2020 Fiscal Year Annual Research Report
Fundamental Technologies for Information Sharing and Behavior Change Actuation in SNSs
| Project/Area Number |
18H03339
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
山崎 俊彦 東京大学, 大学院情報理工学系研究科, 准教授 (70376599)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | マルチメディア / SNS / 情報発信 / 魅力工学 |
|---|
| Outline of Annual Research Achievements |
本研究の目的は、今や必要不可欠な存在となったSNSについて、誰がどんなタイミングでどのようなタグや文章と共にどんな画像・映像コンテンツを投稿すると、情報の受け取り手にどのような情動・行動をもたらしたり情報拡散・共有を引き起こしたりするのかを明らかにし、その知見を活かして狙った情動・行動・情報共有を引き起こさせることのできる技術の研究開発を行うことである。2020年度は下記の研究を行った。
刺さる画像・映像の予測：より好印象を獲得する画像・映像を予測できるモデルを構築した。1つ目は髪型の推薦モデルである。髪型のCG生成および顔転移処理技術を使って、望ましいと思われる髪型を推薦・可視化させる深層学習器を実現した。2つ目は動画バナーのClick Through Rate (CTR)予測である。データの正規化のタイミングなど学習アルゴリズムを工夫することにより、相関係数0.70という高い精度でCTRを予測することに成功した。
刺さるSNSの運用：TwitterやInstagramなどのSNSを用いて、フォロワーのフォロー動向やいいね動向からブランドや商業施設間の関係性を可視化したりある特定の穴運とのフォロワー（ファン）の指向を言語化したりすることに成功した。また、Twitterのキーワード推薦というタスクに取り組み、いいね数などをより多く獲得できると思われるキーワードの推薦を実現した。
会見等の自動評価：企業トップの所信表明や謝罪会見を対象に、発話のタイミングや内容の良し悪しの研究を会見コンサルタントとともに行った。自然言語・音響処理のマルチモーダルモデルにすることによりOK/NG/評価対象でないの3値分類を約60%の精度で達成した。
どれもユニークな試みであり、いくつかの受賞があるほか、国際会議を中心にした対外発表も順調に行った。
|
| Research Progress Status |
令和2年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和2年度が最終年度であるため、記入しない。
|
Research Products
(18 results)
