Let Me Choose: From Verbal Context to Font Selection

🔑この論文のキーメッセージ

文脈情報や感情情報を含む入力テキストと、クラウドワーカーが選択したフォントを元にフォント推薦を行う。
- フォントの好みは、主観的で明確な答えが存在しない。アノテーションの曖昧さをなくすために、ラベル分布学習を用いる。
フォント10種類と、入力テキストを提示してクラウドワーカーからアノテーションを集める。このときラベルを3つ選択させて、1, 0.6, 0.3と重みを割り振る。
入力テキストの文脈情報を獲得するために、BERT系列の特徴ベクトルを利用する。損失関数として、KLダイバージェンスを用いて、フォントのラベル分布の学習を行う。
評価指標として、Font Recallを新しく定義する。
- 人気のないフォント（アンバランスなデータ）に対する処置。フォントごとの平均recallを求める。

アノテーション結果を見ると、入力文に対して、好まれるフォントに偏りが出る。→ ある程度はフォントの好みは一致？
多数決のベースライン手法と比べ、bertモデルは有意に評価指標がよかった。
- emoji-bertが性能がよかったが、絵文字が何を表しているかとフォント推薦が高く関連している可能性がある