「配信者は人気ゲームに乗り換えた方が視聴者数は増えるのか？」統計から分析する論文が公開。ゲーム論文大賞2022、優秀賞に選ばれる - AUTOMATON
ホーム ニュース 「配信者は人気ゲームに乗り換えた方が視聴者数は増えるのか？」統計から分析する論文が公開。ゲーム論文大賞2022、優秀賞に選ばれる 株式会社メディアクリエイトは4月18日、「ゲーム論文大賞 2022」の受賞者を発表した。優秀賞として、配信技術研究所株式会社（以下、配信技研）および中村鮎葉氏の共著「国内ゲーム実況ライブ配信におけるチャンネルのコミュニティ的性質の統計分析」が選ばれた。 ゲーム論文大賞 2022は、2021年8月から今年1月にかけて募集された懸賞論文募集。ゲーム産業に携わる個人・グループを対象に、コンシューマー、PC、モバイル、経営論、e スポーツ、ゲーム実況、社会経済への影響などを広くテーマとして募集した。結果として、今回の募集で大賞は該当作なし。優秀賞として、配信技研および中村鮎葉氏の論文が選ばれた。 配信技研は、インターネットライブ配信技術を開発する国内企
ガラケーしか使えないデジタル音痴だった私が「GISでデータ分析」できるようになるまでの話｜NHK取材ノート
東京の多摩川沿いの浸水リスクがある地域で、「なぜか人口が増えている」ことをデータ分析ソフトを使って明らかにして、その背景を探りました。 次にこんな記事も書きました。 南海トラフ巨大地震によって津波の浸水が想定されている区域で、高齢者の施設がすごく増えていることを示した記事です。 どちらの記事も、誰もが入手できる「オープンデータ」と、後述する「GIS」という分析システムを使って隠れた事実を浮き彫りにした、データジャーナリズムのお手本などと紹介されたこともあります。 そしてつい最近手がけたのがNHKスペシャル「〝津波浸水域〟の高齢者施設」。蓄積してきた分析のノウハウを注ぎ込んだ番組です。 「データ分析」というと専門的で、すごく難しく思う方もいるかもしれません。しかし最初に述べたように私は数年前までは、パソコンを満足に使えない、データ分析とは無縁の「ガラケー記者」だったのです。本当に。 そんな私
2ちゃん創設者が分析｢炎上を起こす人｣の生態
炎上を起こすのは「たった1％」 慶應義塾大学の田中辰雄教授と、国際大学グローバル・コミュニケーション・センターの山口真一准教授が、2014年に調査会社のインターネットモニター約2万人を対象に「炎上時の書き込み」について調査しました。 その結果、炎上時の書き込み経験があったのは、わずか1.1％にすぎなかったそうです。つまりは、炎上させているのはごく一部の人たちだけだということです。その一部の人たちが何度もしつこく書き込むことで、あたかも多くの意見のようになってしまっているだけなのです。 ネットで炎上していることを冷静に観察してみると、だいたいが「どうでもいいこと」です。ところが、自分には関係のないことでも食いついて「怒ることを趣味にしている」人たちが存在するのです。そういう人たちにとって、ネットは格好の場。身元がばれないままに、いくらでも他人を罵倒できます。 彼らは、誰かを罵倒できるなら、材
国産ブラウザアプリSmoozはあなたの閲覧情報をすべて外部送信している
調べた事実を列挙してみる。 ・デフォルトの設定では、設定・操作・閲覧情報がユーザーID、デバイスIDと共にアスツール社のサーバーへ送信されている ・検索窓に入力した文字は、検索ボタンを押さなくても、その内容が逐一アスツール社のサーバーへ送信されている ・検索内容がアダルト関連ワードかどうかがアスツール社のサーバーに送信され判定されている ・サービス利用データの提供設定をオフにしても、閲覧情報がアスツール社のサーバーに送信されている ・プライベートモードにしても、閲覧情報がアスツール社のサーバーに送信されている ・https通信であろうとも閲覧したURLは完全な形でアスツール社のサーバーに送信されている 様々な設定を調べたが、どのようにしても外部への閲覧情報送信を止めることはできなかった。 あなたが何を調べ、何を買おうとしているのか、何で遊び、どこへ行こうとしているのか。それらはあなたの知ら
にじさんじの配信者の類似性をチャットデータからネットワークグラフにして分析する - Qiita
にじさんじの配信者間で"似ている"配信者はどういう人たちか 唐突ですが、一週間前は文化の日でしたね。せっかくだったので、文化らしいことをしたいなと思い、youtube data apiを使って遊んでみることにしました。 youtube のデータを使ってなにかしよう、となったとき、他の人はどういう分析をするんでしょうか。最近よくみるデータとしてはスパチャランキング・登録者数推移の予測などが思い当たります。 そしてまた唐突に語り始めるのですが、僕はvtuberの配信をラジオ代わりに流していることが多く、いわゆるvtuberのオタクです。オタクのあり方には諸説ありますが、僕はラジオ代わりということもあり雑談配信やマイクラ配信を流していることが多いです。「にじさんじ」の配信を見ることが多い気がします。 さて、「にじさんじ」は言わずとしれた大所帯グループです。約100人の配信者が一つの箱に所属してい
品質管理における機械学習の有用性<br>～事例に学ぶ、製造業での機械学習の活用方法～
はじめに はじめまして、Martingale（Twitterアカウント）と申します。 10年間、半導体分野の生産技術者をしたのち、データアナリストに転職し、今はデータ分析を使って化学プラントの故障原因の解明や予知保全をやっています。 近年、注目されているディープラーニングをはじめとする機械学習ですが、私の感覚では、製造現場への導入があまり進んでいないように思います。 その背景には従来から品質管理に活用されている統計的品質管理の影響があるのではと感じています。 統計的品質管理が上手く機能しているが故に、製造現場で機械学習の必要性があまり感じられていないのではないか？ということです。 つまり、以下のような会話が繰り広げられているのではないかと。。 製造現場でのやり取り （注）絵の中で、若手エンジニアとベテランエンジニアと書いたのは、あくまでイメージです。若手の方が、学生時代にPythonを触っ
MFCC（メル周波数ケプストラム係数）入門 - Qiita
MFCCとは MFCCは聴覚フィルタに基づく音響分析手法で、主に音声認識の分野で使われることが多いです。 最近だとニューラルネットワークに学習させる音声特徴量としてよく使われていますね。 2019.5.29訂正 Deep Learning for Audio Signal ProcessingによるとDeep Learningにおいては必要な情報が失われるためMFCCは使わずに、最後の計算ステップである離散コサイン変換を省いたメルスペクトラム(log-mel spectrum)が使われるそうです。MFCCは従来手法である隠れマルコフモデル、混合ガウスモデル、サポートベクターマシンで使われることが多いです。 今回はMFCC「メル周波数」や「ケプストラム」についても説明し、具体的なMFCCの実装方法も見ていきたいと思います。 メル尺度 心理学者のStanley Smith Stevensらによ
メル周波数ケプストラム係数（MFCC） - 人工知能に関する断創録
Pythonで音声信号処理（2011/05/14）の第19回目。 今回は、音声認識の特徴量としてよく見かけるメル周波数ケプストラム係数（Mel-Frequency Cepstrum Coefficients）を求めてみました。いわゆるMFCCです。 MFCCはケプストラム（2012/2/11）と同じく声道特性を表す特徴量です。ケプストラムとMFCCの違いはMFCCが人間の音声知覚の特徴を考慮していることです。メルという言葉がそれを表しています。 MFCCの抽出手順をまとめると プリエンファシスフィルタで波形の高域成分を強調する 窓関数をかけた後にFFTして振幅スペクトルを求める 振幅スペクトルにメルフィルタバンクをかけて圧縮する 上記の圧縮した数値列を信号とみなして離散コサイン変換する 得られたケプストラムの低次成分がMFCC となります。私が参考にしたコードは振幅スペクトルを使ってたけど
音楽と機械学習 前処理編 MFCC ~ メル周波数ケプストラム係数 - Qiita
最近音楽を機械学習で扱うことに興味があって色々と調べているのですが、せっかくなので備忘録と理解促進を兼ねて記事にしてみます。 機械学習に限らず、音楽をデジタル情報として扱う際には楽譜や調、歌詞など、メタな情報を扱う方法と、オーディオデータそのものを扱う方法とに大別されますが、今回はオーディオデータそのものを扱う方法の一つとして、MFCCについてまとめます。 お急ぎの方向け mp3 を wav にして MFCC して現実的に扱えそうな次元に落とす # ffmpegのインストール $ brew install ffmpeg # ffmpegで mp3 を サンプリングレート 44.1kHz wavに変換 $ ffmpeg -i hoge.mp3 -ar 44100 hoge.wav # 必要なPythonパッケージのインストール $ pip install --upgrade sklearn
深層学習を使って楽曲のアーティスト分類をやってみた！ - Platinum Data Blog by BrainPad
深層学習を使った音声データによる楽曲分類を実施しました！楽曲の特徴を表すメル周波数スペクトログラムを用いて、その楽曲のアーティストを推定します。 こんにちは、アナリティクスサービス本部の井出です。 今回のブログは、音声データをテーマとして取り上げ、 音声データの特徴量 深層学習による楽曲のアーティスト分類 についてご紹介します。 ブレインパッドでは、深層学習の技術を駆使した活用事例が増えてきています。特に、画像認識の分野における活用事例は多く、当社の公開されている事例だけでも以下のようなものがあります。 ブレインパッド、キユーピーの食品工場における不良品の検知をディープラーニングによる画像解析で支援 八千代エンジニヤリングとブレインパッド、洪水を安全に流す役割を担う河川のコンクリート護岸の劣化をAIで自動判定するサービス「GoganGo」を共同開発 一方で、音声データを扱う事例はなかなか珍
「音響学入門ぺディア」Q&A集の紹介 Q4:音響特徴量ってなんですか？？
「音響学入門ぺディア」Q&A集の紹介 Q4:音響特徴量ってなんですか？？ 森川 大輔 北陸先端科学技術大学院大学 学生・若手フォーラム幹事会 音響特徴量ってなんですか？？ 音の物理的な特徴や特性 音響特徴量 音に含まれる物理的な特徴を数値化したもの ＊特徴量だけでなく、 特徴そのものや、特性まで含むこともある 要は・・・ (が多い) MKS単位系で表現可能 (m kg s) 物理的とは？？ 人が音を評価 感覚量or心理量→主観 音の高さ 音の大きさ 音色 基本周波数 音の周期 音の強さ、音圧 スペクトル分布 時間パターン 物理的に音を評価 物理量→客観 ※今回の話しは物理量 音響学入門ぺディアQ＆A集 主観評価に興味がある人 「主観評価がわかりません」 数 値 で 表 現 可 能 !! いろいろな音響特徴量 零交差数 RMS パワー 相関係数 平均 分散 高次統計量 歪み率 基本周波数 継
Q 様々な音響特徴量 それぞれの使い方や意味を教えて下さい
様々な音響特徴量 それぞれの使い方や意味を教えて下さい Q. 東北大学 大学院 工学研究科 博士後期課程２年 千葉 祐弥 音響学入門ペディア マスター タイトルの書式設定 特徴量って何に使うもの？ より無駄が少なく、データの本質をあらわした表現が欲しい！ ⇒ データからなるべく良い特徴量を抽出する必要がある 収録条件、個人差、データ差などの違いが大きくて本質的な部分がわかりにくい データ量や計算量が多くて取り扱いにくい 生のデータそのものを利用するのは無理がある 2 • 統計的分析 • 機械学習、パターン認識 • 音声認識、音声インターフェースの作成 • 楽曲のジャンル推定、楽曲検索、推薦等への応用 など • 人間が音を聞く仕組みを解明する（方向、高さ、大きさ、音色・・・の知覚） • データの符号化、圧縮への応用 など マスター タイトルの書式設定 特徴量の選び方 音素の判別に有効
メルカリの分析チームとは？その全ての疑問にひとつひとつ答えます | メルカリエンジニアリング
この記事はMercari Advent Calendar 6日目の記事です。 メルカリのBIチームのアナリスト/マネジャーの @hikaru が、メルカリの分析チームの事情についてお送りします。 ※ BIチーム…メルカリ内の分析を一手に担うチーム。Business Intelligenceチーム。 この記事について イベントやカジュアル面談などでメルカリの分析チームの内幕についてよく聞かれる質問があります。 いえ、それどころか場合によっては社内であまり一緒に仕事する機会がない方々からも、チームに関して質問されることがあります。 ※ カジュアル面談…メルカリでは、社内のポジションに興味ある方にオフィスに来ていただいて1on1でざっくばらんに話す会を頻繁に行っています。 正直、分析チームというのは外部から何をやっているか見えづらい面もあるため、理解できます。 よく頂く質問としては、 組織的なこ
バイアスとバリアンス | Nana-Korobi
統計モデルを作製するアルゴリズムの評価 統計モデルを作製する（学習する）アルゴリズムの良し悪しを測る指標としてバイアス (Bias)とバリアンス (Variance)がある。参考ページにも記載されているが、”モデルそのものの性能” を評価するための指標ではないことに注意する。 以下の図に示すように、モデル精度の悪さをバイアス、モデル作製の不安定さ（再現性の悪さ）をバリアンスと定義する。 理想的なモデル作製アルゴリズムは、低いバイアス・低バリアンスなもの。 バイアスとバリアンスはトレードオフ 直感的には、 モデルが単純 ⇒ 性能は良くないが、教師データに対して安定 ⇒ 高バイアス・低バリアンス モデルが複雑 ⇒ 性能は良いが、教師データに対して不安定（過学習など） ⇒ 低バイアス・高バリアンス であるため、両者はトレードオフの関係にあると言える。回帰モデルの正則化手法と絡めて考えると、 L1
類似楽曲検索システムを作ろう - 人工知能に関する断創録
もう1年以上かけて音声信号処理の勉強をしてきました（Pythonで音声信号処理）。ここらで具体的なアプリケーションとして類似楽曲検索の実験をしてみたのでレポートをまとめておきます。言語はPythonです。 前に 類似画像検索システムを作ろう（2009/10/3） Visual Wordsを用いた類似画像検索（2010/2/27） という画像の類似検索に関するエントリを書きましたが、今回は画像ではなく音楽を対象に類似検索をやってみたいと思います！ 今回作る類似楽曲検索システムは、従来からよくあるアーティスト名や曲名などテキストで検索するシステムや購買履歴をもとにオススメする協調フィルタリングベースのシステムとは異なります。WAVEファイルやMP3ファイルなどの音楽波形そのものを入力とするのが特徴です。たとえば、「具体的なアーティストや曲名は知らないけれど、この曲とメロディや雰囲気が似た曲がほ
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
http://abcpedia.acoustics.jp/bs13_q4.pdf