Document

第10回：2015年6月30日
ＩＴ教育ネットワーク論特論Ａ
（デジタルサイネージについて）
小嶋　秀樹
[email protected]
ＩＴ教育ネットワーク論特論Ａ　あくまで予定ですが…
４月１４日　イントロダクション
４月２１日　人間を理解するための心理学
４月２８日　人間を理解するための脳科学
５月１２日　視線について（技術編）
５月１９日　視線について（心理編）
５月２６日　人と物のトラッキング（技術編１）
６月　２日　人と物のトラッキング（技術編２）
６月　９日　人と物のトラッキング（心理編）
６月１６日　＜休講（出張のため）＞
６月２３日　言語（音声・テキスト）について６月３０日　デジタルサイネージについて
７月　７日　３次元映像とプロジェクションマッピング
７月１４日　スマートフォンのインタフェースデザイン
７月２１日　動きをつくる（カイネマティックインタフェース）
７月２８日　まとめ１：人が人を理解するということ前回の復習
言語（音声・テキスト）について
音声の入出力（すこしだけ）
音声のデジタル表現（標本化と量子化）
音の波形
（空気の
圧力変化）
標本化（sampling）
一定の時間間隔で実数値列へ　量子化（quantization）
実数値をデジタルへ　音声の入出力（すこしだけ）
音声認識（音声⇒テキスト）
Audacity（フリーソフト）を使用
音声信号
音響モデル
音素列
音韻列
t o:
とー
h o ku d a i g a
ほ
く
だい
が
言語モデル
単語列
テキスト
東北
大学
東北大学
kh
く
音声の入出力（すこしだけ）　使える音声認識システム
Julius：連続音声認識エンジン
PC上で数万単語の連続音声認識を実時間で実行
フリーソフト（京都大学ほか）
ウインドウズ，Unix，Mac など
（試用する場合は「ディクテーションキット」がよい）
音響モデル・言語モデルを差し替え/カスタマイズ可能
（口語や他言語への適応が可能）
音声認識の精度を上げるコツ
アナウンサーのように喋る
（ハッキリと，一定の強さ・速さで）
よいマイクを使う
（音響モデルの構築時に使ったマイクがベスト）
音声の入出力（すこしだけ）　使える音声合成システム
音声合成エンジン
ひらがな＋アクセント記号などを実時間で音声合成．
漢字を含むテキストからの音声合成が出来るものもあり．
AquesTalk2 (テキスト＞音声）
(Mac, Win, Unix, iOS, Android)
さとうささら
（ボーカロイド）
なぜ「テキスト処理」が注目されているのか
ビッグデータとしてのテキスト
Web, Line, Twitter, Facebook, ...
「言葉の海」から「潮流」を読み取る
流行の予測
【テキスト以外にも…】
選挙結果の予測
購入情報（amazon・楽天など）
感染症の予測　乗降情報（JR/Suicaなど）
走行情報（Honda/NaviLinkなど）
Twitter の大きさ（2012）
5億人以上
3億4千万tweet/日以上
Wikipedia/en
Line の大きさ（2014）
4億人以上
100億トーク/日（最大）
Line 公式ブログ
形態素解析（morphological analysis）
文章を形態素（＝単語）に分割し，辞書項目と対応づける．
文章
単語単語単語単語単語単語
辞書辞書辞書辞書辞書辞書
項目項目項目項目項目項目
「まずい朝食を食べさせられた」
まずい
朝食
を
食べ
させ
られ
た
形容詞一般名詞格助詞動詞語幹助動詞助動詞
助動詞
「まずい」「ちょうしょく」「を」 「たべる」「させ」「られ」
「た」
〈tastless〉〈breakfast〉〈OBJ〉下一連用形連用形連用形
終止形
〈eat〉
〈CAUSE〉〈PASSIVE〉〈PAST〉
辞書を引きながら，単語の　尤もらしい切りかた繋げかたを探索
もっと
つな
いぬがみけのいちぞく
犬，が，三毛，の，一族
犬神家，の，一族
形態素解析（morphological analysis）
ダイナミック・プログラミング
来るまでハマった
車でハマった
ＤＰ（ｄｙｎａｍｉｃｐｒｏｇｒａｍｍｉｎｇ）
(5)
(15)
くる（来る）
5
（動詞）
10
20 (20)
5
まで
(5)
では
10
まった（舞った）
（名詞） 10 (10)20（接続詞） (20)
くるま（車）
（名詞）
は 10 まった（待った）
5 （係助詞） (30)（動詞＋助動詞）
(25) （副助詞）(55)
10
30
ま（間）
5
(30)
10
5
で 10
（格助詞）
単語の選択コスト（出現頻度）の導入
確率の導入（Ｖｉｔｅｒｂｉアルゴリズム）
（動詞＋助動詞）
5
5
(25)
5
はまった（ハマった）
（動詞＋助動詞）
日本語解析
かな漢字変換のエンジン
音声認識
形態素解析システム MeCab　めかぶ（和布蕪）
奈良先端大（現在Google）の工藤氏による
研究用のフリーソフト
辞書はダブル配列　コスト最小化１位，２位，・・・
接続コストを統計学習 ⇒ ＤＰで最小化；Ｎ -ｂｅｓｔ解の出力
% mecab 新幹線でビールを飲みます新幹線名詞,一般,*,*,*,*,新幹線,シンカンセン,シンカンセンで助詞,格助詞,一般,*,*,*,で,デ,デビール名詞,一般,*,*,*,*,ビール,ビール,ビールを助詞,格助詞,一般,*,*,*,を,ヲ,ヲ飲み動詞,自立,*,*,五段・マ行,連用形,飲む,ノミ,ノミます助動詞,*,*,*,特殊・マス,基本形,ます,マス,マス EOS 形態素解析システム MeCab　めかぶ（和布蕪）
http://mecab.sourceforge.net/
Windows での漢字/半角切り替えは[Alt+漢字]
構文解析
日本語の場合：文節列について〈係り受け構造〉をつくること
文節＝意味と発音の点から文を自然に区切った最小単位
〈文節〉 → 〈接頭辞〉* 〈自立語〉+ 〈接尾辞・助詞・助動詞〉*　文節間の〈係り受け〉の解析
私は　朝の　新幹線で　学会の　準備を　しました
〈名詞〉＋「の」 → 〈名詞〉
〈名詞〉＋「と」 → 〈名詞〉
〈名詞〉＋「が」 → 〈述語〉
〈名詞〉＋「を」 → 〈述語〉
〈名詞〉＋「で」 → 〈述語〉
CaboCha の出力
私は---------D 朝の-D | 新幹線で-----D 学会の-D | 準備を-D しました構文解析　syntactic analysis
構文解析とは何か？
日本語の場合：文節列について〈係り受け構造〉をつくること
文節＝意味と発音の点から文を自然に区切った最小単位
〈文節〉 → 〈接頭辞〉* 〈自立語〉+ 〈接尾辞・助詞・助動詞〉*　仙台/駅前/で
お/弁当/を買い/ます/か黒い瞳の大きな女の子
黒い瞳の大きな女の子
黒い瞳の大きな女の子
構文解析
簡単に使える構文解析ソフトがあります．
ＣａｂｏＣｈａ/南瓜（フリーソフト；Unix/Mac/Windows）
工藤拓氏（奈良先端大→Google）　形態素解析は MeCab が担当　unix> cabocha
私は朝の新幹線で学会の準備をしました私は---------D 朝の-D | コーパスから
新幹線で-----D 統計的学習により
学会の-D | 抽出した規則
準備を-D しました EOS
構文解析
CaboCha による係り受け構造解析例
文節０
文節１
文節２
文節３
文節４
文節５
user> cabocha –f1
私は朝の新幹線で学会の準備をしました
* 0 5D 0/1 0.000000 私名詞,代名詞,一般,*,*,*,私,ワタシ,ワタシ O は助詞,係助詞,*,*,*,*,は,ハ,ワ O * 1 2D 0/1 1.683670 朝名詞,副詞可能,*,*,*,*,朝,アサ,アサ O の助詞,連体化,*,*,*,*,の,ノ,ノ O * 2 5D 0/1 0.000000 新幹線名詞,一般,*,*,*,*,新幹線,シンカンセン,シンカンセン O で助詞,格助詞,一般,*,*,*,で,デ,デ O * 3 4D 0/1 1.649081 学会名詞,一般,*,*,*,*,学会,ガッカイ,ガッカイ O の助詞,連体化,*,*,*,*,の,ノ,ノ O * 4 5D 0/1 0.000000 準備名詞,サ変接続,*,*,*,*,準備,ジュンビ,ジュンビ O を助詞,格助詞,一般,*,*,*,を,ヲ,ヲ O * 5 -1D 0/2 0.000000 し動詞,自立,*,*,サ変・スル,連用形,する,シ,シ O まし助動詞,*,*,*,特殊・マス,連用形,ます,マシ,マシ O た助動詞,*,*,*,特殊・タ,基本形,た,タ,タ O EOS ここまでのまとめ　テキスト解析の技術
形態素解析＝単語分割＋辞書項目との対応づけ
まずい
朝食
を
食べ
させ
た
られ
一般名詞格助詞動詞語幹助動詞助動詞
形容詞
「まずい」「ちょうしょく」「を」 「たべる」「させ」「られ」
〈tasteless〉〈breakfast〉〈OBJ〉下一連用形連用形連用形
〈eat〉
〈CAUSE〉〈PASSIVE〉
助動詞
「た」
終止形
〈PAST〉
構文解析＝文節間の〈係り受け〉の解析
私は　朝の　新幹線で　学会の　準備を　しました
MeCab / CaboCha のような解析ツールを活用！
文字の統計学
文字はいくつあるか？
英語：アルファベット・・・２６字
日本語：ひらがな・・・４６字，４８字（∋ゐ・ゑ），７３字（が・ざ・だ・ば・ぱ）
カタカナ・・・４６字，４８字（∋ヰ・ヱ），７３字（ガ・ザ・ダ・バ・パ）
漢字・・・・・・教育漢字（１,００６字） ⊂ 常用漢字（１,９４５字）
⊂ ＪＩＳＸ０２０８第１（２,９６５字）＋第２（３,３９０字）
⊂ 諸橋轍次「大漢和辞典」（約５０,０００字）
（１９５５～１９６０）　韓国語：ハングルは理論上１１,１７２字
ＫＳＣ５６０１のハングル（２,３５０字）で日常の９９％以上
（１９８６～１９９０）
中国語：簡体字（电气）は２,２３５字．「漢語大字典」（約５６,０００字）
ＧＢ２３１２-８０＝第１（３,７５５字）＋第２（３,００８字）
歴史を遡れば「康熙字典」（1716年；約４９,０００字）
文字と単語の統計学
単語（語彙）はいくつある？
日本語：「日本国語大辞典」（小学館），約４５０,０００語
英語：「ＯｘｆｏｒｄＥｎｇｌｉｓｈＤｉｃｔｉｏｎａｒｙ」，約６１６,５００語中国語：「漢語大詞典」，約３７０,０００語
日常的な単語（語彙）はいくつある？
国立国語研究所「現代雑誌九十種の用語用字」
異なり単語は３９,９３０個（のべ４３８,０００語の調査から）　（頻度１が４５.２％，頻度２が１６.５％）
日常的には比較的少数（数万語）の語彙で十分
文字と単語の統計学
単語（語彙）はいくつ使われているか
英語（ＬＯＢコーパス）
総語数（トークン数）：
１,００６,８１５
総語彙数（タイプ数）：　４７,８８８
カバー率（％）
１００
語彙数とカバー率
８０
６０
２０００語⇒７８％
５０００語⇒８８％
４０
２０
日英仏の比較
０
０
２０００４０００６０００８０００語彙数
１０００語
２０００語
３０００語
４０００語
５０００語
日本語
６０.５％
７０.０％
７５.３％
Ｎ/Ａ
８１.７％
英語
８０.５％
８６.６％
９０.０％
９２.２％
９３.５％
フランス語８３.５％
８９.４％
９２.８％
９４.７％
９６.０％
日本語は国立国語研究所「現代雑誌九十種の用語用字」による．
英語・フランス語はモスクワ国立言語研究所の調査による．
前回の積み残し
言語について
文字と単語の統計学
テキストの統計解析は「強力な分析ツール」
アンケートの自由記述
会話や独り言の書き起こし　単語の使用頻度など
字幕放送・・・
単語 w の「目立ち度」
ft(w) ・・・当該文書 t における単語 w の相対出現頻度
fc(w) ・・・　コーパス c における単語 w の相対出現頻度
コーパス全体
某大学パンフレット
「入試」の出現頻度
0.1%
「入試」の出現頻度
1.0%
1.0
= 10.0
0.1
「説明」の出現頻度
0.5%
「説明」の出現頻度
1.0%
1.0
= 2.0
0.5
テキストの統計解析は「強力な分析ツール」
文書群における単語 w の「目立ち度」　tf・idf
tf(w)・idf(w)
tf(w) ・・・当該テキストにおける単語 w の相対出現頻度
idf(w) ・・・　log |c| ・・・　コーパス c における文書総数
Fc(w) ・・・　c における w を含む文書の数
大学
入試
ー
ー
ー
入試
ー
ー
ー
入試
idf(大学) = log(8/2) = log(4) = 0.6020
idf(入試) = log(8/4) = log(2) = 0.3010
ー
ー
大学
ー
ー
入試
コーパス上の一部の文書に
偏って出現する単語は
目立っている
文字と単語の統計学
単語（語彙）はいくつ使われているか
Ｚｉｐｆの法則＝「頻度順位×出現確率 ≒ 一定」という経験則
ジップ
ｔｈｅ
ｏｆ
ａｎｄ
ｔｏ
ａ
１
２
３
４
５
×
×
×
×
×
０．０６８８７
０．０３５８４
０．０２８４０
０．０２５７４
０．０２３００
＝
＝
＝
＝
＝
０．０６８８７
０．０７１６８
０．０８５２０
０．１０２９４
０．１１５００
ｈｅ
１０ × ０．００９３９＝０．０９３９０
Ｉ
２０ × ０．００５１０＝０．１０２００
ｉｆ
５０ × ０．００２１６＝０．１０８００
ｄｏｗｎ１００ × ０．０００８８＝０．０８８００
ｔｏｏｋ２００ × ０．０００４２＝０．０８４００
ｆｉｎａｌｌｙ５００ × ０．０００１９＝０．０９５００
ｃｕｒｒｅｎｔ１０００ × ０．０００１０＝０．１００００
Ｂｒｏｗｎ
Ｃｏｒｐｕｓ
（１００万語）
で計算
文字と単語の統計学
単語（語彙）はいくつ使われているか
Ｚｉｐｆの法則＝「頻度順位×出現確率 ≒ 一定」という経験則
ｔｈｅ
ｏｆ
ａｎｄ
ｔｏ
ａ
１
２
３
４
５
×
×
×
×
×
０．０６８８７
０．０３５８４
０．０２８４０
０．０２５７４
０．０２３００
＝
＝
＝
＝
＝
０．０６８８７
０．０７１６８
０．０８５２０
０．１０２９４
０．１１５００
ｈｅ
Ｉ
ｉｆ
ｄｏｗｎ
ｔｏｏｋ
ｆｉｎａｌｌｙ
ｃｕｒｒｅｎｔ
１０ × ０．００９３９＝０．０９３９０
２０ × ０．００５１０＝０．１０２００
５０ × ０．００２１６＝０．１０８００
１００ × ０．０００８８＝０．０８８００
２００ × ０．０００４２＝０．０８４００
５００ × ０．０００１９＝０．０９５００
１Ｋ × ０．０００１０＝０．１００００
ｌｏｇ（出現確率）
ジップ
ｌｏｇ（頻度順位）
Ｚｉｐｆの法則は多方面に当てはまる（らしい）
ウェブページのアクセス数/リンク数，都市の人口，　商品の売り上げ，日本人の苗字，などなど．
佐藤，鈴木，田中，高橋，渡辺，伊藤，・・・
今回のテーマ（１）
デジタルサイネージ
デジタルサイネージ
ブレードランナー（1982）
（未来のロサンゼルス）
たくさんのスクリーンに
「広告」が映し出され
その中を自家用車（浮揚）
が行き来する
なぜか「強力わかもと」
なぜか芸者さん
（歌舞伎町がモチーフ）
デジタルサイネージとは何か
デジタルサイネージ
デジタルサイネージとは何か
渋谷デジタル花火大会
デジタルサイネージとは何か
Digital Signage，デジタル看板，情報技術を使った電子看板，…
Wikipedia: 表示と通信にデジタル技術を活用して
（平面）ディスプレイやプロジェクタなどによって
映像や情報を表示する広告媒体
タイプ１:　情報垂れ流し型
タイプ２：情報端末型
タイプ３：インタラクティブ型
視聴者をセンス
（画面タッチ，
位置の推定，
性別・年齢の推定）
デジタルサイネージとは何か
Digital Signage，デジタル看板，情報技術を使った電子看板，…
Wikipedia: 表示と通信にデジタル技術を活用して
（平面）ディスプレイやプロジェクタなどによって
映像や情報を表示する広告媒体
タイプ１:　情報垂れ流し型
タイプ２：情報端末型
タイプ３：インタラクティブ型
視聴者をセンス
（画面タッチ，
位置の推定，
性別・年齢の推定）
デジタルサイネージとは何か
Digital Signage，デジタル看板，情報技術を使った電子看板，…
Wikipedia: 表示と通信にデジタル技術を活用して
（平面）ディスプレイやプロジェクタなどによって
映像や情報を表示する広告媒体
タイプ１:　情報垂れ流し型
タイプ２：情報端末型
タイプ３：インタラクティブ型
視聴者をセンス
（画面タッチ，
位置の推定，
性別・年齢の推定）
デジタルサイネージとは何か
マスコミ広告との違い
▶ 訴求対象
不特定多数を訴求対象とするのではなく
設置場所（発信形態）によってセグメント化された
訴求対象にピンポイントで情報を提供できる．
▶ インタラクティブ性
送り手→受け手という一方向的な情報伝達だけでなく
受け手からのアクション（リアクション）を認識し
それに応じてコンテンツを選択・変更できる．
ただし一方向的なサイネージもある．
デジタルサイネージ
タイプ１：情報垂れ流し型
テレビＣＭと同じ
（ただしローカル化）
見ていて楽しい・美しい
デジタルサイネージ
タイプ１：情報垂れ流し型　・・・　駅の通路に連動する画面群
地下鉄駅
デジタルサイネージ
タイプ１：情報垂れ流し型
テレビＣＭと同じ（ただしローカル化）
地下街・地下通路などでの活用例が多い
（視認性，動線と商業施設の繋がり，
支柱の周囲の活用）
地下街
病院の待合室
デジタルサイネージ
タイプ１：情報垂れ流し型
テレビＣＭと同じ（ただしローカル化）
スキマ時間に入り込む！
（交通機関での活用例が多い）
トレインチャンネル
バスチャンネル
ホームでの待ち時間に・・・
デジタルサイネージ
タイプ２:　情報端末型
検索端末（役所など）
パッシブに情報提供
ユーザのアクション >>> 応答
駅のコンコース
ぐるなび情報
商品検索
役所・商業施設
での情報検索
（絶滅危惧種）
デジタルサイネージ
タイプ２:　情報端末型
いつもは垂れ流し
ユーザが来たら検索
欠点：検索の様子が丸見え
ホテルのロビー
イベント情報・レストラン情報
不動産・アパマン情報
デジタルサイネージ
閉じた空間 and 少人数では
お客さんが「オン/オフ」を制御できる
サイネージは
それを見る人の
心の中に，土足で
上がり込んでいく
広告に対する選択は
視聴者の権利
デジタルサイネージ
タイプ３：インタラクティブ型
視聴者をセンス
（画面タッチ，
人の位置の推定，
性別・年齢の推定）
目的遂行型
行きたい所を
検索する
目的探索型
美味しそうな店，
面白い場所を
探索する
デジタルサイネージ（歩行者感応型）　気づきを生みだす
デジタルサイネージ（歩行者感応型）　気づきを生みだす
デジタルサイネージ（歩行者落書型）
顔認識→落書きをサイネージに表示
・・・携帯で撮影してもらう（広告メッセージの拡散）
デジタルサイネージ（歩行者感応型）　メディアアート系
デジタルサイネージ（歩行者感応型）　メディアアート系
床反力センサ
デジタルサイネージのための技術
ヒトの振る舞いを直接センシングする
位置・速度：床センサ
位置・動き：赤外線（焦電センサ）
位置・向き・動作：カメラ，Kinect 等
焦電センサと応用品
トイレにあるアレです
デジタルサイネージのための技術
焦電センサ
１個 500円！
組込みコンピュータに直結し
PC で読み取り
熱源（赤外線源）の変化を
感知する
今日のテーマ（２）
カイネマティックサイネージ
物理的な動きを伴うサイネージ３次元？デジタルサイネージ　水を使ったメディアアート系
３次元デジタルサイネージ　というか「アート」です
Zoetrope というもの　Zingy は Keepon の「弟」です
Zoetrope というもの　どうやって Zoetrope を作るのか
デジタルサイネージ　次回の授業でやります
デジタルサイネージ技術を使って
どのような面白い/新しい広告ができるだろうか？
学籍番号　氏名　数行程度で自分の考えを書いてください．
図（絵）を使ってもよいです．
次回は 7月 7日
以上です
授業で使ったスライドは
h"p://www.myu.ac.jp/~xkozima/course/in-‐itnet.html からダウンロード（PDF）できます

Download Report