Structuring User-Generated Content on Social Media with Multimodal Aspect-Based Sentiment Analysis

要約

人々は自分の意見や経験をソーシャル メディアに投稿し、エンド ユーザーの感情に関する豊富なデータベースを生成します。
このホワイト ペーパーでは、機械学習がこれらのデータベースをどの程度分析および構造化できるかを示します。
自動化されたデータ分析パイプラインが展開され、他のドメインの研究者にユーザー生成コンテンツへの洞察を提供します。
まず、ドメインの専門家は、関心のある画像と用語を選択できます。
次に、パイプラインは画像検索を使用して、類似したコンテンツを示すすべての画像を検索し、アスペクトベースのセンチメント分析を適用して、選択した用語に関するユーザーの意見を概説します。
建築とコンピューター サイエンスの研究者間の学際的なプロジェクトの一環として、ハンブルグのエルプフィルハーモニーの実証研究が、プラットフォーム Flickr からの 30 万件の投稿でハッシュタグ「ハンブルグ」と共に伝えられました。
画像検索方法により、エルプフィルハーモニーを表示する 1500 をわずかに超える画像のサブセットが生成されました。
これらの投稿は、主に中立的または肯定的な感情を伝えていることがわかりました。
このパイプラインを使用して、アーキテクチャ ドメインの専門家などのエンド ユーザーの意見に新しい洞察を提供する新しいビッグ データ分析手法を提案します。

要約(オリジナル)

People post their opinions and experiences on social media, yielding rich databases of end users’ sentiments. This paper shows to what extent machine learning can analyze and structure these databases. An automated data analysis pipeline is deployed to provide insights into user-generated content for researchers in other domains. First, the domain expert can select an image and a term of interest. Then, the pipeline uses image retrieval to find all images showing similar contents and applies aspect-based sentiment analysis to outline users’ opinions about the selected term. As part of an interdisciplinary project between architecture and computer science researchers, an empirical study of Hamburg’s Elbphilharmonie was conveyed on 300 thousand posts from the platform Flickr with the hashtag ‘hamburg’. Image retrieval methods generated a subset of slightly more than 1.5 thousand images displaying the Elbphilharmonie. We found that these posts mainly convey a neutral or positive sentiment towards it. With this pipeline, we suggest a new big data analysis method that offers new insights into end-users opinions, e.g., for architecture domain experts.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google