狠狠撸

狠狠撸Share a Scribd company logo

Well-beingを測る「LIFE WILL」開発の舞台裏

?Download as PPTX, PDF?
?
LIFULL Co., Ltd.
LIFULL Co., Ltd.

2021/03/31　Ltech#15 未来の体験をつくるLIFULL LABの取り組み ~LIFULLのR&D部門とは~ 山崎 晴貴

1 of 21
Download to read offline
C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . Ltech#15 Well-beingを測る「LIFEWILL」開発の舞台裏 山崎晴貴 LIFULL Lab研究員 2021.3.31 #Ltech
C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . 感情でみつける、あなたの未来。 LIFEWILLはTwitterの投稿内容200件のテキストが持つ感情を解析し、 ユーザーの直近の感情と「ユーザーに足りていない感情」を診断 その結果から自分がよりWell-beingになるための場所や街、 物件情報を全国約1800市区町村のなかからレコメンドする 2019年12月3日公開 https://lab.lifull.com/lifewill/ #Ltech LIFEWILLについて
C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . 感情の多様性=Emodiversity（エモダイバーシティ） ポジティブな感情だけでなく、ネガティブな感情も含めた さまざまな感情に触れることで Well-being（身体的?精神的?社会的に「よい状態」） になるという考え方 サイト監修の予防医学研究者石川善樹氏からの助言により、 LIFEWILLの根幹をなす概念となっている #Ltech Emodiversity
C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . デモ #Ltech https://lab.lifull.com/lifewill/ GETSTARTED!
C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . #Ltech 制作体制 ? クリエイティブディレクション リサーチ コンセプト開発 UI/UXデザイン テクニカルディレクション プロトタイピング サイト実装 フロントエンド/サーバサイド https://bassdrum.org
C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . #Ltech 開発経緯 「情報を得る」から「自分を知る」へ Web検索の結果は自分を含む多くの人にとって良いと思われるもの（民主主義的/多数決）が表示されるが、 それは果たして自分が本当に欲しかった情報なのか？ 検索する行為を自らの内面に寄り添ったものとすることで、 本当に欲しかった情報に出会えるかもしれない 自分の感情を基点にした「新しい検索体験」の 研究を進める中で出会ったのが「Well-being」 そして、「感情解析」につながってゆく https://google.com
C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . #Ltech LIFE WILL独自モデルの構築 「プルチックの感情の輪」など 既存の感情モデルをリサーチ 「ラッセルの円環モデル」を参考に LIFEWILL独自のモデル構築を 行うことになった LIFEWILLの感情モデル 1 プルチックの感情の輪 https://6seconds.co.jp/eq-articles/plutchiks-model-of-emotions ラッセル円環モデル https://webronza.asahi.com/science/articles/2019071000003.html
C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . LIFEWILLの感情モデル 2 円環モデルの検討 感情の強弱を縦軸、ポジネガを横軸にとった4象限の分割数を検討、 喜怒哀楽をベースとした12感情を定義した 4分割 8分割 12分割 #Ltech
C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . LIFEWILLの感情モデル 3 感情のオノマトペ化 各感情を感覚的に理解できるよう また、第2、3象限の感情が ネガティブな印象を受けすぎない よう配慮しつつ、 「オノマトペ」化を行う #Ltech
C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . #Ltech LIFEWILLの感情モデル 4 感情のキャラクター化 人間の感情をより 強く表現するアイコンとして 12種類のキャラクターを デザイン
C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . LIFEWILLのUI/UXデザイン LIFULLDESIGNサイトで詳しく紹介してますのでぜひご覧ください https://design.lifull.com/work/00007_lifewill/ #Ltech
C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . LIFEWILL2つの感情 2つの感情の組み合わせでEmodiversityを高める Twitter投稿をもとにした ユーザーの感情解析の結果から 自身に足りない感情に出会える（そうな）街を 1800市区町村からリコメンド #Ltech ユーザーの感情 (個人のWell-being計測) 街の感情 (街のWell-being計測)
C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . LIFEWILL感情解析エンジン 1 Word2vecをベースにした感情解析 LIFEWILLでは、単語同士の 意味の近さを計算するために 「Word2vec」を使用 また、教師データには Wikipedia日本語版全ページの データベースダンプを用いている https://ja.wikipedia.org/wiki/Wikipedia:データベースダウンロード #Ltech https://samyzaf.com/ML/nlp/nlp.html 単語のベクトル化によって、単語同士の意味の演算が可能になる 例： 「王様」- 「男」+ 「女」= 「女王」 「パリ」- 「フランス」+ 「日本」= 「東京」
C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . LIFEWILL感情解析エンジン 2 ユーザーの感情と街の感情分析は同じロジックを用いている #Ltech LIFE WILL感情解析エンジン Ver1.0 市区町村名を 検索ワードとして、 アメブロと はてなブログを検索 Google Custom Search API 本文のみHTMLを抽出 HTMLの文書構造で 内容毎に切り分ける テキスト/ツイートに 形態素解析を行い 単語別に分解 Word2vecを使用し、 単語と感情との ベクトルを算出 ユーザーが Twitterアカウントで OAuth 認証する TwitterのAPIを使用 最新200件の ツイートを取得 感情の値に一番 近いデータを抽出して、 テキストの感情を設定 街の感情が 算出される ユーザーの感情が 算出される ① ② ③ Twitter API
C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . LIFEWILL感情解析エンジン 3 形態素解析とベクトル算出 文章を形態素解析しWord2vecで 各単語と感情名とのベクトルを算出 #Ltech 私は感情から家を探します / は / 感情 / から / 家 / を / 探し / ます 形態素解析で分解する 私 0.12 0.17 0.15 0.4 0.2 0.14 0.32 0.16 0.2 0.3 0.31 0.11 驚き 喜び 幸せ 満足 穏やか 安心 悲しみ 憂鬱 不満 怒り 不安 退屈 「私」という単語と、感情の単語のベクトルを算出する その他の単語も、同様にベクトルを算出していく
C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . LIFEWILL感情解析エンジン 4 形態素解析とベクトル算出 解析した単語の感情値を足し上げて「文章の感情」とする #Ltech 驚き 喜び 幸せ 満足 穏やか 安心 退屈 悲しみ 憂鬱 不満 怒り 不安 私 0.38 0.46 0.40 0.40 0.37 0.36 0.30 0.41 0.30 0.37 0.37 0.48 は 0.22 0.24 0.27 0.34 0.28 0.31 0.17 0.22 0.11 0.33 0.28 0.35 感情 0.27 0.30 0.55 0.35 0.27 0.37 0.19 0.31 0.26 0.30 0.26 0.37 から 0.11 0.21 0.09 0.22 0.23 0.16 0.13 0.13 0.06 0.17 0.24 0.26 家 0.36 0.36 0.30 0.35 0.26 0.31 0.29 0.31 0.27 0.35 0.29 0.37 を 0.00 -0.03 0.12 0.11 0.00 0.24 0.15 0.08 0.13 0.04 0.02 0.09 探し 0.37 0.43 0.58 0.29 0.46 0.33 0.28 0.47 0.35 0.25 0.36 0.38 ます 0.04 -0.06 0.16 -0.02 -0.10 -0.07 -0.03 -0.05 0.18 -0.15 -0.08 -0.18 合計 1.75 1.91 2.47 2.04 1.77 2.01 1.48 1.88 1.66 1.66 1.74 2.12 ←感情値
C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . LIFEWILL感情解析エンジン 5 感情解析結果の算出 ユーザー/市区町村ごとにデータを足し上げ、 最大値となったものが 「代表する感情」 として設定される #Ltech テキスト 驚き 喜び 幸せ 満足 穏やか 安心 退屈 悲しみ 憂鬱 不満 怒り 不安 私は感情から家を探します 1.75 1.91 2.47 2.04 1.77 2.01 1.48 1.88 1.66 1.66 1.74 2.12 猫ふれあいスペース「CatsGallery」 さんが併設されているんです 2.76 2.48 2.44 2.66 1.89 2.32 1.78 2.10 1.58 2.20 2.33 2.34 人類の偉大な科学技術に感動する 2.35 2.65 1.89 2.23 0.97 1.81 1.34 1.85 0.76 1.22 1.85 1.26 今日は雪が舞ってましたねいや?、 5.88 3.44 1.63 0.72 4.67 0.29 3.20 0.32 3.68 4.27 3.72 0.47 孫と戸田川緑地公園に行きました が、すごい人???＾＾； 6.10 1.29 6.24 1.93 4.45 0.08 3.21 4.91 5.74 0.11 5.88 0.07 サポーレに入って真っ先に目につ くのがフルーツ 7.54 2.59 8.31 0.55 4.08 4.36 1.44 3.18 4.60 3.34 0.01 3.29 鳥居は三ノ鳥居まであるようです 2.79 1.22 5.11 4.11 0.51 5.18 3.89 1.93 0.30 5.70 0.10 2.73 合計 29.17 15.57 28.09 14.24 18.34 16.05 16.35 16.16 18.32 18.50 15.63 12.28
C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . ユーザーの感情ランキング #Ltech 強い感情 弱い感情 件数 ユルユル シクシク 15 ツンツン ニコニコ 15 ツンツン ピリピリ 14 ニコニコ ツンツン 13 ソワソワ ニコニコ 13 ツンツン ウトウト 12 ホノボノ ピリピリ 11 ウトウト シクシク 11 モヤモヤ シクシク 11 ソワソワ ツンツン 11 ウトウト ピリピリ 10 ユルユル ウトウト 7 強い感情 弱い感情 件数 キュンキュン ソワソワ 674 ピリピリ モヤモヤ 531 モヤモヤ ソワソワ 452 キュンキュン ニコニコ 397 ドキドキ ソワソワ 363 ワクワク モヤモヤ 353 モヤモヤ ニコニコ 335 ピリピリ ユルユル 318 キュンキュン ツンツン 296 シクシク ソワソワ 262 ドキドキ モヤモヤ 244 ピリピリ ソワソワ 232 上位 12 下位 12 集計期間：2020.7.13 – 2020.8.9 ※Twitterキャンペーン実施期間 解析総数：12,053件（延べ）
C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . 街の感情の変遷 #Ltech 2019年12月 2021年2月 2021年3月
C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . 入力するテキストの多様化： Twitterやアメブロ/はてブロ以外のテキストを用いた感情解析の可能性探索 各種データベースの活用： LIFULLはもとより外部パートナーのデータベースやオープンデータ、 地理空間情報などとの掛け合わせによる推薦エンジンとしての可能性探索 Well-being計測の信頼性向上： 感情解析結果に対する「納得感」を醸成し、日々のWell-being計測/記録するための 手段としてユーザーからの信頼を獲得する 今後の展開
C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . #Ltech

More Related Content

Well-beingを測る「LIFE WILL」開発の舞台裏

  • 1. C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . Ltech#15 Well-beingを測る「LIFEWILL」開発の舞台裏 山崎晴貴 LIFULL Lab研究員 2021.3.31 #Ltech
  • 2. C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . 感情でみつける、あなたの未来。 LIFEWILLはTwitterの投稿内容200件のテキストが持つ感情を解析し、 ユーザーの直近の感情と「ユーザーに足りていない感情」を診断 その結果から自分がよりWell-beingになるための場所や街、 物件情報を全国約1800市区町村のなかからレコメンドする 2019年12月3日公開 https://lab.lifull.com/lifewill/ #Ltech LIFEWILLについて
  • 3. C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . 感情の多様性=Emodiversity（エモダイバーシティ） ポジティブな感情だけでなく、ネガティブな感情も含めた さまざまな感情に触れることで Well-being（身体的?精神的?社会的に「よい状態」） になるという考え方 サイト監修の予防医学研究者石川善樹氏からの助言により、 LIFEWILLの根幹をなす概念となっている #Ltech Emodiversity
  • 4. C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . デモ #Ltech https://lab.lifull.com/lifewill/ GETSTARTED!
  • 5. C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . #Ltech 制作体制 ? クリエイティブディレクション リサーチ コンセプト開発 UI/UXデザイン テクニカルディレクション プロトタイピング サイト実装 フロントエンド/サーバサイド https://bassdrum.org
  • 6. C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . #Ltech 開発経緯 「情報を得る」から「自分を知る」へ Web検索の結果は自分を含む多くの人にとって良いと思われるもの（民主主義的/多数決）が表示されるが、 それは果たして自分が本当に欲しかった情報なのか？ 検索する行為を自らの内面に寄り添ったものとすることで、 本当に欲しかった情報に出会えるかもしれない 自分の感情を基点にした「新しい検索体験」の 研究を進める中で出会ったのが「Well-being」 そして、「感情解析」につながってゆく https://google.com
  • 7. C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . #Ltech LIFE WILL独自モデルの構築 「プルチックの感情の輪」など 既存の感情モデルをリサーチ 「ラッセルの円環モデル」を参考に LIFEWILL独自のモデル構築を 行うことになった LIFEWILLの感情モデル 1 プルチックの感情の輪 https://6seconds.co.jp/eq-articles/plutchiks-model-of-emotions ラッセル円環モデル https://webronza.asahi.com/science/articles/2019071000003.html
  • 8. C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . LIFEWILLの感情モデル 2 円環モデルの検討 感情の強弱を縦軸、ポジネガを横軸にとった4象限の分割数を検討、 喜怒哀楽をベースとした12感情を定義した 4分割 8分割 12分割 #Ltech
  • 9. C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . LIFEWILLの感情モデル 3 感情のオノマトペ化 各感情を感覚的に理解できるよう また、第2、3象限の感情が ネガティブな印象を受けすぎない よう配慮しつつ、 「オノマトペ」化を行う #Ltech
  • 10. C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . #Ltech LIFEWILLの感情モデル 4 感情のキャラクター化 人間の感情をより 強く表現するアイコンとして 12種類のキャラクターを デザイン
  • 11. C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . LIFEWILLのUI/UXデザイン LIFULLDESIGNサイトで詳しく紹介してますのでぜひご覧ください https://design.lifull.com/work/00007_lifewill/ #Ltech
  • 12. C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . LIFEWILL2つの感情 2つの感情の組み合わせでEmodiversityを高める Twitter投稿をもとにした ユーザーの感情解析の結果から 自身に足りない感情に出会える（そうな）街を 1800市区町村からリコメンド #Ltech ユーザーの感情 (個人のWell-being計測) 街の感情 (街のWell-being計測)
  • 13. C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . LIFEWILL感情解析エンジン 1 Word2vecをベースにした感情解析 LIFEWILLでは、単語同士の 意味の近さを計算するために 「Word2vec」を使用 また、教師データには Wikipedia日本語版全ページの データベースダンプを用いている https://ja.wikipedia.org/wiki/Wikipedia:データベースダウンロード #Ltech https://samyzaf.com/ML/nlp/nlp.html 単語のベクトル化によって、単語同士の意味の演算が可能になる 例： 「王様」- 「男」+ 「女」= 「女王」 「パリ」- 「フランス」+ 「日本」= 「東京」
  • 14. C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . LIFEWILL感情解析エンジン 2 ユーザーの感情と街の感情分析は同じロジックを用いている #Ltech LIFE WILL感情解析エンジン Ver1.0 市区町村名を 検索ワードとして、 アメブロと はてなブログを検索 Google Custom Search API 本文のみHTMLを抽出 HTMLの文書構造で 内容毎に切り分ける テキスト/ツイートに 形態素解析を行い 単語別に分解 Word2vecを使用し、 単語と感情との ベクトルを算出 ユーザーが Twitterアカウントで OAuth 認証する TwitterのAPIを使用 最新200件の ツイートを取得 感情の値に一番 近いデータを抽出して、 テキストの感情を設定 街の感情が 算出される ユーザーの感情が 算出される ① ② ③ Twitter API
  • 15. C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . LIFEWILL感情解析エンジン 3 形態素解析とベクトル算出 文章を形態素解析しWord2vecで 各単語と感情名とのベクトルを算出 #Ltech 私は感情から家を探します / は / 感情 / から / 家 / を / 探し / ます 形態素解析で分解する 私 0.12 0.17 0.15 0.4 0.2 0.14 0.32 0.16 0.2 0.3 0.31 0.11 驚き 喜び 幸せ 満足 穏やか 安心 悲しみ 憂鬱 不満 怒り 不安 退屈 「私」という単語と、感情の単語のベクトルを算出する その他の単語も、同様にベクトルを算出していく
  • 16. C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . LIFEWILL感情解析エンジン 4 形態素解析とベクトル算出 解析した単語の感情値を足し上げて「文章の感情」とする #Ltech 驚き 喜び 幸せ 満足 穏やか 安心 退屈 悲しみ 憂鬱 不満 怒り 不安 私 0.38 0.46 0.40 0.40 0.37 0.36 0.30 0.41 0.30 0.37 0.37 0.48 は 0.22 0.24 0.27 0.34 0.28 0.31 0.17 0.22 0.11 0.33 0.28 0.35 感情 0.27 0.30 0.55 0.35 0.27 0.37 0.19 0.31 0.26 0.30 0.26 0.37 から 0.11 0.21 0.09 0.22 0.23 0.16 0.13 0.13 0.06 0.17 0.24 0.26 家 0.36 0.36 0.30 0.35 0.26 0.31 0.29 0.31 0.27 0.35 0.29 0.37 を 0.00 -0.03 0.12 0.11 0.00 0.24 0.15 0.08 0.13 0.04 0.02 0.09 探し 0.37 0.43 0.58 0.29 0.46 0.33 0.28 0.47 0.35 0.25 0.36 0.38 ます 0.04 -0.06 0.16 -0.02 -0.10 -0.07 -0.03 -0.05 0.18 -0.15 -0.08 -0.18 合計 1.75 1.91 2.47 2.04 1.77 2.01 1.48 1.88 1.66 1.66 1.74 2.12 ←感情値
  • 17. C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . LIFEWILL感情解析エンジン 5 感情解析結果の算出 ユーザー/市区町村ごとにデータを足し上げ、 最大値となったものが 「代表する感情」 として設定される #Ltech テキスト 驚き 喜び 幸せ 満足 穏やか 安心 退屈 悲しみ 憂鬱 不満 怒り 不安 私は感情から家を探します 1.75 1.91 2.47 2.04 1.77 2.01 1.48 1.88 1.66 1.66 1.74 2.12 猫ふれあいスペース「CatsGallery」 さんが併設されているんです 2.76 2.48 2.44 2.66 1.89 2.32 1.78 2.10 1.58 2.20 2.33 2.34 人類の偉大な科学技術に感動する 2.35 2.65 1.89 2.23 0.97 1.81 1.34 1.85 0.76 1.22 1.85 1.26 今日は雪が舞ってましたねいや?、 5.88 3.44 1.63 0.72 4.67 0.29 3.20 0.32 3.68 4.27 3.72 0.47 孫と戸田川緑地公園に行きました が、すごい人???＾＾； 6.10 1.29 6.24 1.93 4.45 0.08 3.21 4.91 5.74 0.11 5.88 0.07 サポーレに入って真っ先に目につ くのがフルーツ 7.54 2.59 8.31 0.55 4.08 4.36 1.44 3.18 4.60 3.34 0.01 3.29 鳥居は三ノ鳥居まであるようです 2.79 1.22 5.11 4.11 0.51 5.18 3.89 1.93 0.30 5.70 0.10 2.73 合計 29.17 15.57 28.09 14.24 18.34 16.05 16.35 16.16 18.32 18.50 15.63 12.28
  • 18. C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . ユーザーの感情ランキング #Ltech 強い感情 弱い感情 件数 ユルユル シクシク 15 ツンツン ニコニコ 15 ツンツン ピリピリ 14 ニコニコ ツンツン 13 ソワソワ ニコニコ 13 ツンツン ウトウト 12 ホノボノ ピリピリ 11 ウトウト シクシク 11 モヤモヤ シクシク 11 ソワソワ ツンツン 11 ウトウト ピリピリ 10 ユルユル ウトウト 7 強い感情 弱い感情 件数 キュンキュン ソワソワ 674 ピリピリ モヤモヤ 531 モヤモヤ ソワソワ 452 キュンキュン ニコニコ 397 ドキドキ ソワソワ 363 ワクワク モヤモヤ 353 モヤモヤ ニコニコ 335 ピリピリ ユルユル 318 キュンキュン ツンツン 296 シクシク ソワソワ 262 ドキドキ モヤモヤ 244 ピリピリ ソワソワ 232 上位 12 下位 12 集計期間：2020.7.13 – 2020.8.9 ※Twitterキャンペーン実施期間 解析総数：12,053件（延べ）
  • 19. C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . 街の感情の変遷 #Ltech 2019年12月 2021年2月 2021年3月
  • 20. C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . 入力するテキストの多様化： Twitterやアメブロ/はてブロ以外のテキストを用いた感情解析の可能性探索 各種データベースの活用： LIFULLはもとより外部パートナーのデータベースやオープンデータ、 地理空間情報などとの掛け合わせによる推薦エンジンとしての可能性探索 Well-being計測の信頼性向上： 感情解析結果に対する「納得感」を醸成し、日々のWell-being計測/記録するための 手段としてユーザーからの信頼を獲得する 今後の展開
  • 21. C o p y r i g h t ? L I F U L L A l l R i g h t s R e s e r v e d . #Ltech