業界の関係性を考慮したアニメ作品の特徴量の再抽出

• Item type: SIG Technical Reports(1)
• 公開日: 2022-02-14
• タイトル: 業界の関係性を考慮したアニメ作品の特徴量の再抽出
• タイトル / 言語: en
• タイトル: Feature Re-extraction for Anime Contents Considering Anime Business Network
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 電気通信大学
• 著者所属: 電気通信大学
• 著者所属: 電気通信大学
• 著者所属: 電気通信大学
• 著者所属(英): en
• 著者所属(英): UEC
• 著者所属(英): en
• 著者所属(英): UEC
• 著者所属(英): en
• 著者所属(英): UEC
• 著者所属(英): en
• 著者所属(英): UEC
• 著者名: 齋藤, 悠貴; 清, 雄一; 田原, 康之; 大須賀, 昭彦
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 近年，EC サイト等でで「こちらもおすすめ」といったユーザの嗜好に関連したアイテムの機械的な推薦がしばしばみられる．多くの場合，このようなレコメンデーションには協調フィルタリングと呼ばれる推薦手法が採られる．ただし，協調フィルタリングでは購入データや評価データ等の嗜好ベースの情報しか考慮できず，アイテムが持つメタ的な情報が考慮されない問題点が存在する．本研究では，特にアニメ作品に関して，協調フィルタリングの一手法による評価データのみを考慮した特徴量の抽出に加え，アニメ制作業界の関係性を考慮した特徴量の再抽出を試みた．「誰がどの作品を好む」といった情報だけでなく，「誰がどの作品を作ったか」といった情報を組み込んだ特徴量を抽出することを目的とする．業界の関係性の再現にあたっては，グラフを用いた．アニメごとに関連づけられた人・企業の要素を繋いでネットワークとすることで，業界の関係性の再現を試みた．特徴量の再抽出には GCN (Graph Convolutional Network) を用いた．提案プロセスと業界の関係性を考慮しない場合とで特徴量を客観評価によって比較すると，提案プロセスがより高い精度をマークしており，業界の関係性を考慮することの有効性が示唆された．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In recent years, automatic recommendation of items related to the user's preferences, such as ”also recommended”, is often seen on e-commerce websites. In many cases, a recommendation method called collaborative filtering is used for this kind of recommendation. However, collaborative filtering can only take into account preference-based information such as purchase data and evaluation data, and does not take into account the meta-information of items. In this study, we attempted to extract the feature values of anime contents especially by considering the relationship in anime production business in addition to considering only evaluation data by one method of collaborative filtering. The objective is to extract features that incorporate not only information such as ”who likes which work” but also ”who created which work”. In order to replicate the relationships among anime business, we used a graph. We attempted to replicate the relationships between business by connecting the elements of people and companies associated with each anime to form a network. We used GCN(Graph Convolutional Network) to extract the features. Comparing the feature values of the proposed process and the one without considering the relationship data by objective evaluation, the proposed process marked higher accuracy, suggesting the effectiveness of considering the relationship data.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11135936
• 書誌情報: 研究報告知能システム（ICS）; 巻 2022-ICS-205, 号 2, p. 1-4, 発行日 2022-02-14
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-885X
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会