メモ:Visualizing Brand Associations from Web Community Photos(WSDM2014)

Visualizing Brand Associations from Web Community Photos

見た目が大変良くて読み始めたけど途中で完全に沈没した。
アウトプットはものすごくビジネス受けしそうな感じはある。
1st autherがdisneyの人

・ブランドアソシエーション...マーケティングにおける主要な発想のひとつで、
ブランドに対する消費者のtop-of-mindな属性や感性を表現すること。
・top-of-mind..."〜と言えば?"と訪ねたときにまず最初に思い浮かぶもの
伝統的に、ブランドアソシエーションは消費者の反応のテキストデータや、
オンライン上の会話ログを分析することで行われていた。
本稿では、オンライン上の大規模な写真群を活用することを提案する。
技術的なステップ
1)ブランドと関連づける核となる抽出・可視化の発想
2)イメージ内でブランドの領域を局所化する
48ブランドの500万の画像をオンライン画像共有サイトから収集。
提案手法のブランドアソシエーションがテキストからではほとんど
得ることが出来ないようなブランドの補完的な見方を発見できる
ことを示す。

図を見るのが一番早い

f:id:A_Koide0519:20140224030537p:plain
((eg:http://www.cs.cmu.edu/~gunhee/publish/wsdm14_brandassoci.pdf fig1(a)))

1)ネットワークもしくはマップでブランドに関連づけた重要な概念
を視覚化する。画像群をクラスタリングして低次元空間に射影する。
2)教師なしの方法で、最もブランドに関連づけられる部分画像を抽出
する。

○問題の定式化
・データ収集
4つのカテゴリ(高級品、スポーツ、ビール、ファーストフード)計
48カテゴリ500万の画像をFLICKER等の4サービスから収集。
・アプローチの流れ
a)各ブランドの画像集合を準備
b)画像の類似度に基づいてKNNグラフを構築
c)グラフから標本として代表的な画像の集合を発見する、そして
画像集合を標本集合に基づいて分割する。
d)ブランドの局所化を画像分割の研究で活発に議論されている
cosegmentation問題として扱う。

○アプローチ詳細
・画像間の類似度行列からKNNグラフを作成する
画像のメタデータ(同様の所有者・同時間に投稿された)も類似度
として利用する。
・KNNグラフを利用して標本を抽出する。ダイバーシティランキング
アルゴリズムというものを利用してL個の標本を抽出。
続いて、ランダムウォークを利用したクラスタリング手法によって
画像群をいずれかの標本グループに属するようにクラスタリング
・ブランド局所化
上述の処理によってL個のクラスタが作成される。
各々のクラスタに対し、MFCアルゴリズムというものを利用し、
各画像を前景と背景に分離する。

○ブランドアソシエーションマップ
ラジアル距離と角距離を利用してクラスタを円形の図面上に描画する。
Nielsenのアルゴリズムを今回のアソシエーションマップに適用できる
ように改良。目的としては、各クラスタ極座標(\br{r},\br{\theta})
を求めること。

○実験
クラスタリングの妥当性とブランド局所性を、いくつかのイメージに
手動でアノテーションしたものを準備しておいて評価に使う。
クラスタリングではスペクトラルクラスタリングやK-means、ブランド
局所性ではLDAなどをベースラインとして利用し、提案手法の妥当性
を示している。