JP7391332B2 - 評価装置、評価方法、プログラム及び記録媒体 - Google Patents
評価装置、評価方法、プログラム及び記録媒体 Download PDFInfo
- Publication number
- JP7391332B2 JP7391332B2 JP2020527588A JP2020527588A JP7391332B2 JP 7391332 B2 JP7391332 B2 JP 7391332B2 JP 2020527588 A JP2020527588 A JP 2020527588A JP 2020527588 A JP2020527588 A JP 2020527588A JP 7391332 B2 JP7391332 B2 JP 7391332B2
- Authority
- JP
- Japan
- Prior art keywords
- canonical
- content
- evaluation
- subject
- electroencephalogram data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims description 253
- 238000000034 method Methods 0.000 claims description 156
- 230000008569 process Effects 0.000 claims description 137
- 210000004556 brain Anatomy 0.000 claims description 94
- 238000010219 correlation analysis Methods 0.000 claims description 75
- 238000004364 calculation method Methods 0.000 claims description 63
- 238000012545 processing Methods 0.000 claims description 46
- 238000000513 principal component analysis Methods 0.000 claims description 29
- 238000011068 loading method Methods 0.000 claims description 28
- 238000012854 evaluation process Methods 0.000 claims description 16
- 238000010586 diagram Methods 0.000 description 46
- 238000012986 modification Methods 0.000 description 31
- 230000004048 modification Effects 0.000 description 31
- 239000011159 matrix material Substances 0.000 description 16
- 230000006870 function Effects 0.000 description 15
- 239000013598 vector Substances 0.000 description 15
- 238000000611 regression analysis Methods 0.000 description 12
- 238000007781 pre-processing Methods 0.000 description 10
- 230000000052 comparative effect Effects 0.000 description 7
- 238000005070 sampling Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 230000015654 memory Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Game Theory and Decision Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
評価装置1において利用される、多チャンネル時系列データX,Yに対する正準相関分析について説明する。
評価装置1の構成について、図1~3を参照して説明する。図1は、評価装置1の構成を示すブロック図である。図2~3は、評価装置1により実行される評価処理の流れを示すデータフロー図である。
コンテンツ評価処理S5の一具体例について、図4を参照して説明する。図4は、本具体例に係るコンテンツ評価処理S5の流れを示すデータフロー図である。
なお、本実施形態においては、脳波信号そのものを表す多チャンネル時系列データを脳波データX(i,j)として用いたが、本実施形態はこれに限定さない。例えば、脳波信号そのものを表す脳波データをXとして、この脳波データに前処理を施した脳波データX’を脳波データX(i,j)として用いてもよい。この前処理としては、例えば、双曲線関数を用いた以下の前処理が挙げられる。
実施例として、10本のコマーシャル動画を用意した。これら10本のコマーシャル動画の各々について、該コマーシャル動画を視聴させながら脳波を測定する試行を、31人の被験者の各々に対して10回ずつ実施した。なお、各コマーシャル動画の再生時間は、15秒であった。また、各脳波データのチャンネル数chは、63であり、サンプリング周波数は1000ヘルツであり、各脳波データのサンプリング数は、15000であった。
評価装置1は、例えば、コンピュータ(電子計算機)を用いて構成することができる。図13は、評価装置1として利用可能なコンピュータ100の構成を例示したブロック図である。
上述した実施形態は、前述したように、正準負荷量に基づく代わりに正準相関係数に基づいてコンテンツCを評価する形態に変形することができる。
本変形例に係る評価装置1Aについて、図14~16を用いて説明する。図14は、評価装置1Aの構成を示すブロック図である。図15~16は、評価装置1Aにより実行される評価処理の流れを示すデータフロー図である。以下の説明では、本実施形態と同様、被験者数はMであり、各被験者の1コンテンツあたりの試行回数はNである。
コンテンツ評価処理S6は、図16に示すように、処理S61、S62を含む。
上述した実施例において本変形例を用いた評価については、前述の図9に示した通りである。図9は、10本のコマーシャル動画のCM好感度ランキングと、本変形例によって各コマーシャル動画について算出した正準相関係数Rとの相関を示している。なお、ここでは、本変形例の処理S32においてn=3を適用し、1次から3次までの正準相関係数の和を正準相関係数R(i,p,q)として算出した。図9によれば、CM好感度ランキングと、本変形例によって各コマーシャル動画について算出した正準相関係数Rとの間には、一定の相関が存在することが分かる。
前述の図10を用いて説明した比較例の詳細について説明する。
上述した実施形態は、正準負荷量に基づいてコンテンツCを評価する際に、正準負荷量に対して主成分分析を行う形態に変形することができる。
本変形例に係る評価装置1Bについて、図17、図2~3、図18を用いて説明する。図17は、評価装置1Bの構成を示すブロック図である。図2~3、図18は、評価装置1Bにより実行される評価処理の流れを示すデータフロー図である。以下の説明では、本実施形態と同様、被験者数はMであり、各被験者の1コンテンツあたりの試行回数はNである。また、コンテンツ数はKである。
上述した実施例において本変形例を用いて評価を行った。具体的には、10本のコマーシャル動画のなかで、CM好感度得票数を最も多く獲得したコマーシャル動画について、本変形例の方法に従って算出した主成分スコアscoreを基準スコアとした。また、10本のコマーシャル動画の各々について、本変形例の方法に従って主成分スコア類似度d_pca(2)を算出した。なお、本変形例の処理S71ではn=3を適用し、1次から3次までの正準負荷量sおよび1次から3次までの正準負荷量tを抽出して行列データCLを生成した。
上記課題を解決するために、本発明の一態様に係る評価装置は、コンテンツを視聴させながら脳波を測定する試行を各被験者に対して少なくとも2回ずつ実施することによって得られた複数の脳波データに基づいて、上記コンテンツを評価する評価装置であって、各被験者について、該被験者に対して実施された異なる試行に対応する2つの脳波データからなる脳波データ対を生成する脳波データ対生成部と、上記脳波データ対生成部が生成した各脳波データ対に対応する正準変数を算出する正準相関分析部と、上記正準相関分析部が算出した各正準変数に対応する少なくとも1つの正準負荷量を算出する正準負荷量算出部と、上記正準負荷量算出部が算出した各正準負荷量、及び、予め定められた基準負荷量に基づいて、上記コンテンツを評価するコンテンツ評価部と、を備えている。
本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。さらに、各実施形態にそれぞれ開示された技術的手段を組み合わせることにより、新しい技術的特徴を形成することができる。
11 脳波データ取得部
12 脳波データ対生成部
13 正準相関分析部
14 正準負荷量算出部
15 コンテンツ評価部
Claims (12)
- コンテンツを視聴させながら脳波を測定する試行を各被験者に対して少なくとも2回ずつ実施することによって得られた複数の脳波データに基づいて、上記コンテンツを評価する評価装置であって、
各被験者について、該被験者に対して実施された異なる試行に対応する2つの脳波データからなる脳波データ対を生成する脳波データ対生成部と、
上記脳波データ対生成部が生成した各脳波データ対に対応する正準変数を算出する正準相関分析部と、
上記正準相関分析部が算出した各正準変数に対応する少なくとも1つの正準負荷量を算出する正準負荷量算出部と、
上記正準負荷量算出部が算出した各正準負荷量、及び、予め定められた基準負荷量に基づいて、上記コンテンツを評価するコンテンツ評価部と、を備えている、
ことを特徴とする評価装置。 - 上記コンテンツ評価部は、(1)各被験者に対応する代表正準負荷量として、上記正準負荷量算出部が算出した該被験者に対応する正準負荷量を代表する代表値を算出する代表正準負荷量算出処理と、(2)各被験者に対応する類似度として、上記代表正準負荷量算出処理にて算出した該被験者に対応する代表正準負荷量と上記基準負荷量との類似度を算出する類似度算出処理と、(3)上記コンテンツの評価指標として、上記類似度算出処理にて算出した各類似度を代表する代表値を算出する評価指標算出処理と、を実行する、
ことを特徴とする請求項1に記載の評価装置。 - 各被験者に対応する上記類似度は、該被験者に対応する上記代表正準負荷量と上記基準負荷量との内積、成す角の余弦、又は、相関である、
ことを特徴とする請求項2に記載の評価装置。 - 上記基準負荷量は、評価対象とするコンテンツのなかで、大規模集団調査による評価結果が最上位又は最下位のコンテンツに対する代表正準負荷量である、
ことを特徴とする請求項1~3の何れか1項に記載の評価装置。 - 上記コンテンツは、コマーシャル動画である、
ことを特徴とする請求項1~4の何れか1項に記載の評価装置。 - コンテンツを視聴させながら脳波を測定する試行を各被験者に対して少なくとも2回ずつ実施することによって得られた複数の脳波データに基づいて、上記コンテンツを評価する評価装置であって、
各被験者について、該被験者に対して実施された異なる試行に対応する2つの脳波データからなる脳波データ対を生成する脳波データ対生成部と、
上記脳波データ対生成部が生成した各脳波データ対に対応する正準相関係数を算出する正準相関分析部と、
上記正準相関分析部が算出した正準相関係数に基づいて、上記コンテンツを評価するコンテンツ評価部と、を備えている、
ことを特徴とする評価装置。 - コンテンツを視聴させながら脳波を測定する試行を各被験者に対して少なくとも2回ずつ実施することによって得られた複数の脳波データに基づいて、上記コンテンツを評価する評価装置であって、
各被験者について、該被験者に対して実施された異なる試行に対応する2つの脳波データからなる脳波データ対を生成する脳波データ対生成部と、
上記脳波データ対生成部が生成した各脳波データ対に対応する正準変数を算出する正準相関分析部と、
上記正準相関分析部が算出した各正準変数に対応する少なくとも1つの正準負荷量を算出する正準負荷量算出部と、
上記正準負荷量算出部が算出した各正準負荷量に対する主成分分析により主成分スコアを算出する主成分分析部と、
上記主成分分析部が算出した主成分スコア、及び、予め定められた基準スコアに基づいて、上記コンテンツを評価するコンテンツ評価部と、を備えている、
ことを特徴とする評価装置。 - コンピュータが、コンテンツを視聴させながら脳波を測定する試行を各被験者に対して少なくとも2回ずつ実施することによって得られた複数の脳波データに基づいて、上記コンテンツを評価する評価方法であって、
前記コンピュータが、各被験者について、該被験者に対して実施された異なる試行に対応する2つの脳波データからなる脳波データ対を生成する脳波信号対生成処理と、
前記コンピュータが、上記脳波信号対生成処理にて生成した各脳波データ対に対応する正準変数を算出する正準相関分析処理と、
前記コンピュータが、上記正準相関分析処理にて算出した各正準変数に対応する少なくとも1つの正準負荷量を算出する正準負荷量算出処理と、
前記コンピュータが、上記正準負荷量算出処理にて算出した各正準負荷量、及び、予め定められた基準負荷量に基づいて、上記コンテンツを評価するコンテンツ評価処理と、を含んでいる、
ことを特徴とする評価方法。 - コンピュータが、コンテンツを視聴させながら脳波を測定する試行を各被験者に対して少なくとも2回ずつ実施することによって得られた複数の脳波データに基づいて、上記コンテンツを評価する評価方法であって、
前記コンピュータが、各被験者について、該被験者に対して実施された異なる試行に対応する2つの脳波データからなる脳波データ対を生成する脳波信号対生成処理と、
前記コンピュータが、上記脳波信号対生成処理にて生成した各脳波データ対に対応する正準相関係数を算出する正準相関分析処理と、
前記コンピュータが、上記正準相関分析処理にて算出した各正準相関係数に基づいて、上記コンテンツを評価するコンテンツ評価処理と、を含んでいる、
ことを特徴とする評価方法。 - コンピュータが、コンテンツを視聴させながら脳波を測定する試行を各被験者に対して少なくとも2回ずつ実施することによって得られた複数の脳波データに基づいて、上記コンテンツを評価する評価方法であって、
前記コンピュータが、各被験者について、該被験者に対して実施された異なる試行に対応する2つの脳波データからなる脳波データ対を生成する脳波データ対生成処理と、
前記コンピュータが、上記脳波データ対生成処理にて生成した各脳波データ対に対応する正準変数を算出する正準相関分析処理と、
前記コンピュータが、上記正準相関分析処理にて算出した各正準変数に対応する少なくとも1つの正準負荷量を算出する正準負荷量算出処理と、
前記コンピュータが、上記正準負荷量算出処理にて算出した各正準負荷量に対する主成分分析により主成分スコアを算出する主成分分析処理と、
前記コンピュータが、上記主成分分析処理にて算出した主成分スコア、及び、予め定められた基準スコアに基づいて、上記コンテンツを評価するコンテンツ評価処理と、を含んでいる、
ことを特徴とする評価方法。 - 請求項1から7までの何れか1項に記載の評価装置としてコンピュータを機能させるためのプログラムであって、コンピュータを上記各部として機能させるためのプログラム。
- 請求項11に記載のプログラムが記録されたコンピュータ読み取り可能な記録媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018121329 | 2018-06-26 | ||
JP2018121329 | 2018-06-26 | ||
PCT/JP2019/025432 WO2020004485A1 (ja) | 2018-06-26 | 2019-06-26 | 評価装置、評価方法、プログラム及び記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2020004485A1 JPWO2020004485A1 (ja) | 2021-08-02 |
JP7391332B2 true JP7391332B2 (ja) | 2023-12-05 |
Family
ID=68984893
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020527588A Active JP7391332B2 (ja) | 2018-06-26 | 2019-06-26 | 評価装置、評価方法、プログラム及び記録媒体 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7391332B2 (ja) |
WO (1) | WO2020004485A1 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013180076A (ja) | 2012-03-02 | 2013-09-12 | Dainippon Printing Co Ltd | 分析支援装置、プログラム |
JP5799351B1 (ja) | 2014-12-09 | 2015-10-21 | 株式会社センタン | 評価装置および評価方法 |
WO2016190428A1 (ja) | 2015-05-28 | 2016-12-01 | 国立研究開発法人理化学研究所 | 判定装置、判定方法、プログラム、ならびに、情報記録媒体 |
-
2019
- 2019-06-26 WO PCT/JP2019/025432 patent/WO2020004485A1/ja active Application Filing
- 2019-06-26 JP JP2020527588A patent/JP7391332B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013180076A (ja) | 2012-03-02 | 2013-09-12 | Dainippon Printing Co Ltd | 分析支援装置、プログラム |
JP5799351B1 (ja) | 2014-12-09 | 2015-10-21 | 株式会社センタン | 評価装置および評価方法 |
WO2016190428A1 (ja) | 2015-05-28 | 2016-12-01 | 国立研究開発法人理化学研究所 | 判定装置、判定方法、プログラム、ならびに、情報記録媒体 |
Non-Patent Citations (2)
Title |
---|
DMOCHOWSKI, Jacek P. et al.,Audience preferences are predicted by temporal reliability of neural processing,[online],2014年07月29日,[令和元年9月5日 検索], インターネット<URL:https://www.nature.com/articles/ncomms5567.pdf> |
上向 俊晃,注視行動の予測に向けた動画像コンテンツの視覚的特徴と実測した注視点の正準相関分析,FIT2010 第9回情報科学技術フォーラム 講演論文集 第3分冊 査読付き論文・一般論文 画像認識,2010年08月20日,第77-82ページ |
Also Published As
Publication number | Publication date |
---|---|
WO2020004485A1 (ja) | 2020-01-02 |
JPWO2020004485A1 (ja) | 2021-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | EEG-based biometric identification with convolutional neural network | |
Whitehill et al. | MOOC dropout prediction: How to measure accuracy? | |
Kurth-Nelson et al. | Temporal structure in associative retrieval | |
Scheffler et al. | Hybrid principal components analysis for region-referenced longitudinal functional EEG data | |
US20160021425A1 (en) | System and method for predicting audience responses to content from electro-dermal activity signals | |
US20120030696A1 (en) | Spatially Constrained Biosensory Measurements Used to Decode Specific Physiological States and User Responses Induced by Marketing Media and Interactive Experiences | |
Yildirim | A review of deep learning approaches to EEG-based classification of cybersickness in virtual reality | |
Cadonna et al. | Bayesian spectral modeling for multiple time series | |
van Bömmel et al. | Risk patterns and correlated brain activities. Multidimensional statistical analysis of fMRI data in economic decision making study | |
Cartwright et al. | Crowdsourced pairwise-comparison for source separation evaluation | |
US9501779B2 (en) | Automated thumbnail selection for online video | |
Ouzir et al. | Neuromarketing and decision-making: Classification of consumer preferences based on changes analysis in the EEG signal of brain regions | |
Ullah et al. | Neuromarketing solutions based on EEG signal analysis using machine learning | |
JP7391332B2 (ja) | 評価装置、評価方法、プログラム及び記録媒体 | |
CN114004253A (zh) | 一种基于脑间互动性的信息流估计方法及系统 | |
Rasyid et al. | Emotion and attention of neuromarketing using wavelet and recurrent neural networks | |
Effenberger | A primer on information theory with applications to neuroscience | |
Carlin et al. | Sustained firing of model central auditory neurons yields a discriminative spectro-temporal representation for natural sounds | |
So et al. | Between-subject correlation of heart rate variability predicts movie preferences | |
Almarri et al. | Automatic subject-specific spatiotemporal feature selection for subject-independent affective BCI | |
Sharma | Automated human emotion recognition using hybrid approach based on sensitivity analysis on residual time-frequency plane with online learning algorithm | |
Hassani et al. | Gender differences in EEG responses to color and black-white images: implications for neuromarketing strategies | |
US20150317647A1 (en) | Method And Apparatus For Correlating Biometric Responses To Analyze Audience Reactions | |
Kato et al. | Statistical analysis for multiplicatively modulated nonlinear autoregressive model and its applications to electrophysiological signal analysis in humans | |
CN114742107A (zh) | 信息服务中的感知信号的识别方法及相关设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201217 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220614 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230516 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230714 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231017 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231114 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7391332 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |