[4Yin-A] Poster 6

[4Yin-A-07] Construction of a Filter Bubble Detection AI Model Using Multimodal Information

〇Mahiro Nishino¹, Kazuyuki Matsumoto², Minoru Yoshida² (1. Tokushima University Graduate School of Sciences and Technology for Innovation, 2. Tokushima University Graduate School of Technology, Industrial and Social Sciences)

Keywords:

Filter bubble,Multimodal,Video Content Analysis,Recommendation Systems,Information Visualization

近年，推薦システムの普及により，利用者が過去の嗜好に基づく情報のみを受け取り続けるフィルターバブル現象が社会問題となっている．フィルターバブルは，多様な観点への接触機会を減少させる可能性や認知度が低い点に課題がある．既存研究では，特徴量抽出をシングルモーダルに限定した手法が多く，マルチモーダル情報を用いた可視化の検討は十分でない．また，可視化方法の少なさも1つの課題であった．本研究では，ユーザーが情報接触の偏りを直感的に理解できることを目的として，マルチモーダル情報を用いたフィルターバブルの可視化手法を提案する．提案手法では，YouTube視聴履歴に含まれる動画タイトル，チャンネル名，サムネイル画像を対象とし，テキスト情報をBERT，画像情報をSigLIPにより特徴量抽出する．これらを統合したマルチモーダル特徴量を用いてクラスタリングを行い，ユーザーが主に接触している情報ジャンルの分布を可視化する．可視化では，ジャンル分類グラフやフィルターバブル度スコアなど6種類の指標を提示する．実験を通じて，マルチモーダル特徴量の有効性と本手法によるフィルターバブル理解促進の可能性を示した．