動画共有サイトにおけるコメント語彙の時系列解析手法の提案 / Temporal Analysis of Comment Vocabulary in A Video Sharing Service

動画共有サイトにおけるコメント語彙の時系列解析手法の提案  柳田雄輝(筑波大学), 若林啓(筑波大学), 佐藤哲司(筑波大学) 

研究背景  動画共有サイトでは，動画のタイムラインに沿って画面上にコメントを重畳表示する形態がある [1]            [1]
https://www.nicovideo.jp/watch/sm36230032  2 

問題点  コメントが動画の内容理解を妨げる可能性がある  • 画面を埋め尽くすほどのコメント  • 内容とは関係のないコメント  ◦ e.g. ｗｗｗｗ，88  ◦
特徴: カテゴリに依存せず付与される      新たなフィルタリング機能の作成が必要  3 

研究目的  動画に頻出するコメントの投稿日時の分布を分析  • DF値  • カテゴリ  • 動画のタイムライン  との関係性を明らかにする  4 
88  コメント投稿日時  日時がしばらく経った後の「88」はフィルタリングしてよさそう  日時が経つにつれ，  88というコメント  の割合が増えている  例 

知見  5  コメントの投稿日時  属性間の関係性  コメントのカテゴリ  コメントのDF値  コメントのタイム  ライン上での位置  • コメントの投稿日時はコメントのカテゴリに依存 
• コメントのタイムライン上での位置はコメントのDF値に依存  依存  依存  相関弱  相関弱 

提案手法  6  コメントデータ[2]  [2] 株式会社ドワンゴ(2019): ニコニコ動画コメント等データ. 国立情報学研究所情報学研究データリポジトリ. (データセット).
https://doi.org/10.32130/idr.3.1  単語抽出  ヒート  マップ  単語解析  図示  クラスタリング  単語集約  集計  カウント 

提案手法(単語解析)  • 以下の条件で動画を無作為抽出  ◦ 代表的な4カテゴリから各5本ずつ選ぶ  ▪ 代表的なカテゴリ: ゲーム，アニメ，歌ってみた，科学  ◦ 総コメント10,000以上 
◦ 2013~2015年に投稿  • コメントを形態素解析  ◦ 各語のTF値，投稿位置，投稿日時を集計  ◦ 文字の繰り返しが見られる語は2文字に置換して累計  ▪ e.g. wwww → ww と置換  7 

提案手法(カウント)  • TF値上位10語についてDF値をカウント  ◦ 各動画のコメント集合を1文書とみなす  ◦ DF値が高い⇔動画非依存の語  8  TF上位10語  ww 
88  うぽつ  かわいい  TF上位10語  うぽつ  ww  懐かしい  DF(88) = 1  DF(うぽつ) = 2  ︙  ︙  動画A  動画B  DF値をカウント  ︙ 

TF値・DF値のカウント  9  コメント  うぽつ  ww  88  88  コメント  うぽつ  ww 
うぽつ  TF値: その語の出現頻度  DF値: その語を含むコメントを持つ動画数  TF(88) = 2  DF(88) = 1  TF(うぽつ) = 3  DF(うぽつ) = 2  矢印の色数がDF値に対応 

提案手法(図示)  • コメント投稿日時と動画投稿日時の差分を集計  ◦ 動画投稿日時は最初に付けられたコメント日時で近似  • DF値とコメント投稿日時の関係を図示  ◦ ヒートマップに表す  ◦
時系列は1日以内，1週間，1ヶ月，それ以降の4区分  10  88(5)  ww(3)  1day 1week 1month 1month<  括弧内の数値: DF値  色の濃淡: TF値の大小 

提案手法(単語集約)  • 各語をクラスタリング  ◦ カテゴリとコメント投稿日時の関係を明らかにする  ▪ e.g. ゲームカテゴリのコメントは投稿直後に多く付与  ▪ 似た時系列を持つ語を集約 
◦ クラスタ数 = 4  11  88  コメント投稿日時  ww  うぽつ  クラスタリング  88  ww  うぽつ  クラスタ1  クラスタ2 

12  • 横軸: 動画が投稿されてからコメントが投稿されるまでの時間  ◦ 各行について正規化  • 縦軸: DF値を降順に並べた語 
◦ 括弧内の数値: DF値  ◦ 各列について標準化    • e.g. 「うぽつ」は動画投稿後1日以内に頻出  ◦ 1ヶ月以降にはほぼ出現しない  実験結果  投稿日時の分布 

DF値における考察  13  DF値と時系列分布の間には関係が見えない投稿日時の分布(続き)  • e.g. 「可愛い」は動画投稿後1ヶ月以降に頻出  差がない 

14  クラスタ3  クラスタ4 

カテゴリおける考察  • 各語がどのカテゴリでDF値が加算されたか集計  15  • アニメと歌ってみた，ゲームと科学が似ている  ◦ コメントの時系列分布はカテゴリに依ると推測できる

クラスタの解釈  • アニメ・歌ってみたカテゴリの共通点  ◦ 動画投稿者やキャラクターに対して歓声が上がる  ◦ 後からファンになる層の存在  ▪
時系列分布が右に歪む  16  クラスタ3 

クラスタの解釈  • ゲーム・科学カテゴリの共通点  ◦ 同カテゴリでも動画の内容は様々  ▪ 日時を問わずまんべんなく出現 
17  クラスタ4 

動画のタイムラインを10分割した図  18  コメントのタイムライン上での位置(10区分)  全コメントの分布  高DF値の語を含むコメントの分布  正規化コメ
ント頻度タイムラインでの時系列分布はDF値に依ると推測  • タイムラインとコメント投稿時間の関係は見えない  ◦ 関係がある ⇒ 各区分の比が異なる  ◦ e.g. 緑(1ヶ月以降)の比が大きい ⇒ 盛り上がりに便乗 

まとめ  • コメント語彙の抽出  ◦ 形態素解析と正規表現によるルール付け  19  コメントの投稿日時  属性間の関係性  コメントのカテゴリ  コメントのDF値 
コメントのタイム  ライン上での位置  依存  依存  相関弱  相関弱 

コメント集計結果  20 

他のクラスタ  21  クラスタ1  クラスタ2 

カテゴリ間のDF値の類似度  22 

タイムライン10分割のヒストグラム  23  コメントのタイムライン上での位置(10区分)  全コメントの分布  高DF値の語を含むコメントの分布  縦軸: コメントの頻度 

動画共有サイトにおけるコメント語彙の時系列解析手法の提案 / Temporal Analysis of Comment Vocabulary in A Video Sharing Service

動画共有サイトにおけるコメント語彙の時系列解析手法の提案 / Temporal Analysis of Comment Vocabulary in A Video Sharing Service

YANAGIDA Yuki

More Decks by YANAGIDA Yuki

Other Decks in Research

Featured

Transcript

動画共有サイトにおけるコメント語彙の時系列解析手法の提案  柳田雄輝(筑波大学), 若林啓(筑波大学), 佐藤哲司(筑波大学)

研究背景  動画共有サイトでは，動画のタイムラインに沿って画面上にコメントを重畳表示する形態がある [1]            [1]

問題点  コメントが動画の内容理解を妨げる可能性がある  • 画面を埋め尽くすほどのコメント  • 内容とは関係のないコメント  ◦ e.g. ｗｗｗｗ，88  ◦

研究目的  動画に頻出するコメントの投稿日時の分布を分析  • DF値  • カテゴリ  • 動画のタイムライン  との関係性を明らかにする  4

知見  5  コメントの投稿日時  属性間の関係性  コメントのカテゴリ  コメントのDF値  コメントのタイム  ライン上での位置  • コメントの投稿日時はコメントのカテゴリに依存

提案手法  6  コメントデータ[2]  [2] 株式会社ドワンゴ(2019): ニコニコ動画コメント等データ. 国立情報学研究所情報学研究データリポジトリ. (データセット).

提案手法(単語解析)  • 以下の条件で動画を無作為抽出  ◦ 代表的な4カテゴリから各5本ずつ選ぶ  ▪ 代表的なカテゴリ: ゲーム，アニメ，歌ってみた，科学  ◦ 総コメント10,000以上

提案手法(カウント)  • TF値上位10語についてDF値をカウント  ◦ 各動画のコメント集合を1文書とみなす  ◦ DF値が高い⇔動画非依存の語  8  TF上位10語  ww

TF値・DF値のカウント  9  コメント  うぽつ  ww  88  88  コメント  うぽつ  ww

提案手法(図示)  • コメント投稿日時と動画投稿日時の差分を集計  ◦ 動画投稿日時は最初に付けられたコメント日時で近似  • DF値とコメント投稿日時の関係を図示  ◦ ヒートマップに表す  ◦

提案手法(単語集約)  • 各語をクラスタリング  ◦ カテゴリとコメント投稿日時の関係を明らかにする  ▪ e.g. ゲームカテゴリのコメントは投稿直後に多く付与  ▪ 似た時系列を持つ語を集約

12  • 横軸: 動画が投稿されてからコメントが投稿されるまでの時間  ◦ 各行について正規化  • 縦軸: DF値を降順に並べた語

DF値における考察  13  DF値と時系列分布の間には関係が見えない投稿日時の分布(続き)  • e.g. 「可愛い」は動画投稿後1ヶ月以降に頻出  差がない

14  クラスタ3  クラスタ4

カテゴリおける考察  • 各語がどのカテゴリでDF値が加算されたか集計  15  • アニメと歌ってみた，ゲームと科学が似ている  ◦ コメントの時系列分布はカテゴリに依ると推測できる

クラスタの解釈  • アニメ・歌ってみたカテゴリの共通点  ◦ 動画投稿者やキャラクターに対して歓声が上がる  ◦ 後からファンになる層の存在  ▪

クラスタの解釈  • ゲーム・科学カテゴリの共通点  ◦ 同カテゴリでも動画の内容は様々  ▪ 日時を問わずまんべんなく出現

動画のタイムラインを10分割した図  18  コメントのタイムライン上での位置(10区分)  全コメントの分布  高DF値の語を含むコメントの分布  正規化コメ

まとめ  • コメント語彙の抽出  ◦ 形態素解析と正規表現によるルール付け  19  コメントの投稿日時  属性間の関係性  コメントのカテゴリ  コメントのDF値

コメント集計結果  20

他のクラスタ  21  クラスタ1  クラスタ2

カテゴリ間のDF値の類似度  22

タイムライン10分割のヒストグラム  23  コメントのタイムライン上での位置(10区分)  全コメントの分布  高DF値の語を含むコメントの分布  縦軸: コメントの頻度