Download free for 30 days
Sign in
Upload
Language (EN)
Support
Business
Mobile
Social Media
Marketing
Technology
Art & Photos
Career
Design
Education
Presentations & Public Speaking
Government & Nonprofit
Healthcare
Internet
Law
Leadership & Management
Automotive
Engineering
Software
Recruiting & HR
Retail
Sales
Services
Science
Small Business & Entrepreneurship
Food
Environment
Economy & Finance
Data & Analytics
Investor Relations
Sports
Spiritual
News & Politics
Travel
Self Improvement
Real Estate
Entertainment & Humor
Health & Medicine
Devices & Hardware
Lifestyle
Change Language
Language
English
Español
Português
Français
Deutsche
Cancel
Save
Submit search
EN
Uploaded by
Kosetsu Tsukuda
1,696 views
コンテンツの人気度を考慮したN次創作活動のモデル化
WebDB Forum 2016
Technology
◦
Read more
1
Save
Share
Embed
Embed presentation
Download
Download to read offline
1
/ 37
2
/ 37
3
/ 37
4
/ 37
5
/ 37
6
/ 37
7
/ 37
8
/ 37
9
/ 37
10
/ 37
11
/ 37
12
/ 37
13
/ 37
14
/ 37
15
/ 37
16
/ 37
17
/ 37
18
/ 37
19
/ 37
20
/ 37
21
/ 37
22
/ 37
23
/ 37
24
/ 37
25
/ 37
26
/ 37
27
/ 37
28
/ 37
29
/ 37
30
/ 37
31
/ 37
32
/ 37
33
/ 37
34
/ 37
35
/ 37
36
/ 37
37
/ 37
More Related Content
PDF
SmartVideoRanking: 視聴者の時刻同期コメントに基づく動画ランキングシステム
by
Kosetsu Tsukuda
PDF
Why Did You Cover That Song?: Modeling N-th Order Derivative Creation with Co...
by
Kosetsu Tsukuda
PDF
コンテンツの人気度を考慮したN次創作活動のモデル化(ポスター)
by
Kosetsu Tsukuda
PPTX
Chap08 1 12
by
ruto5
PPTX
Introduction to Statistical Estimation (統計的推定入門)
by
Taro Tezuka
PDF
WSDM勉強会発表資料(2016/3/19)
by
Kosetsu Tsukuda
PDF
LDA等のトピックモデル
by
Mathieu Bertin
KEY
Slideshareをwordpressに投稿する方法まとめ
by
Hitsuji
SmartVideoRanking: 視聴者の時刻同期コメントに基づく動画ランキングシステム
by
Kosetsu Tsukuda
Why Did You Cover That Song?: Modeling N-th Order Derivative Creation with Co...
by
Kosetsu Tsukuda
コンテンツの人気度を考慮したN次創作活動のモデル化(ポスター)
by
Kosetsu Tsukuda
Chap08 1 12
by
ruto5
Introduction to Statistical Estimation (統計的推定入門)
by
Taro Tezuka
WSDM勉強会発表資料(2016/3/19)
by
Kosetsu Tsukuda
LDA等のトピックモデル
by
Mathieu Bertin
Slideshareをwordpressに投稿する方法まとめ
by
Hitsuji
More from Kosetsu Tsukuda
PDF
【論文紹介】ProtoMF: Prototype-based Matrix Factorization for Effective and Explain...
by
Kosetsu Tsukuda
PDF
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
by
Kosetsu Tsukuda
PDF
KiiteCafe: 同じ楽曲を同じ瞬間に聴きながら楽曲に対する気持ちを伝え合う音楽発掘サービス(インタラクション2022・登壇発表)
by
Kosetsu Tsukuda
PDF
Kiite Cafe: A Web Service for Getting Together Virtually to Listen to Music (...
by
Kosetsu Tsukuda
PDF
Toward an Understanding of Lyrics-viewing Behavior While Listening to Music o...
by
Kosetsu Tsukuda
PDF
人はなぜ・どのように歌詞を閲覧するのか:スマートフォンでの楽曲聴取時の歌詞閲覧行動分析(第17回WI2研究会)
by
Kosetsu Tsukuda
PDF
Explainable Recommendation for Repeat Consumption (RecSys 2020)
by
Kosetsu Tsukuda
PDF
繰り返し消費されるコンテンツを対象とした推薦理由の提示(IFAT142・登壇発表)
by
Kosetsu Tsukuda
PDF
Kiite Cafe: 同じ楽曲を同じ瞬間に楽しんで「好き」が伝わる音楽発掘カフェ(SIGMUS132・登壇発表)
by
Kosetsu Tsukuda
PDF
Explainable Recommendation for Repeat Consumption(RecSys2020論文読み会)
by
Kosetsu Tsukuda
PDF
Explainable Recommendation for Repeat Consumption (RecSys 2020)
by
Kosetsu Tsukuda
PDF
Query/Task Satisfaction and Grid-based Evaluation Metrics Under Different Ima...
by
Kosetsu Tsukuda
PDF
The Web Conference 2020 国際会議報告(ACM SIGMOD 日本支部第73回支部大会・依頼講演)
by
Kosetsu Tsukuda
PDF
DualDiv: Diversifying Items and Explanation Styles in Explainable Hybrid Reco...
by
Kosetsu Tsukuda
PDF
ABCPRec:何を創作したかという情報がコンテンツの消費時に反映されるユーザ生成コンテンツ推薦手法(WebDB Forum 2019・登壇発表)
by
Kosetsu Tsukuda
PDF
DualDiv: Diversifying Items and Explanation Styles in Explainable Hybrid Reco...
by
Kosetsu Tsukuda
PDF
ABCPRec:ユーザの消費者としての役割と創作者としての役割の適応的対応付けによるユーザ生成コンテンツ推薦(第14回WI2研究会)
by
Kosetsu Tsukuda
PDF
ABCPRec: Adaptively Bridging Consumer and Producer Roles for User-Generated C...
by
Kosetsu Tsukuda
PDF
Lyric Jumper: A Lyrics-Based Music Exploratory Web Service by Modeling Lyrics...
by
Kosetsu Tsukuda
PDF
Listener Anonymizer: Camouflaging Play Logs to Preserve User’s Demographic An...
by
Kosetsu Tsukuda
【論文紹介】ProtoMF: Prototype-based Matrix Factorization for Effective and Explain...
by
Kosetsu Tsukuda
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
by
Kosetsu Tsukuda
KiiteCafe: 同じ楽曲を同じ瞬間に聴きながら楽曲に対する気持ちを伝え合う音楽発掘サービス(インタラクション2022・登壇発表)
by
Kosetsu Tsukuda
Kiite Cafe: A Web Service for Getting Together Virtually to Listen to Music (...
by
Kosetsu Tsukuda
Toward an Understanding of Lyrics-viewing Behavior While Listening to Music o...
by
Kosetsu Tsukuda
人はなぜ・どのように歌詞を閲覧するのか:スマートフォンでの楽曲聴取時の歌詞閲覧行動分析(第17回WI2研究会)
by
Kosetsu Tsukuda
Explainable Recommendation for Repeat Consumption (RecSys 2020)
by
Kosetsu Tsukuda
繰り返し消費されるコンテンツを対象とした推薦理由の提示(IFAT142・登壇発表)
by
Kosetsu Tsukuda
Kiite Cafe: 同じ楽曲を同じ瞬間に楽しんで「好き」が伝わる音楽発掘カフェ(SIGMUS132・登壇発表)
by
Kosetsu Tsukuda
Explainable Recommendation for Repeat Consumption(RecSys2020論文読み会)
by
Kosetsu Tsukuda
Explainable Recommendation for Repeat Consumption (RecSys 2020)
by
Kosetsu Tsukuda
Query/Task Satisfaction and Grid-based Evaluation Metrics Under Different Ima...
by
Kosetsu Tsukuda
The Web Conference 2020 国際会議報告(ACM SIGMOD 日本支部第73回支部大会・依頼講演)
by
Kosetsu Tsukuda
DualDiv: Diversifying Items and Explanation Styles in Explainable Hybrid Reco...
by
Kosetsu Tsukuda
ABCPRec:何を創作したかという情報がコンテンツの消費時に反映されるユーザ生成コンテンツ推薦手法(WebDB Forum 2019・登壇発表)
by
Kosetsu Tsukuda
DualDiv: Diversifying Items and Explanation Styles in Explainable Hybrid Reco...
by
Kosetsu Tsukuda
ABCPRec:ユーザの消費者としての役割と創作者としての役割の適応的対応付けによるユーザ生成コンテンツ推薦(第14回WI2研究会)
by
Kosetsu Tsukuda
ABCPRec: Adaptively Bridging Consumer and Producer Roles for User-Generated C...
by
Kosetsu Tsukuda
Lyric Jumper: A Lyrics-Based Music Exploratory Web Service by Modeling Lyrics...
by
Kosetsu Tsukuda
Listener Anonymizer: Camouflaging Play Logs to Preserve User’s Demographic An...
by
Kosetsu Tsukuda
Recently uploaded
PDF
Drupal Recipes 解説 .
by
iPride Co., Ltd.
PDF
Reiwa 7 IT Strategist Afternoon I Question-1 Ansoff's Growth Vector
by
akipii ogaoga
PDF
Starlink Direct-to-Cell (D2C) 技術の概要と将来の展望
by
CRI Japan, Inc.
PDF
第21回 Gen AI 勉強会「NotebookLMで60ページ超の スライドを作成してみた」
by
嶋 是一 (Yoshikazu SHIMA)
PDF
100年後の知財業界-生成AIスライドアドリブプレゼン イーパテントYouTube配信
by
e-Patent Co., Ltd.
PDF
2025→2026宙畑ゆく年くる年レポート_100社を超える企業アンケート総まとめ!!_企業まとめ_1229_3版
by
sorabatake
PDF
さくらインターネットの今 法林リージョン:さくらのAIとか GPUとかイベントとか 〜2026年もバク進します!〜
by
法林浩之
PPTX
ddevについて .
by
iPride Co., Ltd.
PDF
Reiwa 7 IT Strategist Afternoon I Question-1 3C Analysis
by
akipii ogaoga
Drupal Recipes 解説 .
by
iPride Co., Ltd.
Reiwa 7 IT Strategist Afternoon I Question-1 Ansoff's Growth Vector
by
akipii ogaoga
Starlink Direct-to-Cell (D2C) 技術の概要と将来の展望
by
CRI Japan, Inc.
第21回 Gen AI 勉強会「NotebookLMで60ページ超の スライドを作成してみた」
by
嶋 是一 (Yoshikazu SHIMA)
100年後の知財業界-生成AIスライドアドリブプレゼン イーパテントYouTube配信
by
e-Patent Co., Ltd.
2025→2026宙畑ゆく年くる年レポート_100社を超える企業アンケート総まとめ!!_企業まとめ_1229_3版
by
sorabatake
さくらインターネットの今 法林リージョン:さくらのAIとか GPUとかイベントとか 〜2026年もバク進します!〜
by
法林浩之
ddevについて .
by
iPride Co., Ltd.
Reiwa 7 IT Strategist Afternoon I Question-1 3C Analysis
by
akipii ogaoga
コンテンツの人気度を考慮したN次創作活動のモデル化
1.
佃 洸摂 濱崎
雅弘 後藤 真孝 産業技術総合研究所
2.
2User Generated Content Web 歌声合成ソフトを用いた楽曲動画 sm15630734 3Dソフトを用いた3Dデータ thing:398548
thing:703847 thing:257911 thing:193647 sm1097445 sm17720979 sm23750267 ニコニコ動画 Thingiverse
3.
3二次創作 ニコニコ動画 Thingiverse sm15630734 thing:398548 歌う
踊る 演奏 sm17483164 sm16309076sm18407945 段の幅を広く 仕切りを細かく thing:1541729thing:1481404
4.
4N次創作 sm15630734 sm17703100 sm16066609 sm16094094 sm24854396 sm16394955 … … … … … … … 一次創作 二次創作 三次創作 VOCALOID 14 61
5.
5N次創作を引き起こす要因 Web オリジナル メロディが好きだから この曲を歌ってみよう 要因例1︓ 要因例2︓ オリジナル 人気の曲だから この曲を歌ってみよう コンテンツ自体の コンテンツの
6.
6要因を推定する意義 コンテンツの特徴を重視するクリエータには過去の使用コンテンツと類似のものを推薦 踊りの派生コンテンツに関するカテゴリではコンテンツの人気の影響が大きい N クリエータ目線でのランキングを生成しクリエータの創作活動を支援
8.
8派生創作の要因1︓オリジナルコンテンツの魅⼒ – 魅⼒の影響の大きさはコンテンツによって異なる – 魅⼒から受ける影響はクリエータによって異なる –
魅⼒の影響の大きさは時間によらず一定 『初音ミク』千本桜『オリジナル曲PV』 オリジナル曲「千本桜」の メロディが好きだから 歌ってみよう! オリジナル曲「千本桜」の 歌詞が好きだから 歌ってみよう!
9.
9派生創作の要因1︓オリジナルコンテンツの魅⼒ – 魅⼒の影響の大きさはコンテンツによって異なる︓ – 魅⼒から受ける影響はクリエータによって異なる︓ –
魅⼒の影響の大きさは時間によらず一定
10.
10派生創作の要因2︓オリジナルコンテンツの人気 – 人気の影響の大きさはコンテンツによって異なる︓ – 人気から受ける影響はクリエータによって異なる︓ –
人気の影響の大きさは時間の経過と共に減衰︓ – ランキングが上位のコンテンツほど影響が大きい︓ オリジナル曲再生数ランキング 1 2 3 4 『初音ミク』千本桜 『オリジナル曲PV』 【GUMI(40㍍)】 ヤクソクの種【オリ ジナル】 GUMIオリジナル曲 「ディストピア・ジ パング」 【初音ミク】イカサマ ダイス【オリジナル】 人気オリジナル曲の 「千本桜」を歌えば 自分の派生動画も 沢山の人に見てもらえるかも!
11.
11派生創作の要因2︓オリジナルコンテンツの人気 – 人気の影響の大きさはコンテンツによって異なる︓ – 人気から受ける影響はクリエータによって異なる︓ –
人気の影響の大きさは時間の経過と共に減衰︓ – ランキングが上位のコンテンツほど影響が大きい︓
12.
12派生創作の要因3︓派生コンテンツの人気 – 人気の影響の大きさはコンテンツによって異なる︓ – 人気から受ける影響はクリエータによって異なる︓ –
人気の影響の大きさは時間の経過と共に減衰︓ – ランキングが上位のコンテンツほど影響が大きい︓ 「歌ってみた」再生数ランキング 1 2 3 4 【そんなふいんきで歌 ってみた】千本桜【 ぐるたみん】 パンダヒーロー 歌 ってみた【しゃむお ん&天月】 【蛇足×ふぁねる】嗚 呼、素晴らしきニャ ン生【歌ってみた】 『千本桜』を歌ってみ た★実谷なな 人気派生動画で歌われている 「千本桜」を歌えば 自分の派生動画も 沢山の人に見てもらえるかも!
13.
13派生創作の要因3︓派生コンテンツの人気 – 人気の影響の大きさはコンテンツによって異なる︓ – 人気から受ける影響はクリエータによって異なる︓ –
人気の影響の大きさは時間の経過と共に減衰︓ – ランキングが上位のコンテンツほど影響が大きい︓
14.
14パラメータ推定|潜在変数 ( ) オリジナルコンテンツ の魅⼒ オリジナルコンテンツ
の人気 の1番目の派生コンテンツの人気 の2番目の派生コンテンツの人気 1 2 3 4 5 6 7 8 9 各要因が3番目の派生コンテンツの 創作を引き起こした確率分布を作成 1 2 3 4 5 6 7 8 9 ︓3番目の派生が投稿された時刻
15.
15パラメータ推定|潜在変数 ( ) オリジナルコンテンツ の魅⼒ オリジナルコンテンツ
の人気 の1番目の派生コンテンツの人気 の2番目の派生コンテンツの人気 1 2 3 4 5 6 7 8 9 例︓オリジナルコンテンツの1番目 のランキング入りが要因である 確率は低い1 2 3 4 5 6 7 8 9 ︓3番目の派生が投稿された時刻
16.
16パラメータ推定|潜在変数 ( ) オリジナルコンテンツ の魅⼒ オリジナルコンテンツ
の人気 の1番目の派生コンテンツの人気 の2番目の派生コンテンツの人気 1 2 3 4 5 6 7 8 9 1 2 3 4 5 6 7 8 9 ︓3番目の派生が投稿された時刻 例︓派生コンテンツ1の3番目 のランキング入りが要因である 確率は⾼い
17.
17パラメータ推定|確率的EMアルゴリズム ︓全オリジナルコンテンツの全派生コンテンツ ︓全派生コンテンツの全潜在変数 各パラメータの事前分布に共役事前分布を使用 と の周辺化された同時分布 Eステップで をサンプリング 十分な回数のイテレーション後に各パラメータ
を点推定
18.
18提案モデルの元となったモデル 商品の購買予測モデル [Iwata+ KDD2013] A 提案モデル N次創作活動においてはクリエータ間の影響は存在しないと仮定 実験によりクリエータ間の影響の効果を検証
19.
19
20.
20データセット オリジナルコンテンツ – 2010/1/1〜2013/3/31の期間にニコニコ動画に投稿された VOCALOIDを使用した楽曲動画 派生コンテンツ – 2010/1/1〜2013/6/30の期間にニコニコ動画に投稿された 「歌ってみた」「踊ってみた」「演奏してみた」の動画 ランキング –
オリジナルと各派生カテゴリのデイリーランキングトップ100 歌ってみた 踊ってみた 演奏してみた オリジナル動画数 4,035 396 583 派生動画数 199,320 9,420 5,526 クリエータ数 18,715 1,153 692 オリランキグ入り回数 64,973 30,925 38,726 派生ランキング入り回数 67,627 22,954 20,492
21.
21Research Question 1 オリジナルコンテンツの魅⼒ オリジナルコンテンツの人気 派生コンテンツの人気 の3つの要因を考慮することは 派生活動のモデル化に有効か オリ魅⼒
オリ人気 派生人気 クリエータ影響 提案モデル ✓ ✓ ✓ 比較モデル1 ✓ ✓ 比較モデル2 ✓ ✓ 比較モデル3 ✓ ✓ ✓ ✓ 比較モデル4 ✓ ✓ 比較モデル5 ✓
22.
22評価方法 – 2010/1/1〜2013/3/31 – 上記期間のデータを使用して各モデルを学習 –
2013年4月から1ヶ月・2ヶ月・3ヶ月 – 各テスト期間の負の対数尤度を計算
23.
23結果 良 悪 オリ魅⼒オリ魅⼒+クリエータオリ魅⼒+オリ人気+派生人気+クリエータ オリ魅⼒+オリ人気オリ魅⼒+派生人気 オリ魅⼒+オリ人気+派生人気(提案モデル) 「歌ってみた」と「踊ってみた」では提案モデルが最⾼精度 提案モデルは全カテゴリの全期間で安定して⾼精度 クリエータ間の影響を考慮することで精度は悪化 *︓最⾼精度
24.
24Research Question 2 派生活動のモデル化においてコンテンツランキングの順位による バイアスのかけ方はどのような方法が有効か 1位
2位 3位 4位 5位 1位 2位 3位 4位 5位 1位 2位 3位 4位 5位 逆数(提案手法) 線形 一定 仮説︓ 上位のコンテンツだけが ⼤きな影響⼒を持つ 仮説︓ 中位のコンテンツも ある程度の影響⼒を持つ 仮説︓ すべてのコンテンツは 同じ影響⼒を持つ Webの検索結果では順位が下がると閲覧確率は⼤幅に低下 ランキングの閲覧⾏動モデルを反映した「逆数」の有用性検証
25.
25結果 良 悪 一定線形逆数(提案手法) 「逆数」手法が全カテゴリの全期間で最⾼精度 ランキングの閲覧⾏動モデルを考慮することは有用 *︓最⾼精度
26.
26
27.
27カテゴリ特性 オリジナル動画 の魅⼒ オリジナル動画 の人気 の1番目の派生動画の人気 の2番目の派生動画の人気 1 2
3 4 5 6 7 8 9 オリジナル動画 の3番目の派生動画の創作を引き起こした要因 オリ魅⼒ オリ人気 派生人気 各潜在変数の確率をもとに3要因それぞれの影響⼒が計算可能
28.
28カテゴリ特性 … オリジナル動画 の全ての歌ってみた動画 歌ってみた動画1 歌ってみた動画2
歌ってみた動画3 歌ってみた動画577 オリ魅⼒ オリ人気 派生人気 オリジナル動画の対象カテゴリの全派生動画を考慮することで オリジナル動画ごとの3要因それぞれの影響⼒が計算可能
29.
29カテゴリ特性 オリ魅⼒ オリ人気 400 派生人気 454 対象カテゴリの全オリジナル動画の全派生動画を考慮することで カテゴリごとの3要因それぞれの影響⼒が計算可能 オリジナル動画1の全ての歌ってみた動画 オリジナル動画2の全ての歌ってみた動画 オリジナル動画4,035の全ての歌ってみた動画
30.
30カテゴリ特性の分析結果 歌ってみた 踊ってみた 演奏してみた オリジナルコンテンツの魅⼒
14.6 17.3 42.5 オリジナルコンテンツの人気 40.0 21.7 40.0 派生コンテンツの人気 45.4 61.0 17.5 (%) 歌ってみた – 人気の影響⼒が強く、流⾏りが重視される 踊ってみた – 手本となる踊りが必要であるため、派生の人気の影響が強い 演奏してみた – オリ人気に加えて、流⾏りに流されず好きな曲を演奏する
31.
313要因の影響⼒の時間推移 オリジナル動画1の2010年3月の歌ってみた動画 オリジナル動画1の2010年4月の歌ってみた動画 オリジナル動画1の2013年3月の歌ってみた動画 オリ魅⼒ オリ人気 派生人気 ひとつのオリジナル動画の月ごとの派生動画を考慮することで 3要因それぞれの影響⼒の月単位の推移が計算可能 オリ魅⼒ オリ人気 派生人気 オリ魅⼒ オリ人気 派生人気
32.
323要因の影響⼒の時間推移の分析結果 0 20 40 60 80 100 120 Apr-10 Oct-10 Apr-11
Oct-11 Apr-12 Oct-122010/4 2010/10 2011/4 2011/10 2012/4 2012/10 あるオリジナル曲の「歌ってみた」の派生動画 全期間を通してコンテンツの人気の影響が⼤きい 初期の段階ではオリジナルコンテンツの人気の影響が⼤きい 中期以降は人気の派生コンテンツが新たな派生を引き起こす オリ魅⼒ 派生人気 オリ人気 1380087468 sm26672034
33.
333要因の影響⼒の時間推移の分析結果 0 5 10 15 20 25 Nov-10 May-11 Nov-11
May-12 Nov-12 あるオリジナル曲の「踊ってみた」の派生動画 オリ魅⼒ 派生人気 オリ人気 初期の段階では振り付けを考えられるクリエータが オリジナルコンテンツの魅⼒に惹かれて派生コンテンツを制作 4ヶ月目以降はそれまでに投稿された派生コンテンツの 振り付けを真似て新たな派生コンテンツが投稿される 2010/11 2011/5 2011/11 2012/5 2012/11 sm16949946 sm14218062
34.
0 5 10 15 20 25 Jul-10 Jan-11 Jul-11
Jan-12 Jul-12 Jan-13 343要因の影響⼒の時間推移の分析結果 あるオリジナル曲の「演奏してみた」の派生動画 初期の段階ではコンテンツの人気度を重視するクリエータ による派生コンテンツの投稿が多い 中期以降は人気とは無関係にオリジナルコンテンツの魅⼒ に惹かれたクリエータによって派生コンテンツが投稿される 2010/7 2011/1 2011/7 2012/1 2012/7 2013/1 オリ魅⼒ 派生人気 オリ人気 sm12815839 sm15518728
35.
353要因の影響⼒の時間推移の分析結果
36.
36クリエータの特性分析結果 A オリ魅⼒ オリ人気 派生人気 B C オリ人気 派生人気 オリ魅⼒ オリ人気
派生人気 オリ魅⼒ 歌ってみた 踊ってみた 演奏してみた Aのクリエータにはコンテンツの内容を考慮したコンテンツ推薦 独自の振り付けを考えられるBのクリエータにはオリジナルを推薦 流⾏に敏感なCのクリエータには特に人気のコンテンツを推薦 ︓クリエータ 各カテゴリで派生コンテンツ投稿数上位250クリエータをプロット
37.
37まとめ|本研究の貢献・今後の課題 コンテンツの内容も考慮したモデルの提案 分析結果を誰もが閲覧できるようWebサービスとして公開 3要因を考慮すること・ランキングデータを使用することの有用性を示した N オリジナルコンテンツの魅⼒・オリジナルコンテンツの人気・派生コンテンツの人気 カテゴリ特定・要因の影響⼒の時間推移・クリエータ特性・派生創作過程 今後の 課題
Download