「オッサン×何か」と関連するワード探し

以前、「オッサン」の単語が入っているツイートを

KH Coderにかけ、共起ネットワークでグラフ化することを

行いました。

■「オッサン」はTwitterでこう書かれる

https://zuhiroi.wixsite.com/mysite/blank/オッサン-はtwitterでこう書かれる

■「おっさん」はTwitterでこう書かれる

https://zuhiroi.wixsite.com/mysite/blank/おっさん-はtwitterでこう書かれる

そして、オッサン記事第3弾です。

特に「オッサン」にこだわりがあるわけではないのですが、

何かひとつのワードに関していろいろ見てくと

面白いのではないかと思ってます。

今回はword2vecで、

ツイートの中での「オッサン」と

関連するワードについて分析します。

手順は下記です（とても不恰好ですが…）。

【１】TwitterのWebAPIをpythonから使い、過去2週間分の「オッサン」というワードが入ったツイートを取得。まずは.xlsx形式で保存します。

★こちらのページを参考にさせて頂きました！

http://ailaby.com/twitter_api/

※上記では1回に15000件程度ずつしか取得できないため、

何回かに分けて2週間分のツイートを取得しました。

【２】Excelで開き、コピペネタなど、あまりに重複の多いツイートは1個を除いて削除。また非公式RTを削除。この時点で36264件です。

【３】上記ファイルをテキストファイル形式で保存。文字コードをUTF-8に設定します。

【４】テキストファイル形式で保存したツイート群をもとに、word2vecのモデルを作成。

★こちらのページを参考にさせて頂きました！

https://qiita.com/makaishi2/items/63b7986f6da93dc55edd

【５】作成したモデルを元に、ワード分析を行います！

上記の手順で見ていこうと思います。

オッサン×女

まずは、「女」というキーワードと一緒に使われているワードを

調べます。

元々「オッサン」というワードが入っているツイートを取得しているため、

上記は「オッサン」と入っているツイートの中で、

「オッサン」＆「女」と同じ文脈や近くの位置などで使われているキーワードを

上位50件取得するコードとなります。

（negative=["??"]を指定しているのは、こうするといわゆる「ネタツイート」が排除され、記号などがあまり入ってこないようなので、このような指定にしています）

上記の結果は以下。

「バカ」「女好き」「金、カネ」「下衆」「差別」など

なんだかあまり良いイメージじゃないですね…笑

上記いくつかの単語について文脈も見てみましたが、

あまり「女の子」と「オッサン」が一緒になると

不穏なツイートになることが多いみたいです。

オッサン×男

次は「男」と一緒に使われているワード、

上記と同様に調べました。

出してみたものの、あんまり「女」のときと変わらないですね。

やっぱりセクシャルな話＋「オッサン」というワードの組み合わせなので、

似通ったつぶやきになってるようです。

違いが出た上位のところでいうと、

「ケツ」「敵」「媚びる」とかですかね。

オッサン×会社

次は「会社」と一緒に使われているワード、

上記と同様に調べました。

「部下」「バイト」「産業」「働く」など

やはり、会社やお仕事と結びつくワードが多く出てきました。

オッサン×電車

次は「電車」と一緒に使われているワード、

上記と同様に調べました。

いくつか、元のエクセルデータで文脈も見てみましたが、

愚痴を書くツイートが多いみたいですね。

以上、試しにword2vecを使ってみましたが、

おそらくモデルとなる辞書をつくるのに

ツイッターのような短文・ネタ要素も多いデータは

あまり適してはいないのか、

有効な使い方ができなかった印象です…。

次回はword2vecのことをもう少し学びつつ、

辞書もまとまった文章から取ってこようと思います！