文字起こしデータを用いたラジオ番組の基礎的調査

6J-03 文字起こしデータを用いたラジオ番組の基礎的調査 西岡 興平，岡本 一志（電気通信大学），柴田 淳司(東京都立産業技術大学院大学)，原⽥ 慧，軽部 幸起（電気通信⼤学） はじめに 近年，ラジオ番組や聴取機会が増加 インターネットラジオの普及がきっかけ リモートワークや巣ごもり需要の増加が起因 ラジオ番組には番組ごとの特色がある パーソナリティーによって番組のトーンが異なる メディアの番組コンテンツに関する研究：特定のジャンルに焦点 ラジオ番組全体の多様性を包括的に分析する試みは不足 番組ジャンルごとの番組数・1分あたりの単語数 [DigitalShiftTimes, 2021] [radiko news, 2024] 本研究の目的 推薦システムへの応用可能性の検討 ラジオ番組の多様な特徴を文字起こしデータを用いて多角的分析 研究手順 時間帯別の平均単語数 時間帯 ニッポン放送 TBSラジオ 文化放送 NHKラジオ第1 朝 昼 夜 深夜 836.20 849.06 882.83 286.19 900.90 868.13 907.72 262.19 811.20 916.51 890.55 439.12 755.89 639.83 645.59 502.53 深夜帯の出現単語数が他の時間帯と比較して最も少ない傾向を確認 深夜帯に放送される番組の内容に起因することを示唆 クラスター分析 番組回単位で階層型クラスタリングを実施 クラスタ数は50と設定 データセットの概要 集計期間：2024年7月1日〜2024年7月31日の計744時間 放送局：ニッポン放送(LF)，TBSラジオ(TBS)，文化放送(JOQR)， NHKラジオ第1(NHK) LF TBS JOQR NHK 計 収集時間 584 708 724 733 2,749 収集率 78.5% 95.2% 97.3% 98.5% 92.4% 実測放送回数 742 725 883 1,719 4,069 放送回数 940 837 900 2,051 4,727 クラスタリングの流れ で単語の出現頻度を数値化し，文書ごとのベクトルを作成 2. LDAを使用して100次元のトピックモデルを構築 3. ウォード法で階層型クラスタリングを実行 4. 各クラスタの特徴を分析 5. t-SNEを用いて文書の分布を可視化 1. BoW データセットの構築 文字起こし：faster-whisperのlarge-v3モデル パラメータチューニングを通じて精度向上 無音区間判別のための閾値を調整 発狂状態と呼ばれる過剰な解析を抑制（3回に制限） 1分当たりの単語数・品詞数の平均 放送局 ニッポン放送 TBSラジオ 文化放送 NHKラジオ第1 単語数 名詞 固有名詞 自立動詞 形容詞 副詞 832.9 318.6 84.6 83.3 16.7 30.7 828.2 306.9 75.1 84.9 17.8 32.9 842.4 312.1 78.6 85.5 17.0 32.8 363.6 151.9 48.7 36.0 6.0 10.2 形態素解析：MeCab，利用辞書：mecab–ipadic–NEologd NHKラジオ第1：ノイズの影響により，文字起こしが正確に行わ れていない コロナ禍でラジオが復権！？民放ラジオ業界70 年の歴史を塗り替えた radiko（ラジコ）の「共存共栄型DX」とは，https://digital-shift.jp/dx_strategy/210708, 2021． [radiko news, 2024] radiko news:【2024年最新】radikoで聴ける！本当に面白いおすすめラジオ番組， https://news.radiko.jp/article/edit/69149/, 2024． [DigitalShiftTimes, 2021] DigitalShiftTimes: トーク，バラエティが共起しているクラスタ クラスタ 42 43 クラスタを代表する番組（一部抜粋） マヂカルラブリーのオールナイトニッポン0(ZERO), 空気階段の踊り場, オードリーのオールナイトニッポン, JUNK バナナマンのバナナムーンGOLD, JUNK 山里亮太の不毛な議論 乃木坂46のオールナイトニッポン, 俺達には土曜日しかない, 星野源のオールナイトニッポン, TALK ABOUT, あいみょんのオールナイトニッポンGOLD クラスタ42：お笑い芸人を中心とした番組 クラスタ43：音楽アーティストがパーソナリティの番組 出演者属性によって，番組の内容に一定の違いを確認 番組特性の分類における定性的な解釈可能性の示唆