スポーツのジャンルに応ずるネタバレの特性分析と判定手法の提案

スポーツのジャンルに応ずる   ネタバレの特性分析と判定手法の提案 白鳥裕士（明治大学総合数理学部3年） 中村聡史（明治大学総合数理学部）

ネタバレ 小説 アニメ スポーツ

こんな経験ないですか？

こんな経験ないですか？ 悲しい.......(>_<)

サッカーのツイート例

こんな声も．．．

モチベーション • SNS上のスポーツのネタバレ防止 - SNSを完全に使用しないのは不便&非現実的 コミュニケーションは遮断せずに ネタバレとなり得るコメントのみ遮断

アプリケーションイメージ

アプリケーションイメージ ユーザの手前でシステムが判断して ネタバレを遮断

関連研究 • ストーリーコンテンツ内のネタバレに関する 単語の調査[前田 ‘15] - ストーリーコンテンツ以外は対象外 • Twitter上のネタバレコメントを判定する手法 [Golbeck ‘12] - 再現率を重視しており，ネタバレでないものまで 判定 スポーツのネタバレのコメントについて 詳しく分析されていない

研究目的 Twitter上でのスポーツのネタバレを防止！ • アプローチ - スポーツに応じたネタバレの共通点や相違点を 分析 - 試合展開を考慮したネタバレ判定手法を提案し 有効性を検証

対象とするスポーツ • 関心度合いが比較的高く点の重要性が違う スポーツ - サッカー: 9試合(勝:5，分:3，負:1) - バレー: 6試合(勝:1，負:5) - 野球: 3試合(勝:2，負:1) 計18試合 • 2015年7月1日〜2015年11月21日に収集

ツイート収集 • 関連するハッシュタグを含むツイート

データセット構築 18   試合 1000   ツイート 5 人   90000 件

試合経過に対する変化 vs.カンボジア 30 日本得点 日本得点 20 試合終了 日本得点 10 0 0 20 40 日本得点 30 60 80 120 vs.韓国 日本失点 20 100 試合終了 10 0 0 20 40 60 80 100 120

試合経過に対する変化 試合終了 vs.オーストラリア 30 20 日本セット 取得 10 0 0 30 20 40 80 100 120 140 160 180 200 vs.ロシア 日本セット 取得 敵国セット 取得 10 0 60 日本セット 取得 20 敵国セット 取得 日本セット 取得 0 20 40 60 試合終了 敵国セット 取得 80 100 120 140 160 180 200

試合経過に対する変化 vs.韓国 30 試合終了 日本得点 20 敵国得点 10 0 0 20 40 60 80 100 120 140 160 180 200 220 240 vs.アメリカ 日本得点 30 20 10 0 日本得点 敵国得点 試合終了 日本得点 敵国得点 0 20 40 60 80 100 120 140 160 180 200 220 240 試合展開との連動性を確認

提案手法 • 勝っているときのツイート - 「日本リードしてる！」 - 「このまま大量得点で勝とう」 • 負けているときのツイート - 「負けてるがんばれ」 - 「マジか……うん.」 ネタバレとするものを試合展開に応じて変更

提案手法 • 試合展開によりSVMの学習モデルを使い分け • Mecabで形態素解析を行い単語ベクトルを作成 0-­‐‑1 試合開始 試合1: 試合2: 試合3: 0-­‐‑2 負けモデル 同点モデル 負けモデル 1-­‐‑0 同点モデル 勝ちモデル 1-­‐‑1 1-­‐‑0 同点モデル 勝ちモデル 同点モデル 適用 判定する試合（システムが試合展開を監視）: 同点モデル 判定 試合終了 1-­‐‑0 勝ちモデル 判定

比較手法 ① パターンマッチ手法 ② ベースライン手法

パターンマッチ手法 • 「点」「先制」「決める」などのキーワードが 含まれていればネタバレと判定 ネタバレ ネタバレでない

ベースライン手法 • 分類/判定にはSVMを使用 • Mecabで形態素解析を行い単語ベクトルを作成 試合開始 試合終了 0-­‐‑1 0-­‐‑2 試合1: 1-­‐‑0 試合2: 1-­‐‑1 1-­‐‑0 試合3: 適用,判定 判定する試合: 1-­‐‑0 分類モデル

比較結果（適合率） 1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 パターン ベースライン サッカー バレー 提案手法 野球 すべてのスポーツで適合率が上がった！ 機械学習[改]は有効！

比較結果（再現率） 1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 パターン ベースライン サッカー バレー 提案手法 野球 ネタバレの判定精度がすべてのスポーツで上がった！

考察 • 提案手法は他の手法に比べ適合率が 高かった - モデル分けすることにより試合展開とは関係のない ツイートを無視することができた • 引き分けの展開の判定精度が低かった - 「0-0」「追いついた」「追いつかれた」でツイート内容 に大きく差がある • バレーボール，野球の判定精度が低かった - 「セット内の得点」や「ヒット」の意味合いの違い

まとめ • スポーツにおけるネタバレの特徴を分析 - 特徴語として「展開，結果」「評価，感情」を表す語が 多かった - 「点やセットが動いた時間帯」「試合終了時間帯」での ネタバレ数が多く，試合展開と同期していた • 3つの手法を比較 - 提案手法の有効性を示した [今後の検討] • 試合数の拡張 • 一般的なタイムラインへの適用と実験