# 2/24日までの進捗報告

## 読んだ論文（記事）一覧
* [YouTubeの推薦アルゴリズムの変遷を追う〜深層学習から強化学習まで〜](https://medium.com/eureka-engineering/youtube-recommender-algorithm-survey-341a3aa1fbd6)
* [YouTubeの「勝手な推薦ビデオ」の推薦理由がややわかるようになった](https://jp.techcrunch.com/2019/06/27/2019-06-26-youtube-update-gives-users-more-insight-and-control-over-recommendations/)
* [映像コンテンツ推薦の現状と今後](https://jp.techcrunch.com/2019/06/27/2019-06-26-youtube-update-gives-users-more-insight-and-control-over-recommendations/)
* [複数人によるアカウントの共有を考慮したトピックモデルに基づく協調フィルタリング](https://dbsj.org/wp-content/uploads/journal/vol9/no3/dbsj-journal-09-03-007.pdf)
* [SNSを利用した協調フィルタリングによる番組推薦手法](https://ipsj.ixsq.nii.ac.jp/ej/?action=repository_action_common_download&item_id=70830&item_no=1&attribute_id=1&file_no=1)
* [閲覧者による印象のフィードバックを用いたイラスト投稿者の検索](https://ipsj.ixsq.nii.ac.jp/ej/?action=repository_action_common_download&item_id=90335&item_no=1&attribute_id=1&file_no=1)
* [コンテンツ投稿型SNSにおける未知性と意外性を考慮した推薦エージェントの提案](https://uec.repo.nii.ac.jp/index.php?action=pages_view_main&active_action=repository_action_common_download&item_id=9180&item_no=1&attribute_id=22&file_no=1&page_id=13&block_id=21)
* [ユーザの興味を喚起するブログ記事推薦システムの研究開発](https://ipsj.ixsq.nii.ac.jp/ej/?action=repository_uri&item_id=108592&file_id=1&file_no=1)
* [Twitter感情分析を用いた感情値可視化とユーザ推薦システム](https://ipsj.ixsq.nii.ac.jp/ej/?action=repository_uri&item_id=90555&file_id=1&file_no=1)
* [マイクロブログにおけるインタラクションと投稿内容に着目したユーザー推薦に関する研究](https://repository.dl.itc.u-tokyo.ac.jp/?action=repository_action_common_dowマイクロブログにおけるインタラクションと投稿内容に着目したユーザー推薦に関する研究nload&item_id=5834&item_no=1&attribute_id=14&file_no=1)
* [動画投稿サイトで付与された動画タグの階層化](https://ipsj.ixsq.nii.ac.jp/ej/?action=repository_action_common_download&item_id=71505&item_no=1&attribute_id=1&file_no=1)
* [動画コンテンツの視聴者コメントに基づくランキングとその評価](https://db-event.jpn.org/deim2012/proceedings/final-pdf/f8-3.pdf)
* [ユーザのつながりを用いた意外性のある動画推薦システム](https://db-event.jpn.org/deim2012/proceedings/final-pdf/b4-1.pdf)
* [Twitterにおける会話しやすいユーザーの推薦手法](https://ipsj.ixsq.nii.ac.jp/ej/?action=pages_view_main&active_action=repository_view_main_item_detail&item_id=111122&item_no=1&page_id=13&block_id=8)
* [Twitter感情分析を用いた感情可視化とユーザ推薦システム](https://ipsj.ixsq.nii.ac.jp/ej/?action=pages_view_main&active_action=repository_view_main_item_detail&item_id=90555&item_no=1&page_id=13&block_id=8)
* [ユーザ興味を喚起するブログ記事推薦システムの研究開発](https://ipsj.ixsq.nii.ac.jp/ej/?action=repository_action_common_download&item_id=108592&item_no=1&attribute_id=1&file_no=1)

## 読んだ論文について
#### [複数人によるアカウントの共有を考慮したトピックモデルに基づく協調フィルタリング](https://dbsj.org/wp-content/uploads/journal/vol9/no3/dbsj-journal-09-03-007.pdf)

いわゆるグレーシープ問題(あるユーザーの履歴情報が他のすべてのユーザとの相関が低いことが原因で、あるユーザが特定のユーザ群として分類しにくい状況であるためにユーザへの協調フィルタリングがうまくいかない問題)に対する研究。

例）家族が一つのアカウントを共有してYouTubeを見ているときなどは履歴情報が特定のユーザ群として分類しにくい履歴情報となる。

この研究は、一つのアカウントの複数人のユーザによる共有を考慮することによる推薦システムの精度を改善するための手法を提案する。VODなどのサービスで複数人がアカウントを共有するときには各アカウントの購買履歴から個々の嗜好を推定することができなくなるテレビ視聴時の履歴情報に対し、曜日や時間帯ごとに異なる嗜好を持った複数の潜在的なユーザの履歴情報が混在していると仮定し、確率的潜在意味解析により潜在ユーザごとの視聴行動をモデル化するアルゴリズムを提案している。

#### [ユーザのつながりを用いた意外性のある動画推薦システム](https://db-event.jpn.org/deim2012/proceedings/final-pdf/b4-1.pdf)

YouTube等の動画児湯悠サイトにおいて、YouTubeにおける動画投稿者などのユーザの繋がりを用いて閲覧動画と関連があり、意外性のある動画を提案するシステムを提案する。

YouTube Data APIを用いてチャンネル情報を取得する。「投稿動画」、「再生リスト」、「お気に入り」、「登録チャンネル」、「チャンネル登録者」、「友達」。
「友達」、「チャンネル登録者」は現在は取得できなくなっている。
YouTube Data APIを用いて動画情報を取得する。「タイトル」、「説明文」、「タグ」を取得して動画の特徴ベクトルを作成する。特徴語の抽出には、形態素解析器chaSenを使う。解析された形態素をもとに特徴ベクトルをテキストマイニングツールtermminをもとに作成する。また、termminは類似を計算も可能であるため、閲覧動画と繋がり先の動画の類似関係が得られなければ0、類似している場合には1に近い値が与えられる。

提案手法について
ユーザは推薦システムに検査語を入力する。検索結果の動画をひとつ選び、特徴ベクトルを生成する。その際に、得られた検索結果の全動画から特徴語を抽出し、検索語以外で重要度の高い特徴語を抽出する。この特徴語と閲覧動画から取得した動画の特徴語に足し合わせて特徴ベクトルを作成する。閲覧動画を投稿したユーザの繋がりをたどって動画を収集する。ユーザーの繋がりは2ホップまでとする。お気に入り、チャンネル投稿者、友達などのつながりのあるユーザの投稿動画を取得しそれぞれの動画の特徴ベクトルを作成する。最後に拡張ベクトルと、各つながりから集めた動画の類似度を計算する。築地度の高いものから上位5件をランキングし推薦する。
このほかにも、拡張ベクトルにしない閲覧動画からの取得したベクトルを使う推薦法。
拡張ベクトルを使い、類似度が0.2付近の動画を推薦する方法を使う。これは意外性のある動画であることが期待される。

被験者実験について
実際にYouTubeが提案している「関連動画」との比較実験を行う。[意外性、関連性、満足度]を[大きい、小さい、ない]の三段階で比較をする。

いずれの手法で生成した推薦リストもGoogleの提供するYouTubeの関連動画に比べて意外性が高いことがわかった。類似度0.2付近の動画と類似度のほうが満足度が高いといいうことがわかった。Googleの提供している関連動画は高い関連性がある。推薦動画に最も有用なつながりは「お気に入り繋がりのお気に入り」である。

## 現在のテーマについて
「複数人で動画を見るときの動画推薦」について

1. そもそも需要がない（ユーザはそれを本当に欲しているのか?）

最近ではテレビで動画を見ることができる。家族や友達などと動画を見る機会が多くある。また、LINEなどでも複数人と通話しながらYouTubeを見ることのできる機能があったりする。これらの理由から需要はあると思う。

似たような研究テーマがあるのかについては、まだ調べ切れていなのでわからないです。

2. 技術的に実現が困難（たとえば、推薦に利用できる情報がほとんど入手できないとか）

どのように推薦するのかについては、それぞれのYouTubeのアカウント情報から（チャンネル登録、お気に入り、再生リスト）などから、どちらの好みにも合うような動画を推薦する。

ここの切り口が普通のため何か違うアプローチの仕方があればいいかもしれないです…

## 今後の予定
2/24 できれば今日から研究計画書を書き始めたい。
2/25　第1レビュー（先輩）
2/26　修正になるのか
2/27　第2レビュー（奥野先生）
2/28　提出（郵送）

現在、実家（青森）にいるためできれば2/28日までに終わらせたいが、終わらなかった場合3/1に直接提出する。

## アドバイスについて
* 推薦と複数人で検索する。
* 状況的に話し合ってじゃダメなんですか？ここに関するアプローチについて何か説明が欲しい。
* YouTubeの仕様書のAPIを探してみる。
* 自分がどういう推薦をしたいのかを言語化できればいいと思う。
* 複数人で見る機会が一般的であるのかという問題
* 推薦されて面白いのかということについて
* 推薦してあげることについていいことがあるよというのを
* そもそも研究として取り組むほど難しくないのではないのかシステムとして作ってしまえばいいのではないのか。
* 従来のやり方ではうまくいかないから新しい方法でやろうということ。
* 観光とかでも複数人で意見を決定などの論文について
* 映画、テレビなども動画の一種などで視野を広くして
* 目的が重要かもしれない、どういうことを実現したいのか？みんなが満足するものなのか、誰かの興味を伝えるものなかを背景などで説明してあげる。
* 目的は一つではなくてもいい。
* 志望理由書について、なぜ未来大学じゃないといけないのか？企業じゃできない理由について。
* 志望理由書について、未来大の大学院でないといけない理由。
* 大学院の理念について調べてみる。
* 大学院でも研究を続けたいということ
* 面接について、自分の研究について質問されたことについて答えられればいいと思う。違う方法ではだめと聞かれたときに自分の手法について答えれればいい。有効性など
* 大学院での授業についても書いていた→調べてみる
* 大学の設備的なことについても書いていた
* ICTコースに関連したことは書いたほうがいいかも。
* 就職しないで大学院へ行くのはなぜか？
* 他の大学院へ行かない理由はなぜか？
*