連邦学習を用いたトランスフォーマーモデルによるイラン・イスラエル・米国間衝突のトピック別感情分析のプライバシー保護

要旨：2026年のイラン・イスラエル・米国間の紛争の最近の高まりは、ソーシャルメディア上で世界的な議論を広く引き起こしました。人々がますますこれらのプラットフォームを意見表明の場として利用するようになるにつれ、これらの議論から公衆の感情を分析することは、世界的な世論認識に関する貴重な洞察を提供し得ます。本研究は、YouTubeのニュースチャンネルに投稿されたユーザー生成コメントを抽出することによって、イラン・イスラエル・米国間の紛争に関する世界的な世論感情を分析することを目的とします。本研究は、話題別感情分析と最新の深層学習技術および連合学習を組み合わせたプライバシー保護フレームワークを導入することで、世論分析に貢献します。これを達成するために、主要な国際ニュースチャンネルから約19,000件のYouTubeコメントを収集し、ノイズを除去してテキストを正規化する前処理を実施しました。感情ラベルは当初VADER感情分析器を用いて生成され、その後、信頼性を高めるために手動検証で検証されました。潜在ディリクレ配分法（LDA）を適用して、紛争に関連する主要な議論トピックを特定しました。BERT、RoBERTa、XLNet、DistilBERT、ModernBERT、ELECTRAなど、いくつかのトランスフォーマーベースのモデルを感情分類のためにファインチューニングしました。最も性能の高いモデルは、ユーザデータのプライバシーを保護しつつ分散トレーニングを実現するため、連合学習環境に統合されました。さらに、SHAPを用いた説明可能な人工知能（XAI）技術を適用し、モデル予測を解釈し、感情分類に影響を与える影響力のある語を特定しました。実験結果は、トランスフォーマーモデルが効果的に機能することを示しており、その中でELECTRAが最も高い性能を示し、91.32%の精度を達成しました。連合学習は、プライバシーを保護しつつ強い性能を維持し、2クライアント構成で89.59%の精度を達成しました。