インタラクティヴなデータ・ヴィジュアライゼーション・ツールを用いたTwitterデータのクラスタ分析

抄録

本研究では、2016年に行われた東京都知事選挙の選挙期間中に投稿されたTwitterデータを、Pythonを用いてクラスター分析した（2016年7月13日 - 8月1日、480万ツイート、1億7000万語）。クラスタ分析として、Pythonのライブラリであるgensimに実装されているword2vecアルゴリズムを用いて単語をベクトル化し、次に、次元圧縮アルゴリズムであるt-SNE（t-distributed Stochastic Neighbor Embedding）を用いてクラスタを三次元で可視化することを試みた。特に本研究では、クラスタリングにデータ・ヴィジュアライゼーション・ツールであるEmbedding Projectorを使用した。このツールを用いて、動的な学習プロセスを三次元空間で可視化し、インタラクティヴに三次元空間を動かしながら、クラスタを目視によって特定することを試みた。結果として、高い精度で複数のクラスタを特定することができた。 またこれによって、この都知事選挙でTwitterユーザーが何に興味を持ったのかを一定程度、明確にすることができた。