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

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

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

Agenda
2016/3/26
3
 1. 自己紹介
 7. おわりに

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

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！

“マリオメーカー問題”の分析
自己紹介

Agenda
2016/3/26
7
 1. 自己紹介
 7. おわりに

突然ですが
みなさん
本日のテーマ

突然ですが
ニコニコ動画
使ってますか？
本日のテーマ

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

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

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

Agenda
2016/3/26
13
 1. 自己紹介
 7. おわりに

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

データ取得手順
Niconicogetrelation
というAPIで取得
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

データ取得手順
Niconicogetrelation
というAPIで取得
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

ネットワークのイメージ図
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

実際にできたネットワーク
ヘアボール形状と呼ば
れるものになってしま
います

データ分析の概観
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

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？

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
中心性分析
カテゴリ間の
遷移確率推定
カテゴリの
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

Agenda
2016/3/26
24
 1. 自己紹介
 7. おわりに

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

平均PageRankの比較

平均PageRankの高いカテゴリ

平均PageRankの低いカテゴリ

カテゴリ規模と中心性
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

カテゴリ規模と中心性
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？

散布図-コメント数と中心性
コメント数
中央値
PageRank
相関係数
-0.16

散布図-マイリスト数と中心性
マイリスト数
中央値
PageRank
相関係数
-0.05

散布図-再生数と中心性
再生数
中央値
PageRank
相関係数
-0.15

PageRankとカテゴリ規模は
緩やかな負の相関を持つ
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

Agenda
2016/3/26
35
 1. 自己紹介
 7. おわりに

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

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

具体例2:”ニコニコ動画講座”
(3月20日)
• 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

カテゴリ規模と再帰率
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)

カテゴリ規模と再帰率
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

散布図-コメント数と再帰率
自己再帰率
コメント数
中央値
相関係数
0.22

散布図-マイリスト数と再帰率
自己再帰率
マイリスト数
中央値
相関係数
0.29

散布図-再生数と再帰率
自己再帰率
再生数
中央値
相関係数
0.30

再帰率とカテゴリ規模は
正の相関を持つ
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

Agenda
2016/3/26
45
 1. 自己紹介
 7. おわりに

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

クラスター分析の可視化
クラスター1
クラスター2
クラスター3
クラスター4

ちなみに
 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

PageRankと再帰率
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

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1
クラスター2
クラスター3
クラスター4

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1
クラスター2
クラスター3
クラスター4

まとめ
PageRankと再帰率
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

まとめ
コメント・マイリスト率
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
クラスター1
クラスター4
(自然/動物)

まとめ
コメント・マイリスト率
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
クラスター1
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

Agenda
2016/3/26
55
 1. 自己紹介
 4. カテゴリごとの特徴
 7. おわりに

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

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

Recomendados

Recomendados

Más contenido relacionado

Similar a 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

Similar a 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)

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