会話の雰囲気と位置情報に基づく音楽推薦手法の提案 11271108 峯俊 友弥(灘本研究室) あらまし:本研究では車内での会話から感情を抽出し,その感情と車の位置情報からその場 の雰囲気にあわせた楽曲を推薦する手法の提案を行う. 1.はじめに 近年,iTunes ミュージックストア[1]などのオ ンライン音楽配信サービスの普及により,楽曲 を手軽にダウンロードして聞くことが可能にな っている.さらに音楽プレイヤーとしてスマー トフォンを利用し,ダウンロードしたその音楽 を移動中でも容易に聴く事が出来る.このよう な背景から音楽はますます私達の生活に身近の なっている.そして車を運転している時に音楽 を聞く人も多くいる.このように移動中の車内 で,例えば楽しい話をしている時に悲しい曲が 流れると,車内の雰囲気が悪くなる可能性があ る.また,海水浴にいく途中,車内で山がモチ ーフの楽曲が流れると,海に行きたいという気 分が損なわれる可能性がある.このように移動 中は,その場の雰囲気に見合った音楽を流す事 が大切であると考えられる.そこで,本研究で はユーザが車を運転している時に場所と会話の 雰囲気に合った楽曲を自動で選曲するシステム を提案する.具体的には,車内での会話から感 情を抽出し,その感情と車の位置情報からそ の場の雰囲気にあわせた楽曲を推薦する手法 の提案を行う. 2.全体の流れ 以下と図1に提案手法の処理の流れを示す. ① 会話から音声認識ソフトを用いてテキスト データを取得する. ② 山本ら[2] の感情語辞書を用いて①で取得し た会話の感情値を 1 文ずつ求める. ③ 現在地情報を取得する. ④ 事前に用意した「海」 「山」「その他」から なる 3 種類の楽曲データベース全 300 曲の 中から③で取得した現在地に関連する曲を 抽出し,楽曲候補を決定する. ⑤ ②で求めた会話の感情値と④で求めた楽曲 候補の感情値,及び楽曲情報の器物,場所, 季節から楽曲を決定する. ⑥ ④で決定した楽曲を自動で再生する. 3.楽曲推薦手法 3.1.楽曲データベースの作成 楽曲を推薦するにあたり,事前に楽曲データベ 図 1:システムフロー ースを作成した.楽曲データベースは,まず歌 詞からその楽曲を「海」「山」 「その他」に分類 する.分類された楽曲に対して「器物」 「場所」 「季節」をタグとして付与する. 「器物」 「場所」 は歌詞を形態素解析し,形態素解析器 juman[3] のカテゴリから決定する.そして「季節」は楽 曲 CD の発売日を考慮する.季節の区分には気 象庁の区分[4]を使用する.CD の発売日から 1 か 月後の月をその曲の季節として決定し,4 月から 6 月を春,7 月から 9 月を夏,10 月から 12 月を 秋,1 月から 3 月を冬と設定する.さらに,実験 により感情を決定し,これもタグとして付与す る.楽曲の感情値は楽曲や歌詞の雰囲気からな る為,ユーザ実験により決定する.楽曲 300 曲 の感情(喜,好,安,昂,哀)は被験者 10 名によ り決定した.以下に実験の流れを示す. ① 被験者は本研究で用いる楽曲を聞く. ② 5 つの感情軸の中から,最大 3 つの感情軸を 設定し各々感情軸に対して 3⇒2⇒1 と点数 をつける. ③ どの感情軸にもあてはまらない楽曲は感情 なしとする. 各感情軸それぞれの感情値の平均を求めた. その結果,楽曲データに対しての感情値をそれ ぞれ求め,300 曲の楽曲の感情値を設定すること ができた. 3.2.感情抽出 本研究では,会話と楽曲が持つ感情値と楽曲情 報である器物,場所,季節から楽曲を決定する. その為,会話と楽曲に適した感情軸を設定する. 松本ら[5]は感情を「喜」 , 「好」 , 「安」 , 「昂」, 「哀」 の 5 つの感情軸に決定し,山本らの感情語辞書 を用いて感情値を算出する手法を提案した.本 研究でもこの手法を用いる.具体的には,感情 語辞書を使用し会話の 1 文ずつに対して感情値 を求める.例えば, 「今日は楽しくていい日だ」 という文に対して形態素解析を行い,「今日は/ とても/楽しくて/いい/日/だ」と分割する.そ して,感情語辞書とマッチングを行うと「楽し くて」と「いい」がヒットし,その感情値を合 算する.その値を1文の会話の感情値として決 定する. 3.3.位置情報 Geolocation API を用いて緯度経度を取得 し Google Geocoding API を用いて緯度経度か ら住所を取得する.そして住所別データベー スを用いて住所から「海」「山」「その他」を 決定する.住所別位置データベースとは,関西 2 府 4 県の全ての市町村を市ごとに「海」「山」 「その他」3 つに振り分けたものである. 3.4.選曲方法 松本ら[5]は会話中の器物,場所,季節とあらか じめ保存された楽曲情報である器物,場所,季 節のマッチングを行い,選曲候補を決定する手 法を提案した.その選曲候補の楽曲の感情値と 会話の感情値の差を絶対値でとり,5 軸それぞれ の差を出し合計を求め,選曲候補の楽曲の中か ら差の合計が最も小さい楽曲を提示している. 本研究では,位置情報を求めて楽曲数の限定を 行った後に,松本らが求めた選曲手法を用いて で楽曲を決定する. 4.評価実験 4.1.実験内容 提案手法の有用性を図る為に,被験者 8 名に 評価実験を行った.楽曲データベースの「その 他」については「街中」と置き換えて, 「海沿い」 「山中」 「街中」の各シーンを想定した.提案手 法により決定された楽曲を聞き,決定された楽 曲の歌詞を見て位置情報と会話と楽曲の雰囲気 が合っているかを 5 段階で評価した.評価実験 では,4 種類の約 20 行の会話データを用いた. 会話データはネット上で公開されている男女の 会話のデータを使用した. 位置情報と会話の内容は, 「その他」の時の恋愛 の会話であった.そして一番評価の低かった位 置情報と会話の内容が, 「その他」の時の他愛の ない会話であった. 恋愛の会話は,「好」「安」の感情値が少し高 いが,他の 3 つの感情値と大差がなかった.し かし,他愛のない会話は, 「好」 「安」 「昂」の感 情値が飛びぬけて高く,他の 2 つの感情値は低 かった.そのことより恋愛の会話については 5 つの感情値に大差がなく,その会話の主な感情 の値が少し高くなり,正しく選曲ができたと考 えられる.他愛のない会話については,5 軸の感 情値間で差が大きすぎるために正しい選曲がで きなかったと考えられる. さらに位置情報の分類が「海」 「山」 「その他」 の3種類しかなく,場所を増やす必要性を感じ た. 会話の雰囲気が合っていない楽曲が決定され た要因を以下に示す. ① 感情語辞書は会話データにより適切な感情 値を算出できない場合がある. ② 会話データはその会話の1部分しか使用し なかった為,被験者は会話の雰囲気が分か りづらかった可能性がある. ③ データベースに保存された楽曲数が少ない 為,会話の雰囲気に合った楽曲が決定され なかった. 5.まとめ 本研究では車内での会話から感情を抽出し, その感情と車の位置情報からその場の雰囲気に あわせた楽曲を推薦する手法の提案を行った. 位置情報の種類を増やし,実際にアプリケーシ ョンとして車内で使用することが今後の課題で ある. 参考文献 [1] iTunes ミュージックストア: http://www.apple.com/jp/itunes/music/ [2] YukiYamamoto, Tadahiko Kumamoto and Akiyo Nadamoto “Multidimensional sentiment calculation method for Twitter based on emoticons” International Journal of Pervasive Computing and Communications, Vol. 11 Iss: 2, pp.212 – 232, 2015. [3] JUMAN: http://nlp.ist.i.kyoto-u.ac.jp/ [4]気象庁:http://www.jma.go.jp/jma/index.html 4.2.実験結果と考察 評価実験の結果,会話と決定された楽曲との 適合率は 0.5625 となった.一番評価の良かった [5] 松本優輝 ”歌詞情報を用いた歌の感情抽出手 法の提案” 甲南大学卒業研究発表会予稿集,2014
© Copyright 2024 Paperzz