間の意味的関連性を、Wikipediaの説明単位である概念 (記事) に注目し、単語を概念ベクトルで表現するESAを改良している。具体的には、注目単語の記事における出現頻度だけではなく、記事中の単語位置、単語に付与されたスタイルなどから重みづけを行い、関連性の推定精度を高めている。

ネットワーク分析

• Bui Quang Hung, Masanori Otsubo, Yoshinori Hijikata and Shogo Nishida: HITS Algorithm Improvement using Semantic Text Portion, Web Intelligence and Agent Systems, Vol. 8, No. 2, pp. 149-164, 2010. [PDF]
  • Webページの重要性をネットワーク情報から推定する代表的なアルゴリズムであるHITSアルゴリズムにおいて、リンクの重みづけを、リンクのアンカーに意味的に関連するテキスト部分を用いることで、HITSアルゴリズムの性能 (Top-Nの評価値) を向上させることを示した論文です。
• Toshiya Kuramochi, Naoki Okada, Kyohei Tanikawa, Yoshinori Hijikata, and Shogo Nishida: Community Extracting using Intersection Graph and Content Analysis in Complex Network, Proc. of the 2012 IEEE/WIC/ACM International Conference on Web Intelligence (IEEE/WIC/ACM WI’2012), pp. 222-229, 2012. [PDF]
  • SNSにおける密につながりあったネットワーク部分であるコミュニティを発見するための新しいアルゴリズムを提案した論文です。交グラフの概念を用いて、コミュニティ間の重なりを考慮し、高グラフのノード間のコンテンツ情報の類似度を用いてエッジに重み付けを行い、モジュール性に基づくクラスタリングを行うことでコミュニティを発見しています。
• Ikuto Akayama, Yoshinori Hijikata, Toshiya Kuramochi, Nobuchika Sakata: Proposal of Network Generation Model based on Latent Preference Topic, Proc. of the 12th International Conference on Ubiquitous Information Management and Communication (ACM IMCOM’18), Article No.: 89, 7 pages, 2018. [PDF]
  • 潜在トピックに基づくネットワーク生成モデルを提案した論文です。代表的な潜在トピックモデルであるLDAにおいて単語をネットワークのノードと読み替えて、代表的なネットワーク生成モデルであるBAモデルにおいて、潜在トピックへの所属確率を用いてエッジが生成するモデルになっています。これにより複雑ネットワーク性質を持つネットワークを生成できることを示しました。

ナレッジマネジメント

• Yoshinori Hijikata, Toshihiro Takenaka, Yukitaka Kusumura, Shogo Nishida: Interactive Knowledge Externalization and Combination for SECI Model, Proc. of ACM K-CAP’07 (ACM The Fourth International Conference on Knowledge Capture), pp. 151-158, 2007. [PDF]
  • 組織における代表的な知識の創造モデルであるSECIモデルにおいて、知識の外部化と結合を行うために、2人のユーザが議論を行うことを支援するモデルを提案しています。このモデルでは、事例からの帰納的学習によって生成された知識と、2人のユーザが自ら表現した知識集合との整合性をコンピュータが検証することで、2人のユーザからより多くの知識を引き出しています。

※PDFはドラフト版となっています。正式な出版版は、出版社からご購入/閲覧ください。