ニコニコ動画における関連動画情報を用いたカテゴリ特徴の把握

1. ニコニコ動画における関連動画情報を用いたカテゴリ特徴の把握 Yusuke Fukasawa(@fukkaa1225) The University of Tokyo Graduate School System Innovation 1

2. Agenda 2016/3/26 2  1. 自己紹介  2. 本日のテーマ  3. 手法やデータ元について  4. カテゴリの中心性分析  5. カテゴリ遷移確率分析  6. クラスター分析  7. おわりに

4. あなたはだれですか？ • 深澤祐援(ふかさわゆうすけ)と申します • @fukkaa1225 • 普段はマルチエージェントシミュレーション・機械学習などの分野での研究をしております • 修士一年なので就活中です自己紹介

5. なんでここにいるんですか？ • 以前”マリオメーカー問題”の可視化及び分析をまとめたスライドを公開した際に、幸運にもありらいおんさんから反応を頂き、お話することが出来ました • その後、今度は伊予柑さんから「今回やってみない？」ということで今に至ります • みなさまどうぞよろしくお願いいたします自己紹介お二方に感謝です！

6. “マリオメーカー問題”の分析自己紹介

8. 突然ですがみなさん本日のテーマ

9. 突然ですがニコニコ動画使ってますか？本日のテーマ

10. 私の回遊行動ネットワーク本日のテーマ • ある日の回遊履歴をネットワークで可視化しました

11. 全ユーザの行動を知るという野望 • ユーザー全体の行動がどうなっているのかも知りたい • 今回はまずカテゴリごとの特徴を捉える • カテゴリ特徴からユーザーの行動傾向の分析が出来ればいいなと本日のテーマ

12. 本当はユーザ行動モデルの推定までしたかったのですが今回はその足掛かりということで本日のテーマ

14. どういうデータを使うのか • 関連動画情報を使います • API(getrelation)で取得しました手法やデータ元についてこれ

15. データ取得手順 Niconicogetrelation というAPIで取得手法やデータ元についてカテゴリタグで動画を100件取得 (ゲーム,VOCALOIDなど28種) 取得した各カテゴリ100件をシード動画としその関連動画を取得するシード動画と関連動画をネットワークとして結ぶスナップチャット検索APIで取得 (毎朝5時更新) イメージ図で説明します計測期間:2016/02/21~2016/03/20

16. データ取得手順 Niconicogetrelation というAPIで取得手法やデータ元についてカテゴリタグで動画を100件取得 (ゲーム,VOCALOIDなど28種) 取得した各カテゴリ100件をシード動画としその関連動画を取得するシード動画と関連動画をネットワークとして結ぶスナップチャット検索APIで取得イメージ図で説明します計測期間:2016/02/21~2016/03/20

17. データ取得手順 Niconicogetrelation というAPIで取得手法やデータ元についてカテゴリタグで動画を100件取得 (ゲーム,VOCALOIDなど28種) 取得した各カテゴリ100件をシード動画としその関連動画を取得するシード動画と関連動画をネットワークとして結ぶスナップチャット検索APIで取得イメージ図で説明します計測期間:2016/02/21~2016/03/20

18. ネットワークのイメージ図手法やデータ元についてシード動画関連動画 シード動画同士では一方の関連動画になっている場合のみリンクが張られます かなり全体として連結成分のないネットワークになりますが上手く繋がることもあります

19. 実際にできたネットワーク手法やデータ元についてヘアボール形状と呼ばれるものになってしまいます

20. データ分析の概観手法やデータ元について 関連動画ネットワークの各ノードの中心性を計算する 中心性が高いカテゴリ？ 中心性が低いカテゴリ？カテゴリの中心性分析カテゴリ間の遷移確率推定 あるカテゴリの動画を見たユーザが次にどのカテゴリの動画を見るのか ループ構造が強いカテゴリ、他と補完しあうカテゴリ？カテゴリのクラスター分析

21. データ分析の概観手法やデータ元についてカテゴリの中心性分析カテゴリ間の遷移確率推定 関連動画ネットワークの各ノードの中心性を計算する 中心性が高いカテゴリ？ 中心性が低いカテゴリ？

22. データ分析の概観手法やデータ元についてカテゴリの中心性分析カテゴリ間の遷移確率推定 あるカテゴリの動画を見たユーザが次にどのカテゴリの動画を見るのか ループ構造が強いカテゴリ、他と補完しあうカテゴリ？

23. データ分析の概観手法やデータ元についてカテゴリの中心性分析カテゴリ間の遷移確率推定カテゴリのクラスター分析 カテゴリ規模に関する情報と中心性や遷移確率、というデータを使ってカテゴリのクラスター分析をする

25. 中心性指標 PageRank • 今回はPageRankで見ていきます • PageRankについて • Googleの検索で用いられているwebページの重要度を測るアルゴリズム • 平たく言って「値が高ければ高いほどそのノードは重要である」くらいの意味で使っていますカテゴリの中心性分析

26. 平均PageRankの比較カテゴリの中心性分析

27. 平均PageRankの高いカテゴリカテゴリの中心性分析

28. 平均PageRankの低いカテゴリカテゴリの中心性分析

29. カテゴリ規模と中心性カテゴリの中心性分析 PageRankが低い5カテゴリ PageRankが高い5カテゴリ  ニコニコ動画講座  ニコニコインディーズ  ニコニコ手芸部  旅行  自然  ゲーム  音楽  VOCALOID  アニメ  エンターテイメント

30. カテゴリ規模と中心性カテゴリの中心性分析 PageRankが低い5カテゴリ PageRankが高い5カテゴリ  ニコニコ動画講座  ニコニコインディーズ  ニコニコ手芸部  旅行  自然  ゲーム  音楽  VOCALOID  アニメ  エンターテイメント規模が大きいカテゴリほど中心性は低く、規模が小さいカテゴリの方が中心性は高いか？

31. 散布図-コメント数と中心性コメント数中央値 PageRank カテゴリの中心性分析相関係数 -0.16

32. 散布図-マイリスト数と中心性カテゴリの中心性分析マイリスト数中央値 PageRank 相関係数 -0.05

33. 散布図-再生数と中心性カテゴリの中心性分析再生数中央値 PageRank 相関係数 -0.15

34. PageRankとカテゴリ規模は緩やかな負の相関を持つカテゴリの中心性分析 PageRank コメント数マイリスト数再生数 -0.16 -0.05 -0.15  関連動画ネットワークにおける”重要性”(広がりやすさ)は、そのカテゴリが小さければ小さいほど高くなる  と解釈できるかもしれない

36. カテゴリ遷移確率？ シード動画からリンクを張っているノードのカテゴリ比率のこと 左図だと  ゲーム→ゲーム…2/3  ゲーム→アニメ…1/3  VOCALOID→VOCALOID…1/2  VOCALOID→演奏してみた…1/2 “ゲーム”カテゴリの動画を見た人は、2/3の確率で次も”ゲーム”の動画を見ると解釈するカテゴリ遷移確率分析ゲーム VOCALOI D ゲームゲームアニメ VOCALOID 演奏してみた

37. 具体例1:”ゲーム”(3月20日) カテゴリ遷移確率分析 • 言わずと知れた巨大カテゴリ • 自己回帰率は高め

38. 具体例2:”ニコニコ動画講座” (3月20日) カテゴリ遷移確率分析 • 人にノウハウを教える動画など、小規模なカテゴリ • 広く浅く分散している値が小さい

39. カテゴリ規模と再帰率カテゴリ遷移確率分析平均再帰率が高い5カテゴリ平均再帰率が低い5カテゴリ  その他(0.14)  自然(0.16)  歴史(0.17)  ニコニコ動画講座(0.18)  日記(0.18)  踊ってみた(0.75)  政治(0.72)  R-18(0.67)  料理(0.66)  VOCALOID(0.66)

40. カテゴリ規模と再帰率カテゴリ遷移確率分析平均再帰率が高い5カテゴリ小規模カテゴリの再帰率は低いが再帰率が高いカテゴリは種類が様々  その他(0.14)  自然(0.16)  歴史(0.17)  ニコニコ動画講座(0.18)  日記(0.18)  踊ってみた(0.75)  政治(0.72)  R-18(0.67)  料理(0.66)  VOCALOID(0.66) 平均再帰率が低い5カテゴリ

41. 散布図-コメント数と再帰率カテゴリ遷移確率分析自己再帰率コメント数中央値相関係数 0.22

42. 散布図-マイリスト数と再帰率カテゴリ遷移確率分析自己再帰率マイリスト数中央値相関係数 0.29

43. 散布図-再生数と再帰率カテゴリ遷移確率分析自己再帰率再生数中央値相関係数 0.30

44. 再帰率とカテゴリ規模は正の相関を持つカテゴリの中心性分析再帰率コメント数マイリスト数再生数 0.22 0.29 0.30  カテゴリ規模が大きければ大きいほど、そのカテゴリ内で回遊行動を終了する可能性が高い  が、小さくても再帰率が高いカテゴリもあるようだ

46. 最後にクラスタリングします • これまでの情報を用いてカテゴリをクラスタリングしていきます • 必ずしも再帰率・PageRankとカテゴリ性質がリンクしないケースもあるのではないかという予想 • データ数は少なめなので、階層クラスタリングで可視化しますクラスター分析

47. クラスター分析の可視化クラスター分析クラスター1 クラスター2 クラスター3 クラスター4

48. ちなみにクラスター分析  なぜかR-18のみどのクラスターにも入りませんでした  以降は無視した分析をしています

49. PageRankと再帰率クラスター分析クラスター1 クラスター2 クラスター3 クラスター4 0.000033 0.000034 0.000035 0.000036 0.000037 0.000038 0.000039 0.00004 0.000041 0.000042 0 0.1 0.2 0.3 0.4 0.5 0.6 再帰率 PageRank

50. 0.00% 0.20% 0.40% 0.60% 0.80% 1.00% 1.20% 再生数に対するマイリスト率クラスター分析クラスター1 クラスター2 クラスター3 クラスター4

51. 0.00% 0.50% 1.00% 1.50% 2.00% 2.50% 3.00% 再生数に対するコメント率クラスター分析クラスター1 クラスター2 クラスター3 クラスター4

52. まとめ PageRankと再帰率クラスター分析クラスター1 (エンターテイメント) クラスター2 (東方/アニメ) クラスター3 (ゲーム/踊ってみた) クラスター4 (自然/動物) PageRankが低く再帰率が高い PageRankが高く再帰率が低い

53. まとめコメント・マイリスト率クラスター分析コメント率高いマイリスト率高いコメント率低いマイリスト率低いクラスター2 (東方/アニメ) クラスター3 (ゲーム/踊ってみた) クラスター1 (エンターテイメント) クラスター4 (自然/動物)

54. まとめコメント・マイリスト率クラスター分析コメント率高いマイリスト率高いコメント率低いマイリスト率低いクラスター2 (東方/アニメ) クラスター3 (ゲーム/踊ってみた) クラスター1 (エンターテイメント) クラスター4 (自然/動物) PageRank・再帰率の割にコメント・マイリスト率が低い PageRank・再帰率の割にコメント率が高い

55. Agenda 2016/3/26 55  1. 自己紹介  2. 本日のテーマ  3. 手法やデータ元について  4. カテゴリごとの特徴  5. カテゴリ遷移確率分析  6. クラスター分析  7. おわりに

56. カテゴリ特徴の把握からユーザ行動モデルの推定へ • 今回はこうしてカテゴリの特徴からユーザの行動を推定するだけでした(まだ詰め切れていない部分もありますが) • 今後は体系的に説明できるモデルをつくるなり、シミュレーションするなりで広げていけるかなと • Youtubeなど他の動画サイトでも同じようなことが出来るならば比較したいおわりに

57. 長々失礼いたしましたおわりにご清聴頂きありがとうございました

ニコニコ動画における関連動画情報を用いたカテゴリ特徴の把握

Du liest eine Vorschau.

Hier ansehen

ニコニコ動画における関連動画情報を用いたカテゴリ特徴の把握

Weitere Verwandte Inhalte

Ähnlich wie ニコニコ動画における関連動画情報を用いたカテゴリ特徴の把握 (20)

Aktuellste (20)