We propose a music recommendation system based on the Kansei retrieval agent (KaRA) model using fuzzy inference to present music data that a user satisfies to obtain user preference rules for music. The KaRA model learns the user-preference using user evaluation information based on the fuzzy inference parameters of each agent that is optimized by a genetic algorithm, and it searches user-preference objects from a database. A previous study has proposed the KaRA model using fuzzy inference and applied a character coordination system as a prototype system for obtaining user-preference rules. However, we did not apply the KaRA model for music retrieval. In this study, we used the KaRA model with fuzzy reasoning to retrieve user-preference music data based on the following musical score features: main tune, tempo, the number of instrumentals, and beat, among others. Further, we examined the effectiveness of the proposed system from the viewpoint of obtaining user preference rules for music. From the experimental results, the proposed system can obtain the user preference rules as fuzzy rules of the KaRA model and recommend user preferred music data.

本稿では，YouTubeスマートフォンアプリ利用者のアーキテクチャ利用のパターンを明らかにした上で，アーキテクチャ利用のパターンとアプリでの視聴時間および動画ジャンルの視聴頻度の関係を明らかにした。この課題に取り組んだのは，（１）インターネットサービスにおいてアーキテクチャが利用者行動に対して影響力を持ちうる，（２）個人同定と情報推奨というアーキテクチャが接触情報内容の幅を狭めるのか広げるのかという議論には決着がついていない，（３）高選択メディアにおいては視聴動画ジャンルの分断が生じうる，という主として３つの先行研究との関わりゆえである。動画サービス利用が進む中で，動画ジャンルレベルでの利用者行動についての実証研究が乏しいという背景もある。

YouTubeアプリを過去７日間に１回以上利用した15〜49歳までの男女604名に対するWebアンケート調査を分析した結果，アーキテクチャ利用のパターンとして５つが確認され，この中でアプリ視聴時間の長いものは「全アーキテクチャ高頻度」群と「登録チャンネル」群であった。また動画推奨アルゴリズムが機能するアーキテクチャを高い頻度で利用する者が高頻度で視聴する動画ジャンルは「音楽」であること，登録チャンネルに重きを置いて利用する者において「スポーツ・芸能・現場映像」，「学び・社会情報」，「エンタメ」の３ジャンルの視聴頻度が平均的な利用者よりも低いことを示した。論文の最後では，この結果について議論した。