2022年6月11日土曜日公開の映画に関するツイートを調べたらあるTVアニメ番組がつぶやかれていた

ツイート取得

『ドラゴンボール』シリーズの最新映画『ドラゴンボール超 スーパーヒーロー』が6月11日（土）から公開されました。
Twitterのツイートを「R」を使って調べてみました。
まず、「ドラゴンボール」を含むつぶやきを取得します。

library("twitteR")
tweets2 <- searchTwitter('ドラゴンボール', n = 10000, since = "2022-06-11" , lang="ja" , locale="ja")
class(tweets2)
[1] "list"

tweetsdf2 <- twListToDF(tweets2) 
nrow(tweetsdf2)
[1] 10000

リツイートを外す

リツイートされたツイートを含めると特定のワードに偏ることが何度かあったので、外しました。

table(tweetsdf2$isRetweet) #◼️

FALSE  TRUE 
 4398  5602 

library(dplyr) 
tweetsdf3 <- tweetsdf2　%>% filter(isRetweet %in% "FALSE")　
nrow(tweetsdf3)
[1] 4398

テキストを形態素解析

テキストだけ抜き出し、結合して形態素解析をかけます。

texts <- tweetsdf3$text
class(texts)
[1] "character"
library(stringr) #◼️
library(magrittr)#◼️

テキストを一時ファイルに保存し、「RMeCab」を使います。
辞書には「NEologd」を使いました。

xfile <- tempfile() #◼️
write(texts3, xfile) #◼️

library(RMeCab) 
#neologd利用
frq_Tw2 <- RMeCabFreq(xfile, dic = "//usr/local/lib/mecab/dic/ipadic/mecab-user-dict-seed.20200910.csv.dic")
frq_Tw2 %>% arrange(Freq) %>% tail(50)

フィルターで品詞を指定

いくつか試し、今回は「固有名詞」と「形容詞」に対し、別々に出現ワードををグラフ化することにしました。

#形容詞をピックアップ
frq4_Tw2 <- frq_Tw2 %>% filter(Info1 %in% "形容詞")  #◼️
frq4_Tw2 %>% arrange(Freq) %>% tail(50) #確認 #◼️
frq4_Tw2a <- frq4_Tw2 %>% filter(Info2 %in% "自立")  #◼️「自立」のみにしました
frq4_Tw2a %>% arrange(Freq) %>% tail(50) #確認 #◼️

10817     すごい 形容詞  自立   73
10848       よい 形容詞  自立   95
10905     楽しい 形容詞  自立   98
10786       いい 形容詞  自立  114
10831       ない 形容詞  自立  183
10869     可愛い 形容詞  自立  195
10940       良い 形容詞  自立  305
10961     面白い 形容詞  自立  379

#固有名詞をピックアップ
frq3_Tw2 <- frq_Tw2 %>% filter(Info2 %in% "固有名詞")  #◼️
frq3_Tw2 %>% arrange(Freq) %>% tail(50) #確認 #◼️

#「HTTPS」と1文字を外す
frq3_Tw4 <- frq3_Tw2 %>% filter(Term != "HTTPS")
frq3_Tw4 %>% arrange(Freq) %>% tail() #確認 #◼️
 <- 
#Termが1文字の行を削除。まず、1文字ワードの行番号を抽出
index <- grep('..', frq3_Tw4[,1]) #◼️
index %>% tail(20) #元のソート順で何行目が選ばれたかを確認できる
frq3_Tw4[index,] %>% arrange(Freq) %>% tail(20) #確認 #◼️
frq3_Tw4a <- frq3_Tw4[index,] 
frq3_Tw4a %>% arrange(Freq) %>% tail(20) #確認 #◼️

#突出している「DRAGON BALL  名詞 固有名詞 4528」も外す
frq3_Tw4a <- frq3_Tw4a %>% filter(Term != "DRAGON BALL")
frq3_Tw4a %>% arrange(Freq) %>% tail(20) #確認 #◼️

8991         ネタバレ  名詞 固有名詞  152
9044     ピッコロさん  名詞 固有名詞  190
8975 ドラゴンボール超  名詞 固有名詞  225
8912         チョンロ  名詞 固有名詞  240
7311           FAMILY  名詞 固有名詞  249
7792              SPY  名詞 固有名詞  262
9520             悟飯  名詞 固有名詞  342
8874 スーパーヒーロー  名詞 固有名詞  611

ggplot2

ggplot2でそれぞれ棒グラフを描きました。

#Info2 %in% "固有名詞"
frq4_Tw3 <-　frq3_Tw2$Freq >= 20 #Freq２０以上。TRUE、FALSEで返す
frq4_Tw4 <- frq3_Tw2[frq4_Tw3,]
frq4_Tw4 %>% arrange(Freq)
frq16_Tw2 <- frq4_Tw4
#この後下記のggplot2実行

#Info1 %in% "形容詞" & Info2 %in% "自立"
frq4_Tw3 <-　frq4_Tw2a$Freq >= 20
frq4_Tw4 <- frq4_Tw2a[frq4_Tw3,]
frq4_Tw4 %>% arrange(Freq)
frq16_Tw2 <- frq4_Tw4
#この後下記のggplot2実行

#reorderは並び順指定
#stat="identity"はデータラベルつけるときに必要
#fill=ｰFreqにすると値が大きいほど色が濃くなる
#coord_flip()を追加すると、x軸とy軸が入れ替わる
#geom_textとlabelで棒グラフにラベル（Freq）を追加
library(ggplot2)
par(family = "HiraKakuProN-W3") 
ggplot(frq16_Tw2, aes(x=reorder(Term, Freq), y=Freq))+
   geom_bar(aes(y=Freq,fill=-Freq),stat="identity") +
   xlab("")+
   theme_gray (base_family = "HiraKakuPro-W3") +
　　geom_text(aes(x=reorder(Term, Freq), y=Freq, label = Freq), hjust=1.3,colour = " white") +
   coord_flip()

SPY FAMILY?

固有名詞の集計をして気になったのは「SPY」「FAMILY」というワードです。
Twitterで「ドラゴンボール」＆「SPY FAMILY」と検索して、なんで紛れ込んで来たか察しはついたのですが、数字的な裏付けを取れないか探ってみました。

いろいろな条件で試し、シンプルに「ツイートにSPYを含む」条件で、これまでと同様の集計をすることで落ち着きました。

#「SPY」含む
tweetsdf2S <- tweetsdf2 %>% mutate(spy = str_detect(text, "SPY"))
tweetsdf2ST <- tweetsdf2S[tweetsdf2S$spy == "TRUE", ] 
textsT <- tweetsdf2ST$text #◼️
texts3T<- paste(textsT, collapse = "") #◼️

#テキストを一時ファイルに
xfileT <- tempfile() #◼️
write(texts3T, xfileT) #◼️

#形態素解析
frq_Tw2T <- RMeCabFreq(xfileT, dic = "//usr/local/lib/mecab/dic/ipadic/mecab-user-dict-seed.20200910.csv.dic")
frq_Tw2T %>% arrange(Freq) %>% tail(50) #◼️

#使わないワードを外す（見栄えを意識）
frq2_Tw2T <- frq_Tw2T %>% filter(Term != "HTTPS")
frq2_Tw2T <- frq2_Tw2T %>% filter(Term != "co")

#記号を外す
frq3_Tw2T <- frq2_Tw2T%>% mutate(noun=str_match((Term), '[^\\W]+')) #◼️
frq3_Tw2T %>% head(10) #確認
#削除。na.omitでNA含む行を削除。
frq4_Tw2T  <- na.omit(frq3_Tw2T) #◼️
frq4_Tw2T  %>% arrange(Freq) %>% tail(10) #確認

#1文字ワードを外す
index <- grep('..', frq4_Tw2T[,1]) #◼️
frq5_Tw2T <- frq4_Tw2T[index,] 
frq5_Tw2T %>% arrange(Freq) %>% tail(20) #確認 #◼️

#ggplot2のための準備
frqgg_Tw <- frq5_Tw2T$Freq >= 80
frqgg_Tw <- frq5_Tw2T[frqgg_Tw ,]
frq16_Tw2 <- frqgg_Tw

#ggplot2実行
par(family = "HiraKakuProN-W3") 
ggplot(frq16_Tw2, aes(x=reorder(Term, Freq), y=Freq))+
   geom_bar(aes(y=Freq,fill=-Freq),stat="identity") +
   xlab("")+
   theme_gray (base_family = "HiraKakuPro-W3") +
　　geom_text(aes(x=reorder(Term, Freq), y=Freq, label = Freq), hjust=1.3,colour = " white", size = 3) +
　　theme(axis.text.x = element_text(size=8), axis.text.y = element_text(size=8)) +
   coord_flip()

6/11（土）に放送された回で、「あれ？背景がナメック星？」というシーンがあったのです。

了