デレマス-pixiv集計所

毎日毎日、pixivでシンデレラガールズのアイドルの名前を検索してイラスト件数を数えている地味なサイト。毎月1日頃に詳細分析と称して月別グラフやタグクラウド、作者性別割合などを更新しています。

デレマス-pixiv集計所

シンデレラガールズ台詞判定

シンデレラガールズ190人の台詞から学習した分類器で、入力されたテキストが「誰の台詞らしいか」自動判定します。

シンデレラガールズ台詞判定

ミリオンライブ！台詞判定

台詞判定のミリオン版。50クラス分類なぶん判定精度はシンデレラより高い…はず。

ミリオンライブ！台詞判定

SideM台詞判定

台詞判定のSideM版。台詞データはwikiから採録してます

SideM台詞判定

デレマスユニット推薦

(他の方が作られた)デレステキャラソートの結果のつぶやきを(別の日菜子Pが)収集・公開しているので、そのデータを使って一種の可視化を行うもの。選択したアイドルと「あわせてよく選ばれている」アイドルを推薦します

デレマスユニット推薦

喜多日菜子 LINE BOT

LINEで日菜子と自由におしゃべりできます。

喜多日菜子 LINE BOT

おはようございます。たくみP(imas_cg集計 @shuukei_imas_cg)です。今回は自分のアカウントの初心に振り返り、Pixivにおける日菜子イラストの傾向がシンデレラガールズ9年間の間にどのように変化していったかをまとめてみたいと思います。
ちなみに昨年度の喜多日菜子 Advent Calendarでも日菜子の「むふふ」のバリエーションとその頻度分布を書いて参加しておりますのでよろしければご覧ください。

Abstract

Pixivに投稿された喜多日菜子イラストの投稿数と共起タグを年単位で集計し、その推移を概観した。
デレマス初期はユーザ主導の自由な組み合わせで描かれたイラストが多く、徐々に特定の属性(身長)に着目した組み合わせが多くなり、近年では公式ユニットの活躍によりそれらをモチーフとしたイラストが増えている状況が見えてきた。

なお、シンデレラガールズ全アイドルを俯瞰した集計についてはモバマス-Pixiv集計所にて行っているので合わせて参照されたい。

対象データ

• イラストSNS「Pixiv」よりメタデータをクロールして収集(2020-12-20に実施)
• 「アイドルマスターシンデレラガールズ」および「喜多日菜子」の文字列を含むタグが付与されているイラストを対象とする
  • #喜多日菜子/○○/△△/□□/ のように複数の人物名を列挙するタグなども対象となる

「あるアイドルのイラストであるか否か」はあくまでタグでしか判別していないことに注意されたい。
タグが付いていなかった場合には集計の対象外となる。また、複数のイラストを描き溜めてまとめて投稿する場合、必ずしもアイドル間に関係があるとはいえないのに「#喜多日菜子 #(アイドル名)」の形式で共起タグとして計上されるが、共起回数上位への影響は少ないものとして許容している。

1年単位の日菜子イラストの変化

筆者が運営する「モバマス-Pixiv集計所」の個別集計-喜多日菜子では、シンデレラガールズにおけるエポックメイキングな日時(アニメ放映開始、デレステサービスインなど)で区切って4つの期間で可視化を行っている。本稿ではそれとは異なり、1年単位でカレンダー通りに区切ってその変化を概観したい。

タグクラウドは共起タグ上位200個を対象として生成している。
また、共起タグからは、タイトルそのものを示すタグ(「アイドルマスターシンデレラガールズ」や「デレマス」「モバマス」など)、「アイマス1000users入り」などのブクマ数に応じたタグ、「漫画」「うごイラ」「落書き」などのイラストそのものの形態を示すタグは除去している。

カード名は特に記載がない場合はmobage版シンデレラガールズ(モバマス)のカードを指す。

全期間通し

イラスト枚数: 1595枚(ただし2020-12-20まで)

タグクラウド:

2011-11-28～2020-12-20までの期間を通して投稿されたイラストすべてでタグクラウドを作成すると上図のようになる。共起回数の多いタグ(この場合はおもにアイドル名)ほど文字が大きく描かれるので、より「一緒に描かれやすいアイドル」ほど文字が大きくなる。
これが年単位でどのように変化し構築されていったのかを年単位で調査していきたい。

2011年

公式の動き

• 2011-12-31 喜多日菜子初登場 R喜多日菜子 (コンプガチャ「貴音の華」)

イラストの状況

イラスト枚数: 0枚

初登場が大晦日の23時という滑り込みセーフ状態であったため、2011年中に描かれたイラストは0枚だった。ちなみにPixivに残る最古の喜多日菜子イラストは、みくも氏の「がっかりモバマス４コマ　その５～８」(2012-01-12)である。

2012年

公式の動き

• 2012-04-26 初のSRカード登場 SR[妄想お姫様] (「アイドルサバイバル in テーマパーク」完走報酬)
• 2012-10-25 初のガチャSR SR[妄想☆暴走★] (「ハッピーハロウィン」スカウト券付ガチャ)

イラストの状況

イラスト枚数: 162枚

タグクラウド:

輿水幸子、小日向美穂、神崎蘭子、神谷奈緒など後年ではあまり見られない名前が上位に上がっている。モバマスも黎明期であり、固定されたユニットの組み合わせではなく、エンドユーザが自分の好きな子を自由にフロント編成で組み合わせていた時代が見てとれる。(幸子については単純にイラストの総量が多い影響もある)
「妄想つながり」ということで越境で「音無小鳥」も4件あるところが面白い。

2013年

公式の動き

• 2013-07-18 R[花火祭り]、[花火祭りスマイル] (「アイドルプロデュース 夜空に咲く花火編」プロデュースアイドル)
• 2013-12-10 SR[ビューティフルドリーマー] (「第2回アイドルLIVEロワイヤル」上位報酬)

イラストの状況

イラスト枚数: 130枚

タグクラウド:

生誕祭タグの比率が大きくなり、日菜子のイラストを描いて誕生日(04/06)をお祝いする、固定ファン(担当P)層ができてきたことが見受けられる。
アイプロが実施されたが、共演した川島さんや紗枝はんとのイラストは相対的には多くなく、安部菜々、輿水幸子、三村かな子、相葉夕美、佐久間まゆなど、ユーザ側で「きっとこの子らを組み合わせると楽しい」という方向性のイラストが多い。

棟方愛海(2013-01-18にお仕事-北海道エリアで初出)が新規に登場したことで、日菜子と同じ身長(151cm)であるという共通点からか、はじめてカップリングのタグといえる「あつひな」が出現している。

2014年

公式の動き

• 2014-03-31 R[グリッターステージ] (「WONDERFUL M@GIC!!＆総選挙開催記念ガチャ」)
• 2014-09-12 R[ドリームペイント] (「貴婦人のたしなみカウントアップガチャ」)

イラストの状況

イラスト枚数: 105枚

タグクラウド:

佐久間まゆの比率が大きく上がっている。[ドリームペイント]喜多日菜子+の衣装が、5日後に実装されたR[ミニオンルージュ]佐久間まゆ+と併せたかのように似通っており、なんらかのユニット展開を匂わすものであった影響があると思われる。なお、実際にユニットとして正式に登場するのは3年以上後の「第28回アイドルLIVEロワイヤル」まで待たされることになる。

また、「第3回シンデレラガール総選挙」のタグからは、ユーザ側から能動的に総選挙でアイドルを応援しようという動きの萌芽が見受けられる。

2015年

公式の動き

• 2015-03-13 SR[妄想☆わんだふる] (「第9回プロダクション対抗トークバトルショー」上位報酬)
• 2015-09-03 スターライトステージ サービス開始
• 2015-10-09 SR[ワンダフルブライド] (「ワンダフルブライドリミテッドガチャ」)
  • ぷちデレラ実装
• 2015-11-30 デレステR実装 (「キミに届け！クリスマスプレゼントガシャ」)

イラストの状況

イラスト枚数: 92枚

タグクラウド:

「真顔日菜子」のタグはSR[妄想☆わんだふる]特訓前で見せた珍しい表情が由来である。
デレマス全体の動きとしては、アニメ放映開始、スターライトステージ(デレステ)のサービス開始といった大きな動きがあり、アニメに出演したアイドルを中心にデレマスイラストの投稿数が大きく伸びた年であったが、日菜子に限れば「マイファーストスター」や「Star!」のタグに影響が見られる程度か。

2016年

公式の動き

• 2016-04-14 デレステSSR[夢見るプリンセス] (「プラチナオーディションガシャ」)
• 2016-07-17 SR[ひらひらふわり] (「第30回プロダクションマッチフェスティバル」上位報酬)
• 2016-12-26 R[ふらふら☆トリッパー] (「セトルダウンソウルドリームリミテッドガチャ」)

イラストの状況

イラスト枚数: 125枚

タグクラウド:

森久保乃々、高森藍子の比率が大きく向上している。これはなんらかの公式の絡みがあったというわけではないが、ポエムが趣味で自分の世界をもつ乃々や、同属性でゆるふわな雰囲気を醸し出す藍子との相性の良さが絵師に好まれたものと思われる。

また、依田芳乃が棟方愛海と同程度まで比率を伸ばし、タグクラウド中に浅利七海の名前も見えている。これらのアイドルはシンデレラガールズで(というより、全アイマスブランド全体でも)唯一の身長151cm組であり、そのまま「151cm」のタグも発生している。

春に、「デレステ初の未ボイスアイドルのSSR」となった[夢見るプリンセス]が実装され、日菜子P界隈は大きく盛り上がったが、映り込みのないカードイラストであったため、タグクラウドへの影響は少なかったようだ。

2017年

公式の動き

• 2017-07-12 デレステSR[妄想お姫様] (「シンデレラキャラバン」上位報酬)
• 2017-08-09 SR[フローティングファンタジー] (「フローティングファンタジードリームリミテッドガチャ」)

イラストの状況

イラスト枚数: 205枚

タグクラウド:

愛海、芳乃、七海ら151cm組の比率がますます大きくなっており、4人組の非公式ユニットとして定着した感もある(この時点で同身長の久川颯は未実装)。
今井加奈、矢口美羽、藤居朋の名前が見られるが、これは前々年のトークバトルショーで共演した3人である。美羽はブエナ・スエルテ(2016-12-31開始の「ドリームLIVEフェスティバル新春SP」にて初出)でのつながりもある。

2018年

公式の動き

• 2018-02-28 SR[パンジーズフェアリー] (「花の香りに誘われて♪フラワーフェアリーズ特別ガチャ」)
• 2018-08-17 SR[見果てぬ夢] (「見果てぬ夢ドリームリミテッドガチャ」)
  • ※初ボイス実装
• 2018-09-19 デレステSSR[お菓子なドリーミング] (「プラチナオーディションガシャ」)
• 2018-12-19 デレステSR[Trust me] (「Trust me」イベント下位報酬)

イラストの状況

イラスト枚数: 267枚

タグクラウド:

この年に実施された第7回シンデレラガール総選挙でPa3位を獲得し、晴れてボイス(CV:深川芹亜)が付いた。ボイス付きSRの登場、デレステで2枚目のSSRの登場と相次いで出番があった影響か、イラスト投稿数も増え、声が付いたことにちなんだイラストが多く投稿されている。

151cm組が大きな割合を占めているのは変わらず。2018-03-17開始の「第28回アイドルLIVEロワイヤル」にて佐久間まゆとのユニット「ドリームアウェイ」が正式に登場し、まゆと2人でのイラストが増加した。
また、第7回総選挙の「同期」ともいえる鷹富士茄子、南条光(ジョイフルデイズ)の名前が上がるようになっている。

2019年

公式の動き

• 2019-02-28 SR[ファンシーポリス] (「ドキドキ体験！お仕事制服ガチャ」)
• 2019-07-05 逆輸入SR[夢みるプリンセス] (「夢みるプリンセスドリームリミテッドガチャ」)
• 2019-08-31 デレステSSR[トゥルー・ドリーム] (「シンデレラフェス」)
• 2019-12-20 デレステSR[ギュっとMilky Way] (「ギュっとMilky Way」下位報酬)
  • 2人ユニットでの持ち歌歌唱

イラストの状況

イラスト枚数: 251枚

タグクラウド:

デレステの2019年最後のアタポン形式イベとして「ギュっとMilky Way」が実施され、待望の「ドリームアウェイの曲」が生まれた。この影響か「佐久間まゆ」と「ドリームアウェイ」のタグが大幅に割合を増している。
ドリームアウェイはこのイベント以前から、Twitter上の「#デレステ3周年CP」キャンペーンで登場したり、「Trust me」のコミュでは2人きりでかなり内心に突っ込んだ話をしたりと着実に実績を積み上げており、それが結実した形となった。

「セーラー服」タグについては、前年に実装されたデレステSSR[お菓子なドリーミング]の特訓前イラストが、普段日菜子が通学時に着ている制服であることから、「普段の日菜子のイラスト」の服装としてセーラー服を着せたものが増えたと考えられる。

また、151cm組の5人目のメンバーとして成宮由愛(150cm)を迎え入れたイラストや、2019年春に新規に追加された久川颯(151cm)を加えた5人としたイラストが描かれた。

2020年(暫定)

本稿執筆、およびデータ収集時点でまだ2020年が終わっていないため、2020年分は暫定的な収集となる。

公式の動き

• 2020-04-25 SR[どうぞ、お手を…] (「第27回ぷちデレラコレクション」上位報酬)
• 2020-08-04 ソロ楽曲「世界滅亡 or KISS」発表 (「アイドルマスターシンデレラガールズ劇場Extra Stage」第12話ED)
• 2020-10-04 デレステSSR[あなたに捧ぐ王子様] (「ゆめのメルヘンおとぎのハロウィンガシャ」:月末限定)

イラストの状況

イラスト枚数: 258枚

タグクラウド:

佐久間まゆ、森久保乃々の多さは変わらず。「ギュっとMilky Way」のイラストや2DリッチMV中で着用した衣装が多く描かれたほか、待望のソロ曲「世界滅亡 or KISS」をテーマとしたイラストも多い。

年間投稿数の推移

デレマス全体のイラスト投稿数はアニメ化及びデレステがサービス開始した2015年に大きく伸びているが、日菜子はアニメに登場しないためか、直接の影響は受けていない。2016年からは全体の伸びにあわせて、また総選挙を見越した応援的な意味合いで日菜子イラストの投稿数も伸びている。ボイスを獲得した第7回総選挙が行われた2018年には、デレマス全体の投稿数が前年割れしているにも関わらず自己の過去最多投稿数となっている。
その後も公式の出番の増加に伴ってか年間の投稿ペースを維持している。

おわりに

以上、Pixivに投稿された喜多日菜子のイラストを集計し年単位で投稿状況や共起タグ(共起アイドル)の変化を概観した。
日菜子はデレマス9年間の歴史においては比較的「強力な公式ユニット」の登場が遅く、初期はアイドル友達との人間関係があまり描かれなかったが、そのような公式からの供給が薄かった時期があったからこそ、151cm組や乃々、藍子などエンドユーザ側での自由な発想で組み合わされた二次創作イラストが発展する余地があったと推察される。
ドリームアウェイによるオリジナルユニット曲や日菜子のソロ曲発表後はそれらをテーマとしたイラストが増加している。

これからも日菜子のさまざまな公式ユニットや新曲・新衣装が登場し、また、ユーザサイドの自由な発想が生まれ、新たな日菜子のイラストが描かれることを祈念するものである。

感想

日菜子と愛海の妄想ワールド(あつひな)にユニット曲が来てあつひなイラストが増えてほしい。ドリームアウェイと同じくらいに。
さらに言えば公式で151’s結成してほしい。

参考文献

• ピクシブ百科事典 - 喜多日菜子
• ピクシブ百科事典 - ドリームアウェイ
• 喜多日菜子wiki ひなこぺでぃあ

第9回シンデレラガール総選挙&VA投票ツイート単純集計の結果を分析しようとしたもののきちんと文章化する時間が取れず、今更ながらも、Twitterに流した表・グラフにかんたんな解説・感想を付けてお茶を濁そうというポストである。

以下の議論はすべて「投票ツイートのアカウント数」を集計したものであり、実際の投票数を直接観測したものではないことに注意されたい。(1票でも1ツイートだし、15000票でも1ツイートになる。また、投票してもそもそもツイートしない場合もある)

選挙戦術

第9回総選挙&ボイスアイドルオーディションでは、「総選挙の投票券」と「ボイスアイドルオーディション(以下VA)の投票券」がほぼ同数入手できるしくみとなっており、VAを戦うPにとっては「総選挙で担当アイドルに大量投票しようというPが持つ(特に投票先にこだわりがない)VA票を、いかにして担当アイドルに引き込むか」が大きなポイントとなった。総選挙を戦うPにとっても逆パターンが成り立つ。

そこで、「手持ちの総選挙(VA)投票券を交換材料として、選挙ガチ勢のPに交換投票を持ちかけ、総選挙-VA間の交換投票を行う」という戦術が生まれた。これを効率的に行うことで、理論上は投票券における課金効率を2倍にすることができた。

ボイスアイドルオーディション

「VAで○○に投票ツイートした人は総選挙で□□に投票ツイートしているTOP15x10」

縦軸はVAの投票先と投票ツイートしたTwitterアカウント数、横軸は、そのTwitterアカウントが総選挙では誰に投票したかを集計したものである。VA対象のアイドルが総選挙でも自分自身に投票している場合は赤文字で示す。
一つのアカウントで複数のアイドルに投票した場合、重複してカウントされる。

アイドルごとの動き

あかり・あきらの「声がついていない新規アイドル」という知名度

辻野あかり、砂塚あきらの2019年新規追加組は、同期で一足先にボイス付きとなった夢見りあむや当初からボイス付きの久川姉妹からの支援だけでなく、総選挙上位アイドルからまんべんなく投票を得ている。やはり直近の新規追加アイドルであるという一般的知名度は大きく、そのうちこの2人だけが未ボイスであることも周知されていることから、新規追加の7人全員にボイスを付与したいという力学が働いたと見ることができる。
その中でも砂塚あきらは、総選挙においては自分自身に投票しておらず、10位以内にまったく名前が挙がらない状態となっている(実際には13位)。これは上述の交換投票が重点的に行われたことを示唆している。

意識が高い(だけじゃない)つかさ社長Pの作戦勝ち

交換投票をうまく活用して結果を残したと見られるもう一人のアイドルが桐生つかさである。アカウント数ベースでは5位、(あかりあきらの追加組を除いて)先行する浅利七海の約65%のアカウント数でありながら見事VA3位の座を射止めた。これは七海やマキノが総選挙でも自分自身に投票しているのに対し、自分の総選挙票を交換投票に回して質の高い(票数の多い)交換を行った結果であると見ることができる。
(もちろん、七海やマキノがVA4位のごくギリギリなラインにいた可能性もあるが、今回のVAでは3位までしか結果は発表されず、4位以降はまったくわからず仕舞いとなった)

島村卯月の位置づけ

本稿で使用した集計データによれば、総選挙における島村卯月のTwitterアカウント数は1558、順位は31位と、突出したアカウント数ではない。その卯月の名前が唯一、表中に現れるのが辻野あかりの「総選挙投票先」6位の欄である。島村卯月はデレマスにおける「信号機の赤」であり、初心者プレーヤーがまっさきに目にする「メインヒロインっぽい子」である。
これは、「ライトユーザーはVAの投票先としてあかりを選んだ」可能性(あきらも同様の位置づけだが、卯月と属性・スタイル・髪型など、外見的により近いあかりを好んだ)を示している…かもしれない。

ユニットによる支援の動き

もしキャラクター性やユニットメンバー支援による影響がまったくないVAアイドルがいたとすると、その総選挙投票先アイドルは、純粋に総選挙の投票ツイートアカウント数に比例するはずである。今回の場合であれば北条加蓮、一ノ瀬志希、神谷奈緒、鷺沢文香…と続くはずであり、実際、今回の加蓮のアカウント数は圧倒的だったので、どのVAアイドルにも加蓮の名前が見られる。

そうではないところ、つまり総選挙のアカウント数に比して特に多くのVA票を投じているボイス付きアイドルのPが、「双方のキャラクター性が近くて好みである」とか、「ユニットのつながりがあって支援票を投じた」と解釈できる。
(本来ならば統計的に処理すべきであるが)ざっと見たところ、以下のような公式・非公式ユニットの関係性が見られる。

• ギョギョっとニャンだふる(浅利七海←前川みく)、
  青森四姉妹(浅利七海←水本ゆかり)
• ビビッドカラーエイジ(今井加奈←高森藍子・藤原肇)、
  イエローリリー(今井加奈←水本ゆかり)
• ソル・カマル(ライラ←ナターリア)
• ブルーナポレオン(松本紗理奈←上条春菜・荒木比奈・川島瑞樹・佐々木千枝)
• ノーブルセレブリティ(西園寺琴歌←水本ゆかり)、
  フィオレンティナ(西園寺琴歌←相葉夕美)
• イグニッションZERO(三好紗南←南条光・小関麗奈)、
  センス・メイカー(三好紗南←双葉杏)
• にゃん・にゃん・にゃん(高峯のあ←アナスタシア・前川みく)、
  ダークイルミネイト(の憧れ)(高峯のあ←二宮飛鳥・神崎蘭子)
• フリルドスクエア(工藤忍←喜多見柚)、
  青森四姉妹(工藤忍←水本ゆかり)
• ドミ◎ドナ(財前時子←椎名法子)

上に挙げた以外にも、キャラクター性の近さなどから支援されたと思わしき組み合わせがいくつか見受けられる。

当然ではあるが、このような支援は「ボイス付きアイドル→未ボイスアイドル」間でしか行われない。従って「有力ユニットの相方がボイス付きである未ボイスアイドルは有利」と言える。

シンデレラガール総選挙

「総選挙で□□に投票ツイートした人はVAで○○に投票ツイートしているTOP15x10」

縦軸は総選挙の投票先と投票ツイートしたTwitterアカウント数、横軸は、そのTwitterアカウントがVAでは誰に投票したかを集計したものである。
一つのアカウントで複数のアイドルに投票した場合、重複してカウントされる。

アイドルごとの動き

VAの結果では3位以内に届かなかった忍や七海であるが、最大勢力である加蓮Pの支援を得られていないというわけではなく、Twitterアカウント数ベースではつかさを上回っていることがわかる。
「VA投票先」としてつかさが1位に挙がっているのは佐久間まゆのみで、他は3～4番手であることが多い。このことからも、つかさの交換投票は1Twitterアカウントあたりの実票数が非常に大きかったか、この表の範囲外(アカウント数16位以降)の幅広い層からも支援を受けたか、あるいはその両方であることが見受けられる。

特筆すべき組み合わせ

VAと同様、総選挙サイドから見たこの表においても、いくつか特筆すべき支援関係を見出すことができる。以下はその例である。

• 神谷奈緒→岡崎泰葉(蒸機公演?)
• 鷺沢文香→黒川千秋(同属性、年齢が近い、黒髪ロングなど?)
• 緒方智絵里→今井加奈(クリア・ジェイド/Cu16歳)
• 輿水幸子→ライラ(イリス・アブソリュート)
• 速水奏→小松伊吹(ルミナスボーダー/映画好きつながり)
• 高垣楓→並木芽衣子(和歌山組/ラブリーダイナーズ)

最終結果との相関

総選挙

投票ツイートのTwitterアカウント数と実際の総選挙結果との相関はいかなるものであっただろうか。

「投票ツイートアカウント数順位と総選挙順位の相関」 相関係数: 0.852
縦軸が総選挙結果順位、横軸がアカウント数順位を示す

「投票ツイートアカウント数順位と票数の相関」(欠損値が多いため相関係数は算出せず)
左軸(水色)がアカウント数、右軸(オレンジ)が投票数を示す

上記のように、一定の信頼度で投票ツイートアカウント数から総選挙順位を予測できることがわかる。
水色の線(アカウント数順位)より上に名前があるアイドルは「少数精鋭/重課金/ガチャブあり/投票行動がステルス」、下にあるアイドルは「広く浅く」の傾向があるといえる。

VA

VAについては、3位までしか結果が発表されなかったため、上記のようなグラフは作成しなかった。

おわりに

アカウント数で「総選挙投票先」の数値を割ってバイアスを除けば純粋にユニット支援やキャラクター性の近さによる支援関係が可視化できると思うのでいつかやってみたいですね……。
(本稿は日菜子の初ソロ曲「世界滅亡 or KISS」を聞きながら書きました)

• 先行研究3を追加
• 総ツイート数、ユニークアカウントの表現をわかりやすく修正

このページの意義

第9回シンデレラガール総選挙＆ボイスアイドルオーディションの投票ツイート集計(いわゆる出口調査)については、以下のとおり複数の有志が行っており、分析の内容的には十分と思われるが、その根拠となる数値の正確性・信頼度を検証するためにはできるだけ多数の観測者による集計が存在することが望ましい。

• 第9回シンデレラガール総選挙集計 *1
• 第09回総選挙出口調査 *2
• 第9回シンデレラガール総選挙 ツイート人数集計 *3

そこで、このページでは、筆者が収集した投票ツイートの内容を簡単にまとめて掲載する。また、収集用のスクリプトと集計用SQL文をそのまま掲載する。

全順位について具体的な数値を公表することの是非については議論の余地があるが、すでに上記のサイトで行われており、これらのサイトの信頼性を検証できないまま数字だけが独り歩きするよりは、本稿で完全に収集手法を公開した状態で公表し、相互に妥当性を検証できるようにすることのほうが価値があると判断した。

集計手法

収集に使用したスクリプトをGitHubに掲載した。キーワード検索(Search API)を用いる手法ではなく、事前にキーワードを指定するとそれを含むツイートをサーバ側から送信してくるStreaming APIを使っているところが特徴といえる。
https://github.com/shuukei-imas-cg/stream_crawler

原則として公式の投票ツイートの書式そのままを対象としており、前後にコメントを付与するようなことは許容されるが、アイドル名から名字を除去したり、あだなで記載したツイートはカウントされない。また、複数のアイドル名を含めた場合、公式の「アルバム順」 で順番の早いアイドル1名のみが優先して判定される。
RTや引用RTは除外される。

公式の投票ツイートのタグや書式の確認のため5分を要したため、集計を開始したのは04/17 15:05からとなっている。

集計結果

集計期間 2020-04-17 15:05 ～ 2020-05-15 19:00

総ツイート数

• 総選挙 391782
• VA 352316
• 合計 744098

ユニークアカウント

• 総選挙 33393
• VA 55230
• 総選挙またはVA 68731

一覧

タイトル(モバマス/デレステ)は区別せず、合算している。ソート順はユニークユーザ数降順である。

総選挙

VA

集計用SQL

ツイート数

mode=0で総選挙、1でVA

1
2
3
4
5
6
7
8
9

select idols.name, q.c from (
    select count(idol_id) as c, idol_id
    from cg9th
        where mode=0
        and timestamp BETWEEN "2020-04-17 15:00:00" AND "2020-05-15 19:00:00"
    group by idol_id
) as q, idols
where idols.id = q.idol_id
order by q.c desc

ユニークアカウント数

mode=0で総選挙、1でVA

1
2
3
4
5
6
7
8
9
10
11

select q.idol_id, idols.name, count(q.idol_id) as uu from (
  select
    user_id,count(user_id) as c, idol_id, title
  from cg9th
     where mode=0
     and timestamp BETWEEN "2020-04-17 15:00:00" AND "2020-05-15 19:00:00"
  group by user_id, idol_id, title
  order by c desc
) as q, idols
where q.idol_id = idols.id
group by q.idol_id,idols.name order by uu desc

考察

先行研究1,2の結果と比べると、本集計はツイート数に対してユニークアカウント数が大きい傾向がある。また先行研究3はツイート人数(ユニークアカウント数を指していると解釈する)のみを扱っているが、これと比べても本集計のユニークアカウント数は多めに集計されている。これは、Streaming APIの利用によって多くのツイートが収集できている割にツイートの書式について厳密な判定を行っているためと考えられる(改変したツイートを除外している)。順位については票差が近いところでは入れ替わりが見られるが、大まかな傾向は合致している。
これらの差異は収集方法や判定の厳密さ、Twitterの仕様によって発生したものと思われる。

結論としては、誰がどのようにして集計しても、恣意的な操作がない限りは集計結果は”大まかには”近くなるといえる。

おわりに

結果が発表されたら改めて何らかの考察を行いたいと思います。

おはようございます。たくみP(imas_cg集計 @shuukei_imas_cg)です。担当はシンデレラガールズの喜多日菜子です。

今回はアイマス関連Webサービスのバックエンドに関するテクニカルなテーマで、アイマス成分はほとんどありません。その代わり今年のアドベントカレンダーでは喜多日菜子 Advent Calendar 2019に日菜子の「むふふ」のバリエーションとその頻度分布を投稿しておりますのでご興味があればご覧ください。

はじめに

Google Cloud Runは任意のDockerコンテナをアップロードしてサーバレスで実行し使った分だけ課金される、つまり言語やミドルウェアに一切の制限がない非常に汎用性の高いサービスです。2019年9月頃に東京リージョンでのベータサービスが開始し、先日、11月28日にGA(正式サービス)となりました。
(コンテナの使い方としては少し邪道かもしれませんが)サービスを構成する複数のミドルウェアを1個のコンテナに全部突っ込んでまとめれば、あとはGoogleのインフラが全部面倒見てくれる、しかも無料枠付きで一定ラインまでは無料で使える便利サービスなわけです。

が、Qiitaなどの技術系投稿サイトを見た感じ、”Hello World!”レベルのごく小規模な事例しか見当たらなかったので、形態素解析器MeCabとその辞書(NEologd)を含む比較的大きなコンテナ(2GB～)をCloud Runに乗せて、その使用感を試したいと思います(というか、この記事を書いている時点ですでに本番環境で利用してしまっています)。

「台詞判定」サービスとは

2017年2月9日にサービスインした、「任意の台詞テキストを入力すると、アイドルの誰の台詞っぽいか判定してくれる」Webサービスです。シンデレラガールズ台詞判定など実物を触っていただくか、筆者のSpeaker Deckの「シンデレラガールズの台詞のみから「誰の台詞か」機械学習で判定する」「シンデレラガールズ台詞判定の開発・運用・反響について」のスライドを見ていただくのが手っ取り早いです。

フロントエンドはVue.jsで構築してあり、サーバとHTTPSで通信します。サーバサイドではテキストを入力として受け取り、アイドル名とスコア(それらしさ)のリストをJSON形式で出力します。いわゆるSPAです。

サーバレス化のモチベーション

公開直後は最大で同時500アクセスもあったこのサービスも、2年も経つとアクセスも散発的になってきます。そのためにVPSなり自宅サーバなりを動かし続けるのは不経済ですし、1台のサーバに複数のREST APIを相乗りさせてNginxでルーティング…みたいなことをやると、いずれかのサービスのメンテナンスが他のサービスに波及して面倒くさくなります。いわゆるマイクロサービス的に分割して、1サービス1個のHTTPSエンドポイントを提供できれば、メンテナンス性は大幅に向上し、小規模なサービスであればCloud Runの無料枠の範囲に収まってお財布にも優しくなります。

従来のサーバサイドの構成

年代物のPCに仮想化ハイパーバイザとしてHYPER-V Server 2012R2をセットアップし、その上でCentOS 6系の仮想マシンが動いています。
HTTPリクエストはリバースプロキシのNginxが受け取り、Python用のWebサーバとフレームワークが処理します。
さらに裏では機械学習フレームワークのJubatusが動いており、入力された台詞テキストから「最もその台詞を発したアイドルらしい」アイドルを推薦します。
形態素解析には定番のMeCabを、新語辞書としてmecab-ipadic-NEologdを、追加で自作のアイマス人名辞書を使用しています。

サーバレスサービスというとGCPならCloud Functions、AWSならLambdaが有名ですが、これらのサービスは基本的に単一のプログラミング言語で書けるロジックを扱うものなので、yumやaptでMeCabやJubatusをインストールしたり、NEologdを追加して使うことはできません。

Dockerコンテナ化

そこでDockerコンテナなら何でも扱えるCloud Runの出番です。まずは既存のサーバサイドをコンテナ化しましょう。

戦略

• 機械学習のtrainは事前に手元のVMで行い、保存した機械学習モデルのファイルをコンテナにコピーする。
• NEologdはコンテナ化対象のWORKDIR以下にパスを指定してインストールし、コンテナに含める。
  • ./bin/install-mecab-ipadic-neologd -n -a -y -p インストール先パス
• 自作のMeCabユーザ辞書も同様。
• ログはあまり真面目に取らない

この時点でDockerのWORKDIRのサイズは以下の通り。/mecab の中身はNEologdとユーザ辞書です。./ に100MBほどのファイルがありますが、これはプログラム本体と、機械学習モデルファイル、「形態素スコア」機能で使用している形態素ごとのアイドルらしさの重みを記録したファイルからなります。

1
2
3
4

$ du -h
8.0K    ./jubatus
1.1G    ./mecab
1.2G    .

プログラム本体はhttps://github.com/shuukei-imas-cg/imas_cg_wordsにサブセットを公開していますので参考にしてください。

プログラムの改修

VM上で動かしていたプログラムをコンテナに乗せるにあたり、1点だけ、これまでファイルに記録していたログを標準出力に出力するよう変更しました(Pythonのloggingモジュールを使っていれば、ほんの1行書き換えるだけで済みます)。コンテナは不変なので、仮にコンテナ内のファイルにログを取っても、コンテナが再起動すれば消えてしまうからです。
Cloud Runで動作するコンテナの挙動、具体的には標準出力の内容とHTTPアクセスのログは当該GCPプロジェクトのStackdriver Loggingで確認できるので、それで最低限のログの確認はできます。

もし、ちゃんと構造化したログ取りが必要であれば、Stackdriver Logging クライアント ライブラリを用い、リクエストの内容を別途ロギングするのが良いと思います。それをBigQueryにエクスポートするよう設定したり、そこまで大袈裟でなくてもいいなら、Cloud Storageにエクスポートしてgcloudコマンドでローカルにダウンロードして分析するのが手軽かなと思われます。

Dockerfile

Dockerfileは以下のような内容になりました。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

FROM ubuntu:18.10

RUN touch /etc/apt/sources.list.d/jubatus.list \
&& echo "deb [trusted=yes] \
http://download.jubat.us/apt/ubuntu/bionic/binary /" > \
/etc/apt/sources.list.d/jubatus.list
RUN apt-get update
RUN apt-get install -y \
    mecab \
    libmecab-dev \
    python \
    python-pip \
    jubatus \
&& apt-get clean \
&& rm -rf /var/lib/apt/lists/*

RUN pip install -U pip
RUN pip install futures jubatus falcon gunicorn mecab-python

WORKDIR /home/takumi/work/serif-predict
COPY . .

RUN chmod 744 ./startup.sh
CMD ["./startup.sh"]

このサービスは制作時期の関係もあってPython2.7系で作っています。ベースイメージをPython:2.7にしようかと思ったのですが、Jubatusインストール時のrequirementをうまく満たせなかったので、素のubuntuからpythonを入れています。そのためビルドにはかなり時間がかかり、コンテナサイズも大きくなりがちです。もう少し改良の余地がありそうです(ベースイメージの選択やマルチステージビルドの導入など)。

startup.shの中身はJubatus用の環境変数設定とjubaclassifier(Jubatusの分類器バイナリ)の起動、gunicorn(Webサーバ)の起動です。Dockerコンテナ内で複数のプロセスを起動する場合、シェルスクリプトを書いてそれをDockerfileのCMDコマンドで起動する手法を取ります。

1
2
3
4
5
6
7
8
9
10

#!/usr/bin/env bash
export JUBATUS_HOME="/opt/jubatus"
export PATH="${JUBATUS_HOME}/bin:${PATH}"
export LD_LIBRARY_PATH="${JUBATUS_HOME}/lib:${LD_LIBRARY_PATH}"
export LDFLAGS="-L${JUBATUS_HOME}/lib ${LDFLAGS}"
export CPLUS_INCLUDE_PATH="${JUBATUS_HOME}/include:${CPLUS_INCLUDE_PATH}"
export PKG_CONFIG_PATH="${JUBATUS_HOME}/lib/pkgconfig:${PKG_CONFIG_PATH}"
export MANPATH="${JUBATUS_HOME}/share/man:${MANPATH}"
jubaclassifier -f jubatus/serif_pos.json -b localhost -p 9199 -m serif_pos.jubatus &
gunicorn --bind :$PORT --workers 1 --threads 8 server_pos:api

コンテナのビルドと実行

コンテナをビルドします。

1
2
3
4

$ docker build -t serif-predict .
$ docker images
REPOSITORY      TAG             IMAGE ID            CREATED             SIZE
serif-predict   latest          1072c254460f        1 mins ago         2.56GB

2.56GB。うっ、でかい……。NEologdを全部入り(-aオプション)でインストールしているのでなおさら大きいです。とりあえず実行してみます。

1

docker run -e PORT=8008 -p 8008:8008 asia.gcr.io/imas-api-serve/serif-predict

docker statsで確認すると、MEM USAGE / LIMITは1.064GiB / 7.777GiBでした。ギリギリ1GBに収まらないくらいです。

Cloud Runでサーブする

デプロイ

まず、GoogleのコンテナリポジトリサービスであるGoogle Container Registryに先程のコンテナをアップロードします(GCPプロジェクト”imas-api-serve”を事前に作成しているものとする)。

1
2

docker tag serif-predict asia.gcr.io/imas-api-serve/serif-predict
gcloud docker -- push asia.gcr.io/imas-api-serve/serif-predict

Cloud Runを使うための細かい解説は他に譲ります。プロジェクトでCloud Runを有効化し、課金アカウントを割り当てます。ここで注意すべきは、無料枠の範囲で使いたい、そのくらいしか使わないよ、という場合でも、課金アカウント(クレジットカード)の割り当ては必須であることです。

Cloud Runの管理画面から「サービスを作成」を選び、先程pushしたコンテナを選んでリージョン(ここではasia-northeast1:東京)やサービス名を設定します。1つのGCPプロジェクトに複数のCloud Runサービスを作成できます。

メモリはデフォルトでは256MiBしか割り当てられないので、「オプションのリビジョン設定を表示」から設定する必要があります(最大2GiBまで)。今回はMaxの2GiBを指定しました。

サービスが作成されました。各サービスには固有のHTTPSエンドポイント(“サービス名”-“ランダムな文字列”-an.a.run.app/ みたいなURL)が割り当てられます。
https://serif-predict-2zvjww2i3q-an.a.run.app/imas_cg-words/v1/predict/妄想ぱわーのように直接URLを叩いてみると、正しく結果が返っているようです。

あとは、フロントエンドのコードを書き換えてWebAPIのリクエスト先をこちらに変更してしまえば移行完了です。

使用量

2019-11月の一ヶ月分について請求書を確認したことろ、CPU Allocation Timeは1,258.5 vCPU秒/月、Memory Allocation Timeは2,300 GiB/月でした。docker statsコマンドで消費メモリを確認したとき1GBちょっとでしたので、1GB * 約1300秒 = 約1300GB・秒になりそうなものですが、スピンアップ時に一時的にもっとメモリを使っているのかもしれません。
また、コンテナを保存するためにCloud Storageを1GiB弱使っています。

いずれにせよ無料枠は180,000vCPU 秒/月・360,000GiB/月なので、__Cloud Runについては__余裕で収まる範囲です。が、上述のCloud Storage分で3円ほどかかりました。

参考: Cloud Run

無料枠に関する考察

「180,000vCPU 秒/月・360,000GiB/月・200万リクエスト/月」という無料枠についてもう少し考察してみます。
今回のサービスでは、1回のリクエストにかかるサーバサイドの処理時間は入力テキストの長さに応じて25ms～800msと幅がありますが、ログをざっと観察して、平均して250ms程度と仮定します。100ms単位で切り上げなので300ms vCPUの処理時間が課金されます。

18万秒 ÷ 30日 = 6000秒/日 = 600万ミリ秒/日
6000000ms ÷ 300ms/req = 20000req
となり、1日2万リクエストを受け入れられます。実際には1つのインスタンスで複数のリクエストを受け入れられるのでもっと余裕がありますが、ここではアクセスは散発的であるとし、同時に使おうとするユーザは1人だけと仮定しました。

リクエストあたりのメモリ使用量は、実測値2300GiBと1258.5秒からするとその比率は1.83となり、2倍には届かないことから、18万秒フルに使用しても36万GiBを超えることはありません。
また、200万リクエスト/月 = 66666リクエスト/日 ですから、リクエスト数の無料枠を超えることもなさそうです。
もしAPIのレスポンスサイズが大きい場合は、これらとは別にネットワーク転送量枠を考慮する必要がありますが、今回のサービスではその必要はありません。

使用感

実行時間は100ms単位でカウントされ、使用されない間はまったく料金がかからないのがCloud Runの利点ですが、停止状態からのスピンアップにはそれなりの時間がかかります。今回の例では7～10sほどかかっており、UX的にちょっとどうなのという感じです(フロントエンド側で起動中であることを示す仕組みが必要)。
このスピンアップの処理がローカルVMのDockerで”docker run”した場合とまったく同等なのか不明ですが、ローカルVMでは4～5s程度で完了できるので、それに比べるといくらか遅いです。

反面、一度スピンアップしてしまえばローカル環境と同程度のレスポンスで使えます(文章量により20ms～800ms程度)。
従って、しばらくアクセスがなくてコンテナが停止している場合の最初の1回のスピンアップだけなんとか待ってもらえば、以降は同等の感覚で使ってもらえそうです。

まとめ

フロントエンドはSPAなので静的HTMLが置けるサービスであればどこでもよく、サーバサイドもサーバレスにできたので、サーバのお守りから開放されました。

継続して提供はしたいがアクセス数はそれほどでもないサービスを無料または低価格で提供する方法としても使えるのではないでしょうか。これまで、そうした用途にはHerokuやGoogle App Engine(Standard Environment)の無料枠を利用する方法が定番とされてきましたが、任意のコンテナが使えるCloud Runにはそれらを大きく凌駕する汎用性があります。

注意点としては、WebAPIとしてサーブする関係上「未認証の呼び出しを許可」に設定して、一切の認証を行っていないので、DoSアタックされるとクラウド破産しかねないことがあります。事前に料金の上限アラートを設定しておく必要があるでしょう。

おはようございます。たくみP(imas_cg集計 @shuukei_imas_cg)です。担当は(もちろん)シンデレラガールズの喜多日菜子です。

このアカウントはもともとPixivに投稿されたシンデレラガールズのイラスト投稿数を集計するだけのアカウントだったのですが、今はちょっとした機械学習+アイマスのWebサービスを提供していたり、日菜子のLINEボットを作っていたりと雑多なアカウントと化しています。興味があったらこちらのサービス一覧を覗いてみてください。

Abstract

Wikiのデータを対象に喜多日菜子の口癖である「むふふ」とそれに類する言葉のバリエーションを列挙し、その頻度分布について述べた。また、頻度上位のむふふについてその実際の使われ方、意味合いについて分析した。
現時点で「むふふ」のバリエーションは70種存在し、最も用いられているのは「むふふ♪」であった。
また、サンプル1166文のほぼ1/3、32.0%の文に「むふふ」が含まれていた。

はじめに

喜多日菜子は豊かな想像力とそれを支えるさまざまなフィクション作品の知識を持つ(シンデレラガールズ劇場第1251話「日菜子コンティニュー」参照) 「妄想のプロ」 であり、常日頃妄想しているためか、台詞中に頻繁に「むふふ」が出現する。日菜子P以外にも「日菜子といえば『むふふ』」というイメージが定着している(※要出典)。

しかし実際に作中の台詞を観察してみると、これには「むふ」「むふふ」「むふふふぅ～♪」などさまざまなバリエーションが存在し、「むふふ」がその代表表記としてふさわしいか否かは定かではない。そこで本稿では、日菜子の台詞の一覧から「むふ」の2文字から始まる文字列を列挙し、その内容を分析した。

対象データ

有志によるWikiの記述を対象とした。

• モバゲー版「アイドルマスターシンデレラガールズ」(以下モバマス)
  • アイドルマスターシンデレラガールズwiki内の喜多日菜子に関する記述を利用
  • カードに属する台詞(マイスタジオ、お仕事、親愛度MAX演出など)、誕生日コメントを対象とする
  • 特訓前・特訓後で一字一句同じ文章である台詞が存在するが、ボイス化された際に異なるニュアンスで発音されることもあるため、今回は個別に集計する
  • 2019-11-20時点のデータを採用
  • 計875文
• アプリ「アイドルマスターシンデレラガールズ スターライトステージ」(以下デレステ)
  • アイマス デレステ攻略まとめwiki【アイドルマスター シンデレラガールズ スターライトステージ】内の喜多日菜子に関する記述を利用
  • カードに属する台詞、共通台詞を対象とする(コミュ内台詞は含まれないことに注意すること)
  • 2019-11-26時点のデータを採用
  • 計291文

本稿では、この875+291=1166文を対象に集計を行う。

「むふふ」の可視化

集計する「むふふ」の定義

• 「むふ」の2文字からはじまり、連続する「ふ」、末尾の「っ」「ぅ」、「…」「〜」「♪」「!」などの記号までをひとまとまりとする。
• 文中での使われ方を把握するため、本稿では後続する句点、読点も「むふふ」の一部として扱う。
• 「むふふ」及びそのバリエーションが連続する文については、個別のむふふとして数える。
  • 例1: 「むふふふ…むふっ…むふふふ…」 → むふふふ…/むふっ…/むふふふ…
  • 例2: 「むふふふふっ、愛のパレードは誰にも止められない。むふふっ!」 → むふふふふっ、/むふふっ!
  • 例3: 「狙い撃ちです!むふ、むふふ♪」 → むふ、/むふふ♪
• 以上の条件を正規表現でこのように定義する。

  1	むふ+[、。…〜～♪っぅ!]*…*

一覧と頻度分布

日菜子の台詞1166文中、「むふふ」のバリエーションは70種、総出現回数460回であった。また、「むふふ(厳密にはその最短バリエーションである”むふ”)」を1回以上含む文は1166文中373文であった(32.0%)。

上図の通り、1位「むふふ♪」と2位「むふ♪」が突出して多く、この2種類だけで全体の32%を占めている。

個別の「むふふ」の意味合い、使われ方

上記の一覧から、頻度上位5種のむふふについて、実際の使われ方を分析する。

「むふふ♪」(76回)

・ 顔、ニヤけてますか?もっと真面目に…!むふふ♪ムリかもぉ
・ てやんでえ。むふふ♪
・ そして王子様が…むふふ♪
・ 日菜子の妄想力よりももっと刺激的な妄想をくれたトークに心から賞賛を贈りますよ〜。むふふ♪
・ ○○さんの視線の先には新しい日菜子が…むふふ♪

素の「むふふ」よりもハイテンションで楽しんでいる状況でよく用いられる。句点や3点リーダーを挟んで文末に、笑い声のように使われることも多い。普段から笑顔を絶やさず、お仕事を楽しんでいる日菜子の姿が浮かび上がる。

「むふ♪」(66回)

・ 妄想ぱわーです! …むふ♪
・ 地元には、モコモコの服売ってる店をまわる、日菜子コースがあるんです〜。今度ふたりで。むふ♪
・ 颯爽と現れた○○さんは日菜子の手を取り…むふ♪
・ 夢に○○さんが…これ以上は…むふ♪言えないです♪
・ 日菜子イイ事考えました、眠ってれば王子様が口づけを…むふ♪

先述の「むふふ♪」と同様の使われ方が多いが、「むふふ♪」がスタンダードな笑み・笑いかけだとすると、この「むふ♪」は含みを持たせた笑み、心中を言い切らずにPに想像させるようなニュアンスであることが多い。

「むふふ」(33回)

・ 七夕だけじゃなく、年中願い事をしてるんですよ〜。むふふ
・ いいんです。一緒に話してるだけで日菜子はむふふMAXです〜
・ むふふが止まらないですね♪
・ どちらもむふふです〜
・ みなさんもむふふなことを考えながら、日菜子を見てくださいねぇ♪
・ 思い出しむふふが止まりません

後続の音符記号や読点を伴わない「むふふ」は、「むふふが止まらない」「どちらもむふふです〜」「思い出しむふふ」など、名詞、形容詞的な使われ方が多い。「妄想」や「興奮」、「(何かしらのピンク色の想像)」のかわりに「むふふ」を使っていることは特筆に値する。

「むふ、」(24回)

・ ○○さんが撮影ですか? 日菜子の写真であんなことやこんなこと…むふ、むふふ〜♪ 綺麗に撮ってください〜
・ 日菜子の妄想、○○さんになら、もっともっと話しちゃっても…。さあ日菜子といっしょに夢の世界に。むふ、むふふ♪
・ 王子様…むふ、きっと見てます
・ 日菜子金魚は、水槽の中にとらわれて…むふ、いいですよ〜
・ むふふ…○○さんは何を考えながら投票してくれたんでしょうねえ? これを機に日菜子と…。むふ、むふふふ…♪

他のむふふに先行して組み合わせで使われることが多い。むふふ1回では表現しきれない、内心から沸き立つような妄想の興奮を表すために「むふ、むふふ♪」と使っているといえる。

「むふふ、」(23回)

・ あぁ、仕事終わりの浅草…。日菜子と○○さんの秘密のフリータイム…。むふふ、ここから先は妄想じゃすまないかも〜
・ むふふ、いい雰囲気ですねぇ。妄想だとこの後ですねぇ…むふふ
・ 金魚に乗った王子様…むふふ、アリですよ、○○さん♪
・ プロデューサーさんは日菜子にどんな服を着せたいですか〜?むふふ、妄想は自由ですよ〜♪

上の「むふ、」と違い、単発で完結する小規模な興奮を伴う「むふふ」である。文の中頃に存在することが多い。起承転結でいえば「(起の部分)…むふふ、(承の部分)」という構成で使われる。

その他特筆すべき「むふふ」

「むふっ!」や「むふふ!」などエクスクラメーションマークを伴う「むふふ」は、音符記号付きのむふふよりも強いテンションや過激な内容の妄想を示す。

「むふぅ…」「むふぅ」「むふぅ♪」など小さい「ぅ」を含む「むふふ」は特殊な妄想の際に使われており、頻度は少ないが強い印象を残す。むふふ3段活用ともいえる以下の文はむふふの奥深さを感じさせられる。

・ クリスマスは妄想がはかどりますね。…むふ。今夜は○○さんと…むふふ。流石にそれはむふぅ。これで許してください～

「ふ」の繰り返しは5回が最大であり(むふふふふふ♪)、頻度としては「むふふ」(2回) > 「むふ」(1回) > 「むふふふ」(3回) > 「むふふふふ」(4回) > 「むふふふふふ」(5回) の順に多い。

おわりに

Wikiから収集した喜多日菜子の台詞をもとに「むふふ」のバリエーションを集計、分析した。末尾の記号や句読点を除いて統一すると「むふふ」の頻度が高く、日菜子を代表する口癖であると一定の根拠を持って言えるが、実際の使われ方としては音符記号付きの「むふふ♪」が最も多いことは留意したい。

サンプル文中の32.0%に「むふふ」が含まれており、日菜子はほぼ1/3の頻度で何らかの「むふふ」を言っている(ただし、これにはデレステのイベントコミュのような比較的長文の台詞が含まれていないことに注意すること)。

感想

台詞を眺めているうちに「ふ」の文字がゲシュタルト崩壊しました。

参考文献

• アイドルマスターシンデレラガールズwiki
• アイマス デレステ攻略まとめwiki【アイドルマスター シンデレラガールズ スターライトステージ】
• 正規表現チェッカー
• 日菜子っぽさを台詞テキストから探る

という記事をnoteに書いて投稿したのでご覧になって頂ければ。というだけのポストです。

ごく個人的な思いつきではじめたシンデレラガールズアイドルイメージアンケートでしたが、おかげ様で多くの方に参加いただき、183アイドル全員についてなんらかの回答を得ることができました。あらためてお礼申し上げます。

そもそもこのアンケートは、筆者がシンデレラガールズ6周年の企画として実施されたアンケートの結果発表に登場するアイドルに偏りがあるのが不満だったというか……、なんの補正もなしにやったらそうなるのは予想できたけど、それにしてももうちょっとどうにかならなかったものか……という思いからスタートしています。
公式アンケートは「設問」→「合致するアイドル」の形式ですが、そこを逆転して、「アイドル」→「そのアイドルのイメージ」の形式にしました。しかし、アイドルごとのイメージは多種多様で、あらかじめ「頼れる」「天然」「妹にしたい」などの選択肢を用意しておくことは難しいです。そこで、選択肢自体を勝手に入力してもらったらどうか、というアイデアが生まれ、自由に選択肢を追加できるアンケートとなりました。

設問については徹底的に人気投票的な要素は除外し、あくまで「アイドルに対するイメージを確認する(助けにする)」ことを目的にしました。これまであまり良く知らなかったアイドルの意外な面を知るきっかけになれば幸いです。

結果

こちらのシンデレラガールズアイドルイメージアンケート:結果一覧を御覧ください。

概略

• 回答数 5047
• 回答したユニークユーザ数 1824
• 実施期間 2018-01-03 12:01～2018-01-10 23:59
  • 告知時のツイート
• Twitterアカウントによるアプリ連携認証を行ったうえで、1人あたり、1アイドル/1回/日 回答できる

回答回数の分布

本アンケートでは各アイドルごとに1日1回回答できましたが、最大で117回回答してくださった方もいました(以下89, 61, 55, 54…)。ヒストグラムを描くと以下のようになります。
1824人中の約6割、1077人は1回のみ回答しています。

アイドル別回答数のTOP10

人気投票的にならない範囲でTOP10だけ公開します。

アイドル選択画面で上の方にあるから多くなる、という影響があるのかないのか、あるとすればそれを除くにはどうすればいいのか難しいところです。

「関係が深いアイドル(アイドル別集計)」が両思いのアイドル

本アンケートのひとつの目玉といえる設問、「あなたの考える(アイドル)と関係が深いアイドル」において、結果が両思い(Aと関係が深いアイドルがBのとき、Bと関係が深いアイドルがAであるとき)であるアイドルの一覧です。

公式でユニットを組んでいるペアや、共通項の多いペア(外国人、お笑い、クリスマス…?)が多いです。それ以外のペアは2次創作的に定番であったり、ユニットが望まれているペアであると言えるかもしれません。

質問箱などに寄せられたご意見

質問箱に寄せられたご意見の概略です。

• どのアイドルのアンケートに答えるか迷う人もいるので、ランダムにセレクトする機能が欲しい
• 回答後に、「こちらのアイドルもついでにどうですか?」と回答を促す仕組みがあるとよい
• 「オリジナルユニット」は組み合わせが多すぎてキリがないような気がする
• 「関係の深いアイドル」の項目をアイドル個人単位で集計できるようにならないか → 対応しました
• 回答が初期値や例に強く依存するのでは
• 自分が担当していないアイドルについてもそれを明記したうえで回答を集められるとよい
• 次回があったらアイドルごとに1人1票のみにした結果も見てみたい

課題

アイドルごとの回答数をもう少し平滑化、つまりまんべんなく集められるようにしたいと思います。ご意見にもあった「こちらもどうぞ」的機能は必要かなと。または「あるアイドルの結果を見るには、最低1回そのアイドルについて回答していなければならない」とかすると増えるでしょうか。

もっとたくさんの方に回答していただくにはどうすればよいか、というのも課題です。告知のツイートがバズるのが手っ取り早いのですが、それは運とタイミングと自分のツイッターアカウントのフォロワー数によるので、一朝一夕にどうこうできません。そこで今回は、アンケートに答えた後に、回答者がハッシュタグとURL付きで「◯◯に回答しました」とツイートできるようにしました。そのツイートを見て回答に来てくれた方も多かったようです。

ちなみに告知ツイートのインプレッションは以下の通りです。

技術的な課題としては、今回、Firebase + Cloud Firestoreを使ったのですが、トランザクションがうまくなくて、「アイドル別回答数」のカウンタがうまくカウントアップできず、結局、終了してから全データを数えなおしてカウントしました。クライアントに頼らずサーバサイドでCloud Functionとか使ってカウントしたほうがいいかもしれない、と思いました。
開発していると恵まれた通信環境でテストしてしまうのですが、今回も6割はモバイル端末からのアクセスだったので通信環境もさまざまです。クライアント側で長々とデータを送ると通信が途中で途切れる可能性が高くなるので、クライアントからのデータ追加はトランザクション化したうえで最小限にし、集計に類する処理はサーバ側で行うなど考慮しないといけないなと……。

次回へ

次回アンケートは時期や実施の有無も含めて未定ですが、もし実施してほしい要望があれば質問箱やTwitterで気軽に投げていただければと。

おはようございます。たくみP(a.k.a imas_cg集計 @shuukei_imas_cg)です。担当はシンデレラガールズの喜多日菜子です。

ここまでのアイマスアドベントカレンダーのエントリ状況を見ていると、アイドルの話:技術の話がだいたい1:2くらいだったのですが、そのアイドルがいずれもボイス実装済みのアイドルばかりだったので、ここはひとつ、ボイス未実装アイドル担当Pの根性を見せなければ…と思って参加を決めた次第です。
ちなみに、このエントリを書くためだけにここのサイトを全面リニューアルしてhexoで書き直しました。

はじめに

さて、この記事では拙作「シンデレラガールズ台詞判定」のデータを使って「喜多日菜子っぽさ」「喜多日菜子っぽい台詞」を概観していきたいと思います。

なお、技術的解説に興味がない方は、特徴的な単語まで飛ばしていただいて構いません。

シンデレラガールズ台詞判定とは

「シンデレラガールズ台詞判定」はWebサービスとして動いていて、任意の台詞テキストを入力すると、それがシンデレラガールズの183人のアイドルの「誰が発した台詞に近いか」をスコア付きで返します。公式の台詞(学習データにある台詞)を入力すれば、55.23%の正解率で正しいアイドルを返します。

55.23%ってぜんぜんたいしたことないじゃないか…と思われそうですが、本サービスでは収集できる限りすべての台詞を対象としているので、ほんの一言二言の台詞がテストに使われることもあり……
例えば「いつもお疲れ様です」が誰の台詞かわかりますか? N高森藍子(特訓前)のマイスタジオでの台詞です。このようにぜんぜん特徴的でない台詞も対象とすることと、シンデレラガールズのアイドルが183人もいる(=183クラス分類)ことなどから、全体ではこれくらいの正解率になっています。

そのなかでは喜多日菜子は特徴的な単語や台詞回しが多く、だいたい8割くらいの正解率で判定が可能です。これは日菜子の喋りが特徴的であることに起因します。下図のように「妄想は、日菜子を輝かすパワー！」(ちなみにこれは[ワンダフルブライド]喜多日菜子のお仕事台詞です)を判定させると、正しい結果を返していることがわかります。4.0056…というところがスコアです。

シンデレラガールズ台詞判定では、入力された台詞テキストを「形態素」に分割し、形態素ごとに機械学習によって設定した「重み」を足し算してスコアとしています。つまり、

台詞テキストのスコア = w1a1 + w2a2 + w3a3…
(a1, a2…は形態素のありなし、w1, w2…は形態素ごとの重み)

というシンプルな一次方程式で算出できます。下図の例では「妄想」と「日菜子」に非常に大きな重みが付いていることがわかります。

プラスの重みが大きい形態素は「そのアイドルっぽさに寄与している」、マイナスの重みの形態素は「そのアイドルっぽくない」と言えます。
喜多日菜子は趣味が「妄想」、一人称が「日菜子」なのでそれらの重みが大きく、また、あまりエクスクラメーションマークを付けて勢いのある台詞を言う娘ではないので、「!」の重みがわずかにマイナスになっています。

「っぽさ」の定義

前節でかんたんに「重みがアイドルっぽさ/っぽくなさ に寄与している」と書きましたが、これはどうやって算出できるのでしょうか。
大ざっぱに言えば、文書分類のタスクでは定番のTF-IDFという手法が使えそうです。

厳密な解説は別のページを参考にしていただくとして、簡単に説明すると以下のようなものです。

• TF
  • Term Frequency: 単語の出現頻度。文書内で単語がどれだけ出てきたか
  • アイドルがたくさん喋る単語ほど重要!
  • この場合は、「あるアイドルのすべての台詞」を「文書」と考え、形態素(単語)が何回出現したかを数える。当然、回数が多い単語の方が「っぽい」
• IDF
  • Inverse Document Frequency: 逆文書頻度。単語がいくつの文書内で共通して使われているかの逆数
  • すべてのアイドルが共通して喋る単語はあんまり重要じゃない!
• TF-IDF
  • TFとIDFを掛け算したもの

例えば「妄想」という単語は日菜子の台詞中に頻繁に出現し、かつ他のアイドルはめったに口にしないので、「喜多日菜子っぽさ」になりえます。
逆に「アイドル」や「お仕事」という単語はどのアイドルも頻繁に喋るので、話者を特定する特徴とはなりにくいわけです。

このTF-IDFの考え方をベースに、機械学習で、アイドルを判定する性能が最大になるように重みを学習したものを「っぽさ」とここでは定義します。

特徴的な単語

それではモデル(学習データ)の中身を見ていきたいと思います。名詞、動詞、形容詞、副詞といった品詞ごとに取り上げます。

名詞TOP40

名詞は特にアイドルごとの特徴が現れやすいので、上位40個を紹介します。

「妄想」「日菜子(一人称)」は基本です。「王子」「白馬」「舞踏会」「出会い」は王子様との邂逅に憧れる日菜子らしい語彙です。日菜子は妄想との対比で「現実」について言及することも多く、それが現れています。それになんといっても「むふふ」という笑みのバリエーションが豊かですね。

「夢の国」「おもちゃ箱」など遊園地っぽい明るいイメージの言葉もありますね。「花火」「下町」「いなせ」「銭湯」など「浅草」をイメージする言葉も多いです。これは「アイドルプロデュース 夜空に咲く花火編」の影響が大きいようです。

動詞TOP20

形態素の原型化(はりきっ→はりきる)をしていないので少し読みにくいですね。以下、解説では原型化して説明します。

「はりきる」「追いかける」「夢見る」は妄想は実現するものと言い切る日菜子らしい語彙です。「委ねる」「途切れる」は妄想に、「現れる」は王子様に掛かっているのでしょうか? 「描く」は[ドリームペイント]喜多日菜子の、「描い」はアイプロ中の台詞ですね。

形容詞TOP20

「涼しい」は[ひらひらふわり]喜多日菜子の台詞中の単語でしょうか。基本的にポジティブな形容詞が並びます。

副詞TOP20

「断然」「キリッ」としながらも「のほほん」と、「キラキラ～」で「ふわふわ」で「つるつる」であることを「バッチリ」「きっと」信じている日菜子の姿が浮かびます。

まとめ

いかがでしたでしょうか。「妄想」が趣味でありながら、妄想は逃避ではなく実現するものと言い切るポジティブな日菜子の姿が見えてきたのではないでしょうか。

今回の集計にはすべてモバゲーの「アイドルマスターシンデレラガールズ」中の台詞を用いています。デレステしかプレーしたことのないという方も、一度、より豊かなテキストを楽しめるモバマスに触れてみてください。デレステでは見たことのないアイドルの姿が見られるかもしれません。
モバマスはプレーしてないけどといりそぎ触れてみたいという方は、喜多日菜子wiki ひなこぺでぃあへどうぞ。

おまけ: 183アイドルの最も特徴的な単語

183人のアイドルについて、それぞれをもっとも特徴づける単語(形態素)は何でしょうか?
そこで、各アイドルについて、いちばん重みの大きかった形態素を一覧にしたのが下の表です。
(これは「そのアイドルが一番多く言った形態素」ではなく、「だれの発言かわからない台詞中にその形態素があったら、このアイドルの発言である可能性が一番高い」くらいのニュアンスです)
スコア降順にソートしてあります。大まかには納得できる結果になっているのでは…?

台詞に特徴のない、ふつうの喋り方をするアイドルほど「なんでそんな単語が?」というような単語が上がります。(一部、形態素解析のミスっぽい部分も散見されます)