～テキストマッチ方式に対してF値(精度指標)が大幅に改善～

NTTコム オンライン・マーケティング・ソリューション株式会社(本社：東京都品川区、代表取締役社長：塚本良江、以下 NTTコム オンライン)は、Twitterをベースとしたソーシャルリスニング業務の効率化・高精度化を目的とした検証を行いました。

　検証は、機械学習技術のリアルタイム分析処理基盤「Jubatus」を活用して実施しました。ツイートを抽出する作業においては、一般的に用いられているキーワードによるテキストマッチ方法と比較してF値が0.49から0.73に改善し、高い精度で抽出できるという結果が得られました。

　ソーシャルメディア上の膨大なデータにはビジネス活用には無関係な情報も多く含まれています。その中から事業に役立つ顧客の声を、効率的に、かつ精度高く拾い上げることが企業には求められています。
　今回の検証結果から、機械学習方式ではテキストマッチ方式と比較し、正解ツイート1件あたりの抽出作業工数*1が、当社試算で約30％削減でき、かつ必要な情報をより多く収集することができます。NTTコム オンラインは、この結果をふまえて、リアルタイムソーシャル分析ツール「BuzzFinder」での活用に加え、リアルタイムに顧客の関心、不満、要望を把握するソーシャルリスニングサービスのさらなる品質向上につなげてまいります。

＜検証結果＞

適合率*2　テキストマッチ方式55％　機械学習方式78％
再現率*3　テキストマッチ方式45％　機械学習方式69％
F値*4　テキストマッチ方式0.49　機械学習方式0.73
サンプル数：12,910件

*1 抽出作業工数： 抽出結果を確認する工数÷抽出結果の中の正解ツイート数
*2 適合率：抽出結果のうち、どれだけ正解が含まれているか、の割合
*3 再現率：全ての正解データのうち、正しく抽出できた割合
*4 F値：（2×再現率×適合率）÷（再現率＋適合率）

今回のテストは、ある特定のインターネット接続サービス（A社）に関する不満を対象に抽出テストを行った結果です。
機械学習とテキストマッチ方式での差分の例は以下になります。

例１：テキストマッチ方式により誤判定された例
　　「ゴミB社から神A社に乗り換えた！」
　　（A社を「神」と評価されているにも関わらずA社に対する不満と判定）
例２：機械学習でのみ抽出できた例
　　「A社信用してたのに……」
　　（テキストマッチ方式では事前のキーワード設定が困難なため抽出できなかった）

（参考）
リアルタイム分析処理基盤「Jubatus」
　Jubatus は株式会社 Preferred Networks と NTT ソフトウェアイノベーションセンタ が共同開発を行っている、大規模データをリアルタイムに解析するための、”大規模分散リアルタイム 機械学習基盤”です。

（本件に関連するサービス）
ソーシャルリスニングサービス
http://www.nttcoms.com/service/sl/
リアルタイムソーシャル分析ツール「BuzzFinder」
http://www.nttcoms.com/service/buzzfinder/


【本件に関するお客様からのお問い合わせ先】
NTTコム オンライン・マーケティング・ソリューション株式会社
テクノロジー本部 片桐（かたぎり）、 嶋田（しまだ）
TEL:03-4330-8411 E-mail: bf@nttcoms.com


【NTTコム オンラインについて】
NTTコミュニケーションズ株式会社の100％出資グループ会社として2012年10月1日営業開始。「マルチチャネル顧客接点構築」「ソーシャルCRM」「ビッグデータ解析」を事業の柱として、ビッグデータ時代の企業のオンラインマーケティングを支援しています。

会社名 ： NTTコム オンライン・マーケティング・ソリューション株式会社
所在地 ： 〒141-0032 東京都品川区大崎1丁目5番1号 大崎センタービル
代表取締役社長 ： 塚本 良江
株主 ： NTTコミュニケーションズ株式会社 100%
URL ： http://www.nttcoms.com

企業プレスリリース詳細へ
PRTIMESトップへ