ジョイマン生成器つくってみた

追記（2021/12/06）

なんと、、、
ジョイマンさんご本人にツイートして頂きました😂

はじめに

この記事は、以下の記事に感銘を受けて書いたものです。
また、一部実装および記事の内容も参考にさせて頂きました。

ジョイマン

ジョイマンは、2人組の日本のお笑いコンビです。
韻を踏むボケ担当の高木晋哉(たかぎしんや)と、ツッコミの池谷和志(いけたにかずゆき)からなります。

韻を踏むネタとその独特の世界観が特徴的です。
詳しくは、以下のYouTubeをご覧ください。

定式化

ジョイマンのネタは、韻を踏むのが特徴です。

代表的なネタについては、こちらの一覧を参考にしました。
調べたところ、以下のパターンがあることがわかりました。

パターン	説明	例
①	単純に韻を踏むパターン。 一番単純。一番多いネタもコレ。	「コラーゲン　主電源」 「毛根　ベーコン」 「広辞苑　中耳炎」
②	部分文字列で韻を踏むパターン。 たとえば、「おなかのたるみ テルミーショウミー」では、「おなかのたるみ」という文字の一部「たるみ」で韻を踏んでいる	「おなかのたるみ　テルミーショウミー」 「母さんのぬくもり　甘栗　山盛り」
③	部分文字列同士で韻を踏むパターン。 たとえば、「人で賑わう繁華街 家帰ったらうがい」では、「繁華街」と「うがい」というそれぞれの部分文字列で韻を踏んでいる	「人で賑わう繁華街　家帰ったらうがい」 「汗はしょっぺー　椎名は桔平」
④	部分文字列で韻を踏み、かつ対になっているパターン。 たとえば、「運動は大事　板東は英二」では、「運動」と「板東」、「大事」と「英二」というペアで韻を踏んでいます。	「運動は大事　板東は英二」 「ニコール・キッドマン　イコールコッペパン」 「七転び八起き　生わさび歯ぐき」
⑤	その他。 特に規則性はなさそう。	「母さんがよなべをして手袋アンドクリエイター」 など

パターン⑤は規則性が見つけられなかったため、対象外としました。
また、将来的にはパターン④の「運動は大事　板東は英二」を出力したいのですが、いきなりは難しそうです。

今回は、簡単に取り組めそうなパターン①をやってみました。

韻を踏む

そもそも「韻を踏む」とは、同じ言葉や同じ母音を持つ言葉を繰り返し使う手法（参考）です。

「同じ言葉の繰り返し」は、「同じ母音の繰り返し」の集合に含まれるので、今回は「同じ母音の繰り返し」を条件とします。
また、正確には母音ではありませんが、リズム感が感じられるので「ん（n）」も母音に含めることにします。

次に、同じ母音の繰り返しは何文字とするか、を決めます。
たとえば、「運動（unou）」「板東（anou）」は最後の3文字、「大事（aii）」「英二（eii）」は最後の3文字の母音が一致します。
全体的にネタを見る限り、最後の2文字だけ同じというものが多く、それでも十分にリズム感を感じることができるかと思います。
よって、「母音の最後の2文字が同じ」という条件にします。

さらに、単語の母音の文字数は同じものに限る、という条件を付け加えます。
これは、極端に文字数が異なるとリズム感が損なわれると考えたためです。
たとえば、「運動（unou）」「板東（anou）」はともに4文字、「大事（aii）」「英二（eii）」はともに3文字の母音になっていますね。

これらをまとめると、条件は以下になります。

• 韻を踏む、とは同じ母音の繰り返し。ただし、ここでは母音はaiueo+nとする
• 母音の最後の2文字が同じ
• 母音の文字数は同じ

実装

それでは、いよいよ実装していきます。

言語はPython、環境はGoogle Colaboratoryを使用します。

まずは使用する単語のリストを入手します。
今回は、Wikipediaのタイトルのリストを使うことにしました。
まずはダウンロード・展開しましょう。

!wget http://download.wikimedia.org/jawiki/latest/jawiki-latest-all-titles-in-ns0.gz
!gunzip jawiki-latest-all-titles-in-ns0.gz

展開したファイルを読み込みます。

# ファイル読み込み
with open('jawiki-latest-all-titles-in-ns0') as f:
    titles = f.readlines()

titlesには、Wikipediaのタイトルがリストとして格納されています。
使いやすさのため、dataframeにしておきましょう。

import pandas as pd

df_org = pd.DataFrame({'title': titles})
df_org

以下のように出力されました。

dataframeを整形します。
dataframeには不要な文字列が含まれているので削除します。
また、今回は話を簡単にするため、英数字を含まないワードのみを対象にすることとします。

df = df_org[1:] # 1行目以降を抽出
df = df.replace('\s', '', regex=True) # 改行コードを削除
df = df[~df['title'].str.contains('[a-zA-Z0-9]')] # 半角英数字を含まないもののみ抽出

次に、文字をカタカナやローマ字に変換するpykakasiをインストールします。

!pip install pykakasi

それでは母音を抽出してみましょう。
「ゴー☆ジャス（宇宙海賊）をつくる」のコードを参考にしました。

import pykakasi

kks = pykakasi.kakasi()

def romanize(text):
    """ローマ字に変換"""
    result = ''
    for i in kks.convert(text):
        result += i['hepburn']
    return result

def extract_vowel(text):
    """母音（aiueo）とン（n）を抽出"""
    return ''.join([i for i in text if i in ['a', 'i', 'u', 'e', 'o', 'n']])

試しにこれらの関数を使ってみます。

text = 'ジョイマン'
romanized_text = romanize(text)
extract_vowel_text = extract_vowel(romanized_text)

print(romanized_text)
print(extract_vowel_text)
# joiman
# oian

ちゃんと、ローマ字にした後、母音を抽出できていることがわかります。

それでは、これらの関数をdataframeに適用しましょう。
以下ではapplyを使って、title列の全ての値に対して、romanize関数、extract_vowel関数と順に適用しています。

df['vowel'] = df['title'].apply(romanize).apply(extract_vowel) # 母音の抽出
df = df[df['vowel'] != ''] # 母音のないものは削除

母音を抽出した`vowel`列ができています。

それではいよいよ大詰めです！
韻を踏む言葉を表示する関数をつくりましょう！

import random

def show_rhyming_words(input_text, df):
    """韻を踏む言葉を抽出する"""
    input_romanize = romanize(input_text)
    input_extract_vowel = extract_vowel(input_romanize)
    tmp_list = df[
                  (df['vowel'].str.endswith(input_extract_vowel[-2:], na=False)) # 母音の最後の2文字が等しい
                  & (df['vowel'].str.len() == len(input_extract_vowel)) # 母音の文字数が等しい
                  ]['title'].to_list()
    for i in random.sample(tmp_list, 10):
        print('{}　{}'.format(input_text, i)) # ランダムに10コ表示

まず、input文字列をローマ字表記（input_romanize）し、さらに母音を抽出（input_extract_vowel）します。
そして、dataframeのvowel列と比較して、母音の最後の2文字が等しいかつ母音の文字数が等しいものを抽出します。
こうして得られたワードのリストから、ランダムに10コ表示するという関数になっています。

結果を〜セイッ！

それでは結果を見ていきましょう！
※10コの出力はランダムなので、実行するたびに結果は変わります。

コラーゲン☆主電源

「コラーゲン　主電源」の結果は以下になりました。
※入力は「コラーゲン」です（以下同様）。

input_text = 'コラーゲン'
show_rhyming_words(input_text, df)

# コラーゲン　饋電線
# コラーゲン　クカス県
# コラーゲン　ジム・バッケン
# コラーゲン　ニトレン
# コラーゲン　ボールペン
# コラーゲン　趙之謙
# コラーゲン　甲仙
# コラーゲン　ジャッキー・チェン
# コラーゲン　処方せん
# コラーゲン　関和典

聞き慣れない単語も多く出ていますね。
この中でネタとして使えそうなのは「コラーゲン　ボールペン」「コラーゲン　処方箋」ぐらいでしょうか。
「ジャッキー・チェン」も馴染みのある単語ですが、文字数が多くリズム感が少し損なわれそうです。
※「コラーゲン」の母音の数は5（koraagen→oaaen）、「ジャッキー・チェン」の母音の数も5（jakkii・chen→aiien）で一致。
ちなみに「饋電線（きでんせん）」「趙之謙（ちょうしけん）」「関和典（せきかずのり）」と読むようですが、最後の関和典はpykakasiで「典」を「てん」と読んでしまったようですね。

毛根☆ベーコン

「毛根 ベーコン」の結果は以下です。

input_text = '毛根'
show_rhyming_words(input_text, df)

# 毛根　亡魂
# 毛根　ローソン
# 毛根　カムオン
# 毛根　ピアソン
# 毛根　わおーん!
# 毛根　ヘブロン
# 毛根　天文
# 毛根　メイ・ロン
# 毛根　クルトン
# 毛根　みさぽん

ネタとして使えそうなのは「毛根　ローソン」「毛根　クルトン」かと思われます。
「メイ・ロン」は恐竜、「みさぽん」はおそらくアイドルの愛称だと思われます。

広辞苑☆中耳炎

最後に「広辞苑　中耳炎」です。

input_text = '広辞苑'
show_rhyming_words(input_text, df)

# 広辞苑　電波源
# 広辞苑　佐野県
# 広辞苑　ハヌッセン
# 広辞苑　清江苑
# 広辞苑　デリー県
# 広辞苑　慕輿虔
# 広辞苑　姚思廉
# 広辞苑　デロン県
# 広辞苑　三次元
# 広辞苑　ビビン麺

ネタになりそうなのは「広辞苑　三次元」「広辞苑　ビビン麺」といったところでしょうか。
「慕輿虔（ぼよけん）」「姚思廉（ようしれん）」は歴史上の人物のようです。

まとめ

ジョイマンのように韻を踏む単語を出力することができました！
しかし一方で、馴染みのない言葉も多く出てきていました。
今回はWikipediaのタイトルを使いましたが、馴染みがない単語は除外する、あるいは他の単語リストを使ってみるという方法が考えられます。

コメント等ございましたら
テルミー　ショウミー