研究テーマ(2015~)

推薦理由の多様化(2019~)

UGC recommendation

ユーザにアイテムを推薦する際に、アイテムの多様化に加えて、推薦理由も多様化するための手法を提案しています。どういった推薦理由が好まれるかはユーザによって異なるため、推薦理由を多様化することで、どんなユーザでも少なくともひとつは好みの推薦理由を持ったアイテムを見つけられるような推薦システムの実現を目指しています。
詳細を見る


ユーザ生成コンテンツ推薦(2019~)

UGC recommendation

一人のユーザが消費者としての役割に加えて創作者としての役割も持つというユーザ生成コンテンツの特性を活かした推薦モデルを提案します。従来の推薦モデルが「ユーザがどのコンテンツを消費したか」という情報だけを使っていたのに対して、提案モデルではその情報に加えて「ユーザがどのコンテンツを創作したか」という情報も使い、それにより推薦精度の改善を実現しました。
詳細を見る


クリエータのコラボレーション分析(2017~)

Creator collaboration

複数人のクリエータが協力してひとつの動画コンテンツを創作する「コラボレーション」に関する分析をしています。分析の結果、コラボレーションによって創作された動画は一人で創作された動画よりも再生数が多くなる傾向にあること、コラボレーションを経験したクリエータは未経験のクリエータに比べてクリエータとしての活動期間が長くなる傾向にあることなどを明らかにしました。
詳細を見る


音楽の再生要因推定(2017~)

Taste or Addiction

音楽の再生ログを分析することで、各ユーザが各曲をなぜ再生したのか、その要因を推定します。要因として、ユーザの日頃の音楽の好みと、特定のアーティストへのハマり度合いの二つを考慮しています。
詳細を見る


Lyric Jumper(2017~)

Lyric Jumper

歌詞を解析することで、楽曲ごとのトピック(「青春」「センチメンタル」「大人の恋愛(女性編)」など)を推定し、トピックに基づいて楽曲を探すことができます。研究成果を歌詞探索ツール「Lyric Jumper」として公開しています。
詳細を見る


Songrium派生要因分析(2016~)

Songrium派生要因分析

ニコニコ動画に投稿されたたくさんの派生コンテンツの分析により自動推定した、「なぜ派生コンテンツが創作されたのか」という観点を意識しながらオリジナル曲や派生コンテンツを探せます。研究成果をWebサービス「Songrium派生要因分析」として公開しています。
詳細を見る


Songriumコメント分析(2015~)

Songriumコメント分析

ニコニコ動画に投稿されたたくさんの動画の中から、みんなが「かわいい」や「高音綺麗」、「イントロ超かっこいい」などと言っている動画を探すことができます。研究成果をWebサービス「Songriumコメント分析」として公開しています。
詳細を見る


ExploratoryVideoSearch(2015~)

ExploratoryVideoSearch

「ビヨンセ」の動画を検索すると、ビヨンセと並び称されるアーティストとして「マドンナ」や「ブリトニー・スピアーズ」を推定して検索結果を同時に表示します。また検索結果を多様化することで様々な種類の動画を容易に探すことを実現しています。