|
電子情報通信学会 - IEICE会誌 試し読みサイト
© Copyright IEICE. All rights reserved.
|
|
|
電子情報通信学会 - IEICE会誌 試し読みサイト
© Copyright IEICE. All rights reserved.
|
Webの世界におけるコンテンツの流通について，以前は制作者個人のサイトや，公式サイトでコンテンツを配信することが多かったが，近年ではyoutubeやniconico，pixivなどのような，コンテンツのプラットホームを通じた流通が主流となっている．コンテンツプラットホームは，ただコンテンツが置かれる場所というだけではサービスとしては不十分である．導線をどうコントロールするか，コンテンツに対する付加価値をどうコントロールするかを設計する必要がある．本稿では，niconicoの事例をベースとして，近年学術界で研究が進んでいる画像解析技術の実サービス応用となるレコメンドやコンテンツ閲覧数の予測，複数のレコメンドエンジンの混合，不自然言語処理の応用事例を紹介する．また，産業界・学術界の相互発展のためのデータセット公開・学習済モデル公開とその流通プラットホーム構築を提言する．
コンテンツプラットホームにおいて，コンテンツとそのコンテンツ消費者とのマッチングをどうするべきかということは非常に重要な課題であり，レコメンドはそのマッチングを実現する一つである．niconicoには，動画像投稿サービスの「ニコニコ動画」，生放送配信サービス「ニコニコ生放送」，イラスト投稿サービス「ニコニコ静画（イラスト）」，電子書籍サービス「ニコニコ静画（電子書籍）」や3Dモデル投稿サービス「ニコニ立体」等の様々なコンテンツを扱うサービスがそれぞれ存在する．これらのサービスの多くにはレコメンド機能があり，ユーザの導線として強く働いている．ニコニコ動画では，初期から現在に至るまで，動画像視聴ログを使った協調フィルタリング(1)を中心としたレコメンドエンジンが主に使われているが，昨今のディープラーニング（多層構造のニューラルネットワークを用いた機械学習の手法）による高精度な画像解析や言語解析の技術を利用し，協調フィルタリングの特性を補完する新しいレコメンドエンジンの開発を行っている．
協調フィルタリングは，「これを買っている人はこれも買っています」という，レコメンドの分野では広く使われている手法である．これは，アクションログデータを利用し，コンテンツ一つ一つについて視聴傾向の特徴を抽出し，似たような視聴傾向を持つ別のコンテンツを提示することでレコメンドを実現するものである．この手法はユーザの好みを反映しやすいが，アクションのログデータが蓄積されるまでは適切なレコメンドが出しづらいという，いわゆるコールドスタート問題が発生する．このコールドスタート問題に対応するためには，コンテンツベースの手法，つまり，ログデータによらず，コンテンツの情報によりレコメンドを行うという手法が有効である．例えばニコニコ動画においてシンプルに実装するなら，「同じ作者のコンテンツ」，「同じタグが付いたコンテンツ」，「同じようなタイトルの素性を持つコンテンツ」をレコメンドするような実装になる．ただし，このような「何らかのメタ情報が近い」コンテンツを出すことがレコメンドとして適切であるとは限らない．その点は協調フィルタリングも同様ではあるが，niconico内の多くのサービスにおいては，協調フィルタリングによるレコメンドが他のナイーブなコンテンツベースのレコメンドに比べると，十分視聴ログが蓄積されているコンテンツについてはユーザからの反応が良いレコメンドとなることが過去の経験上分かっている．
続きを読みたい方は、以下のリンクより電子情報通信学会の学会誌の購読もしくは学会に入会登録することで読めるようになります。 また、会員になると豊富な豪華特典が付いてきます。
「電子情報通信学会 - IEICE会誌」アプリをダウンロード
