YouTureというサービスの概要

1. YouTure
YouTube 再生数・いいね数 予測アプ
リ
2019 / 08 / 30 Team
YouTube + Future

2. 目次
1.サービスについて
・目的
・システム概要
・動作の様子
2.前処理について
・タイトル
・カテゴリ
3.予測モデルについて
4.レコメンドについて
5.Webアプリについて
6.今後の課題

3. サービスについて

4. 目的
YouTuber のため

5. 参考資料 https://markezine.jp/article/detail/27843

6. システム概要
タイトル
カテゴリ
登録者数
予測再生数
予測いいね数
タイトル
類似タイトル
の提案
サムネイル
キーワード
サムネイル
類似動画の提案
入力 出力

7. 動作の様子

13. 前処理について
再生数・高評価の予測システム

14. データ編

15. 使用しているデータセット
Trending YouTube Video Statis
Trending YouTube Video Statistics
https://www.kaggle.com/datasnaek/y
outube-new

16. タイトル編

17. 入力されたタイトルを
分かち書きする
入力されたタイトルを分かち書きする
入力 された タイトル を 分かち 書き する

18. テキストデータのベクトル化
1: わたし リンゴ 食べる
2: ぼく リンゴ みかん 食べる
3: わたし リンゴ 見つける リンゴ 食べる
index わたし ぼく リンゴ みかん 食べる 見つける
0 1 0 1 0 1 0
1 0 1 1 1 1 0
2 1 0 2 0 1 1

19. tf-idfを求める
tf-idfって単語の重要度を測る手法なんだ
index わたし ぼく リンゴ みかん 食べる 見つける
0 0 0 0.42544054 0 0.72033345 0.54783215
1 0.6317450 0.4804584 0.3731188 0.4804584 0 0
2 0 0.4298397 0.6676177 0.4298397 0 0.4298397

20. tf-idfからタイトルの
特徴量を求める
特徴量は各単語の値の合計値とした
index わたし ぼく リンゴ みかん 食べる 見つける 特徴量
0 0 0 0.4254405 0 0.7203334 0.5478321 2.693606
1 0.6317450 0.4804584 0.3731188 0.4804584 0 0 1.9657806
2 0 0.4298397 0.6676177 0.4298397 0 0.4298397 1.9571368

21. カテゴリ編

22. One-Hot エンコーディング
index category_id_1 category_id_2 category_id_3
0 1 0 0
1 0 0 1
2 0 1 0
3 0 0 1
index category_id
0 1
1 3
2 2
3 3
ワン！ ほっと

23. 予測モデルについて
再生数・高評価の予測システム

24. 重回帰分析を用いた
教師あり予測モデル
※使用モデル sklearn liner-model※精度はscoreメソッドを用いて求めた
タイトル
カテゴリ
登録者数
予測再生数
予測いいね数
SCORE 78%

25. サムネイルと
タイトルから
似ている動画を
レコメンド

26. サムネイル編

27. どうやってサムネイルから
おすすめ動画を
紹介するの？

28. 画像データから
コサイン類似度を求める

29. YOUTUBEの
サムネイルから物体認識
（モデル : DenseNet）
ONE-HOT エンコーディング
AI
猫！
椅子！
1万枚の画像データ

30. 入力されたキーワードを配列化
[0,0,0,…1,0,0,0,...,1,...,0]

31. 類似度を求める
入力されたデータと既存のデータから
算出した角度の近さから類似度がわかる
θ
COSθが1に近い
ほど似ているんだ
って！

32. 類似度の高い動画を表示
こんな動画があるよ

33. タイトル編

34. タイトル同士の類似度を
求めるにはどうすれば

35. 予測モデルのタイトルと
同様にTF-IDFを求める！！

36. tf-idfからコサイン類似度
以後サムネイル同様に類似度の高いタイトルを表示
index 0 1 2
0 文書0 x 文書0 文書0 x 文書1 文書0 x 文書2
1 文書1 x 文書0 文書1 x 文書1 文書1 x 文書2
2 文書2 x 文書0 文書2 x 文書1 文書2 x 文書2

37. Webアプリについて

38. フレームワークには
Materializeを用いた

39. マテリアルデザイン とは
現実世界のルール
(奥行きや,影など,質量)を取り入れ
直感的な操作を実現する

40. 今後の課題

41. 〇精度の向上
〇タイトル処理
〇追加要素

42. 精度の向上
〇問題点
・データ量が足りない
〇改善案
・YouTube Data APIからデータ収集を行う

43. タイトル処理
〇問題点
・現在のタイトルの特徴量は特徴量として
あまり成果を発揮できていない
〇改善案
・文章として意味のある特徴量を求める

44. 追加要素
・入力画面で画像を入力できるようにする
・タイトルやサムネの改善提案を行う
・youtubeアカウントと連携することで
登録者数の入力を省く

46. ご清聴ありがとう
ございました
thank you for your attention