絵画の好みをもとにおすすめの絵画を推薦するウェブサイトを公開しました

近添研究室では、個人の嗜好をデータから推定し、その嗜好を模倣する人工知能の開発に取り組んでいます。この研究の一環として、当研究室の職員・丹羽が開発した、絵画の評価から利用者の好みを予測する絵画推薦ウェブサイトを公開しました。

画面に表示される6点の絵画について、それぞれ「自分ならいくら支払ってもよいと思うか」を入力することで、利用者の美的嗜好に合うと予測される絵画と、それらを所蔵する美術館を推薦します。

本サイトでは、400点の絵画について独自に収集した37人分の評価データを活用しています。また、評価に用いる絵画の選択には、交差検証（LOPO：Leave-One-Participant-Out）を用いて、それぞれの作品が絵画の好みの予測にどの程度役立つかを推定しました。その結果に基づいて選ばれた上位200点の絵画から、アクセスするたびに6点をランダムに表示します。

推薦には、主成分分析（PCA）、リッジ回帰（Ridge Regression）、評価者同士の嗜好の類似性を組み合わせた機械学習モデルを使用しています。

まず、37人の評価者が400点の絵画に付けた評価データをPCAによって12次元に圧縮し、絵画に対する好みの個人差を少数の特徴量で表現します。次に、利用者と過去の評価者が同じ6点の絵画に付けた評価を、それぞれの平均値とばらつきに基づいて標準化します。これにより、支払金額の絶対的な大きさではなく、作品間の相対的な好みのパターンを重視します。

この6点の評価を入力として、37人の評価データから学習するリッジ回帰によって、利用者の12次元の嗜好特徴量を推定します。 この特徴量を用いて絵画の評価を直接予測するとともに、過去の37人の評価者との類似性も計算します。具体的には、利用者と各評価者の12次元の嗜好特徴量をコサイン類似度によって比較し、Softmax関数を用いて重みに変換します。これにより、利用者と好みが似ている評価者ほど大きな重みを与え、その評価傾向を予測に強く反映します。

最終的には、リッジ回帰による直接予測と、嗜好の類似性に基づく重み付き予測を50%ずつ組み合わせます。 この結果を、37人について事前に推定された候補作品の評価データに適用することで、約1万点の絵画に対する利用者の評価を予測します。なお、6点すべてに同じ金額が入力された場合は、個人ごとの好みの違いを推定するための情報が得られないため、過去の評価者に基づく平均的な予測評価を使用します。

こうして得られた予測結果をもとに、約1万点の候補作品を順位付けし、高く評価すると予測される絵画と、好みとは異なると予測される絵画を、それぞれ10点ずつ紹介します。表示する作品は、予測順位に一定の間隔を設けて選択しています。

本サイトは、人それぞれ異なる美的嗜好をデータに基づいて理解し、予測する研究の成果を体験できるものです。美術の専門知識がなくても利用できますので、ぜひお試しください。

ウェブサイト： https://zoe-art.cloud.run