Successfully reported this slideshow.
Your SlideShare is downloading. ×

音楽聴取者の行動分析で理解する人と音楽とのインタラクション

音楽聴取者の行動分析で理解する人と音楽とのインタラクション

Download to read offline

本スライドは2022年8月26日開催の、電子情報通信学会ヒューマンコミュニケーション基礎(HCS)研究会・ヴァーバル・ノンヴァーバル・コミュニケーション研究会(VNV)研究会の招待講演の発表資料です。
https://www.ieice.org/hcg/hcs/wp/?p=943
http://ktsukuda.me/

本スライドは2022年8月26日開催の、電子情報通信学会ヒューマンコミュニケーション基礎(HCS)研究会・ヴァーバル・ノンヴァーバル・コミュニケーション研究会(VNV)研究会の招待講演の発表資料です。
https://www.ieice.org/hcg/hcs/wp/?p=943
http://ktsukuda.me/

Advertisement
Advertisement

More Related Content

Advertisement

Related Books

Free with a 30 day trial from Scribd

See all

Related Audiobooks

Free with a 30 day trial from Scribd

See all

音楽聴取者の行動分析で理解する人と音楽とのインタラクション

  1. 1. 2022年8月26日 電子情報通信学会ヒューマンコミュニケーション基礎(HCS)研究会 ヴァーバル・ノンヴァーバル・コミュニケーション研究会(VNV)研究会 招待講演 音楽聴取者の行動分析で理解する 人と音楽とのインタラクション 名前 佃 洸摂(つくだ こうせつ) 所属 産業技術総合研究所 出身 高知県高知市 学位 博士(情報学)2014@京都大学
  2. 2. 人と音楽とのインタラクション 2 立ち止まる時 また ふと振り返る 今もせつない 姿 探しているよ PROLOGUE / 緒方智美 YOASOBI 聴く 見る 探す 歌う 演奏する
  3. 3. 人々の音楽体験をより多様で豊かにする
  4. 4. 2つの取り組み 4 取り組み1 音楽とのインタラクション を提案 取り組み2 ユーザの行動 を分析
  5. 5. アプローチ|その1 5 音楽との新たなインタラクションを提案したうえで ユーザの行動に与えた影響も分析
  6. 6. アプローチ|その1 6 現在のユーザの行動を分析したうえで 音楽との新たなインタラクションも提案
  7. 7. 5つの研究事例 7 音楽発掘カフェ「Kiite Cafe」 歌詞探索ツール「Lyric Jumper」 繰り返し消費のための推薦理由 創作コラボレーション分析 歌詞閲覧行動分析
  8. 8. 音楽発掘カフェ「Kiite Cafe」 Kosetsu Tsukuda, Keisuke Ishida, Masahiro Hamasaki, and Masataka Goto Kiite Cafe: A Web Service for Getting Together Virtually to Listen to Music Proceedings of the 22nd International Society for Music Information Retrieval Conference (ISMIR 2021)
  9. 9. 背景 9 一人で音楽を聴く場合とは異なり他の人と一緒に音楽を聴くことで得られる価値 他者との社会的繋がり 自分の好きな楽曲を聴いてもらえる ライブコンサートへの参加 [Sedgman, 2015][Brown+, 2017] 他者に会って好きな楽曲を紹介 [Bassoli+, 2004][Hakansson+, 2007]
  10. 10. 問題点 10 様々な社会情勢 地理的な遠さ テレビ・ラジオ・Web配信 SNS すごく いい曲です! 86 本当に聴いて好きになって くれてるのかな…? 他の人はどんな 反応をしているんだろう…? 音楽を楽しんでいる様子が 互いに見えるように同じ場所に集まる 必要あり 紹介した楽曲に反応した人が 確かにその楽曲を聴いたと分かる 必要あり などが原因で他の人と一緒に同じ楽曲を聴けず そうした価値を享受できないという状況は珍しくない 他の人と一緒に音楽を聴くことの代替手段にはなりづらい
  11. 11. 提案:https://cafe.kiite.jp 11 物理的には異なる場所にいる人々がオンラインで集まって 同じ楽曲を同じ瞬間に楽しめる音楽発掘カフェ「Kiite Cafe」を提案  2019年8月30日にKiiteを一般公開(https://kiite.jp)  36万曲以上の歌声合成楽曲から好みの楽曲に出会える  プレイリスト作成・お気に入り登録・楽曲推薦 音楽発掘サービス「Kiite」の新機能として提供
  12. 12. アーキテクチャ1 アーキテクチャ2 体験・効果1 体験・効果2 体験・効果3 実験1 実験2 実験3
  13. 13. Kiite Cafeが持つアーキテクチャ
  14. 14. アーキテクチャ1 アーキテクチャ2 体験・効果1 体験・効果2 体験・効果3 実験1 実験2 実験3 楽曲に対する「好き」という反応を可視化 癒やされる
  15. 15. アーキテクチャ1:楽曲に対する「好き」という反応を可視化 15  楽曲に対する「好き」という気持ちを伝えるために4種類の反応を可視化  ユーザ同士が同じ楽曲を聴きながらリアルタイムにコミュニケーションを取れる 癒やされる お気に入り登録 コメント エフェクト付きハート 最大90秒間表示 回転 再生中の楽曲が終わるまで 移動 任意の位置に移動可能 ユーザが創意工夫しながら各機能を使えるようにコメント・回転・移動 をどのように使うかはKiite Cafe側では意図的にアナウンスせず
  16. 16. アーキテクチャ1 アーキテクチャ2 体験・効果1 体験・効果2 体験・効果3 実験1 実験2 実験3 楽曲に対する「好き」という反応を可視化 ユーザの好みの楽曲から再生楽曲を選択 癒やされる
  17. 17. アーキテクチャ2:ユーザの好みの楽曲から再生楽曲を選択 17  Kiite Cafeに滞在しているいずれかのユーザの好みの楽曲が再生される  再生中の楽曲が終わるまでに次の再生楽曲の選択処理を自動的に実行  第一段階:Kiite Cafeに滞在中のユーザを選択  第二段階:ユーザの「お気に入り+プレイリスト」から再生楽曲を選択 第一段階 ユーザ選択 … Kiite Cafe 第二段階 楽曲選択 お気に入り+プレイリスト 再生  各段階で選択されるユーザと楽曲にバイアスが生じないアルゴリズムを使用  Kiite Cafeで再生される楽曲の多様性の確保  自分の好みの楽曲が選択されないことへの不満の排除
  18. 18. アーキテクチャがもたらすユーザ体験とその効果
  19. 19. アーキテクチャ1 アーキテクチャ2 体験・効果1 体験・効果2 体験・効果3 実験1 実験2 実験3 楽曲に対する「好き」という反応を可視化 ユーザの好みの楽曲から再生楽曲を選択 癒やされる 「好き」を伝える動機付け
  20. 20. 体験・効果1:「好き」を伝える動機付け 20 「自分がこの楽曲を好きだ」という思いを可視化して共有できることでa 再生中の楽曲に対して「好き」を明示的に伝えるよう動機付けられる 体 験 滞在ユーザ数が多くなるほど「好き」を共有してより強い繋がりを 感じられるようになりより積極的に「好き」を伝えるようになる 効 果 私がこの曲を好きなことを みんなに伝えたい! 癒やされる 再生中
  21. 21. アーキテクチャ1 アーキテクチャ2 体験・効果1 体験・効果2 体験・効果3 実験1 実験2 実験3 楽曲に対する「好き」という反応を可視化 ユーザの好みの楽曲から再生楽曲を選択 癒やされる 「好き」を伝える動機付け 多様な楽曲を好きになる Pop Rock Jazz
  22. 22. 体験・効果2:多様な楽曲を好きになる 22 様々なユーザの好みの楽曲から再生する楽曲が選択されるため 日頃の好みとは異なる多様な楽曲を聴く機会が得られる 体 験 ユーザが一人で聴いて好きになる楽曲よりも Kiite Cafeで聴いて好きになる楽曲の方が多様性が高くなる 効 果 普段はPopが好きでよく聴くけど Kiite CafeでRockやJazzも聴いて好きになれた! Pop かっこいい! Rock Jazz
  23. 23. アーキテクチャ1 アーキテクチャ2 体験・効果1 体験・効果2 体験・効果3 実験1 実験2 実験3 楽曲に対する「好き」という反応を可視化 ユーザの好みの楽曲から再生楽曲を選択 癒やされる 「好き」を伝える動機付け 多様な楽曲を好きになる Pop Rock Jazz キューレータとして貢献
  24. 24. 体験・効果3:キュレータとしての貢献 24 自分の好きな楽曲が選ばれることでどのユーザでもキュレータとして 貢献でき自分の好きな楽曲を他のユーザが好きになる瞬間を見られる 体 験 キュレータとしての貢献が大きくなるほど自分の好みの楽曲が 再度選ばれることが楽しみになりKiite Cafeの滞在時間が長くなる 効 果 自分の好きな曲を たくさんのユーザが好きになってくれた! 𝑡𝑡 次に自分の好みの楽曲が選ばれる 自分の好みの楽曲が選ばれた
  25. 25. アーキテクチャ1 アーキテクチャ2 体験・効果1 体験・効果2 体験・効果3 実験1 実験2 実験3 楽曲に対する「好き」という反応を可視化 ユーザの好みの楽曲から再生楽曲を選択 癒やされる 「好き」を伝える動機付け 多様な楽曲を好きになる Pop Rock Jazz キューレータとして貢献
  26. 26. ユーザ体験がもたらす効果の検証
  27. 27. データセット 27  Kiite Cafe正式一般公開  ユーザ利用ログ対象期間  ユニークユーザ数  各機能の使用回数 2020年 8月 5日 2020年 8月 5日~2021年 8月 4日 2,399名 癒やされる 49,425回 14,094回 109,054回 74,304回
  28. 28. アーキテクチャ1 アーキテクチャ2 体験・効果1 体験・効果2 体験・効果3 実験1 実験2 実験3 楽曲に対する「好き」という反応を可視化 ユーザの好みの楽曲から再生楽曲を選択 癒やされる 「好き」を伝える動機付け 多様な楽曲を好きになる Pop Rock Jazz キューレータとして貢献 反応率 ユーザ数 ユーザ数 増 → 反応率 増
  29. 29. 実験1:RQ・設定 29 Kiite Cafeに滞在しているユーザ数の増加に伴い ユーザはより頻繁に楽曲への反応を発信するようになるか 滞在ユーザ数が多くなるほど「好き」を伝える意義が大きくなり より積極的に「好き」を伝えるようになる 効 果 R Q 反応:回転 楽曲再生時のユーザの何%が回転? ユーザ数 平均反応率 1~5名 8.47% 6~10名 16.1% 11~15名 17.6% 16名以上 20.6% ユーザ数 1-5 6-10 11-15 16- 平均反応率
  30. 30. 実験1:結果 30 平均反応率(正規化済み) いずれの反応でもKiite Cafeに滞在しているユーザ数の増加に伴い 反応を発信するユーザの割合は単調に増加 回 答
  31. 31. コメント・回転・移動の使われ方 31  3つのいずれの機能も楽曲へのポジティブな感情を表現 =「好き」を伝える  ユーザ数が増えるにつれてライブコンサートに参加しているかのように振る舞う  ユーザによって生み出されてユーザの間に自然に広がりKiite Cafeの文化となった コメント 回転 移動 ・盛り上がりや興奮の感情 を回転で表現 ・「この曲は回れる」 という新たな表現が誕生 ・楽曲開始15秒以内の 投稿コメントが多い傾向 ・好きな楽曲が再生された ことに対する喜びを表現 うおおおお キター! ・ライブコンサートでの 「最前」への移動を再現 ・自然発生的にアイコンを 移動させてハートを成形
  32. 32. コメント・回転・移動の使われ方 32  3つのいずれの機能も楽曲へのポジティブな感情を表現 =「好き」を伝える  ユーザ数が増えるにつれてライブコンサートに参加しているかのように振る舞う  ユーザによって生み出されてユーザの間に自然に広がりKiite Cafeの文化となった コメント 回転 移動 ・盛り上がりや興奮の感情 を回転で表現 ・「この曲は回れる」 という新たな表現が誕生 ・楽曲開始15秒以内の 投稿コメントが多い傾向 ・好きな楽曲が再生された ことに対する喜びを表現 うおおおお キター! ・ライブコンサートでの 「最前」への移動を再現 ・自然発生的にアイコンを 移動させてハートを成形
  33. 33. コメント・回転・移動の使われ方 33  3つのいずれの機能も楽曲へのポジティブな感情を表現 =「好き」を伝える  ユーザ数が増えるにつれてライブコンサートに参加しているかのように振る舞う  ユーザによって生み出されてユーザの間に自然に広がりKiite Cafeの文化となった コメント 回転 移動 ・盛り上がりや興奮の感情 を回転で表現 ・「この曲は回れる」 という新たな表現が誕生 ・楽曲開始15秒以内の 投稿コメントが多い傾向 ・好きな楽曲が再生された ことに対する喜びを表現 うおおおお キター! ・ライブコンサートでの 「最前」への移動を再現 ・自然発生的にアイコンを 移動させてハートを成形
  34. 34. アーキテクチャ1 アーキテクチャ2 体験・効果1 体験・効果2 体験・効果3 実験1 実験2 実験3 楽曲に対する「好き」という反応を可視化 ユーザの好みの楽曲から再生楽曲を選択 癒やされる 「好き」を伝える動機付け 多様な楽曲を好きになる Pop Rock Jazz キューレータとして貢献 ユーザ数 ユーザ数 増 → 反応率 増 Kiite Cafe利用 後 → 多様性 増 利用前 利用後 楽曲 多様性 小 大 反応率
  35. 35. 実験2:概要 35 Kiite Cafeの利用前に比べて利用後の方が ユーザはより多様な楽曲に対して反応を発信するか ユーザが一人で聴いて好きになる楽曲よりも Kiite Cafeで聴いて好きになる楽曲の方が多様性が高くなる 効 果 R Q 利用後の方が反応を示した楽曲の多様性は高く ユーザの日頃の音楽的好みとは異なる楽曲を好きになる場として機能 回 答 反応 利用前多様性 利用後多様性 P値 お気に入り登録 10.509 10.994 1.14 × 10−8 コメント 10.454 10.954 2.05 × 10−3 回転 10.519 10.895 1.16 × 10−6 移動 10.454 11.059 2.75 × 10−9 楽曲の多様性=音響特徴量間のユークリッド距離の平均値
  36. 36. アーキテクチャ1 アーキテクチャ2 体験・効果1 体験・効果2 体験・効果3 実験1 実験2 実験3 楽曲に対する「好き」という反応を可視化 ユーザの好みの楽曲から再生楽曲を選択 癒やされる 「好き」を伝える動機付け 多様な楽曲を好きになる Pop Rock Jazz キューレータとして貢献 ユーザ数 ユーザ数 増 → 反応率 増 Kiite Cafe利用 後 → 多様性 増 利用前 利用後 楽曲 多様性 小 大 貢献度 増 → 滞在時間 増 キュレータ貢献度 滞在時間 反応率
  37. 37. 実験3:概要 37 ユーザの好みの楽曲が再生された際に反応を発信するユーザの 割合が高くなるほどそのユーザのKiite Cafeの滞在時間は長くなるか キュレータとしての貢献が大きくなるほど自分の好みの楽曲が 再度選ばれることが楽しみになりKiite Cafeの滞在時間が長くなる 効 果 R Q お気に入り登録・回転・移動では反応を発信したユーザの割合が増える と滞在時間も増加(割合だけでなくユーザの絶対数も影響) 回 答 お気に入り登録 コメント 回転 移動 横軸:反応を発信したユーザの割合 縦軸:正規化された滞在時間
  38. 38. 楽曲に対する「好き」という反応を可視化 ユーザの好みの楽曲から再生楽曲を選択 癒やされる 「好き」を伝える動機付け 多様な楽曲を好きになる キューレータとして貢献 アーキテクチャ1 アーキテクチャ2 体験・効果1 体験・効果2 体験・効果3 実験1 実験2 実験3 Pop Rock Jazz ユーザ数 ユーザ数 増 → 反応率 増 貢献度 増 → 滞在時間 増 Kiite Cafe利用 後 → 多様性 増 キュレータ貢献度 滞在時間 利用前 利用後 楽曲 多様性 小 大 反応率
  39. 39. オンラインイベントにおけるKiite Cafeの活用 39  人々が物理的に集まるのが困難な状況でオンラインイベントの新しいあり方を提示  地理的な遠さが原因でイベント参加しづらい人などにとっても有意義な開催方法 VOCALOID関連の イベントの主催者 Kiite Cafeユーザ Kiite Cafe運営  重音テト記念日企画  GUMI記念日企画 など http://tsunagarumirai.com/2020/  ツナガルミライ  タメサレルミライ など  初音ミク誕生日企画  MEIKO誕生日企画 など 3タイプの発案者によるKiite Cafeのオンラインイベント
  40. 40. オンラインイベントにおけるKiite Cafeの活用 40 3タイプの発案者によるKiite Cafeのオンラインイベント
  41. 41. オンラインイベントにおけるKiite Cafeの活用 41  人々が物理的に集まるのが困難な状況でオンラインイベントの新しいあり方を提示  地理的な遠さが原因でイベント参加しづらい人などにとっても有意義な開催方法 VOCALOID関連の イベントの主催者 Kiite Cafe運営 http://tsunagarumirai.com/2020/  ツナガルミライ  タメサレルミライ など Kiite Cafeユーザ  重音テト記念日企画  GUMI記念日企画 など  初音ミク誕生日企画  MEIKO誕生日企画 など 3タイプの発案者によるKiite Cafeのオンラインイベント
  42. 42. 歌詞探索ツール「Lyric Jumper」 Kosetsu Tsukuda, Keisuke Ishida, and Masataka Goto Lyric Jumper: A Lyrics-Based Music Exploratory Web Service by Modeling Lyrics Generative Process Proceedings of the 18th International Society for Music Information Retrieval Conference (ISMIR 2017)
  43. 43. Lyric Jumper 様々な歌詞やアーティストに出会える新しい歌詞探索サービス 従来 Lyric Jumper  歌詞のトピックを可視化  アーティストごとの 歌詞の傾向に基づく歌詞探索 曲名検索 歌詞フレーズ検索 知っている曲しか探せない 完全一致の曲しか探せない あなたに逢いたくて 愛しいあなた https://lyric-jumper.petitlyrics.com(2017/2/21公開)
  44. 44. 歌詞トピック解析技術 歌詞データ (25万曲) 大規模な歌詞データを与えるだけでトピックを自動的に推定 確率モデルによる 歌詞トピック解析 歌詞 トピック 松田聖子/ あなたに逢いたくて 4 松田聖子/ 赤いスイートピー 11 井上陽水/少年時代 16  アーティスト・歌詞・単語という3階層の構造を考慮  歌詞データ全体での単語の出現傾向を利用  傾向の差異が端的に表現されるようトピックを自動決定 恋愛 永遠の愛・一途な恋・ラブソング 大人の恋愛(女性編)・大人の恋愛(男性編)
  45. 45. ログ分析
  46. 46. データセット 46  Lyric Jumperへのアクセスログ収集期間: 2017/2/21~9/30  ユニークユーザ数 - スマートフォン:86,922 - PC:6,040 35 30 25 20 15 10 5 0 万PV 2月 3月 4月 5月 6月 7月 8月 9月 スマートフォン PC
  47. 47. 各機能の使用回数 47 (回) 機能 PC スマホ アーティストランキング 5,574aaaa 41,169aaa アーティスト推薦 4,206aaaa 10,557aaa 楽曲ランキング 12,375aaaa 24,717aaa フレーズ推薦 12,333aaaa 456,429aaa  フレーズ推薦機能の使用回数はスマホがPCを大きく上回る
  48. 48. 各機能の使用回数 48 スマホ用インタフェース PC用インタフェース
  49. 49. 各機能の使用回数 49  フレーズ推薦機能の使用回数はスマホがPCを大きく上回る  スマホではフレーズがひとつずつ推薦されることで フレーズに対するユーザの興味をより強く喚起でき ユーザが思わず次々とボタンを押した結果ではないか (回) 機能 PC スマホ アーティストランキング 5,574aaaa 41,169aaa アーティスト推薦 4,206aaaa 10,557aaa 楽曲ランキング 12,375aaaa 24,717aaa フレーズ推薦 12,333aaaa 456,429aaa
  50. 50. トピック別クリック頻度 50 0 1000 2000 3000 4000 5000 永遠の愛 一途な恋 ラブソング 大人の恋愛(女性編) 大人の恋愛(男性編) コトバ遊び イケイケ みんなでうたおう 戦うヒーロー 夢と未来 青春 人生 自分探し 混沌(カオス) センチメンタル ノスタルジー 硬派 光と影 自由気まま 浮世離れ スマホ用インタフェース
  51. 51. トピック別クリック頻度 51 0 1000 2000 3000 4000 5000 永遠の愛 一途な恋 ラブソング 大人の恋愛(女性編) 大人の恋愛(男性編) コトバ遊び イケイケ みんなでうたおう 戦うヒーロー 夢と未来 青春 人生 自分探し 混沌(カオス) センチメンタル ノスタルジー 硬派 光と影 自由気まま 浮世離れ  トピックの表示順位と クリックの頻度順位の相関 - 全体:0.46 - 恋愛トピック以外:-0.025  ユーザはある程度自分の興味 に従ってトピックを選択 「大人の恋愛」トピックでは 「男性編」よりも「女性編」 の方が高頻度で選択 0.46 -0.025 恋愛 トピック
  52. 52. トピック別クリック頻度 52 0 1000 2000 3000 4000 5000 永遠の愛 一途な恋 ラブソング 大人の恋愛(女性編) 大人の恋愛(男性編) コトバ遊び イケイケ みんなでうたおう 戦うヒーロー 夢と未来 青春 人生 自分探し 混沌(カオス) センチメンタル ノスタルジー 硬派 光と影 自由気まま 浮世離れ  トピックの表示順位と クリックの頻度順位の相関 - 全体:0.46 - 恋愛トピック以外:-0.025  ユーザはある程度自分の興味 に従ってトピックを選択 「大人の恋愛」トピックでは 「男性編」よりも「女性編」 の方が高頻度で選択 大人の恋愛 (女性編) 大人の恋愛 (男性編)
  53. 53. 行動遷移 53
  54. 54. 行動遷移 54 トピックを起点とした歌詞探索は新規性が高いだけでなく ユーザにも積極的に利用されていることが示された アーティスト起点 34.8% トピック起点 65.2% フレーズ選択 20.5%
  55. 55. Twitter分析
  56. 56. データセット 56  2017/2/21~10/10に投稿されたツイートが対象 「”lyric jumper” OR “リリックジャンパー”」をクエリに使用  分析対象として収集されたツイートは429件
  57. 57. アーティストのトピックに関するツイート 57  98件のツイートは特定のアーティストのトピックに言及  推定されたトピックの傾向に納得感を表すツイートが多数 全体の傾向 ツイート例 「ラブソング」トピックの割合が高いと思っていたが 「自分探し」のトピックの割合が高く意外な発見ができた
  58. 58. 繰り返し消費のための推薦理由 Kosetsu Tsukuda and Masataka Goto Explainable Recommendation for Repeat Consumption Proceedings of the 14th ACM Conference on Recommender Systems (ACM RecSys 2020)
  59. 59. 既存研究と本研究の差異 59 既存研究 ユーザが消費していないアイテム に対して推薦理由を提示 本研究 ユーザが既に消費したアイテム に対して推薦理由を提示 消費済みアイテム 未消費アイテム 推薦理由 推薦理由 消費済みアイテム 未消費アイテム
  60. 60. 繰り返し消費されるアイテムの「寿命」 60  音楽・動画・飲食店などのドメインでは同一アイテムが繰り返し消費される  繰り返し消費されるアイテムには「寿命 (lifetime)」がある [Benson+, WWW’16] 𝑡𝑡 トリセツ/西野カナ 高頻度で再生 徐々に再生頻度が下がる 再生しなくなる
  61. 61. 繰り返し消費されるアイテムの「寿命」 61  音楽・動画・飲食店などのドメインでは同一アイテムが繰り返し消費される  繰り返し消費されるアイテムには「寿命 (lifetime)」がある [Benson+, WWW’16] 𝑡𝑡 トリセツ/西野カナ 高頻度で再生 徐々に再生頻度が下がる 再生しなくなる 西野カナのトリセツを初めて聴いてから 今日でちょうど5年経ちました
  62. 62. 消費者・創作者・プラットフォームにとってのメリット 62 消費済みアイテムであっても 受動的に推薦を受けられる 20年代 10年代 創作物 推薦理由 消費者 消費が刹那的な現代において アイテムの寿命が延びる 創作者 プラットフォーム 消費者と創作者の双方の満足度を高められる
  63. 63. 消費済みアイテムの推薦理由作成のための3つの要因 63 Personal factor Social factor Item factor  3要因:Personal factor・Social factor・Item factor  3要因に基づいて音楽推薦を対象とした9種類の推薦理由を提案  3要因は任意のドメインにおいて推薦理由作成の手がかりとなりうる
  64. 64. 各要因から生成される推薦理由 64 要因 推薦理由 西野カナのトリセツをお薦めします。なぜなら: Personal P-first 最初に聴いてからちょうど5年が経過したからです P-last 最後に聴いてからちょうど1年が経過したからです P-together 先ほど聴いた 前前前世/RADWIMPS と一緒によく聴いていたからです P-total 次に聴くと再生回数が100回に到達するからです Social S-total 全ユーザの総再生回数が1,000万回に到達したからです S-unique 再生したユニークユーザ数が50万人に到達したからです S-favorite お気に入りに登録したユーザ数が10万人に到達したからです Item I-release 発売されてからちょうど5年が経過したからです I-live 西野カナのライブで昨日歌われたからです
  65. 65. 評価実験
  66. 66. 実験参加者 66  アンケート会社を通して実験参加者を募集  任意の音楽配信サービスで週1回以上音楽を聴いている日本人  アンケートはオンラインで実施して622人分の有効回答を分析に使用 10代 20代 30代 40代 50代 計 男 8 60 82 73 73 296 女 10 67 91 82 76 326 (人)
  67. 67. RQ1|質問 67  各推薦理由の説得力を7段階(1~7)で回答  個人の音楽再生ログから推薦結果は生成せず推薦理由だけを評価  楽曲名と変数によるバイアスが除かれるように質問文を作成  説得力が5以上と回答したスタイルには自由記述で根拠も回答 あなたが利用している音楽配信サービス上で、あなたがある曲 (「曲A」とします)を初めて再生してから今日でちょうど5年 が経過しました。(中略)「あなたが曲Aを初めて再生してから 今日でちょうど5年が経過しました。」という推薦理由とともに 音楽配信サービス上で曲Aを推薦します。ただし、ここで「5年」 と書いているのはひとつの例であり、半年、1年、7年などあなた の好きな時間を想定していただいて構いません。 「P-first」の質問文 楽曲を聴きたいと思う度合い
  68. 68. RQ1|説得力の分布 68  Highの推薦理由はいずれもLowの推薦理由より有意に説得力が高い  日付に関する推薦理由(P-first・P-last・I-release)は説得力が低い  I-liveに説得力を感じる理由で最も多かった記述: ライブで演奏されている曲はアーティストが今聴いてほしい曲だから High Low 説得力
  69. 69. 創作コラボレーション分析 Shiori Hironaka, Kosetsu Tsukuda, Masahiro Hamasaki, and Masataka Goto Collaboration in N-th Order Derivative Creation Proceedings of the 12th International AAAI Conference on Web and Social Media (ICWSM 2018)
  70. 70. 派生創作活動 70 sm28301136 sm12062407 sm12079925 歌ってみた 踊ってみた 演奏してみた オリジナル楽曲 sm28301136 既存のコンテンツをもとにした新たなコンテンツを創作する活動
  71. 71. 派生創作活動におけるコラボレーション 71 演奏 コラボレ ーション 歌 複数人のクリエータが協力してひとつのコンテンツを創作 歌 コラボ動画
  72. 72. 目的 72 ニコニコ動画上の派生創作活動における 動画の視聴のされ方 クリエータの活動 コラボレーション と の関係を分析
  73. 73. データセット 73 音楽視聴支援サービス「Songrium」 https://songrium.jp ニコニコ動画上のVOCALOID関連の 関係性を抽出して可視化 データ取得日 2017年9月 派生カテゴリ 歌ってみた、踊ってみた、演奏してみた PV・描いてみた、MMD 派生動画数 363,338件 コラボ動画数 83,547件 (23%) クリエータ数 46,511名 コラボ経験有クリエータ数 22,841名 (49%)
  74. 74. 基礎分析|コラボ動画の割合 74  全期間を通したコラボ動画の割合は23%  2009年以降のコラボ動画の割合はほぼ一定
  75. 75. 基礎分析|動画あたりのコラボクリエータ数 75  コラボ動画のうち94%の動画は 2人または3人のクリエータ によるコラボ 動画内でコラボしているクリエータ数 動画数
  76. 76. 分析1|動画の視聴のされ方
  77. 77. コラボ動画・非コラボ動画の再生数比較 77 再生数 動 画 数 ( コ ラ ボ 動 画 ) 動 画 数 ( 非 コ ラ ボ 動 画 )  非コラボ動画よりもコラボ動画の方が再生数が多い傾向
  78. 78. コラボ動画の投稿件数と動画再生数の関係 78 コラボ動画の投稿件数 中 央 値 再 生 数 の 中 央 値 コラボ動画の投稿件数:25件以上 中央値 … … … … … … … 再生数中央値 522 891 2064 105 20393 237 338 2247 4099  コラボ動画の投稿件数が多いクリエータの動画ほど再生数も多くなる
  79. 79. コラボしたクリエータ数と動画再生数の関係 79 コラボクリエータ数:50人以上 中央値 … … … … … … … 再生数中央値 415 929 10524 350 129066 483 221 3709 5095 コラボしたクリエータのユニーク数 中 央 値 再 生 数 の 中 央 値  コラボしたクリエータ数が多いクリエータの動画ほど再生数も多くなる
  80. 80. 分析2|クリエータの活動
  81. 81. 同一クリエータとのコラボ回数 81 ペアの総数:192,374 回 以 上 コ ラ ボ し た ク リ エ ー タ ペ ア の 割 合 [%] クリエータのペアがコラボした回数 𝑥𝑥  クリエータA・B・Cでコラボ:クリエータペアAB・BC・CA  25.7%のクリエータペアは2回以上のコラボ経験あり
  82. 82. コラボ経験の有無とクリエータの活動期間の関係 82 活 動 期 間 が 日 以 下 で あ る ク リ エ ー タ の 割 合 活動期間 (日)  クリエータの活動期間:最初の動画の投稿日~最新の動画の投稿日  コラボ経験のあるクリエータの方が活動期間が長い傾向 2012年に最初の派生動画を投稿したクリエータ
  83. 83. インタラクション支援
  84. 84. クリエータ間のコラボレーション支援 84 この曲を歌いたいんだけど おすすめのコラボ相手は? コラボ経験 再生数 活動期間 1位 カテゴリ:ギター コラボ経験 再生数 活動期間 2位 カテゴリ:歌 コラボ経験 再生数 活動期間 3位 カテゴリ:踊り 各クリエータの コラボ経験 動画再生数 活動期間 などをもとにコラボ相手を推薦 コラボ経験 再生数 活動期間
  85. 85. 歌詞閲覧行動分析 Kosetsu Tsukuda, Masahiro Hamasaki, and Masataka Goto Toward an Understanding of Lyrics-viewing Behavior While Listening to Music on a Smartphone Proceedings of the 22nd International Society for Music Information Retrieval Conference (ISMIR 2021)
  86. 86. 歌詞の閲覧手段 86 PROLOGUE / 緒方智美 立ち止まる時 また ふと振り返る 今も せつない 姿 探しているよ 間違いなく二人 季節を歩いてた  楽曲を聴く方法として 音楽配信サービスの提供する スマートフォン用アプリの利用が主流 [Lee+, ISMIR’12]  Spotify・Apple Music・AWAなどの スマートフォン用アプリでは 楽曲を再生中に歌詞の閲覧が可能 スマートフォンで音楽を聴きながらの歌詞閲覧 が主要な手段のひとつに
  87. 87. 既存研究 87 人はなぜ・どのように音楽を聴くのか  A. C. North et al. Uses of music in everyday life. Music Perception: An Interdisciplinary Journal, 22(1):41–77, 2004.  A. J. Lonsdale and A. C. North. Why do we listen to music? A uses and gratifications analysis. British Journal of Psychology, 102(1):108–134, 2011.  A. B. Haake. Individual music listening in workplace settings: An exploratory survey of offices in the UK. Musicae Scientiae, 15(1):107–129, 2011.  D. Baur et al. Listening factors: A large-scale principal components analysis of long-term music listening histories. CHI, pages 1273–1276, 2012  J. H. Lee and N. M. Waterman. Understanding user requirements for music information services. ISMIR, pages 253– 258, 2012.  J. H. Lee and R. Price. Understanding users of commercial music services through personas: Design implications. ISMIR, pages 476–482, 2015.  W. M. Randall and N. S. Rickard. Reasons for personal music listening: A mobile experience sampling study of emotional outcomes. Psychology of Music, 45(4):479–495, 2017.  J. H. Lee et al. Can we listen to it together?: Factors influencing reception of music recommendations and post- recommendation behavior. ISMIR, pages 663–669, 2019. 人はなぜ・どのように歌詞を閲覧するのか という基礎的な疑問は手つかずのまま
  88. 88. アプローチ 88 疑 問 スマートフォンで楽曲聴取時に 人はなぜ・どのように歌詞を閲覧するのか なぜ どのように 206名 を対象に アンケートを実施 2303万件 の 歌詞閲覧ログを分析
  89. 89. 「なぜ」歌詞を閲覧するのか
  90. 90. アンケート回答者 90  日本のアンケート調査会社を通して募集  条件 1. 任意の音楽配信サービスのスマホアプリで週に1日以上音楽を聴く 2. そのアプリ上で楽曲を再生しながら歌詞を閲覧した経験が10回以上 3. 日本人  Webブラウザ上でアンケートに回答  206名の性別・年齢の分布 10代 20代 30代 40代 50代 計 男 2 20 22 26 25 95 女 4 21 27 28 31 111 (人)
  91. 91. 歌詞の閲覧理由の頻度|質問 91 スマートフォンの音楽再生アプリの歌詞表示機能を使って 音楽を聴きながら歌詞を見るとき、以下の各理由で歌詞を 見る頻度はどれぐらいありますか。5段階(まったくない ・ほとんどない・あまりない・それなりにある・よくある) で回答してください。 確認 聴き取れなかった歌詞が何と歌われているか確認するため 理解 歌詞をより深く理解するため 歌唱 カラオケなど人前で歌うためではなく自分で口ずさむため 構造 楽曲の構造(Aメロ・Bメロ・サビなど)を確認するため 練習 カラオケなど人前で歌う練習をするため 退屈 手持ち無沙汰を解消するため 言語 語学の勉強のため 作詞 作詞の勉強のため
  92. 92. 歌詞の閲覧理由の頻度|結果 92  「確認」「理解」の中央値は他6種類の理由の中央値よりも有意に高い  「歌唱」「構造」「練習」は半数以上の回答者が4または5と回答し高頻度  音楽再生アプリのユーザ数を踏まえると「退屈」「言語」「作詞」も一定の需要 カッコ内の値:4または5と回答した回答者数
  93. 93. 閲覧理由に応じた機能例1 93 理解 あの日の嘘さえ 今ならわかる あなたが どんな想いで 言葉にしたのか 思いやりからくる 優しい嘘だった 解釈  歌詞の様々な解釈を提示して より深い歌詞の理解を支援  歌詞の解釈をWebから自動的 に収集する研究への発展 裏声 エッジボイス しゃくり  歌唱テクニックの提示  歌唱力の自動推定 [Nakano+, INTERSPEECH’06]  歌唱力の向上を支援 あなたが どんな想いで 言葉にした のか まっすぐ な瞳 歌唱・練習
  94. 94. 閲覧理由に応じた機能例2 94 いま騙しあい 騙されあい 積み上げた 砂のピラミッド Bメロ2 あたしはただ 溺れる人魚のよう サビ1  構造を自動推定して色付け [Goto, IEEE Trans. ASLP, ’06]  構造のより早い把握を支援 構造  再生楽曲の関連情報の提示  関連楽曲の推薦による 未知の楽曲との出会いを支援 退屈 銀の空 / 吉井弘美 吉井弘美 関連情報 新曲 遠い街へ インタビュー記事 ・ライブへの思い
  95. 95. 閲覧理由に応じた機能例3 95  同一アーティストの より平易な歌詞の楽曲推薦 [Ibrahim+, ISMIR’17]  段階的な言語学習を支援 何度も何度も 会いたい あなたに これからも 一緒に 笑えればいいのに If I could be anything, I’d be her key-chain So I could go anywhere she goes  使われている技法の説明  同じ技法を含む楽曲の推薦  作詞の学習を支援 言語 作詞 ジェフ・マニング のより平易な歌詞 I think of you Doing That Thing 反復法 倒置法 反語法
  96. 96. まとめ
  97. 97. 人々の音楽体験をより多様で豊かにする 音楽発掘カフェ「Kiite Cafe」 歌詞探索ツール「Lyric Jumper」 繰り返し消費のための推薦理由 創作コラボレーション分析 歌詞閲覧行動分析
  98. 98. 謝辞  後藤 真孝 氏 (再消費ER/歌詞閲覧分析/Kiite/Kiite Cafe/Lyric Jumper/コラボ分析)  濱崎 雅弘 氏 (歌詞閲覧分析/Kiite/Kiite Cafe/コラボ分析)  石田 啓介 氏 (Kiite/Kiite Cafe/Lyric Jumper)  高橋 卓見 氏 (Kiite/Kiite Cafe)  渡邉 研斗 氏 (Kiite)  深山 覚 氏 (Kiite)  佐藤 浩輔 氏、中村 聡史 氏、新岡 光 氏、佐々木 渉 氏、伊藤 博之 氏 (Kiite)  廣中 詩織 氏 (コラボ分析)
  99. 99. 人々の音楽体験をより多様で豊かにする 音楽発掘カフェ「Kiite Cafe」 歌詞探索ツール「Lyric Jumper」 繰り返し消費のための推薦理由 創作コラボレーション分析 歌詞閲覧行動分析

×