読者です 読者をやめる 読者になる 読者になる

C77のサークル名をN-gram解析してみた

急にコメントが来たので

 前回、C77のサークル名で文字頻度の解析をたわむれにやってみたところ、コメントやらTwitterやらでわずかながらもいくつか反応をいただけました。ありがたい限りです。その際、

英数字やカナの場合N-gramといってN文字単位で切り出したものをカウントすると言う手法もあります。

 というアドバイスをいただいたので、ははあなるほど世の中にはそんなものもあるのか、では試験勉強の現実逃避にひとつそのN-gramというものもやってみるか、と思い立った次第です。勉強しろ。
 前回と同じく、C77のCD-ROM版カタログから抽出した全40324サークル(抽選漏れ含む)の名前リストを、ExcelとVBAを使って適当に処理しています。

N-gramってなにさ

 ご存じの方は飛ばしてくださってかまいません。ご存じでない方も、N-gramで検索をかけた方が分かりやすい気がします。
 N-gramとは、ひとかたまりの文章をN文字単位で切り出していく方法のことだそうです。なんだかよく分かりませんが、次の例を見ればまだ分かりやすくなるでしょう。たとえば、

それは、小さな事件と、出逢いの物語。
――劇場版「魔法少女リリカルなのは」The MOVIE 1stはじまります。

 という文章は、句読点やカギ括弧などごとに文章が区切られていると考えると、

それは
小さな事件と
出逢いの物語
劇場版
魔法少女リリカルなのは
The MOVIE 1st
はじまります

 と分けられます。これをN=2でN-gram処理してみると、

それ
れは
小さ
さな
な事
事件
件と
出逢
逢い
いの
の物
物語
劇場
場版
魔法
法少
少女
女リ
リリ
リカ
カル
ルな
なの
のは
The
MOVIE
1st
はじ
じま
まり
りま
ます

 となるわけです。日本語を処理する場合は、英単語はN文字でぶつ切りせずに、単語ごとにまとめるのが一般的みたいです。今回は、こうして切り出されたN文字の部品を集計して、中でも特に多かった部品から「サークル名に使われやすい言葉」を調べていこうと思います。

実際にやってみた

 今回は、N=1〜4でN-gram処理を行い、その中から漢字を含むもの、ひらがなカタカナのそれぞれ出現回数上位50位をリストアップしてみました。ただし、N=1の時はひらがなカタカナを、N=4の時は漢字を含むものを省いています。理由は単純で、一文字のかななんか見ても意味が分からないため、四文字まとまりの漢字なんてサークル名にはそうそうないから出現回数3〜4回みたいなものまで平気でランキング上位に上がってきてしまうためです。
まずはひらがなカタカナから見ていきましょう。

順位2-gram3-gram4-gram
1スタ277回スタジ109回スタジオ107回
2ック274回タジオ107回サークル63回
3ット259回スター89回ジェクト50回
4ライ245回うさぎ83回プロジェ49回
5リー211回ション67回ロジェク49回
6ラン200回サーク63回ーション33回
7ター182回ークル63回オレンジ32回
8スト177回ちゃん62回カンパニ31回
9ねこ176回ランド52回ンパニー31回
10ーズ170回ェクト51回ドロップ31回
11イン153回ジェク51回スターズ31回
12ンド151回ロジェ50回シスター28回
13ティ151回プロジ49回ファクト23回
14ーク151回にゃん48回ァクトリ23回
15クラ147回ックス45回にゃんこ23回
16ール147回ケット43回ティック23回
17ちゃ144回ロップ42回クション22回
18ート140回ハウス41回パラダイ22回
19さん138回さくら40回ラダイス22回
20くら136回クラブ40回クトリー21回
21ーム132回レンジ39回アトリエ21回
22ゃん131回いちご39回ワークス19回
23っと130回マニア39回ガーデン18回
24トリ130回ターズ38回モノクロ18回
25うさ126回チーム38回ロケット17回
26ップ122回くらぶ37回チョコレ17回
27ファ119回ライト37回ライダー17回
28イト119回ッシュ37回ョコレー14回
29ジオ119回ティー35回コレート14回
30っく119回ーショ34回グループ14回
31クロ114回っくす34回すたじお14回
32タジ112回チョコ33回ひまわり14回
33ロー112回カンパ33回きゃっと14回
34サー111回オレン33回システム14回
35かん110回ブルー33回ジャンキ13回
36ショ109回パニー32回エンジン13回
37ング109回みかん32回メーショ13回
38リン109回トリー31回ハッピー13回
39アン108回ンパニ31回ドリーム13回
40クル106回ドロッ31回ブラック12回
41トラ106回ネット31回アニメー12回
42ロッ105回ロマン31回ニメーシ12回
43クト104回プリン31回グリーン12回
44りん103回ジャン31回かんぱに12回
45プロ103回ワーク30回のしっぽ12回
46パン103回ライン30回カプセル11回
47たま102回たまご30回はちみつ11回
48ント101回しっぽ30回ラッシュ11回
49ルー101回はうす29回まったり11回
50トロ100回ファイ29回クリーム11回
 まずはN=2の時ですが、「ねこ」がかなり上位に来ています。前回の記事でも漢字の「猫」が上位でしたし、N=3の時も「にゃん」が14位、N=4でも「にゃんこ」が15位、「きゃっと」が33位。あなたたちどれだけ猫好きなんですか。ちなみに、他に人気のある動物としては、N=3のときに「うさぎ」が上位に来ていますね。おいこら犬はどうした。
 また、N=3だと「いちご」「チョコ」「みかん」「プリン」、N=4だと「オレンジ」「ドロップ」「はちみつ」「クリーム」など、甘い食べ物はサークル名に使われやすい傾向にあるようです。ウサギや猫といい、かわいらしさを前面に押し出しているサークルが多いということでしょうか。
 そのほかサークル名に使われやすい単語としては、「スタジオ」「スター」「サークル」「ランド」「プロジェクト」「ハウス」「クラブ」「マニア」「チーム」「カンパニー」「ファクトリー」などがあるようですね。ひらがなにしたものも多いようです。
 続いて漢字を含むものです。
順位1-gram2-gram3-gram
11299回工房323回倶楽部137回
2690回研究240回研究会130回
3617回本舗178回研究所70回
4526回楽部142回委員会69回
5449回大学139回画研究64回
6445回倶楽137回漫画研61回
7435回企画133回屋本舗45回
8410回究会130回大学漫44回
9392回漫画82回学漫画43回
10381回東京76回製作所42回
11350回同盟72回症候群28回
12347回委員70回(仮)27回
13332回帝国70回同好会24回
14326回究所70回愛好会23回
15325回員会69回友の会21回
16324回少年67回堂本舗20回
17297回画研64回屋さん20回
18297回王国64回通信社19回
19291回茶屋64回研究部17回
20287回天使63回騎士団17回
21276回少女60回図書館16回
22275回の会60回天使の16回
23272回製作54回事務所14回
24262回通信53回屋根裏14回
25255回日本51回作委員14回
26255回屋本50回(有)13回
27247回小屋49回博物館13回
28245回部屋49回出張所13回
29242回天国48回秘密結12回
30243回世界48回研究室12回
31214回好会47回編集部11回
32214回幻想46回密結社11回
33204回学漫44回路地裏11回
34202回月の44回の缶詰11回
35202回作所44回実行委11回
36200回商会43回行委員11回
37197回出版38回ン研究11回
38196回妄想38回放課後10回
39192回宇宙38回ん工房10回
40182回天然36回学研究10回
41179回時計36回院大学10回
42178回空色36回科大学10回
43173回空間35回企画室10回
44172回庭園34回の世界10回
45169回学園34回三日月10回
46168回黒猫34回至上主9回
47167回月堂34回上主義9回
48164回商店33回向日葵9回
49162回電脳33回大学ア9回
50159回喫茶32回学アニ9回
 これを見る限り、使われやすい熟語は二文字のものが多いようです。また、N=2で「大学」が5位、N=3で「大学漫」が8位と、大学内のサークルが結構多いようです。
 ちなみに、C77の当選サークル数は34927なため、一つの島に「屋」がついているサークルが一つでも存在する確率はおよそ46%、「ねこ」ならおよそ7%です。これを応用すればコミケ占いとかもできそうな感じですね。上の表から好きな単語を3つ決めて、適当に選んだ島に先ほどの単語が入ったサークルが存在するかどうかでそのコミケの運勢が決まる! みたいな。ビッグビジネスの予感がしますね。

おまけ

ちなみに、英単語だとどうなるかも一応出してみました。一文字の単語は省いています。

順位英単語
1STUDIO152回
2PROJECT105回
3THE103回
4FACTORY88回
5BLUE82回
6OF79回
7GARDEN73回
8BLACK71回
9LOVE54回
10HEAVEN49回
11HONEY48回
12RE46回
13TEAM44回
14ORANGE42回
15LITTLE41回
16WHITE40回
17SWEET39回
18PINK37回
19NO36回
20COMPANY36回
21MOON36回
22ANGEL35回
23SYSTEM34回
24AND32回
25IN31回
26CHERRY31回
27RED30回
28HAPPY29回
29PLANET27回
30FLOWER26回
31HIGH25回
32TO25回
33SNOW24回
34WILD24回
35DE24回
36SECRET24回
37ETERNAL24回
38CLUB23回
39SUGAR22回
40RABBIT22回
41LA22回
42STRAWBERRY21回
43SKY21回
44RECORDS21回
45SUPER21回
46BABY20回
47FOREST20回
48AQUA20回
49CRAZY20回
50ON20回
やはりひらがなカタカナで多かった「スタジオ」「プロジェクト」「ファクトリー」がここでも大活躍。また、漢字で人気のあった「月」や「黒」なんかもお目見えしています。基本的にひらがなカタカナと相関しているようで、「甘い」系の単語や「かわいい」系の単語が多め。RABBIT(うさぎ)も40位にランクインしています。あ、あれ、CATは……猫はどこいったん……*1
化物語 第五巻/つばさキャット 上【完全生産限定版】 [Blu-ray]

化物語 第五巻/つばさキャット 上【完全生産限定版】 [Blu-ray]

*1:CATは56位でした。