文献

J-GLOBAL ID：201602272548138008   整理番号：16A0777521

文書と音声解析に基づくプレゼンテーション動画の印象予測

著者 (3件)： 福島悠介 (東大 大学院情報理工学系研究科) ,  山崎俊彦 (東大 大学院情報理工学系研究科) ,  相澤清晴 (東大 大学院情報理工学系研究科)
資料名： 電子情報通信学会論文誌 D(Web)
巻： J99-D  号： 8  ページ： 699-708 (WEB ONLY)  発行年： 2016年08月01日 
JST資料番号： U0473A  ISSN： 1881-0225  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 本研究の目的は,プレゼンテーション動画に対して聴衆が抱く印象を予測することである。本論文では特にプレゼンテーション動画において話者が話す文書と音声を利用し,プレゼンテーション動画に対し聴衆が抱く印象の予測を行う手法を提案する。具体的にはプレゼンテーション動画からその内容を考慮した特徴量,単語の難しさや文書の複雑さなど言語的な特性を考慮した特徴量,声質や声の高さなど音声を考慮した特徴量を抽出し,それらを用いて特定の印象を聴衆が抱くか否かの2クラス分類を行い印象の予測を行う。データセットとしては大規模な講演会であるTEDの1,646本のプレゼンテーション動画を用い,14の異なる印象について提案手法による印象推定を行った。その結果,各プレゼンテーション動画に各印象を抱くか否かの識別を平均で91.1%,最も精度の良い印象であるingeniousでは97.0%の精度で行うことができた。また,聴衆がプレゼンテーション動画から各印象を抱く際に,プレゼンテーションのどの要素が強く影響するかの解析も行う。(著者抄録)

シソーラス用語： 音声分析 ,  *行為 ,  *感情 ,  予測 ,  視聴者 ,  動画像 ,  情報 ,  ベクトル ,  特徴抽出 ,  解析 ,  *画像分析
準シソーラス用語： *プレゼンテーション ,  *印象 ,  *映像解析 ,  特徴ベクトル ,  特徴量 ,  文書解析

分類 (2件)： 人間機械系  (IB03000G) ,  人工知能  (JE08000Z)

引用文献 (26件)：

• “Ted talks”. https://www.ted.com/
• T. Gan, Y. Wong, B. Mandal, V. Chandrasekhar, and M.S. Kankanhalli, “Multi-sensor self-quantification of presentations,” ACMMM, pp.601-610, 2015.
• L. Chen, C.W. Leong, G. Feng, and C.M. Lee, “Using multimodal cues to analyze MLA’14 oral presentations quality corpus,” MLA, pp.45-52, 2014.
• G. Hinton, L. Deng, D. Yu, G.E. Dahl, A. Mohamed, N. Jaitly, A. Senior, V. Vanhoucke, P. Nguyen, T.N. Sainath, and B. Kingsbury, “Deep neural networks for acoustic modeling in speech recognition,” IEEE Signal Process. Mag., vol.29, no.6, pp.82-97, 2012.
• B. Pang and L. Lee, “Opinion mining and sentiment analysis,” Found. Trends Inf. Retr., vol.2, pp.1-135, 2008.

タイトルに関連する用語 (6件)： 文書 ,  音声解析 ,  プレゼンテーション ,  動画 ,  印象 ,  予測