Yoshitatsu Matsuda

The widespread use of SNS enables people of different ages to express their opinions on daily events. It creates an opportunity to analyze public opinion and emotional trends, which can inform marketing strategies and public policies. In this study, we analyzed whether there are differences in the internal states of SNS users based on their attributes. First, we collected replies to the Livedoor News account on X (formerly Twitter). We then used the COTOHA API to estimate users' ages based on their replies and account profiles. We applied the emotion estimation method ML-Ask to the replies. Finally, we aggregated the frequency of emotional words by user age group daily and applied hierarchical clustering to visualize differences in emotional changes across user age groups. Besides, we used logistic regression to identify news topics characterizing each cluster by examining the regression coefficients. The results showed that younger users frequently responded to familiar topics such as entertainment. In comparison, middle-aged and older users tended to respond to more complex topics such as politics and economics.

Independent component analysis (ICA) is a widely used method in various applications of signal processing and feature extraction. It extends principal component analysis (PCA) and can extract important and complicated components with small variances. One of the major problems of ICA is that the uniqueness of the solution is not guaranteed, unlike PCA. That is because there are many local optima in optimizing the objective function of ICA. It has been shown previously that the unique global optimum of ICA can be estimated from many random initializations by handcrafted thread computation. In this paper, the unique estimation of ICA is highly accelerated by reformulating the algorithm in matrix representation and reducing redundant calculations. Experimental results on artificial datasets and EEG data verified the efficiency of the proposed method.

動画共有サービスにおいて視聴者の意見や感想が反映されているコメント欄を分析することは動画再生回数を伸ばす手段として重要である。本研究では動画共有サービスのコメント欄と再生回数についてジャンルを分けて収集し、各ジャンルにおいてリッジ回帰を用いてコメント欄の名詞の生起から再生回数の対数が推定可能であることを示した。また、リッジ回帰により各ジャンルでの再生回数に影響を与える重要名詞を抽出し、視聴者が動画に求めているニーズを発見することができた。さらに各ジャンル間での重要名詞の共通性を順位相関係数を用いて調査し、ジャンルによってコメントにおける重要名詞には大きな差異があることを示した。

近年、敵対的生成モデルによる画像生成の研究が盛んに行われている。しかし、敵対的生成モデルは損失関数の性質により学習の安定性が低く、最終的な学習に失敗することが多いという弱点がある。本研究では、カテゴリ分類項を識別器に追加することで生成画像の性能向上を目的としたAuxiliary Classifier GANsを参考に、階層的なカテゴリ分類項の追加により学習の安定性を向上させる手法を提案した。Progressive Growing GANに提案手法を組み込んだ結果、従来手法より最終的な学習の失敗率が低くなることを示した。