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