# 3/9までの進捗報告

まずは自分の研究したい分野を探してみる
## 一般的な学会の論文一覧を見てみる
* 情報処理学会
* 電子情報通信学会
* 人口知能学会
* ソフトウェア科学会

今回は情報処理学会を見ました。ジャーナル7年分の見れる範囲の論文とトランザクション。
面白そうな論文を読んでみた。

## 論文の紹介
### [スポーツにおけるネタバレの特性調査と判断手法の検討](https://dl.nkmr-lab.org/papers/91/paper.pdf)
この研究では、スポーツにおけるネタバレがは本当に楽しみを奪うのか、奪うとしたらどのようなネタバレを奪うのかを実験により明らかにして、ネタバレを高精度に判定をするための手法についての検討を行う。手法の提案で使うため、ネタバレのデータセットの構築も行う。

#### ネタバレの影響調査実験
実験協力者に日本代表のサッカーの試合映像を視聴してもらい、ネタバレをされた人とされていない人でその試合の面白さの感じ方に変化があるのかを検証する。
サッカーに興味のある19歳から22歳の日本人の大学生に協力をしてもらった。ネタバレ組と非ネタバレ組にわけ、観戦態度に変化があるのかを観察する。
非ネタバレ組には、そのまま視聴してもらう。ネタバレ組には最終スコア、前後半スコア、得点者、得点時間をネタバレしたのち、試合を見てもらった。
試合を視聴してもらった後にアンケートに回答してもらった。
内容は下記の通り
* プレーに興奮したか
* 試合の緊張感は感じたか？
* 試合展開に一喜一憂したか？
#### 実験結果と考察
ネタバレ組と、非ネタバレ組で興奮度には有意差が観測されなかった。プレー自体の面白さは損なわれないためだと考えられる。
緊張感ネタバレ組で試合にもよるが有意に減少した。試合の結果を知ってしまうと、試合の行方にハラハラしなくなってしまうからだと考えられる。一喜一憂についても減少した。ピンチやチャンスの時に得点が入るのを事前に悟ってしまい喜びや悔しさが抑制されるためであると考えられる。
また、ネタバレの影響の大きさは試合によっても差があり、試合内容が落ち着いた試合であるとネタバレが大きく影響することが示された。

#### ネタバレデータセットの構築
ネタバレを防止するための足掛かりとして、どういった情報がネタバレとなるのか、ネタバレの特性を分析する。特にネタバレの遭遇機会が多いのがTwitterのようなSNSである。そこで、スポーツの試合に対するツイートを収集する。ツイートが多い日本代表戦に注目した。ハッシュタグ付きとハッシュタグ付きでないツイートには、内容は大きくないと考え、収集効率を優先し、試合に関係あるハッシュタグ付きツイートを収集することとした。また、不適切なツイートの除去を行った。
その後、これらの集めたツイートがネタバレがネタバレではないのかを判定するためのウェブシステムを開発した。ページ上に提示されているツイートがネタバレだと感じたら、クリックすることでネタバレとし、チェックされていなければ非ネタバレに分類した。ツイートの横には試合時間を大まかに乗せた。
#### ネタバレデータセットの分析
データセットの分析により、試合の最終的な内容が含まれるツイートはネタバレと感じる人が多かった。またネタバレだと思われるツイートでは、日本が勝っている時間帯、引き分けの時間帯、負けている時間帯で出現頻度が多い単語が異なった。

#### ネタバレ判定実験
ネタバレを高精度に判定するための手法について検討を行った。3つの手法を提案する。
* パターンマッチ手法
ネタバレとして出現頻度の高い単語をキーワードとし、キーワードにマッチする単語を含むツイートをネタバレと判断した。
* SVM手法
判定対象となる試合以外の試合のツイートを用いたSVMのモデルを作成し、そのモデルを用いて判定対象となる試合のツイートを判定した。
* SVM+試合展開手法
試合展開によって大きく出現単語が異なっていたため、SVMのモデルの作成において試合展開を考慮し、判定対象となる試合以外の試合のツイートのうち、日本代表が勝っている時間帯のツイートでは勝ちモデル、負けている時間帯では負けモデル、同点の時間帯では同点モデルと、３つの学習モデルを作成した。判定対象となる試合のツイートを判定する際にツイート時点で日本代表が勝っていれば勝ちモデルを、負けていれば負けモデルを同点であれば同点モデルを起用して判断した。

これらの3つの手法について適合率、再現率、F値で比較をした。
適合率は「ネタバレと判断したツイートのうち正しくネタバレと判断できたツイートの割合」、再現率は「実際にネタバレツイートであるツイートのうち正しくネタバレと判断できたツイートの割合」である。

#### 実験結果と考察
SVM+試合点提案法のF値が最も高く、ほかの手法よりも優れているという結果となった。

#### まとめ
今後は学習データを増やし足り、事前処理をさせることでネタバレの判定精度を向上させていきたい。最終的にはクライアントなどの形でシステム化を考えている。また、ネタバレをせずにそのスポーツの試合を見たいと思わせるようなスポーツの試合をダイジェスト生成技術を実現する予定である。

#### この研究から思ったこと
個人的にも、スポーツのネタバレについて遭遇したことがあるので興味がある研究ではあった。
論文が読みやすかった。

### [心拍と呼吸を用いたコンテンツ視聴による気分変化の推定：コメディ視聴時における検討](https://ipsj.ixsq.nii.ac.jp/ej/index.php?action=pages_view_main&active_action=repository_action_common_download&item_id=163618&item_no=1&attribute_id=1&file_no=1&page_id=13&block_id=8)

## 今後の方針
まだ、自分が研究したい分野がはっきりと決まっていないので他の学会の論文なども参考に分野を決めていきたい。

分野を決めた後は、論文や書籍を読んで問題を探しながら研究テーマを決めるという方向でいきたいと思います。

まだ、いくつか読みたい論文があるのでそれを消費してからほかの学会の論文などを見てみる。

### アドバイス
* その後研究が行われているのかなどを調べてみるといいかも
* タイトルで調べてみると似たような研究が出てくる。その後の周辺がわかる
*