せっかくだから俺は衆院選挙のツイートを調べるぜ

ネット選挙が解禁されて早一年、選挙終わるたびに民主主義さんや日本ちゃんの残機をスペランカーのように減らし続ける言論空間な今日この頃、皆様いかがおすごしでしょうか。

さて、今回は開票前後のツイートの内容を調べてみます。

##収集内容
2014/12/14 18:00 ～ 07:00 まで下記の情報を含むツイートを収集する

#総選挙,#衆院選,選挙

PythonでStreaming APIを使用して特定のキーワードを含んだツイートを取得しつづける
http://qiita.com/mima_ita/items/ecdf7de2fe619378beee

##収集、解析に使用したコード
https://github.com/mima3/stream_twitter

Windows7 Python2.7で動作確認済み

##収集結果の解析
収集したデータは下記からダウンロードできます。
http://needtec.sakura.ne.jp/doc/shuin47twitter.zip

###時間別のヒストグラム
まずは、ツイート数を時間別に見てみましょう。
先のコードを利用して2014/12/14 18:00 ～ 07:00までの１時間毎のデータをみてみます。

python twitter_db_hist.py "2014/12/14 9:00" "2014/12/14 22:00" 3600

※Twitter中の時刻がUTCで取得できるため日本時間だと９時間ずれています。

この結果は次のようになります。

時刻（UTC)	日本時間	件数
12/14 09:00	12/14 18:00	3149
12/14 10:00	12/14 19:00	4047
12/14 11:00	12/14 20:00	11280
12/14 12:00	12/14 21:00	9755
12/14 13:00	12/14 22:00	7199
12/14 14:00	12/14 23:00	5207
12/14 15:00	12/14 00:00	3472
12/14 16:00	12/14 01:00	3801
12/14 17:00	12/14 02:00	1545
12/14 18:00	12/14 03:00	529
12/14 19:00	12/14 04:00	292
12/14 20:00	12/14 05:00	300
12/14 21:00	12/14 06:00	477

20:00の開票のタイミングが一番もりあがります。
そして、時間経過とともにツイート数は減っていきます。
しかし、1:00代に復活し、その後はツイート数は減り、目の覚める5:00頃から多少回復します。

深夜はツイート数が減り、朝増えるのは理解できます。
しかし、夜中1:00代にツイート数が増加した理由はなんでしょうか？

このため、1:00代を1分単位でみてみましょう。

python twitter_db_hist.py "2014/12/14 16:00" "2014/12/14 17:00" 60

この結果をみると1:27分あたりで急速な盛り上がりを見せています。

このタイミングでなにが発生したのでしょうか？
ここで、民主党を愛してやまない海江田研究所の方々のスレを確認してみます。

【ふっかつのじゅもんがちがいます】海江田民主党研究第802弾【とうせんのしょはきえてしまいました】
http://anago.2ch.net/test/read.cgi/asia/1418565521/

811 ：日出づる処の名無し：2014/12/15(月) 01:26:44.86 ID:tG+ZZ8gB
    【当落速報】民主党の海江田万里代表が比例東京ブロックで復活せず、落選確実となった（01:19）(c)2ch.net
    http://daily.2ch.net/test/read.cgi/newsplus/1418574054/

812 ：日出づる処の名無し：2014/12/15(月) 01:26:49.76 ID:4Us97nfn
    落選決定ｗ

813 ：日出づる処の名無し：2014/12/15(月) 01:26:51.11 ID:pW7uplw3
    さよなら、万里

814 ：日出づる処の名無し：2014/12/15(月) 01:27:01.20 ID:yIjazH47
    うわああああNHKでも落選きたw

815 ：日出づる処の名無し：2014/12/15(月) 01:27:02.02 ID:NOhUWn58
    NHKでマリ完全落選

    いやここからフェニックスするから！絶対にふぇにっくすだから＿＿＿＿

816 ：日出づる処の名無し：2014/12/15(月) 01:27:08.70 ID:4zmUGrZE
    >>802
    ㌧。何もつまみ買ってきてないから鯖缶開けるわｗ

どうも当時の状況をみると1:19に朝日が号外として海江田代表の比例落選を報道し、NHKも1:27に同ニュースを報道したようです。

さすが、野党第一党の党首の進退は深夜のツイッタラーの眠気眼をもふきとばすインパクトがあったとうかがい知れます。また、この結果より、新聞の号外よりテレビの方が拡散力がつよいことがわかります。

###頻出単語の抽出
次は頻出単語を見てみましょう。
Mecabを用いることで、形態素解析を行い、その単語を集計しました。

これは以下のスクリプトで行うことができます。

python twitter_db_mecab.py "2014/12/14 9:00" "2014/12/14 22:00" > mecab.txt

以下にそのベスト１００を表示します。

単語	出現数
選挙	70626
区	33315
選	27196
衆院	27152
投票	13740
１	11698
当確	8386
自民党	7403
速報	7120
氏	7074
東京	6864
開票	6484
当選	6456
生	6443
NHK	6222
０	5866
#	5519
落選	5504
official	5488
kyodo	5487
確実	5384
２	5352
党	5236
番外	5229
議席	5025
行く	4811
人	4796
BqAAr	4633
vlhS	4606
率	4460
比例	4419
自民	4302
ブロック	4208
４	4196
てる	4035
日	3912
候補	3811
衆議院	3782
seiji	3773
９	3745
中	3726
日本	3611
jimin	3607
koho	3603
代表	3599
民主	3592
３	3589
者	3548
nicohou	3490
JNSC	3203
blogos	3170
ld	3125
名前	3098
安倍	3068
民主党	3039
言う	3011
特番	2959
次世代	2889
％	2881
時	2844
ニコ	2817
られる	2750
出演	2727
ビートたけし	2723
れる	2721
神奈川	2690
政治	2532
５	2511
海江田	2504
できる	2488
分	2424
長	2371
年	2315
視聴	2315
沖縄	2231
復活	2176
上	2092
う	1997
獲得	1977
票	1954
ない	1953
現在	1926
維新	1905
首相	1898
報道	1888
報じる	1882
池	1831
取る	1775
共産党	1773
代	1769
必要	1766
nMDR	1761
YidT	1761
若者	1750
的	1727
用紙	1712
万里	1666
senkyost	1645
情報	1628
是非	1618

やはり党名でもっとも抽出されたのは過半数を取った「自民党」でした。次に「民主党」、つづいて「次世代」で、あとは「維新」、「共産党」になります。
次世代の党は実際の議席数とネットでの注目度にかなりの乖離があるようです。

地名で抽出されたのは「東京」と「沖縄」でした。東京に関しては「東京新聞」の記事のリツイートもあったので、多く抽出され、沖縄に関しては自民党が小選挙区全滅という形になっていたので他の地域より注目があつまったと考えられます。

人名で注目されたのは「安倍」、「ビートたけし」、「海江田」でした。首相と野党第一党党首は当然としても、「ビートたけし」が注目されたの意外でした。どうもこれはニコ生で「ビートたけし」が出演していたためのようです。

###文節の係受けの関係を探る
最後に文節の係受けの関係をCabochaを用いて集計してみます。
WindowsにCabochaを入れる方法は下記を参照してください。

WindowsにCabochaをいれてPythonで係り受けを解析してみる
http://qiita.com/mima_ita/items/161cd869648edb30627b

なお、今回は0.66で解析しました。最新でも似たような結果になると思います。

これは以下のスクリプトで行うことができます。

python twitter_db_cabocha.py "2014/12/14 9:00" "2014/12/14 22:00"  > cabocha.txt

以下にそのベスト１００を表示します。

文節1	文節2	出現数
落選	確実	1762
co/	4nMDR4YidT#総選挙http://t	1557
投票率	０％	1538
【選挙】衆院選、	１０代	1534
１０代	投票率	1534
若者	行く	1504
名前	書く	1504
RT@whsaito:投票用紙	記入する	1502
名前	記入する	1502
是非候補者	名前	1502
方式	取る	1502
高い	日本	1502
書く	行く	1502
取る	日本	1502
記入する	方式	1502
14日	行く	1502
教育水準	高い	1502
RT@kyoho_times:	１０代	1460
復活	確実	1288
奴	当選する	1208
こういう	奴	1208
行く-否定	当選する	1186
当確	報じる	1172
3700kei:#総選挙選挙	行く-否定	1141
RT@keisei	3700kei:#総選挙選挙	1107
比例東京ブロック	復活	1075
RT@kyodo_official:民主党	海江田万里代表	964
片山哲委員長	落選する	928
落選する	落選する	928
海江田万里代表	復活	928
野党	落選する	928
社会党	片山哲委員長	928
１９４９年衆院選	落選する	928
敗北	確実	914
みんな	政治http://t	885
当選	確実	815
衆院選特集ページ	→http://t	761
感じる	#選挙	755
投票所	聞く	755
１票	格差	755
格差	感じる	754
聞く	感じる	754
女子高校	聞く	754
RT@kurosia:知り合い	投票所	752
戦後最低	前回	742
RT@ld_blogos:	【速報】	663
次世代	党	633
【速報】	当確	561
下回る	http://t	551
RT@kyodo_official:次世代	党	546
衆院選	投票率	535
と	述べる	514
大阪10区民主・辻元清美氏	当確	475
候補者情報	衆議院選挙	2014-Yahoo
午後	6時現在	424
投票率	34	424
79ポイント	下回る	420
全国平均	34	420
6時現在	34	420
98%	前回	420
よる	34	420
RT@senkyost:	【獲得議席___	386
投票	行く	379
集団的自衛権	行使容認	377
敗北	報じる	370
当確	破る	367
こと	知る	363
日本	知る	360
Jリーグ復帰	知る	359
こんなんなるなら	出馬する	359
そろそろ	Jリーグ復帰	359
俺様	出馬する	359
必要	言う	357
人当選#拡散希望___#RT	人全員フォロー	356
【悲報】アニメに	必要	356
規制	必要	356
人当選	必要	356
言う	#選挙http://t	355
人全員フォロー	#選挙http://t	355
8bu_:	必要	352
RT@K	8bu_:	352
#選挙#NHK#衆議院選挙#池上	選挙#開票	344
石原氏	明言する	341
党	石原慎太郎最高顧問	341
今回衆院選	政界引退	341
石原慎太郎最高顧問	落選	341
政界引退	明言する	341
co/	7LGbX1z	322
RT@mainichijpedit:総務省	よる	309
理解	得る	304
___http	://t	303
国民	理解	303
RT@jimin_koho:	/する	301
こと	確実	278
RT@jimin_koho:	/	270
行使容認	表明する	268
自民党	表明する	268
表明する	村上誠一郎氏	268
反対	表明する	268
２区	表明する	268

落選→確実が一位になっているあたり、ツイッターの関心は誰が受かるかより誰を落とすかへの注目が高いようです。

あと若者の投票率に関する言及が多いように見えます。ただ、「１０代の投票率０％」というネタツイートが多いのも事実です。

「高い」→「日本」っていうのは「投票用紙に名前を記入する方式を取っているのは教育水準の高い日本だけ」というツイートが大量にリツイートされた結果のようです。

また、最初に述べたように、選挙の度に残機を減らされる民主主義と日本について調べてみました。
民主主義が死ぬといっているツイートが2件あったうち、民主主義は死なないと言っているツイートが11件なので多分、民主主義君の残機は思ったより減ってないようです。

ただし、以下のような残機を減らす言葉は数件抽出されました。

文節1	文節2	出現数
民主主義	死ぬ	2
民主主義	終わる	2
民主主義	終了	2
民主主義	崩壊	2
・・・民主主義	崩壊	1

どうように日本ちゃんの残機の減少は以下の通りです。

文節1	文節2	出現数
RT@inosan08260:日本終了確定	178kakapo:日本	7
自民	日本崩壊	4
もう	日本崩壊	4
笑える	日本崩壊	4
日本	潰す	2
日本	終わる	2

この結果より今回の選挙では民主主義の残機は９機へり、日本ちゃんの残機23機ほど減ったようです。

###データから読み取れる事のまとめ
・海江田さんが無職になると夜中なのに盛り上がったり、落選→確実という文節の係受けが頻出されるのをみると、誰が受かるかより誰が落ちるかの方が注目されます。

・次世代という単語の出現数と現実の結果をみると、ネットで注目されたからって議席はとれないといえます。

・選挙のたびに残機がゴリゴリ減っているイメージのあった民主主義と日本ですが、今回はそんなこともなかったようです。

##本当のまとめ
・・・ってな感じのインチキな解析が、それっぽく行えます。
時間ごとのツイートに関しては、この例のように、データの増減をみて、変化のあったところを詳細に調べていけばいいと思います。

単語の頻出については、たしかに注目を集めている事は簡単にわかります。しかしながら、この例の用に抽出数が多いことが即ポジティブな反応とは限らないことに注意する必要があります。

係受け解析ついては、単語のみの頻出を調べる弱点を克服できる可能性はあります。しかし、正直今回については、その可能性を十分に実践できていなかったでしょう。これは今後の課題になります。

ちなみに鍵垢のツイートについては、StreamingAPIのfilterでは取得できませんでした。