JP2018142272A - コンテンツ評価予測システム及びコンテンツ評価予測方法 - Google Patents

Abstract

【課題】コンテンツを制作する番組制作者に対し、作成したコンテンツに対するアクセス数の予測値を供給することで、ノウハウの蓄積量によらずにコンテンツの制作を可能とするコンテンツ評価予測システムを提供することを目的とする。【解決手段】本発明は、時系列に情報が変化するコンテンツの情報の特徴である情報特徴を所定の周期毎に抽出する特徴抽出部と、情報特徴と所定の周期毎におけるコンテンツの評価値としてのアクセス数とを用いた機械学習により、情報に対応する情報特徴を入力することにより、当該情報特徴に対するアクセス数を予測するコンテンツ評価予測モデルを生成する予測モデル生成部とを備える。【選択図】図１

Description

本発明は、コンテンツを視聴した視聴者のコンテンツに対する評価を予測するコンテンツ評価予測システム及びコンテンツ評価予測方法に関する。

近年、テレビジョン、ラジオあるいはインターネットなどの通信媒体により、画像及び音声からなる通信販売における商品の広告のコンテンツの配信が行なわれている。（例えば、特許文献１参照）
このテレビショッピングを用いて、商品の通信販売を行なう際、番組制作者（ディレクタ）が過去の経験を元に視聴者に対して購買意欲を生じさせる番組を、創造的な視点で行なっている。

視聴者のコンテンツに対する反応は、広告の視聴者への通知後における電話やファックスによる問い合わせ数、あるいはウェブ（Ｗｅｂ）ブラウザにおけるクリック数である。番組制作者は、この問い合わせあるいはクリックの数（アクセス数）により、制作した番組が商品の販売に対して効果があったか否かの判定を行なう。これにより、番組制作者は、番組制作の経験を積み、どのような番組構成とすれば商品販売に繋がるアクセス数が増加するかを、ノウハウとして蓄積していく。

特開２００９−１３９９７７号公報

しかしながら、番組制作者においても、広告のコンテンツを作成する場合に、ノウハウに基づいて作成しても、アクセス数がコンテンツの全体的な評価となり、コンテンツのいずれの部分が販売に寄与しているかを認識することはできない。このため、コンテンツの視聴者による評価は、コンテンツ毎に異なり、常に高くアクセスが得られるとは限らない。
また、広告のコンテンツを初めて作成する番組制作者にとっては、自身の作成する広告のコンテンツが、どの程度の視聴者から、商品に対するアクセスを得られるかは全く判らない。

本発明は、このような事情に鑑みてなされたもので、コンテンツを制作する番組制作者に対し、作成したコンテンツに対するアクセス数の予測値を供給することで、ノウハウの蓄積量によらずにコンテンツの制作を可能とするコンテンツ評価予測システム及びコンテンツ評価予測方法を提供することを目的とする。

この発明は上述した課題を解決するためになされたもので、本発明のコンテンツ評価予測システムは、時系列に情報が変化するコンテンツの前記情報の特徴である情報特徴を所定の周期毎に抽出する特徴抽出部と、前記情報特徴と前記所定の周期毎におけるコンテンツの評価値としてのアクセス数とを用いた機械学習により、前記情報に対応する情報特徴を入力することにより、当該情報特徴に対するアクセス数を予測するコンテンツ評価予測モデルを生成する予測モデル生成部とを備えることを特徴とする。

本発明のコンテンツ評価予測システムは、前記情報が少なくとも動画像及び台詞のいずれかを含んでいることを特徴とする。

本発明のコンテンツ評価予測システムは、前記特徴抽出部が、前記動画像の特徴抽出を行なう際、画像特徴抽出の学習後の他の畳み込みニューラルネットワーク（ＣＮＮ）における全結合層前段までの特徴抽出機能を用いていることを特徴とする。

本発明のコンテンツ評価予測システムは、前記特徴抽出部が、前記台詞の特徴抽出を行なう際、形態素解析において分解を制限する単語である分解制限単語を辞書に登録し、当該辞書を参照して形態素解析を行なうことを特徴とする。

本発明のコンテンツ評価予測システムは、前記予測モデル生成部が、前記予測モデルを生成する際、スパースモデリング法を用いることを特徴とする。

本発明のコンテンツ評価予測方法は、特徴抽出部が、時系列に情報が変化するコンテンツの前記情報の特徴である情報特徴を所定の周期毎に抽出する特徴抽出過程と、予測モデル生成部が、前記情報特徴と前記所定の周期毎におけるコンテンツの評価値としてのアクセス数とを用いた機械学習により、前記情報に対応する情報特徴を入力することにより、当該情報特徴に対するアクセス数を予測するコンテンツ評価予測モデルを生成する予測モデル生成過程とを含むことを特徴とする。

この発明によれば、コンテンツを制作する番組制作者に対し、作成したコンテンツに対するアクセス数の予測値を供給することで、ノウハウの蓄積量によらずにコンテンツの制作を可能とするコンテンツ評価予測システム及びコンテンツ評価予測方法を提供することができる。

本発明の一実施形態によるコンテンツ評価予測システムの構成例を示す図である。 ＡｌｅｘＮｅｔにおけるＣＮＮから画像特徴抽出機能を取得することを説明する概念図である。 抽出特徴記憶部１８に記憶されている画像特徴ベクトルテーブルの構成例を示す図である。 抽出特徴記憶部１８に記憶されている台詞特徴ベクトルテーブルの構成例を示す図である。 抽出特徴記憶部１８に記憶されているアクセス数テーブルの構成例を示す図である。 画像特徴ベクトルと台詞特徴ベクトルとをコンテンツ総合ベクトルとして統合する概念図である。 抽出特徴記憶部１８に記憶されている学習コンテンツデータ組テーブルの構成例を示す図である。 本実施形態のコンテンツ評価予測システム１におけるコンテンツ評価予測モデルの生成処理の動作例を示すフローチャートである。 本実施形態におけるコンテンツ評価予測モデルで予測した、商品の広告である対象コンテンツの各評価周期の予測入電数と、実際に得られた入電数との比較を示すグラフである。 図９において連結されたコンテンツから選択した、対象コンテンツの各評価周期の予測入電数と、実際に得られた入電数との比較を示すグラフである。

以下、図面を参照して、本発明の一実施形態について説明する。図１は、本発明の一実施形態によるコンテンツ評価予測システムの構成例を示す図である。図１において、本実施形態におけるコンテンツ評価予測システム１は、コンテンツデータ入力部１１、特徴抽出部１２、アクセス数集積部１３、予測モデル生成部１４、アクセス数予測部１５、データベース１６、分解制限単語辞書記憶部１７、抽出特徴記憶部１８及び評価結果記憶部１９の各々を備えている。

コンテンツデータ入力部１１は、後述するコンテンツ評価予測モデルを生成する際に用いる学習コンテンツのデータ、コンテンツを評価する評価値としてのアクセス数を予測する対象コンテンツのデータを読み込み、データベース１６に対して書き込んで記憶する。ここで、アクセス数とは、コンテンツがテレビショッピングなどで通信販売を行なっている商品の広告の動画像である場合、評価周期毎（例えば、１分毎）における、コンテンツを視聴している視聴者から、商品を販売している会社のコールセンターに対して発呼された電話の数としての入電数である。入電数が多いほど、コンテンツを視聴して、商品に対して興味を有した視聴者が多いため、コンテンツの商品の販売に寄与した度合いが高い。以下、本実施形態においては、アクセス数を視聴者からの電話の入電数として説明する。

特徴抽出部１２は、コンテンツの時系列に変化する情報（上記動画、台詞など）から、上記評価周期毎の特徴（情報特徴）を抽出する。本実施形態においては、コンテンツは、動画像として説明するため、画像と台詞との各々から、それぞれ画像特徴、台詞特徴を抽出する。
そのため、特徴抽出部１２は、画像特徴を抽出する画像特徴抽出部１２１と、台詞特徴を抽出する台詞特徴抽出部１２２とを備えている。
画像特徴抽出部１２１は、ディープラーニングを用いた機械学習により学習されたＣＮＮ（Convolutional Neural Network、畳み込みニューラルネットワーク）などで形成され、画像の特徴を抽出する画像特徴抽出機能を有しており、入力された画像に対応した所定の次元数の画像の特徴ベクトル（画像特徴ベクトル）を抽出する。

本実施形態においては、コンテンツの動画から、１秒ごとにシーンをサンプリングし、シーンのピクセルを格子状に２２７×２２７個のブロックに分割し、ブロック毎にピクセルにおけるＲＧＢの階調度の平均を算出した数値を、特徴を抽出するためのデータ列として用いる。２２７×２２７＝５１５２９となり、５１５２９ブロックに対して、ＲＧＢ毎の３つのデータがあるため、入力される画像のデータ列は、１５４５８７のデータから構成されている。

画像特徴抽出部１２１は、本実施形態において、上述した１５４５８７のデータ列から、４０９６次元の画像特徴からなる画像特徴ベクトルを抽出する。
また、本実施形態においては、この画像特徴抽出部１２１における画像特徴抽出機能を有するＣＮＮを、画像特徴量抽出の学習後の他のＣＮＮを転意学習として用いている。まっさらな状態からＣＮＮを作成することは、非常に多くの画像を必要とし、学習に使用できる学習コンテンツデータの数が限られている場合には現実的ではない。このため、本実施形態においては、ＡｌｅｘＮｅｔにおけるＣＮＮのネットワークにおける層から、最後の全結合層を取り除いた部分までを、画像特徴抽出機能として用いている。

図２は、ＡｌｅｘＮｅｔにおけるＣＮＮから画像特徴抽出機能を取得することを説明する概念図である。ＣＮＮは、複数の畳み込み層と最大プーリング層と正規化層とが繰り返され、最後に全結合層が複数個設けられた構成となっている。ここで、本実施形態においては、最初の段の全結合層（全結合層前段）までを、画像特徴量を抽出する画像特徴抽出器として使用している。一般的には、最後の全結合層のみを取り外して用いるが、より後段での情報量を低減させずに用いるために、最初の段の全結合層までを用いている。
そして、最初の段の全結合層の出力を、本実施形態における、後述するコンテンツ評価予測モデルである予測器（スパースモデリングなど）に接続する。

図１に戻り、画像特徴抽出部１２１は、図２で示した他から転移した画像特徴抽出機能を有するＣＮＮにより、学習用コンテンツの画像あるいは評価用コンテンツの画像から、それぞれの画像の特徴量を示す画像特徴ベクトルを抽出し、抽出特徴記憶部１８に書き込んで記憶させる。このとき、画像特徴抽出部１２１は、所定時間（例えば、１秒）毎の画像特徴量ベクトルを、４０９６次元の各々の次元の特徴量を評価周期（例えば、１分）単位で平均し、最終的に、４０９６次元からなる画像特徴ベクトルとする。そして、画像特徴抽出部１２１は、求めた画像特徴ベクトルを評価周期の時間毎に、抽出特徴記憶部１８に対して書き込んで記憶させる。

図３は、抽出特徴記憶部１８に記憶されている画像特徴ベクトルテーブルの構成例を示す図である。画像特徴ベクトルテーブルは、コンテンツ毎に設けられている。各レコードに、時間（評価周期）毎に、コンテンツ名（本実施形態においては、例えば動画Ａ）、時間、動画フレームの説明と、１次元からｍ次元（本実施形態においてはｍ＝４０９６）の各々の特徴量が示され、レコード毎に画像特徴ベクトルが示されている。画像特徴ベクトルは、評価周期毎に、Ｐ１（Ｘ１＿１，Ｘ２＿１，…，Ｘｍ＿１）、Ｐ２（Ｘ１＿２，Ｘ２＿２，…，Ｘｍ＿２）、…として表される。Ｘ１＿１，Ｘ２＿１，…，Ｘｍ＿１の各々が、各次元における画像の特徴量である。例えば、特徴量Ｘ１＿１は、評価周期において得られた６０個の特徴ベクトルの各々の４０９６次元における１次元目の特徴量の平均値である。

図１に戻り、台詞特徴抽出部１２２は、画像とともに流れる音声の台詞のテキストデータを形態素解析し、得られたそれぞれの単語の特徴抽出を行なう。このとき、本実施形態においては、コンテンツの商品名など、複数の一般的な単語を連結して作成した造語など、必要以上に小さな単語に分割されたくない単語を、分解制限単語として、分解制限単語辞書記憶部１７に予め書き込んで記憶させている（辞書登録してある）。

したがって、台詞特徴抽出部１２２は、入力される形態素解析を行なう際、この辞書を参照して形態素解析を行ない、通常であれば分解する連結された単語でも、上記辞書に分解制限単語として登録されているものは、登録された構成を最も素な単語として取り扱い、それ以上の分割は行なわない。また、台詞特徴抽出部１２２は、Ｗｏｒｄ２ｖｅｃあるいはＤｏｃ２ｖｅｃを用いて、形態素解析された単語の特徴量を示す台詞特徴ベクトルとして出力する。このとき、台詞特徴抽出部１２２は、評価周期（例えば、１分間）毎の台詞に含まれる全ての単語の各々の１００次元の特徴ベクトルを抽出する。また、上記Ｗｏｒｄ２ｖｅｃ及びＤｏｃ２ｖｅｃではなく、教師無し学習を行なう単語の特徴抽出を行なうアルゴリズムであれば、他の手法を用いて単語の特徴抽出を行なっても良い。

そして、台詞特徴抽出部１２２は、評価周期毎に、上記特徴ベクトルの１００次元の各々の次元において、全ての単語ので最大の特徴量及び最小の特徴量の各々を抽出し、また、全ての単語の特徴量の平均値を算出する。例えば、全ての単語の特徴量ベクトルにおける１００次元における１次元目の特徴量の中から、最大値と最小値とを抽出し、全ての単語の１次元目の特徴量を集約するとともに、１次元目の特徴量を２次元に拡張する。また、全ての単語の特徴量ベクトルにおける１００次元における１次元目の特徴量の平均値を算出し、さらに１次元の拡張を行なう。この結果、特徴量の１次元が３次元に拡張される。
これにより、台詞特徴抽出部１２２は、１００次元の各次元毎に、全ての単語における特徴量を、全単語の各次元の特徴量を集約し、かつ１００次元の各々の特徴量を最大値、最小値及び平均値の３種類（３次元）に拡張したデータからなる、３００次元の特徴量を有する台詞特徴ベクトルを、抽出特徴記憶部１８に対して書き込んで記憶させる。

図４は、抽出特徴記憶部１８に記憶されている台詞特徴ベクトルテーブルの構成例を示す図である。台詞特徴ベクトルテーブルは、コンテンツ毎に設けられている。各レコードに、時間（評価周期）毎に、コンテンツ名（本実施形態においては、例えば動画Ａ）、時間、シーンの台詞の説明と、１次元からｎ次元（本実施形態においてはｎ＝３００）の各々の特徴量が示され、レコード毎に台詞特徴ベクトルが示されている。台詞特徴ベクトルは、評価周期毎に、Ｑ１（Ｙ１＿１，Ｙ２＿１，Ｙ３＿１，…，Ｙｍ＿１）、Ｑ２（Ｙ１＿２，Ｙ２＿２，…，Ｙｍ＿２）、…として表される。ここで、台詞特徴ベクトルは、図３における画像特徴ベクトルに対応するフレームにおいて使用される台詞の特徴ベクトルである。Ｙ１＿１，Ｙ２＿１，Ｙ３＿１，…，Ｙｍ＿１の各々が、各次元における台詞の特徴量である。ここで例えば、特徴量Ｙ１＿１は全単語の特徴ベクトルにおける１次元目の特徴量の最大値であり、特徴量Ｔ１＿２は全単語の特徴ベクトルにおける１次元目の特徴量の最小値であり、特徴量Ｙ１＿３は全単語の特徴ベクトルにおける１次元目の特徴量の平均値である。

図１に戻り、アクセス数集積部１３は、学習コンテンツの評価周期毎のアクセス数を、外部装置（オペレータの各々の入電を集計を行なうサーバなど）から入力し、評価周期に対応させて抽出特徴記憶部１８に書き込んで記憶させる。

図５は、抽出特徴記憶部１８に記憶されているアクセス数テーブルの構成例を示す図である。レコード単位に、時間（評価周期）と、評価周期におけるアクセス数である入電数が対応付けられている。

図１に戻り、予測モデル生成部１４は、所定の重回帰モデルからなるコンテンツ評価予測モデルを、機械学習により求める。ここで、予測モデル生成部１４は、上述した画像特徴ベクトルと台詞特徴ベクトルとを総合し、コンテンツ総合特徴ベクトルを生成する。コンテンツ総合特徴ベクトルは、４０９６次元の特徴量からなる画像特徴ベクトルと、３００次元の特徴量からなる台詞特徴ベクトルとが総合され、４３９６次元の特徴量の次元を有するコンテンツ総合特徴ベクトルとなる。また、上記重回帰モデルの代わりに、重回帰（線形回帰）をニューラルネットワークで構成し、単純な線形回帰問題をこのニューラルネットワークに学習させるようにして、コンテンツ評価予測モデルを構成しても良い。

図６は、画像特徴ベクトルと台詞特徴ベクトルとをコンテンツ総合ベクトルとして総合する概念図である。画像特徴ベクトルのベクトル空間１００（例えば、画像ベースのショッピング番組ベクター空間）と、台詞特徴ベクトルのベクトル空間１０２（例えば、シナリオベクター空間）とが総合され、コンテンツ評価予測モデルに対して入力するコンテンツ総合特徴ベクトルのベクトル空間１０４（例えば、総合特徴ベクター空間）が生成される。図６においては、ベクトル空間１００、１０２及び１０４の各々は、３次元として示されているが、それぞれ４０９６次元、３００次元、４３９６次元である。
例えば、画像特徴ベクトルのベクトル空間１００においては、図３の画像特徴ベクトルテーブルにおけるコンテンツ名が動画Ａであり、時間が００：０１の特徴ベクトルが動画Ａ＿００：０１と、時間が００：０２の特徴ベクトルが動画Ａ＿００：０２と表示されている。また、台詞特徴ベクトルのベクトル空間１０２においては、図４の台詞特徴ベクトルテーブルにおけるコンテンツ名が動画Ａであり、時間が００：０１の特徴ベクトルが台詞Ａ＿００：０１と、時間が００：０２の特徴ベクトルが台詞Ａ＿００：０２と表示されている。

すなわち、予測モデル生成部１４は、図３の画像特徴ベクトルテーブルと、図４の台詞特徴ベクトルテーブルと、図５に示すアクセス数テーブルを統合し、コンテンツ評価予測モデルを学習させる、学習コンテンツのデータ組を作成する。そして、予測モデル生成部１４は、評価周期毎に学習コンテンツのデータ組を抽出特徴記憶部１８に書き込んで記憶させる。

図７は、抽出特徴記憶部１８に記憶されている学習コンテンツデータ組テーブルの構成例を示す図である。学習コンテンツデータ組テーブルは、レコード単位に、時間（評価周期）に対応させて、１次元からｍ次元（本実施形態においてはｍ＝４０９６）の各々の画像特徴量と、ｍ＋１次元からｍ＋ｎ次元（本実施形態においてはｎ＝３００）の各々の台詞特徴量と、評価周期内における受電数とが学習コンテンツデータ組として示されている。ここで、各次元に対応する入電数は、視聴者が商品を紹介するコンテンツを視聴し、視聴者がその商品に対して興味を持ち、電話のある場所まで移動してコールセンターに電話をかけるまでの遅延時間を考慮し、予測する評価周期とその直後の評価周期における入電数を、予測する評価周期の画像及び台詞に対する評価（入電数）とする。すなわち、予測する評価周期と直後の評価周期との各々の入電数を加算し、学習コンテンツデータ組としている。したがって、後述するコンテンツ評価予測モデルは、予測する評価周期と直後の評価周期との各々の入電数を、予測入電数として予測する。

図１に戻り、予測モデル生成部１４は、コンテンツ評価予測モデルに対し、学習コンテンツデータ組テーブルの時間の順番に、時系列に、学習コンテンツデータ組におけるコンテンツ総合特徴ベクトルを順次入力させ、入力されるコンテンツ総合特徴ベクトルから予測される予測入電を出力する。このとき、予測モデル生成部１４は、コンテンツの全ての評価周期における学習コンテンツデータ組において、出力される予測入電が、同一の評価周期における学習コンテンツデータ組における入電数に近づくように、コンテンツ評価予測モデルにおけるニューラルネットの結合層の重み付けを調整する。また、予測モデル生成部１４は、上述した処理を、複数の学習コンテンツの学習コンテンツデータ組テーブルにおいても行なう。

このとき、回帰の問題として、複数のパラメータ（コンテンツ総合特徴ベクトル）から、一つのパラメータ（入電数）を予測することは重回帰モデルである。この重回帰モデル（コンテンツ評価予測モデル）において、予測に使用する次元数の２倍のデータ数が必要となる。しかしながら、本実施形態においては、コンテンツ総合特徴ベクトルの次元が４３９６あるため、単純に８７９２個のデータが必要であるが、データ（学習コンテンツデータ組）の数が不十分な場合あるいは計算を単純化する目的で、結合における係数の算出にスパースモデリングの手法を用いている。具体的には、ＬＡＳＳＯ（least absolute shrinkage and selection operator）と呼ばれるＬ１最小化のアルゴリズムを用いる。本実施形態においては、過学習を防止するため、１０交差検定でパラメータを決定している。また、すでに述べたように、コンテンツ評価予測モデルを重回帰モデルでなく、ニューラルネットワークのモデルにて生成する場合も、同様の処理を行なうことができる。

予測モデル生成部１４は、コンテンツ評価予測モデルを構成する重回帰モデルにおける重み付けの回帰係数ｗ（ｐ）を、以下の（１）式により求める。以下の（１）式において、ｎは評価周期の順番を示す評価周期番号である。Ｎは、コンテンツにおける全評価周期数である。Ｚｎは、ｎ番目の評価周期番号におけるアクセス数（入電数）である。ｗ（ｐ）は、コンテンツ総合特徴ベクトルにおけるｐ番目の特徴量のデータへの重み係数（回帰係数）である。ｘ_ｎ（ｐ）は、ｎ番目の評価周期番号のコンテンツ総合特徴ベクトルにおけるｐ番目の特徴量のデータである。ｂは、切片のデータである。λは、正則化係数である。

上述した（１）式において、ｘ_ｎ（ｐ）から予測入電数ｚを重回帰で推定するため、係数ｗ（ｐ）を決定する必要がある。このとき、（１）式において正規化項が１次で含まれているため、予測入電数ｚを推定するために必要のないｘ_ｎ（ｐ）に対する係数ｗ（ｐ）が０とされる（すなわち、スパース化される）。これにより、学習コンテンツデータ組の数が上述した規則に対して少なくとも、予測入電数ｚを予測するコンテンツ評価予測モデルを生成することができる。

アクセス数予測部１５は、予測モデル生成部１４が生成したコンテンツ評価予測モデルを用いて、評価対象のコンテンツである対象コンテンツの評価周期毎の予測入電数を求める。ここで、アクセス数予測部１５は、対象コンテンツの評価周期毎の画像特徴ベクトルを画像特徴抽出部１２１に抽出させる。また、アクセス数予測部１５は、対象コンテンツの評価周期毎の台詞特徴ベクトルを台詞特徴抽出部１２２に抽出させる。

そして、アクセス数予測部１５は、特徴抽出部１２から供給される画像特徴ベクトルと台詞特徴ベクトルとの各々を統合して、コンテンツ総合特徴ベクトルを生成する。アクセス数予測部１５は、コンテンツ評価予測モデルに対し、上記コンテンツ総合特徴ベクトルを、時系列に評価周期毎に入力し、予測入電数ｚを得る。

上述したように、本実施形態によれば、作成したコンテンツが視聴者からどの程度の評価を受けるかを、予測入電数により事前に得られるため、広告の番組制作にノウハウを有さない番組作成者であっても、視聴者の評価を考慮して作成することができる。
これにより、本実施形態によれば、番組作成者が（広告の番組制作にノウハウを有さない番組作成者であっても）、視聴者の評価を予測してコンテンツの作成が行えるため、視聴者の評価が全く不明な状態で、テレビショッピングの番組などで無駄に放映することが無くなる。

また、本実施形態によれば、作成したコンテンツにおいて、所定の評価周期において期待した予測入電数が得られない場合、過去の事例を参考に作成した画像及び台詞に評価周期に対応する部分のコンテンツを入れ替えて、再度、コンテンツの評価が行えるため、広告番組の作成のノウハウを持たない番組制作者でも、予測入電数の増加に寄与できるコンテンツを容易に作成することができる。

次に、図８を用いて、本実施形態のコンテンツ評価予測システム１におけるコンテンツ評価予測モデルの生成の処理の流れを説明する。図８は、本実施形態のコンテンツ評価予測システム１におけるコンテンツ評価予測モデルの生成処理の動作例を示すフローチャートである。

ステップＳ１：
コンテンツデータ入力部１１は、コンテンツ評価予測モデルを生成するための学習コンテンツのデータを外部装置から入力し、データベース１６に対して書き込んで記憶させる。

ステップＳ２：
台詞特徴抽出部１２２は、データベース１６から学習コンテンツにおける評価周期単位でテキスト文章を、順次読み出す。そして、台詞特徴抽出部１２２は、評価周期内におけるテキスト文章から、すでに説明した辞書を参照しつつ、形態素解析を行なって単語の抽出を行なう。

ステップＳ３：
台詞特徴抽出部１２２は、Ｗｏｒｄ２ｖｅｃあるいはＤｏｃ２ｖｅｃを用いて、抽出した単語毎に、１００次元の特徴ベクトルを抽出する。そして、台詞特徴抽出部１２２は、全ての単語の特徴ベクトルにおける各次元における特徴量の最大値及び最小値を抽出する。また、台詞特徴抽出部１２２は、全ての単語の特徴ベクトルにおける各次元における特徴量の平均値を求める。これにより、台詞特徴抽出部１２２は、１００次元の各次元において、評価周期の全単語の特徴量における最大値及び最小値と、全単語の特徴量の平均値とを有するため、３００次元の特徴量を有する台詞特徴ベクトルを生成する。
そして、台詞特徴抽出部１２２は、生成した台詞特徴ベクトルを評価周期に対応させて、抽出特徴記憶部１８の台詞特徴ベクトルテーブルに書き込んで記憶させる。

ステップＳ４：
台詞特徴抽出部１２２は、学習コンテンツにおける全ての評価周期において、この学習コンテンツの評価周期毎の台詞特徴ベクトルの抽出が終了したか否かの判定を行なう。このとき、台詞特徴抽出部１２２は、学習コンテンツにおける全ての評価周期において、この学習コンテンツの評価周期毎の台詞特徴ベクトルの抽出が終了した場合、処理をステップＳ５へ進める。一方、台詞特徴抽出部１２２は、学習コンテンツにおける全ての評価周期において、この学習コンテンツの評価周期毎の台詞特徴ベクトルの抽出が終了していない場合、次の順番の評価周期に対応した部分の学習コンテンツからの台詞特徴ベクトルの抽出を行なうため、処理をステップＳ２へ進める。

ステップＳ５：
画像特徴抽出部１２１は、データベース１６から学習コンテンツにおける評価周期単位で動画を、順次読み出す。テレビショッピングの場合、１秒間（所定周期）に３０フレームの画像が用いられている。このため、画像特徴抽出部１２１は、例えば、１秒間における最初の１フレーム目をサンプリングとして読み出す。
そして、画像特徴抽出部１２１は、他のＣＮＮから転移させたＣＮＮで構成された特徴抽出機能により、サンプリングした画像から、この画像の画像特徴ベクトルを抽出する。

ステップＳ６：
画像特徴抽出部１２１は、評価周期（１分）内における所定周期（１秒）の画像特徴ベクトル（６０秒分の特徴ベクトル）を抽出したか（抽出が終了したか）否かの判定を行なう。このとき、画像特徴抽出部１２１は、評価周期内における所定周期の画像特徴ベクトルを抽出した場合、処理をステップＳ７へ進める。一方、画像特徴抽出部１２１は、評価周期内における所定周期の画像特徴ベクトルを抽出していない場合、処理をステップＳ５へ進める。

ステップＳ７：
画像特徴抽出部１２１は、上記６０秒分、すなわち６０個の画像特徴ベクトルの４０９６次元の次元毎に特徴量の平均値を算出し、この次元それぞれの平均値からなる画像特徴ベクトルを、評価周期における画像特徴量ベクトルとして求める。そして、台詞特徴抽出部１２２は、求めた画像特徴ベクトルを評価周期に対応させて、抽出特徴記憶部１８の画像特徴ベクトルテーブルに書き込んで記憶させる。

ステップＳ８：
画像特徴抽出部１２１は、学習コンテンツにおける全ての評価周期において、この学習コンテンツの評価周期毎の画像特徴ベクトルの抽出が終了したか否かの判定を行なう。このとき、画像特徴抽出部１２１は、学習コンテンツにおける全ての評価周期において、この学習コンテンツの評価周期毎の画像特徴ベクトルの抽出が終了した場合、処理をステップＳ９へ進める。一方、画像特徴抽出部１２１は、学習コンテンツにおける全ての評価周期において、この学習コンテンツの評価周期毎の画像特徴ベクトルの抽出が終了していない場合、次の順番の評価周期に対応した部分の学習コンテンツからの画像特徴ベクトルの抽出を行なうため、処理をステップＳ５へ進める。

ステップＳ９：
アクセス数集積部１３は、学習コンテンツの評価周期毎のアクセス数を、外部装置から入力し、評価周期に対応させて抽出特徴記憶部１８のアクセス数テーブルに書き込んで記憶させる。
次に、予測モデル生成部１４は、重回帰モデルであるコンテンツ評価予測モデルの生成に使用する学習コンテンツデータ組を作成する。このとき、予測モデル生成部１４は、抽出特徴記憶部１８から、画像特徴ベクトルテーブルと、台詞特徴ベクトルテーブルと、アクセス数テーブルとを読み出し、それぞれを統合して学習コンテンツデータ組テーブルを構成して、抽出特徴記憶部１８に書き込んで記憶させる。

ステップＳ１０：
予測モデル生成部１４は、抽出特徴記憶部１８の学習コンテンツデータ組テーブルを参照し、学習コンテンツデータ組のコンテンツ総合特徴ベクトルを重回帰モデルに入力し、出力される予測入電数が学習コンテンツデータ組テーブルにおける入電数に近づくように、重回帰モデルの回帰係数を調整する処理を行なう。このとき、予測モデル生成部１４は、ＬＡＳＳＯと呼ばれるＬ１最小化のアルゴリズムを用いた機械学習により、重回帰モデルの各特徴量に対する回帰係数のスパース化を行ない、重回帰モデルに基づく調整コンテンツ評価予測モデルを生成する。また、予測モデル生成部１４は、生成したコンテンツ評価予測モデルを、抽出特徴記憶部１８に書き込んで記憶させる。

上述した処理により、コンテンツ評価予測モデルを生成し、アクセス数予測部１５は、このコンテンツ評価予測モデルを用い、評価対象の対象コンテンツの視聴者の評価としての予測受電数を求める。
すなわち、アクセス数予測部１５は、抽出特徴記憶部１８からコンテンツ評価予測モデルを読み出す。そして、アクセス数予測部１５は、コンテンツ評価予測モデルに対し、対象コンテンツの評価周期毎の画像特徴ベクトル及び台詞特徴ベクトルから生成したコンテンツ総合特徴ベクトルを入力させ、評価周期毎の予測入電数を得る。
そして、アクセス数予測部１５は、求めた予測入電数を、評価した対象コンテンツを識別する情報を付加し、評価周期の各々と、この評価周期に対応する予測入電数との組を、この対象コンテンツの評価結果として、評価結果記憶部１９に書き込んで記憶させる。

図９は、本実施形態におけるコンテンツ評価予測モデルで予測した、商品の広告である対象コンテンツの各評価周期の予測入電数と、実際に得られた入電数との比較を示すグラフである。図９のグラフにおいて、横軸が時間（評価周期（１分））を示し、縦軸が予測入電数及び入電数（発呼数）を示している。このグラフは、複数のコンテンツの予測入電数と実際の入電数とを連結して生成している。
また、このグラフにおいては、予測入電数が破線、実際の入電数が実線で示されている。図９のグラフにおける予測入電数と実際の入電数との誤差（ＲＳＭＥ：root mean squared error）は、全ての評価周期の平均値として±１．０の範囲となっている。

図１０は、図９において連結されたコンテンツから選択した、対象コンテンツの各評価周期の予測入電数と、実際に得られた入電数との比較を示すグラフである。図１０（ａ）は、テレビショッピングにおける商品Ａの広告を行なった対象コンテンツである。図１０（ｂ）は、テレビショッピングにおける商品Ｂの広告を行なった対象コンテンツである。
図１０（ａ）及び図１０（ｂ）の各々において、横軸は時間（評価周期（１分））を示し、縦軸が予測入電数及び入電数（発呼数）を示している。また、図１０（ａ）及び図１０（ｂ）ともに、コンテンツの長さは３０分である。また、この図１０（ａ）及び図１０（ｂ）のグラフにおいては、予測入電数が破線、実際の入電数が実線で示されている。

図１０（ａ）における商品Ａの測入電数と実際の入電数との誤差（ＲＳＭＥ）は、３０分における全ての評価周期の平均値として０．９６４７７となっている。また、図１０（ｂ）における商品Ｂの測入電数と実際の入電数との誤差（ＲＳＭＥ）は、３０分における全ての評価周期の平均値として０．７７６７４となっている。
この結果から、本実施形態によるコンテンツ評価予測モデルが予測する予測入電数は、実際にコンテンツを視聴した視聴者の評価を示す入電数とほぼ同様の数値（入電数の変化の傾向も同様）が得られることが判る。

したがって、本実施形態によれば、新たに作成しているコンテンツを対象コンテンツとして、コンテンツ評価予測モデルにより、各評価周期の予測入電数を求めることで、広告のコンテンツを複数に分割して評価することが可能となり、コンテンツにおける広告する商品を紹介する部分（評価周期）と、視聴者の商品の購買意欲を向上させる部分（評価周期）とを、切り分けて評価することができ、視聴者の評価における商品の紹介を行なう部分と購買意欲を向上させる部分の両者の関係性も推定できる。
また、本実施形態によれば、新たに作成しているコンテンツにおいて、入電数を増加させるように、視聴者に対してインパクトを与えて作成した評価周期における予測入電数が、期待したほど増加しない場合、コンテンツにおけるこの評価周期における画像及び台詞を他と変え、放映前に再度試すことができ、予測入電数の増加に寄与できるコンテンツを作成する作業を支援することができる。

上記実施形態においては、コンテンツとしてテレビショッピングであり、コンテンツ評価予測モデルに入力するコンテンツの特徴として画像特徴と台詞特徴とであった。しかしながら、コンテンツがラジオなどによる商品の広告である場合、台詞特徴の他に、台詞を話す話者の音声の周波数や強度（音声信号の振幅値）などの特徴を抽出し、コンテンツ評価予測モデルに入力する構成としても良い。
また、テレビショッピングにおいて動画でなく、静止画が時系列に変化するコンテンツに対しても、同様に画像特徴を抽出して用いても良い。

また、上記実施形態においては、台詞における単語の特徴量として、Ｗｏｒｄ２ｖｅｃあるいはＤｏｃ２ｖｅｃにより単語から抽出された特徴量を用いている。しかしながら、評価周期内において時系列に与えられる単語を、それぞれの単語の時系列な配置における長期依存（long-term dependencies）を学習するため、ＲＮＮ（recurrent neural network、過去の情報を考慮して未来のことを予測するニューラルネットワーク）の発展型であるＬＳＴＭ（long short-term memory）を用いても良い。

この構成の場合、上述したＷｏｒｄ２ｖｅｃあるいはＤｏｃ２ｖｅｃにより単語から抽出された特徴量の特徴ベクトルをＬＳＴＭに入力し、各特徴ベクトルに対して単語の時系列における並びを考慮した配列特徴ベクトル（単語の特徴ベクトルとは異なる時系列における順方向及び逆方向のベクトル）を求める。これにより、単語の特徴ベクトルではパラメータとして反映されなかった、各単語の文脈における配置を反映させることができ、より精度の高いコンテンツにおける台詞の評価に対する寄与を予測することができる。

そして、ＬＳＴＭから単語毎に出力される上記配列ベクトルの各々に対し、台詞の時系列な単語の配置（単語の並び：台詞の文脈）に対応した重要度（Attention）を算出する。すなわち、配列ベクトルの重要度を算出することにより、いずれの配列ベクトルが予測入電数（アクセス数）を予測するために重要かを求める。そして、この重要度に基づいて予測入電数を予測するコンテンツ評価予測モデルにおいて、配列ベクトルの加重平均を算出することにより、予測入電数を予測する。
また、本実施形態においては、視聴者からの評価を示す反応（アクセス数）として、電話による入電数を用いたが、これにファックスを受け取った受け取り数、あるいはウェブブラウザ（インターネットブラウザ）における商品が選択されたクリックの回数などを、利用者の評価の反応として用いても良い。

また、図１に示すコンテンツ評価予測システムにおける入力されるコンテンツの情報の特徴ベクトルからアクセス数を予測する機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより、コンテンツの情報の特徴ベクトルからアクセス数を予測する処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。

また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含むものとする。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。

以上、この発明の実施形態を図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。

１…コンテンツ評価予測システム
１１…コンテンツデータ入力部
１２…特徴抽出部
１３…アクセス数集積部
１４…予測モデル生成部
１５…アクセス数予測部
１６…データベース
１７…分解制限単語辞書記憶部
１８…抽出特徴記憶部
１９…評価結果記憶部

Claims (6)

1. 時系列に情報が変化するコンテンツの前記情報の特徴である情報特徴を所定の周期毎に抽出する特徴抽出部と、
   前記情報特徴と前記所定の周期毎におけるコンテンツの評価値としてのアクセス数とを用いた機械学習により、前記情報に対応する情報特徴を入力することにより、当該情報特徴に対するアクセス数を予測するコンテンツ評価予測モデルを生成する予測モデル生成部と
   を備えることを特徴とするコンテンツ評価予測システム。
2. 前記情報が少なくとも動画像及び台詞のいずれかを含んでいる
   ことを特徴とする請求項１に記載のコンテンツ評価予測システム。
3. 前記特徴抽出部が、
   前記動画像の特徴抽出を行なう際、画像特徴抽出の学習後の他の畳み込みニューラルネットワーク（ＣＮＮ）における全結合層前段までの特徴抽出機能を用いている
   ことを特徴とする請求項２に記載のコンテンツ評価予測システム。
4. 前記特徴抽出部が、
   前記台詞の特徴抽出を行なう際、形態素解析において分解を制限する単語である分解制限単語を辞書に登録し、当該辞書を参照して形態素解析を行なう
   ことを特徴とする請求項２または請求項３に記載のコンテンツ評価予測システム。
5. 前記予測モデル生成部が、
   前記予測モデルを生成する際、スパースモデリング法を用いる
   ことを特徴とする請求項１から請求項４のいずれか一項に記載のコンテンツ評価予測システム。
6. 特徴抽出部が、時系列に情報が変化するコンテンツの前記情報の特徴である情報特徴を所定の周期毎に抽出する特徴抽出過程と、
   予測モデル生成部が、前記情報特徴と前記所定の周期毎におけるコンテンツの評価値としてのアクセス数とを用いた機械学習により、前記情報に対応する情報特徴を入力することにより、当該情報特徴に対するアクセス数を予測するコンテンツ評価予測モデルを生成する予測モデル生成過程と
   を含むことを特徴とするコンテンツ評価予測方法。

Images