なんか、「類似タレント」で検索されたり
芸能人のイメージや類似タレントが探せる企業向け検索ビジネスと、それをリストラする中国の某会社
http://blog.goo.ne.jp/xmldtp/e/5172ce316fc83ed9c2a96dfd0d51fa40
を見ている人が急に増えた。
上記の記事を書いたときには、
新しい検索理論とかを構築すれば、注目は浴びそうなのに。。
今後伸びそうな気がするけどなあ。。
って書いたけど、もはやビッグデータブームで手法は決まっているので
当時の補足。ビッグ？データによる類似タレント調査法
■概要
これには、クラスタリングを使う。
まず、調査したいタレントを何人か（何十人か）挙げる
その調査したいタレントに対して、いくつかの項目について、
得点をつける。
調査項目を列、タレントを行にした行列を作成し、
・Ｋ－Ｍｅａｎｓ法を使って、非階層型クラスタリングを行い、
類似タレントをいくつかのグループにわけたり、
・階層型クラスタリングによって、類似しているタレントの系統図
（デンドログラム）みたいなものもつくれる。
■具体的に、おだい
たとえば、以下のタレント
橋本環奈
指原莉乃
篠田麻里子
中川翔子
道重さゆみ
キンタロー
を３つのクラスタにわけてみよう。
■分けるのに必要なもの「タレント」と「調査項目」
わけるために、調査項目をあげる。
これは、
・アンケート調査
・ファンの特性（平均年齢、金持ち、男女、職業（自宅警備員など）。。）
・タレントの能力（歌唱力、スキャンダル数、バラエティ）
・Ｔｗｉｔｔｅｒでの言葉の共起
でも、なんでもいい。最後のＴｗｉｔｔｅｒでの共起とは、Ｔｗｉｔｔｅｒのつぶやきで、そのタレントの名前が出てくる１ツイート内に、一緒に出てくることばのこと。
たとえば、
橋本環奈かわいい！
というツイートで、「橋本環奈」さんに「かわいい」１票、
さらに
道重さゆみは、かわいくって、おもしろいよね
で、「道重さゆみ」さんに「かわいい」１票、「面白い」１票となる。
■今回の調査用語と調査法
今回は面倒くさいので、ＹＡＨＯＯ検索を使う
調査用語を
・かわいい
・おもしろい
・ぶす
・歌うまい
・オタク
とし、
タレント 調査単語
の組み合わせでＹＡＨＯＯ検索でのヒット数をもとめる
たとえば、「橋本環奈 かわいい」でＹＡＨＯＯ検索する
約21,800,000件と出てきたので、21,800,000を、
「橋本環奈 かわいい」の数とする。
■もととなるデータ
このように求めた数は、以下のとおり
■データ処理
Ｒで、K-Means法でおこなう。
上記のデータをＣＳＶで書き出し、data1.csvという名前で保存している
kmeansで３と指定し、３つのグループにわけている
■結果
Ｋ－Ｍｅａｎｓは何回かやったほうがいいんだけど
（で、実際何回かやって確かめたけど）
その結果、（グループの数字は異なるが）必ず
グループＡ：橋本環奈
グループＢ：指原莉乃、中川翔子
グループＣ：篠田麻里子、道重さゆみ、キンタロー
にわかれる。よくわかんないが、とにかく
橋本環奈は、他のアイドルと違う？
（天使だから・・・）
■発展
もちろん、今選んだ言葉はテキトーなので、類似アイドルを
みつけるにはふさわしくないですが（もっと言葉を選んだり、
ＹＡＨＯＯヒット数とかじゃなくって、もっとちゃんとした？
データに基づくべき）
まあ、やりかたの雰囲気は分かってくれたと思います。
とすると、今調査項目を単語にしたけど、
顔の特徴にして、（顔の）特徴点を調査項目にすると、
アイドルの顔のイメージが分類できそうに思うけど、
これは、ＡＶ女優でやって失敗している事例がある
セクシー女優で学ぶ画像分類入門
http://www.slideshare.net/tkm2261/tokyowebmining26-3
単純な特徴点でなく、特徴点の組み合わせ（目の離れ具合とか？）
とかを使わないといけないのかもしれない。
すくなくとも、一工夫必要そう。
アクセス
トータル
ランキング
