1. ユーザコメントのtf-idf法による分析を用いた インタラクティブな関連動画の提示
複雑系工学講座 調和系工学研究室
修士２年 江端 佑介

2. 研究背景
動画の特徴を表す情報
動画のメタ情報 … 動画に付随する，動画自身の特徴を表す情報（タイトル，タグ等）
タイトル 飛行機（着陸）
タグ 飛行機
説明文 伊丹空港で…
タイトル 飛行機（着陸）2
タグ 飛行機,大阪空港
説明文 大阪空港の…
→ 動画内容をすべて網羅しているわけではない
動画にはメタ情報に含まれない情報がまだある
ANA が好き！
ジャンボが見たかった
JAL はオシャレ
飛行機乗りたい
メタ情報
コメント
動画コメントから動画の特徴を表す情報の取得が実現
↓
動画説明文生成や関連動画表示などの情報源として応用できる可能性
動画コメント … 動画を見たユーザが書き込む文書
→ メタ情報には存在しない，動画の特徴を表す情報 を含む可能性がある

3. 目的
目的
視聴
提示
動画の特徴を表す情報を動画コメントから取得
応用
ユーザの視聴した動画のコメントの特徴を考慮しインタラクティブに関連動画を提示
動画コメントから取得した情報を用いたサービスモデル

4. 仮定と手法
予備実験概要
①YouTubeから動画毎にコメント（英語）を収集
②tf-idf法により動画毎のコメント文書をベクトル表現し特徴語を定義
③得られた特徴語が動画の特徴を表すかをアンケート調査
＜仮定＞
コメントの特徴が似ている動画どうしは関連性がある
異なる動画のコメント文書間の類似度を定義する必要
（情報検索におけるベクトル空間モデルの応用[04 大谷]）
tf-idf法を利用しコメント文書をベクトル表現
コメント文書のベクトル表現によって得られた特徴語が
動画の特徴を表すか否か予備実験にて検討
コメントからの動画情報の抽出

5. 予備実験
D1 D2
D14381
・・・・
・・・・
コメントの収集
①15カテゴリ・15000動画のIDを取得
②各IDにつき最大1000件のコメントを取得
14381動画分のコメント文書Dを保存
特徴語の定義
YouTube Data APIのカテゴリ検索を利用
①コメント文書を名詞・動詞・形容詞に絞り込み
②カテゴリ毎にtf-idf法を用いてコメント文書の特徴ベクトルを求める
( ( , ), ( , ), ( , ))
( , ) ( , ) ( )
1
( )
( ) log
log( ( ))
log( ( , ))
( , )
1 2 d w T D w T D w T D
w T D tf T D idf T
dfreq T
M
idf T
NoT D
tfreq T D
tf T D
D N 


 
  
名
動 形
名
動 形
名
動 形
③特徴語の定義
名詞・動詞・形容詞のそれぞれについて w(T,D) が最大値をとる単語を特徴語と定義
文書の特徴ベクトル
カテゴリ内の総単語数
文書における単語の重要度
単語が出現する文書数
カテゴリ内の総文書数
文書の総単語数
文書中に単語が出現する回数
文書内の単語
コメント文書
: D
N :
( , ) : D T
( ) : T
:
( ) : D
( , ) : D T
: D
:
D d
w T D
dfreq T
M
NoT D
tfreq T D
T
D


6. 予備実験
アンケート調査
アンケート例
①動画を視聴（収集した14381動画のうち10動画）
②質問への回答
問：
結果
特徴語が動画から読み取れた割合
(10動画の平均)
名詞
(%)
メタ情報
との合致
動詞
(%)
メタ情報
との合致
形容詞
(%)
メタ情報
との合致
動画1
64.7
×
70.6
○
64.7
○
動画2
43.8
○
18.8
×
61.5
×
動画3
100
○
69.2
×
38.5
×
動画4
80.0
○
20.0
×
40.0
×
動画5
0
○
87.5
×
25.0
×
動画6
85.7
×
100
×
71.4
×
動画7
28.6
×
28.6
×
42.9
×
動画8
57.1
○
28.6
○
14.3
×
動画9
42.9
×
100
×
57.1
×
動画10
0
×
57.1
×
100
○
動画から特徴語が読み取れたユーザの割合と
特徴語とメタ情報との合致
特徴語がメタ情報に含まれず，かつ
動画から読み取れた被験者が半数以上
特徴語として定義した名詞・動詞・形容詞が
動画から読み取れたかどうか
↓
コメント文書から抽出した特徴語が
動画の特徴を表す可能性

7. インタラクティブな関連動画提示への利用モデル
モデル概要
①動画の提示
②気になった
動画の選択
①動画の提示
④関連動画提示
検索キー入力
③コメント傾向ベクトル算出
関連動画の選択
②気になった
動画の選択
START
あり
なし
END
④関連動画の選択
「①動画の提示」～「④関連動画の選択」までを一試行とする
③ユーザが選択した動画の
コメントの傾向ベクトルを算出

8. ユーザが気になった動画のコメント文書ベクトルの和
（但し ユーザが選択したら1，しなかったら0）
傾向ベクトル
  1         n D D D n u d d d k u
a b c
    
  
関連動画の選択
i
i
i
n D
n D
n D
u d
u d
Sim u d  
 
  
( )  ,
, ,：
インタラクティブな関連動画提示への利用モデル
「ユーザが選択した動画のコメントの特徴ベクトル」
及び
「前の試行における傾向ベクトル」
を考慮して定義
前の試行におけるユーザの
視聴傾向ベクトル
（但し減衰率kを掛ける）
カテゴリ内の既に視聴した動画を除くすべての動画に対し
コメントの特徴ベクトルと傾向ベクトルとの類似度を求める
類似度
↓
類似度の上位三動画を関連動画と定義

9. 実験
目的 選択した動画のコメント傾向を反映した関連動画提示の確認
・ユーザが気になった動画として既に２つを選択したと仮定し実験を行う
D1 : LIONEL MESSI TOP 30 GOALS!!! : Bret Hart: 2006 Hall of Fame Speech 2 D
D1 d

D2 d

0
1
2
3
4
5
6
7
8
messi
globus
goles
futbol
cr9
pero
javier
hacia
lo
seleccion
si
d10s
ni
benoit
wrestlemania
kane
wcw
dx
mcmahon
eddie
macho
hartaustin
willjohnboy
owens
cyruss
tenta
inducties
iirc
fn
sounds
match
x12
jawoll
clic
dh
yokozuna
stirring
rl
sabu
nitro
h 単語
重要度
D1 d

D2 d
 選択した動画の単語と重要度

10. 結果
関連
動画
(1回目)
D5 d

D3 d

D4 d

0
1
2
3
4
5
6
7
8
messi
globus
goles
futbol
cr9
pero
javier
hacia
lo
seleccion
si
d10s
ni
benoit
wrestlemania
kane
wcw
dx
mcmahon
eddie
macho
hartaustin
willjohnboy
owens
cyruss
tenta
inducties
iirc
fn
sounds
match
x12
jawoll
clic
dh
yokozuna
stirring
rl
sabu
nitro
h 単語
重要度
D1 d

D2 d

D1 d

D2 d


11. 0
1
2
3
4
5
6
7
8
messi
globus
goles
futbol
cr9
pero
javier
hacia
lo
seleccion
si
d10s
ni
benoit
wrestlemania
kane
wcw
dx
mcmahon
eddie
macho
hartaustin
willjohnboy
owens
cyruss
tenta
inducties
iirc
fn
sounds
match
x12
jawoll
clic
dh
yokozuna
stirring
rl
sabu
nitro
h
結果
関連
動画
(1回目)
D3 d

D4 d

単語
重要度
D1 d

D2 d

選択 選択
D1 d

D2 d


12. 0
1
2
3
4
5
6
7
8
messi
globus
goles
futbol
cr9
pero
javier
hacia
lo
seleccion
si
d10s
ni
benoit
wrestlemania
kane
wcw
dx
mcmahon
eddie
macho
hartaustin
willjohnboy
owens
cyruss
tenta
be
plisss
wm25
lmaoooo
dynamite
x12
jawoll
clic
dh
yokozuna
stirring
rl
sabu
nitro
h
結果
関連
動画
(1回目)
D3 d

D4 d

選択 選択
D1 d

D2 d

D3 d

D4 d

単語
重要度
重要度が増した語
bret,hart,hogan,owen,
hbk,shawn,hitman etc….
D1 d

D2 d


13. 結果
関連
動画
(1回目)
D3 d

D4 d

関連
動画
(2回目)
>Ric Flair and Shawn
Michaels...
>Best of all time with Bret
Hart right there
>Bret and HBK totally….
>the hitman in a wwe ring
again but…
>it cause of hulk hogan…
>He and shawn Michaels…
>With all due respect to
Bret Hart....
重要度が増した語
bret,hart,hogan,owen,
hbk,shawn,hitman etc….
D1 d

D2 d


14. 結果
D5 d

D3 d

関連
動画
(1回目)
選択 選択
0
1
2
3
4
5
6
messi
leo
balon
que
1messi
tna
hulk
dx
suit
cinzia
tyson
wounded
be
somfing
mierdaldo
soccer
thoughtss
gooner
aguantee
単語
重要度
重要度が増した語
bret,hart,hogan,owen,
hbk,shawn,hitman etc….
messi,ronaldo,barca,
bret,hart,hogan etc….
D1 d

D2 d

D1 d

D2 d

D3 d

D5 d


15. 結果
D5 d

D3 d

関連
動画
(1回目)
選択 選択
>Ric Flair and Shawn
Michaels...
>Best of all time with Bret
Hart right there
関連
動画
(2回目)
> didn't kick ric in the nads
like he did bret hart...
> Flair is just like Hogan ...
重要度が増した語
bret,hart,hogan,owen,
hbk,shawn,hitman etc….
messi,ronaldo,barca,
bret,hart,hogan etc….
> people said ronaldo
should've won it?
> the best lionel messi
video ive watched
D1 d

D2 d


16. まとめ
目的
達成事項
・動画コメントからtf-idf法によって抽出した特徴語が動画の特徴を表すものとして
利用できる可能性を示した
・ユーザが視聴し，気になった動画のコメントの特徴ベクトルを合成した傾向ベクトルを
用いて，ユーザの視聴傾向を反映した関連動画の提示ができる可能性を示した
動画の特徴を表す情報を動画コメントから取得
↓応用
ユーザの選択した動画の特徴を考慮しインタラクティブな関連動画の提示
研究業績
国内学会発表：１件

18. 0
1
2
3
4
5
6
messi
leo
balon
que
1messi
tna
hulk
dx
suit
cinzia
tyson
wounded
be
somfing
mierdaldo
soccer
thoughtss
gooner
aguantee

19. 結果
D5 d

1,D1 d

1,D2 d

D3 d

関連
動画
(1回目)
選択 選択