サポートベクターマシンを用いたAXL新作タイトルにおける

青山ゆかり担当キャラクターの予測

ion@erogekakaku / 2016.12.10 ErogeLT #3

背景

• 近年、青山ゆかりの出演数が減少している

34

2830

25

29

2220

18

10

7

0

5

10

15

20

25

30

35

40

2007 2008 2009 2010 2011 2012 2013 2014 2015 2016

(出典 : https://erogamescape.dyndns.org/~ap2/ero/toukei_kaiseki/creater_allgame.php?creater=5809)

背景

• そんな中、AXLでは全12作品においてメインヒロインに起用されている

• ファンにとって、AXL新作における担当キャラクターの予測は恒例行事となっている

• 青山ゆかり担当キャラクターの正確な予測手法が求められる

目的

• AXL新作『王の耳には届かない！』における青山ゆかり担当キャラクターを予測する

• AXL過去作における青山ゆかり担当キャラクターの予測を通じて、予測モデルの精度評価を行う

提案手法

• サポートベクターマシン (SVM-Lightを使用)により予測する

• メインビジュアルのみを使用し、目視により画像から特徴量を抽出する

• 情報公開初期段階における予測をイメージ

サポートベクターマシン

• 教師あり学習

• 入力(x)と出力(y)の組からなる教師事例をもとに学習を行い、出力が未知である入力事例に対して正しい出力を予測させる

• サポートベクターマシン (SVM)

• 教師あり学習においてクラスの数が２つである問題に用いられる線形分類器

( http://gci.t.u-tokyo.ac.jp/tutorial/supervised/より引用 )

SVM-Light

• C言語で実装されたSVMを利用するためのツール• 公式サイト http://svmlight.joachims.org/

• フリーで公開されており、誰でも簡単に使用できます

• 参考にさせていただいたサイト

• インストール方法• http://www.kazamiya.net/svm/svm-light_install.html

• 使用方法• http://www.kazamiya.net/svm/svm-light_option.html

教師データ

• AXL過去作の全12作品のメインビジュアル

• メインヒロインは合計57名

• 正例 12名

• 負例 45名

特徴量

• メインビジュアルの画像から目視により抽出

• 画像から読み取れる6つの点に注目し、合計28個の特徴量を抽出

• 髪の色 (11種類)

• 髪の長さ (3段階)

• 髪型 (3種類)

• 瞳の色 (7種類)

• 目の角度 (2段階)

• バストサイズ (3段階)

例

• シャルロッテ・ティーガー (愛しい対象の護り方)

• 髪色 →黄 (金も黄に含める)

• 髪の長さ →ロング

• 髪型 →ストレート

• 瞳色 →緑

• 目 →つり

• バスト →小さい

入力 (一部)答え 特徴量

実際の入力

• CSVのままでは入力に使用できないので、convert.cを用いて下のようなデータ形式に変換する

実験１ 新作の予測

キャラ名 ジーニア ピオニィ コーリオ シズル

スコア

順位

担当声優

実験１ 新作の予測

キャラ名 ジーニア ピオニィ コーリオ シズル

スコア -0.8954 -0.6464 -1.0797 -0.7062

順位 3位 1位 4位 2位

担当声優

実験１ 新作の予測

キャラ名 ジーニア ピオニィ コーリオ シズル

スコア -0.8954 -0.6464 -1.0797 -0.7062

順位 3位 1位 4位 2位

担当声優

スコアが正方向に大きいほど、青山ゆかり担当キャラに近い

ことを表す

実験１ 新作の予測

キャラ名 ジーニア ピオニィ コーリオ シズル

スコア -0.8954 -0.6464 -1.0797 -0.7062

順位 3位 1位 4位 2位

担当声優 上原あおい 青山ゆかり 桃井いちご 桃井穂美

実験１ 新作の予測

キャラ名 ジーニア ピオニィ コーリオ シズル

スコア -0.8954 -0.6464 -1.0797 -0.7062

順位 3位 1位 4位 2位

担当声優 上原あおい 青山ゆかり 桃井いちご 桃井穂美

的中

実験２ 過去作では？

• 過去作全12作品をそれぞれテストデータに使用

• その過去作以外の12作品(新作込)を教師データに使用

作品名 ヒロイン 順位 予測 正解

ひだまり ５ ３

キミの声がきこえる ７ １

恋する乙女と守護の楯 ５ ４

Princess Frontier ４ １

Like a Butler ４ ４

かしましコミュニケーション ４ ２

実験２ 過去作では？

作品名 ヒロイン 順位 予測 正解

愛しい対象の護り方 ４ ２

Dolphin Divers ４ ２

百花繚乱エリクシル ５ ２

レーシャル・マージ ５ １

あやかしコントラクト ５ ３

恋楯 ～薔薇の聖母～ ５ １

実験２ 過去作では？

実験２ 過去作では？

• １位的中率

• ５/13 (38.46%)

• ２位以内的中率

• ９/13 (69.23%)

• 現在に近づくほど精度が良くなる傾向に

• 起用の方向性が定まってきたため？

今後の(やらない)課題

• 今回使用した特徴量の吟味と重み付け

• 特徴量の追加

• キャラクター名

• キャラクター説明文

• 服装 etc

• 同じ特徴量を用いた他アルゴリズムによる予測

• ディープラーニングを用いたキャラクター画像による予測

• 誰かやって

まとめ

• AXL新作『王の耳には届かない！』における青山ゆかり担当キャラクターの予測に成功した

• AXL過去作における予測を通じて、予測モデルの精度評価を行った

• 約３８%で１位、２位以内であれば約６９％の精度で予測可能

• そもそも人間が見ても２択に絞れるぐらいの目処は付くのではないだろうか

• (今回の試みを真っ向から否定する結論)