ソケッツ、昨年予測的中した 正解率 79％の紅白勝敗予測モデルで今年も勝敗を予測

平成 29 年 12 月 28 日
各位
会社名 株式会社ソケッツ
代表者名 代表取締役社長 浦部 浩司
（証券コード：3634）
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
ソケッツ、昨年予測的中した
正解率 79％の紅白勝敗予測モデルで今年も勝敗を予測
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
株式会社ソケッツ（本社：東京都渋谷区、代表取締役社長：浦部浩司、以下「ソケッツ」
）
は、昨年的中した紅白歌合戦の勝敗予測において、今年も紅白勝敗を予測、そのレポート
を公開いたしました。
本予測モデルは、オリジナルの「感性メタ（※）
」を教師データとして、2 部制がはじまっ
た第 40 回 1989（平成元年）以降から、本年度第 68 回 2017（平成 29 年）の紅白歌合戦で、
紅白それぞれに分かれて披露された楽曲を対象に歌詞データから“感情”を分析、予測し
ています。



（※）感性メタとは、特に日本の繊細な感性表現にこだわり、たとえば音楽の歌詞におい
ては全てを読み、内容の真意を理解してから付与するなど機械には出来ない膨大な作業に
よって生まれた国内唯一のエンターテイメントメタ(ゲノム)データです。




紅白歌合戦の曲目の歌詞データから感情を分析、勝敗を予測 2 年目
さて、昨年行った感情分析からの紅白勝敗予測ですが、序盤からの白組優勢の経過を覆し、
最終的に見事紅組勝利ということで予測が的中しました。
紅白といえば、数時間にも及ぶ対抗形式で衣装はじめ、あらゆる演出を含めて歌や演奏を
披露、そのパフォーマンスに対する勝敗を決めるものですが、ソケッツの予測分析モデル
は、楽曲の歌詞データから算出した感情スコアと過去の勝敗を元に、他の相関、因子とな
りうる変数を入れない非常にシンプルなものです。それでも昨年の予測モデルでは正解率
96％という精度で、かつ昨年の初回予測も正解しました。シンプルなモデルでこれだけの
予測ができる感情スコアのさまざまな可能性を検証していく上で、今年も昨年同様、この
方針を変えずに挑戦してみようと思います。


詳しくは、昨年のレポート『紅白歌合戦の曲目の歌詞データから感情を分析、勝敗を予測
してみる』をご参照ください。
http://www.sockets.co.jp/kansei/kansei_report01.html
――――――――――――――――――――――――――――
紅白歌合戦の歌詞データの感情をスコアリング
――――――――――――――――――――――――――――
では早速、昨年のおさらいも交えてご紹介していきたいと思います。
まず予測分析の対象データは、昨年同様、2 部制がはじまった第 40 回 1989（平成元年）以
降から、今年 2017 年第 68 回 2017（平成 29 年）の紅白歌合戦としています。



対象期間：第 40 回 1989（平成元年）～第 68 回 2017（平成 29 年）
※紅組・白組の垣根を越えて披露された楽曲は対象外とする
※『紅白エディション』はオリジナル楽曲の歌詞を解析対象とする
※メドレーは当日まで曲内容が分からないため対象外とする
全 29 回、全対象楽曲 1,396 曲 うち紅組 712 曲、白組 684 曲
メドレーなどの除外を含む対象期間全披露楽曲 1,509 分析対象率 93％



上記対象となる各楽曲の歌詞データを、ソケッツ感情分析エンジン（特許出願中）で 10 種
類の感情スコアを算出、それを年代・紅白の組ごとに数値を集計、個々の感情スコア値ご
とに正規化します。そして、ロジスティック回帰分析から構築したソケッツ紅白勝敗予測
モデルで予測する（※１）という流れになります。


（※１）ロジスティック回帰分析とは、ある現象の発生する確率を、その現象の起因を説
明するために観測された変数群によって説明をするための分析手法。今回の目的では、勝
ち（1.0）か負け（0.0）かを、その現象の規制を説明するために観測された変数群としてソ
ケッツ独自の感情スコアを利用して予測。このとき 勝ち（1）／負け（0） という値で得
られている変数は 1 もしくは 0 という 2 値のいずれかで示され、この 1 もしくは 0 と
いう値を、他の説明変数が決定付けている、もしくは影響を与えているとみなして分析を
行ない、数式を構築します。


概ね、昨年とやり方は変わりませんが、この 1 年間で、ソケッツ感情分析エンジンはあら
ゆる要素技術や研究結果などを元に、日々精度アップに向けたチューニングを行い、進化
してきました。どう進化したのか？を簡単に要約すると、歌詞の語彙の学習により、以下
ポイントが主に 1 年前と比べ精度アップしています。
１．感情コーパスの補正
２．未知語のスコア推定
３．連語のスコア推定
ここは難しい説明よりも、実際にどのように変わったかを見ていただいた方がわかりやす
いと思いますので、今年の紅白トリを務める、紅組の石川さゆり「津軽海峡・冬景色」と
白組大トリ、ゆずの「栄光の架け橋」を例に見ていきたいと思います。両楽曲は、過去に
も披露されており、昨年もスコア算出していましたので、昨年算出したスコアと今年算出
したスコア結果を照らし合わせてみました。




こちらは、センテンスごとに感情スコアを算出した結果になります。上段が昨年算出した
スコア、下段が進化した今年の感情スコアを元に、センテンスごとに感情 10 種がどのよう
な構成割合となっているのか表したものになります(昨年と今年のスコアリングでは、正規
化の処理なども異なりますので、スコア実数値自体での比較はできませんので、省いてい
ます)。
赤枠内を見ていただくと分かりやすいかと思いますが、昨年は感情に関するフレーズを抽
出し、10 種ごとに分類、つまり感情を判別するダイレクトなワードからのスコアリングで
したが、主に先ほどあげた 3 点の精度アップにより、いわゆる“行間を読む”ような、複
雑な“感情”を読み取ったスコアリングに進化しました。その結果、平坦だったスコア値
が今年は直接的に感情に関するフレーズがなくても感情スコアを算出するようなエンジン
になっています。また、「希望」や「不安」、「哀しみ」や「安らぎ」など、人の入り混
じった感情をより詳細に理解することで人に寄り添えるエンジンを目指しています。
こうしてセンテンス単位でスコアリングした結果を、楽曲単位、さらに年ごとの紅白別で
集計、正規化していきます。ちなみに楽曲単位で比較してみると下記のようになります。




いかがでしょうか？よりきめ細やかに感情を読み取りスコア化することができるようにな
ったソケッツ感情分析エンジンです。


――――――――――――――――――――――――――――
最新の感情分析エンジンで算出した感情スコアを分析、そして予測
――――――――――――――――――――――――――――
それでは、昨年算出していた過去分の対象楽曲もすべて感情スコアを算出し直す形にして、
1 から分析、予測していきます。
分析手法は昨年と同様です。ロジスティック
回帰分析の結果を元にモデリング後、70%の
サンプリングをして、残り 30%の評価を 1000
回行い、分布を確認しました。
AUC（※２）は、0.796 でした。


（※２）
ROC 曲線（検査の性能を 2 次元のグラフに表
したもの）を作成した時に、グラフの曲線よ
り下の部分の面積を AUC（Area Under the Curve）と言います。AUC は 0 から 1 までの
値をとり、値が 1 に近いほど判別能が高いことを示します。判別能がランダムであるとき
には、AUC = 0.5 となり、0.5 以上であれば、2 値の判別において、精度が出ている、とい
うことになります。


ちなみに昨年は「哀しみ」の値が高いと勝つ要因である影響度が高い、という結果でした
が、今年は、「怒り・苛立ち」次いで「嫌い・不愉快」「もどかしさ」の値が高いと負け
る要因になる、という結果がでました。
それでは、今年の予測モデルに当てはめた時の、勝敗実績の正解率を見てみましょう。




今回対象とした過去 28 回のうち、予測モデルに当てはめたときに、


・紅が勝つ予測：12 件
○紅が実際に優勝：8 件 ×白が実際に優勝：4 件 ⇒正解率 67％


・白が勝つ予測：16 件
○白が実際に優勝：14 件 ×紅が実際に優勝：4 件 ⇒正解率 88％


全 28 回分トータルで、正解率 79％という結果になりました。



最後にいよいよ予測モデルから算出された今年の理論値の
発表です。
紅白で比較して高い値の方が「勝利する」となります。
つまり、今年の紅白勝敗予測は、“白組が勝利”と予測し
ます！
果たして昨年に続き、2 連勝なるでしょうか？
――――――――――――――――――――――――――――
最後に
――――――――――――――――――――――――――――
ソケッツではこの 1 年、紅白勝敗予測にはじまり、連続ドラマ視聴率予測等々…、ソケッ
ツのメタデータや感情分析エンジンを活用したあらゆる分析、予測をご紹介してきました
が、このほかにもご紹介できない事例や分析結果などたくさんの取り組みをしてきました。
ソケッツの感性メタを活用した予測分析は、主に、レコメンド、パーソナライズド、また
調達支援や制作、マーケティング支援など多種多様に渡りますが、これらのキーはいずれ
も “人の感性”であり、そこをいかに理解し、仕組み化できるか。まだまだソケッツの感
性メタ、感情分析エンジンの活用範囲は広がっていくことと思います。
さらに、感情分析エンジンにとどまらず、ソケッツでは AI 技術における研究開発にも力を
入れています。たとえば、今年～来年以降引き続き注目されるであろう AI スピーカーに関
連して、「ちょっといい感じの曲お願い」など、人の感情や感性に寄り添う感性 AI 実用化
も目指しています。
また、ブロックチェーンの音楽業界への変革の波を起こすべく、ソケッツのテクノロジー
で牽引していきたいと思っています。
エンターテイメント×テクノロジー分野の可能性や市場を新たに拡大していけるような有
用性のあるデータ・ドリブンな取り組みで、来る 2018 年もソケッツはさらに突き抜けてい
きたいと思います。
今後もソケッツの技術研究開発にご期待ください。


「ソケッツレポート」の記事のご利用、また共同研究などに関するご相談はこちらのお問
い合わせフォームよりご連絡ください。
http://www.sockets.co.jp/inquiry/contact/policy.html

●公開日

平成 29 年 12 月 28 日（木）

●ソケッツレポート

http://www.sockets.co.jp/kansei/kansei_report07.html



株式会社ソケッツ：
（http://www.sockets.co.jp/）
株式会社ソケッツは、平成１２年６月に設立された「人の気持ちをつなぐ」という事業目
的を持ったデータベースサービス会社です。現在、ＫＤＤＩ株式会社、株式会社ＮＴＴド
コモ、カルチュア・コンビニエンス・クラブ株式会社などへの音楽や映像、書籍などを中
心とした検索・レコメンド・ストリーミング・データ提供・アナリティクスなどのデータ
関連サービスを行っております。


本リリースに関するお問い合わせ先：
株式会社ソケッツ
〒151-0051 東京都渋谷区千駄ヶ谷４-23-５JPR 千駄ヶ谷ビル３F
担当：コーポレート本部 小田嶋
Tel：03-5785-5518 Fax：03-5785-5517
E-mail：ir@sockets.co.jp
以上