Comments
Description
Transcript
Twitterと SoundCloudを用いた印象に基づく楽曲推薦手法の提案
Twitter と SoundCloud を用いた印象に基づく楽曲推薦手法の提案 Music Recommendation Method Based on Impression Using Twitter and SoundCloud 知識情報学講座 0312012074 佐藤 勇太 指導教員： 松原 雅文 Goutam Chakraborty 馬淵 浩司 はじめに 1. 近年，iTunes Music store1や last.fm2 等のオンラ イン楽曲配信サービスが多数のユーザを獲得してい る．デジタルコンテンツの中でも音楽コンテンツが 占める割合は大きく，依然として重要な位置を占め ている． どの楽曲も誰かに必要とされているが，ユーザ自 身大量の楽曲の中からその楽曲を発見することは非 常に難しい．基本的にオンライン楽曲配信サービス の楽曲は，アーティスト名や，楽曲タイトルからの 検索であり，楽曲の印象に基づく検索は困難である． また，ユーザ自身が楽曲を聞きたいと感じる印象も そのときの感情や状況によって様々である． Twitter3は様々な SNS の中でも特に注目を集め ている．手軽な情報発信とリアルタイム性を実現し ており，ユーザ自身の感情や思考を発言する例が数 多く存在する． また，数あるオンライン楽曲配信サービスの中の 一つに，SoundCloud4がある．アップロード の際に 広告費やレコード会社との契約が不要で，誰でも気軽 かつ簡単に楽曲のアップロードや試聴ができる．興味 のある曲や，アップロードした楽曲について Twitter で共有することもできる． そこで，本研究では Twitter と SoundCloud を利 用し ，印象に基づく楽曲推薦手法を提案する． 楽曲推薦 2. 2.1. 楽曲推薦技術 楽曲推薦の目的は，そのユーザの好みに合う楽曲 をお薦め順にいくつか提示することである．楽曲推 薦技術は，他のユーザの情報を利用するものと，楽 曲自体の内容を利用するものの 2 つに分けられる． 楽曲自体の内容を利用すると，推薦される楽曲が 利用者自身が知っている楽曲の特徴に範囲が限定さ れてしまう．他のユーザの情報を利用すると，他の ユーザを通して自身が知らずにいた楽曲の発見が期 待できる5 ． そこで，本研究では他のユーザの情報を用いて楽 曲推薦を行う． 1 http://www.apple.cpm/jp/itunes/ 2 http://www.lastfm.jp/ 3 http://twitter.com 4 https://soundcloud.com/ 5 http://www.ai-gakkai.or.jp/whatsai/AItopics2.html 2.2. 印象に基づく楽曲推薦 楽曲推薦に関する研究は数多く存在する 1) ．単純 にユーザの嗜好にあった楽曲だけでなく，ユーザの 求める楽曲の印象に合った楽曲を推薦する研究も存 在する 2) ．しかし，入力する印象がいくつかに限定 されており，その中にユーザが求める印象が無い場 合がある． 本研究では，印象を限定することなく，ユーザが 自由な印象を直接入力することにより，ユーザの求 める印象に合った楽曲を推薦できることを目指す． 3. SoundCloud SoundCloud は，数あるオンライン楽曲配信サー ビスの中でも，アップロード の際，広告費やレコー ド 会社との契約が不要であり，誰でも気軽かつ簡単 に楽曲をアップロード することができる． また，SoundCloud には，自分の現在聞いている 楽曲や興味のある楽曲，自分がアップロードした楽 曲等に関して，Twitter でハッシュタグの 1 つである 「 #SoundCloud 」というタグをツイートに付与する ことにより，共有することができる機能がある．こ れにより，Twitter と SoundCloud を連携させ，楽 曲を推薦することができる． 他の関連研究や類似研究では，推薦された楽曲が 発見できない場合があるが，SoundCloud にアップ ロード されている楽曲の中から推薦すれば，その問 題が起きないと考えられる． そこで ，本研究では ，Twitter の他に ，SoundCloud を利用し，印象に基づく楽曲推薦手法を提案 する． 4. 4.1. 提案手法 概要 本研究では，ユーザの嗜好推定と印象に基づいた 検索により，楽曲を推薦する．嗜好の推定では，ツ イートの傾向が似ているユーザ程嗜好も似ていると し，これを推定する．楽曲検索では，被推薦ユーザの 入力した印象語を用いて検索を行う．これらの処理 の後，各ユーザの「 #SoundCloud 」が付いたツイー トと被推薦ユーザの入力した印象語とのマッチング を行い，楽曲を推薦する． 4.2. 手順 本提案手法の楽曲推薦の処理手順を図 1 に示す． 本提案手法はユーザが印象を入力し，推薦候補ユー ザを選出，その後推薦候補ユーザとの類似度を算出 し，推薦候補ユーザがツイートしていた楽曲を類似 度が高いユーザのものから優先的に推薦する． 評価実験 5. 5.1. 実験とし て，Twitter を利用し ているユーザで， 同じ楽曲について同じ印象をツイートに含むユーザ 間の類似度が一般的なユーザ同士の類似度よりも高 くなっているかを検証した．ツイートに， 「 #SoundCloud 」含むユーザ間の類似度を 30 組，同じ楽曲に ついて同じ印象をツイートに含むユーザ間の類似度 を 30 組で算出し平均値を比較した． 類似度算出に用いるツイートは 200 件とし ，ツ イートから抽出した単語頻度を用いて算出した． 5.2. 図 1 処理手順 4.3. 印象入力 まず最初に，ユーザが聞きたい楽曲の印象語を入 力する．印象語とは，例えば ， 「 明るい」， 「 楽しい」 などである．本提案手法ではよりユーザの求める印 象に近い楽曲を推薦するため，印象語を限定するこ となく，ユーザ自身が自由に入力する． 4.4. 類似度算出 本研究では，類似度が高いユーザ程嗜好が似てい ると判断する．ユーザが入力した印象語と「 #SoundCloud 」をツイートに含むユーザとの類似度を算出 する．形態素解析には MeCab を利用する．また，ノ イズとして，記号，アルファベット，ひらがな一文 字，数字を排除している． ユーザ間の類似度は，コサイン類似度を用いて計 算している．これにより，共に出現する単語が多く， 単語の出現する頻度が高い程，類似度が高い値とな る．類似度は式 (1) により求められる． sim(AB) = AB |A||B| (1) また，よりユーザの嗜好を考慮して楽曲を推薦す るため，類似度を算出するために抽出する品詞を名 詞 (代名詞，接尾辞，数，副詞可能は除く) と形容詞 に限定した．代名詞，接尾辞，数，副詞可能を除く ことで「さん」や「これ 」などの趣味や嗜好とは関 係ないと考えられる単語を除去することができる． 4.5. 楽曲推薦 ユーザが入力した印象語により，マッチングを行 う．マッチングの対象は各ユーザの「 #SoundCloud 」 が付いたツイートとする．各ユーザがツイートして いた楽曲について，類似度が高いユーザのものから 順に推薦する． 実験方法 実験結果及び考察 実験結果を表 1 に示す．結果として，同じ楽曲に ついて同じ印象をツイートに含むユーザ間の類似度 の平均値が一般的なユーザ間の類似度の平均値より 高い値となった．これにより，同じ楽曲を聞いてい るユーザ間の趣味や嗜好は似ていることが確認され た．また，一般的なユーザ間の類似度の平均値は， 同じ楽曲を聞いているユーザ間のコサイン類似度よ りも低くなった．要因として，趣味や嗜好が合わな かったことが考えられる． このようにして，一般的なユーザ間よりも同じ楽 曲を聞いているユーザ間の方が趣味や嗜好が類似し ていることが確認された． 表 1 実験結果 同一楽曲，同一印象 一般ユーザ 0.17 0.15 平均値 6. おわりに 本研究では Twitter と SoundCloud を利用した印 象に基づく楽曲推薦手法を提案した． 実験結果から，同じ楽曲について同じ印象をツイー トに含むユーザ間の類似度の平均値が一般的なユー ザ間の類似度の平均値より高い値となり，趣味嗜好 を考慮した類似ユーザの検出が行えることが確認で きた． 今後は，実際に楽曲を推薦し，推薦された楽曲が 単純な検索で推薦される楽曲よりもユーザに合って いるかど うかなどを検証する予定である． 参考文献 1 ）遠藤 洸貴:Twitter を利用した楽曲推薦システム の提案，岩手県立大学 ソフトウェア情報学部 卒 業論文，2012. 2 ）熊本忠彦，太田公子:印象に基づく楽曲検索シス テムの設計・構築・公開．独立行政法人情報通信 研究機構．人工知能学会論文誌．Vol.21，No.3， pp.310-318，2011