第八回ニコニコ学会βデータ研究会　～人工知能と根性で挑むコンテンツの世界～ http://niconicodatasig8.peatix.com/?lang=ja の発表資料です。

1. 秋葉原IT戦略研究所
野田純一

2. 自己紹介
所属
GMOインターネット
業務分野
ビッグデータ、機械学習
アドテク

3. 秋葉原IT戦略研究所のご紹介
形態
アニメに関するデータ解析が主体の
同人サークル 兼 ITコミュニティ
メンバー
現在11名
活動
オープンソースカンファレンス出展、コミケC89出展、デブサミ等のイベ
ントで発表
合計7回

4. 2/18-19 目黒雅叙園 デブサミ2016

5. デブサミ2016の出展も大盛況

6. コミュニティコンセプト
オタク業界のIT化促進
ビッグデータからアニメに関するトピックを解析する際に必要と
なる今期アニメ作品のマスターが取得できるAPIの開発。今まで
の手作業を自動化。
オタク産業のIT化は黒船企業に勝ちたい
「僕(日本人)が一番アニメをうまく扱えるんだ！！」
IT界のトレンド技術のアニメへの適用
ビッグデータ、機械学習、AIを使った解析

7. Anime APIの必要性について
Wikipediaやまとめサイトから今期のアニメのタイトル名
、タイトル略称、ハッシュタグなどを取得
今期の人気アニメを解析、統計、レポート出力
５時間

8. Anime APIの必要性について
Anime API で今期のアニメのタイトル名、タイト
ル略称、ハッシュタグなどを取得
今期の人気アニメを解析、統計、レポート出力
１０秒

9. ShangriLa Anime API
curl http://api.moemoe.tokyo/anime/v1/master/2016/2 | jq .
2016年2期(春期)の
アニメの情報を取得

10. ShangriLa Ruby Gem Module
2016年2期(春期)の
アニメタイトルと公式URLを表示
gem install shangrila

12. Anime Follower Ranking

13. Anime Follower Ranking
2016年1期(冬期)のアニメで
「このすば」が一番人気が出たのが
データから証明できる

14. 2016 春アニメ Ranking
単純なランキングでは
続編作品が強くなってしまう
続編
新作
新作

15. 新作のみで比較が可能
「Re：ゼロ」がこれからの3ヶ月で
どこまで伸びるかに注目

16. Pixiv Anime tag Ranking

17. 2016/02/08 ~ 2016/03/25のタグ増加数
僕街▶

18. 人気作品に絞って再度比較

19. Pixivの僕街イラコンの締切のためバーストしていた
http://www.pixiv.net/info.php?id=3664

20. 僕街を除外すると「このすば」が一番人気
2016年1期(冬期)のアニメで
「このすば」が一番人気が出たのが
データから証明できる

22. 目的：これのアニメ版が作りたい

23. 作ったシステム
http://tv-anime.biz/

24. ご注文は何のアニメですか？

25. 今回のシステム「tippy」

26. • HadoopのMapReduceとは別アプローチ(DAG)での並列分
散集計処理を行う
• インメモリー処理
• Hadoopエコシステムの一部として扱われるがHadoopと直
接的な関係はない
• APIを利用できる言語はScala, Java, Python
Sparkについて

27. • 機械学習用のSparkライブラリ
• 協調フィルタリングやAssociation Ruleなどが簡単に使える
ようになっている。
• Sparkクラスタを構築し実行することでビッグデータに対し
て機械学習演算を処理できるようになる。
Spark MLlibについて

28. •TwitterのStreamingAPIで今期アニメ作品43作品に
関するワードを拾ってくる。
•とりあえずCSVに記録
•1ヶ月半で４G、1500万レコード程度
status.getId()
status.getUser().getScreenName()
status.getText()
status.getSource()
status.getRetweetCount()
status.getFavoriteCount()
status.getCreatedAt()
記録した要素
Twitterからデータを収集

29. UserName Tweet
tanaka おそ松さん面白い
mika ガンダム面白い
tanaka おそ松最高
daken ガンダム面白い
mika ラブライブ見る
UserID Product Rate
1 1 2
2 2 1
2 3 1
3 2 1
• 協調フィルタリングに読み込ませるため右表のフォーマットに
BigQueryで加工する。(AmazonMLもAzureMLなどもこの形式）
• SparkMLlibがUserIDがIntでないといけないという制限があるため
TwitterIDは内部的にシーケンスな番号を付ける。
データの加工

30. Spark MLlib code

31. Spark MLlib code
モデルを作成

32. Spark MLlib code
モデルを使って予測(predict)

33. Sparkクラスタで実行
./bin/spark-submit --master spark://managerhost:7077
--executor-memory 25G
--conf spark.driver.memory=4G
anime_collaborative_filtering_assembly-1.0.jar
/var/data/anime.csv

34. Spark WEB UI

35. 80万Twitterユーザー x 43 (2015年冬期アニメ作品数)
3440万レコードが推薦データとしてMySQLに格納
されている
MLlibで処理した結果
UserID ProductID Rate
354796 242 1.8322849817902473
354796 243 -2.5666437672644378
354796 244 0.385125554296764
354796 245 0.9550722901486512

36. 実演

37. 実演 補足

38. 検証結果
• とらのあなは「うたわれるもの」を作っているアクアプラスと業務
提携しているので発言数が多くなっている。▶それなりの正しい推薦
であることが確認できた。

40. 結論：今年は高橋李依がくる！

41. 声優のTwitterフォロワーランキング

42. 3月1日から3月26日までのフォロワー数の伸び TOP10
声優名 フォロワー増加数
南條愛乃 16021
三森すずこ 15715
井上麻里奈 12401
高橋李依 9625
新田 恵海 9066
内田彩 8665
飯田里穂 7914
Pile 7613
竹達 彩奈 7410
徳井青空 6996

43. 企業コラボやアニメ作品で「高橋李依」
を起用したい時のマーケ担当者の場合
「プリキュア＋めぐみん＋リゼロがあるから
高橋李依は当たる！」
▶アニオタの妄言
「フォロワーのデータの伸びがこれだけあり他
の声優と比較しても桁違いだから当たる！」
▶データでの説得力があるビジネスマン
の発言

44. まとめ
秋葉原IT戦略研究所はビッグデータからアニメに関するデータ
を解析するのに便利なツール(API)を提供しています。
またAPIを使い以下のデータを蓄積解析しています。

45. 伝えたいこと
アニメ関連のデータ解析が必要だったら
ご連絡ください
土日プログラマー集団ですが、お手伝いできます
データが必要なアニメ関連のイベント
があれば誘ってください
用意できるデータであれば用意し発表します
パトロン企業を募集しています
恒久的にAnimeAPIを提供するため

46. 4/9「IT x アニメ」で勉強会します
http://akibalab.connpass.com/event/28293/

47. IT系同人誌売ってます

48. デモ＋プロダクト リンク集
製品名 サブカテゴリ URL
Twitterフォロワーラ
ンキング
https://twitter.com/anime_follower/
つぶやきビッグデー
タ
2015年秋期アニメ http://tv-anime.xyz/
2016年冬期アニメ http://akiba-net.com/5/
ラブライブ http://lovelive-net.com/5/
東京テレビ局 http://telev.net/5/
アニメ推薦エンジン http://tv-anime.biz/
声優フォロワーラン
キング
http://data.akiba-net.com/
Pixiv投稿数ランキン
グ
TOP http://pix.akiba-net.com/