English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Using users' comments from a movie information site, we develop a movie classification system based on Naive Bayes method. We evaluate the classification results with the genre for each movie classified by IMDb. For the objective evaluation of the classification precision, we employed the average precision. The average precision is about 0.7 in 1—fold cross-validation. When we look into the movie classification from this experiment, we notice that even in the case in which the existing genre classification and machine classification differ, the machine classifications are valuable or even more persuasive. Keyword Naive Bayes classifier, Automatic classification, Movie search system 1. はじめに 現在,インターネットでは様々なデータベースが利用でき る.また,ユーザからの情報発信,つまり評価や採点などを 利用して,より充実した情報提供を行うサイトが数多くあり, 情報発信・情報収集の場として多くのユーザを集めている. 映画,本,レストラン,電気製品などその分野は多岐にわた る[1][2][3]. 現状ではこれらのサイトは人手による管理に依存する部 分が大きく,データ量も膨大である.より柔軟で多角的なデ ータベースの探索を可能にするには,ユーザから得られた 情報を自動的に処理できる機能が望まれる. 本研究では映画情報サイト CinemaScape[4]に集められ た,ユーザの映画に対するコメント情報を用いて,映画の分 類を行った.映画そのものはテキストデータではないが,この ようにユーザの映画に対するコメントに着目することで,映画 の分類についても自然言語処理技術で扱いうるものとなる [5].また,コメントの類似性を映画の類似性ととらえれば, 新たな側面からの情報をユーザに提供することができると考 える. 社団法人 電子情報通信学会 信学技報 THE INSTITUTE OF ELECTRONICS, TECHNICAL REPORT OF IEICE INFORMATION AND COMMUNICATION ENGINEERS 実験では分類手法としてナイーブ・ベイズ分類を用い,得 られた結果を評価・考察した.ナイーブ・ベイズ分類は確率 モデルに基づく分類法である[6].また,分類結果を詳細に 考察することで,人手で与えられた分類とナイーブ・ベイズ 分類による自動分類で相違がある映画に関して,必ずしも 自動的な分類が間違っているとはいえない映画が多々ある ことに気づく. 本研究では,ナイーブ・ベイズ分類によりコメントから映画 をある程度分類することができることを実験により検証した上 で,「分類」を単なる参考情報としてユーザに提示するだけ ではなく,映画をより多角的に探索できるシステムを考案す ることを目指している. 2. CinemaScape インターネットで利用できる映画データベースにも様々な ものがある.中でも最も知 られているのは The Internet Movie Database (IMDb)[7]である.IMDb には 25 万件に及 ぶ世界中の映画が収録されている.日本語で利用可能な データベースには,allcinema ONLINE[8],ぴあシネマクラ ブ[9]などがある.allcinema ONLINE は,サイトを訪れたユ ーザが映画に対するコメントを書き込むことができるのが特 徴である.ぴあシネマクラブでは,収録している 17000 件の 映画すべてについて,あらすじを得ることができる. 本研究で利用したコメント情報は,すべて CinemaScape で 収 集されているものである. allcinema ONLINE 同 様 , CinemaScape においても,コメント情報が収集されているの だが,allcinema ONLINE をはるかに上回るコメント情報が CinemaScape には蓄積されている.また CinemaScape では コメントと同時に映画に対する 5 段階の採点情報を収集し ており,これを用いて,協調フィルタリングによる映画推薦シ ステムが実現されている[10]. CinemaScape に収録されている映画に関する基本情報 は前述の IMDb が使用されている.映画は 18 のジャンルに 分類されており,この分類も IMDb による人手の分類に準拠 したものである.(複数の分類が付与されている映画もあ る.) 登録されている映画数は 9413 件(2002 年 1 月現在)で あるが,このうちどのジャンルも付与されていない映画と,ユ ーザからコメントがひとつも得られていない映画は,本研究 では処理の対象からはずした.これにより,実際に本研究で 使用した映画の総数は 7003 件となっている.コメントは,映 画ごとに形態素解析をし,名詞,動詞,形容詞,形容動詞, 未定義語,副詞,連体詞,感動詞をとりだした.また,半角 文字はすべて全角に,アルファベット大文字はすべて小文 字に変換した. 各映画において,コメントから得られる単語の数にはばら つきがある.有名な作品には多くのコメントが寄せられるが, あまり知られていない映画はコメントも少ない.1 映画あたり の単語数を平均すると約 10 語程度であり(最頻も 10 語, 最大は 3797 語),通常の文書分類にくらべ比較的短いテ キストをもとにしているので,分類が難しい場合もある.コメン トデータの概要を(表 1)に示す.

The Evolving content user: How libraries will need to adapt to serve a new kind of patron