Retrieving Users’ Opinions 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を豊富なデータベースとして蓄積している。この論文では、機械学習がこれらのデータベースをどの程度まで分析し、構造化できるかを示す。自動化されたデータ分析パイプラインは、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するために展開される。まず、ドメインの専門家は、画像と関心のある用語を選択することができる。次に、パイプラインは画像検索を使用して、類似した内容を示すすべての画像を見つけ、アスペクトベースの感情分析を適用して、選択した用語に関するユーザーの意見の概要を説明します。建築とコンピュータサイエンスの研究者による学際的なプロジェクトの一環として、ハンブルクのエルブフィルハーモニーに関する実証研究が伝えられました。そこで、Flickrというプラットフォームから、ハッシュタグ「enquote{texttt{hamburg}}」を持つ30万件の投稿を選択しました。画像検索により、Elbphilharmonieを表示する1.5千枚強の画像のサブセットを生成しました。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分かりました。このパイプラインにより、我々は、例えば建築分野の専門家のための、エンドユーザーの意見に対する新しい洞察を提供する新しいセマンティックコンピューティング手法を提案する。

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 content 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. Therefore, we selected 300 thousand posts with the hashtag \enquote{\texttt{hamburg}} from the platform Flickr. 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 semantic computing method that offers novel 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, DeepL