Shun Okamoto

マルチモーダル特徴量を用いたファッションSNSにおける人気度予測 ---- 近年，FacebookやX，Flickrなどのソーシャルネットワーキングサービス（SNS）が急速に発展している． その中でも，ファッションに関する投稿は，ビジュアルコンテンツに時代や流行が反映されるため，マーケティング戦略の観点からも多くの注目を集めている． しかし，現時点では，ファッション投稿に特化したSNSの人気度予測のための手法は十分に研究されていない． そこで本研究では，日本のファッションSNS「WEAR」から30万件以上の投稿データを収集し，投稿されたファッション画像，ハッシュタグ情報，閲覧数，ユーザー情報などを含む新たなファッションSNSデータセットを構築する． さらに，視覚言語モデルを用いた，ファッション投稿の意味情報を効果的に抽出するVision to Fashion Text Annotation (ViFTA)モジュールを導入したファッションSNSの人気度予測フレームワークを提案する． 新たなファッションSNSデータセットを用いて，提案フレームワークと既存のSNS人気度予測手法との比較実験を行い，提案フレームワークが最も高い精度を実現することを示す．