Graph Embedding for Analysing Business Communication between Employees

DOI IPSJ

Bibliographic Information

Other Title
  • グラフ埋め込み手法に基づく従業員のビジネスコミュニケーション分析に関する一考察

Search this article

Description

近年の多くの企業では，生産性の高いビジネスコミュニケーションを目的としてチャットアプリケーションが活用されるようになった．その主たる導入目的は社員間のコミュニケーションであるが，ビジネスアナリティクスの観点からは，ビジネスチャットシステムに蓄積されたデータを活用して社員間コミュニケーションの分析が可能となっており，社内のコミュニティの実態を把握することで，適切な人材マネジメントへの活用が期待されている．その際，チャットアプリケーションではチャネルと呼ばれるグループ単位で社員間のコミュニケーションが行われることから，社員間のコミュニケーションの特徴をチャネルごとに分析することが望まれる．たとえば，各チャネルのコミュニケーション状態を表現したグラフデータを構造化データへと変換できれば，チャネルのクラスタリングや可視化分析が可能になると考えられる．本研究では，グラフデータを構造化データに変換するDeep Divergence Graph Kernel（DDGK）を改良し，チャネルグラフの分析に適した埋め込み表現を得るための手法を提案する．本手法は，チャネルグラフの重要な構造を表現する埋め込み空間を構築し，各チャネルグラフをこの空間上の点として埋め込むことができる．さらに，某企業のビジネス現場で導入されているSlack上に保存された実際の会話履歴データに適用することで，提案モデルの有効性を示す．提案モデルを用いたデータ分析により，特徴ベクトルとして表されたグラフ構造を活用してチャネルグラフが分類でき，各チャネルにおけるコミュニケーションの特徴を分析することが可能となる．

On business chat applications that are widely used in many offices, communications between the employees are made in each group called channel. From the viewpoint of business analytics, the activation of human resource can be realized by grasping the real situation of the office community based on the analysis of the communication represented as the graph structure by utilizing the data stored on the business chat system. Especially, it is desirable to analyze the characteristics of business communication between employees for each channel, which is a group created for specific communication. For the purpose of analyzing employees' communication, it is desirable to apply clustering or visualizing analyses of channels and it seems to possible if many channel graphs are converted to structured data. In this study, we improve the Deep Divergence Graph Kernel (DDGK) which converts the graph data to the structured data for chatting data analysis, and propose a method for obtaining embedding representation suitable to analyze the channel graphs. The proposed method enables to construct the embedding space which represent the important structure of channel graphs. Moreover, we show the effectiveness of the proposed model by applying to an actual communication data stored on Slack at a Japanese company. In this data analysis, feature vectors are activated by the model, and channel graphs can be classified by graph structures.

Journal

Related Projects

See more

Keywords

Details 詳細情報について

Report a problem

Back to top