【はっきり出た】ラルクとGLAYの歌詞の違いをRMeCabとWord Cloudで確かめる

ラルクとGLAYの歌詞の違いをテキストマイニングして確かめる
前回の記事で、ラルクがサブスクリプションサービスを開始し、その記念としてラルクとGLAYの違いを(個人的印象)を1つの記事にまとめました。
umejiro330.hatenablog.com
ただ、かなり個人的見解・感覚的見解が入ってしまっていたので、今回はRのパッケージである『RMeCab』と『Word Cloud』を用いてテキストマイニングし、頻度順で登場単語の頻度を見ることで比較してみようと思います。まあ、ラルク vs GLAY というよりも　hyde vs TAKUROといったところなのですが。

目次

検証編

検証前に、登場単語の予想を

テキストマイニングして結果を見る前に、登場単語を予想してみます。
①ラルク
ラルクって、デビュー以来の一貫した歌詞のテーマって無いと思っているんです。メンバー4人が作曲者であるから故に、曲のテイストもバラバラなので…
ただ、あえて選ぶなら
『虹』…それでも思う　貴方のことを
『HONEY』…乾いた風をからませ　あなたを連れてくのさ
『NEO UNIVERSE』…あなたは　風のように…
『あなた』
これらから、あなたが多く出ていると予想します。

②GLAY
GLAYの曲で多く出てくる単語は結構明解かと思います。
『HOWEVER』…絶え間なく注ぐ愛の名を…　
『Way Of Difference』…愛を探し、愛に迷い、愛を知り…
『春を愛する人』
アルバム『LOVE IS BEAUTIFUL』
というように、愛に関して記載することが多いので、愛が多いであろうと予想。

準備

テキストマイニングするための手順は、
①ラルクとGLAYの歌詞をスクレイピングして取得する
②『RMeCab』で歌詞を名詞や動詞・形容詞・副詞など、品詞に分解する
③『Word Press』で頻度上位の単語を可視化する
という流れです。下記サイトを参考にさせていただきました。
www.randpy.tokyo
実際に用いたコードについては、別途記載いたします。

検証

①ラルク
『Word Cloud』を用いて、名詞・形容詞・動詞のうち、20回以上登場する単語をプロットしました。

ラルクの歌詞　登場頻度20回以上単語

Word Cloudを用いずに頻度順トップ20に並べたのが下記です。

順位	単語	頻度
1	'	255
2	the	250
3	君	195
4	I	161
5	you	160
6	,	153
7	?	137
8	to	114
9	僕	102
10	!	98
11	.	96
12	in	94
13	your	94
14	夢	91
15	今	90
16	is	81
17	of	91
18	あなた	80
19	me	79
20	it	75

『君』や『I』といった人称代名詞が上位に並び、ようやく14位に『夢』、15位に『今』という一般名詞が出てきます。ちなみに『あなた』は18位でした。
うーん、そこまで特徴が表れていないです。英単語が多いくらいですかね。

②GLAY
ラルク同様、『Word Cloud』を用いて、名詞・形容詞・動詞のうち、20回以上登場する単語をプロットしました。

GLAYの歌詞　登場頻度20回以上単語

Word Cloudを用いずに頻度順トップ20に並べたのが下記です。

順位	単語	頻度
1	'	239
2	あなた	215
3	!	207
4	さ	187
5	愛	176
6	夢	168
7	今	151
8	君	150
9	誰	145
10	心	143
11	人	137
12	僕	111
13	,	106
14	夜	104
15	恋	104
16	?	99
17	人	95
18	何	93
19	I	83
20	胸	79

『愛』については予想とピタリ賞でした。それ以後にも『夢』『今』『心』といった一般名詞が続きました。

考察

ラルクとGLAYで歌詞の単語頻出度で比較してみましたが、これらを受けての個人的見解は下記の通りです。
・ラルクの歌詞はGLAYに比べて一般名詞の登場回数が多い単語が少ない。また、英単語が多い。
⇒一般名詞の登場回数が多い単語が少ないということは、ある単語を別の表現で言い換えていることや、指示語が多いことなどが理由に考えられますが、私は『曲それぞれでテーマが画一ではないため』説を挙げたいと思います。
以前にも書きましたが、ラルクはメンバー全員が作曲を行うため、必然的に曲にバリエーションが生まれます。それに合わせてhydeは歌詞を書くのでテーマがばらつく、という想定です。「お菓子の詰め合わせセット」の中にポテチもグミもガムも入っていて、気づかずに全部食べちゃえるような*1、バラエティの豊かさがラルクの特徴です。

・GLAYの歌詞は、『愛』『今』『人』など、ラルクに比べて一般名詞の登場回数が多い。
⇒ラルクのところで上げた説を裏返せば、『曲のテーマが一貫している』ということになります。
具体的な曲を上げてみると、
『BELOVED』…トップ20の単語のうち、『あなた』『夢』『今』『恋』『胸』などの単語あり
『Winter,Again』…トップ20の単語のうち、『あなた』『愛』『恋』『胸』などの単語あり
『とまどい』…トップ20の単語のうち、『愛』『今』『君』などの単語あり
というように、曲ごとの登場単語に重複が多いです。上記単語を見る限り人間関係をテーマにした曲が多いことが想定されます。先ほどのラルクの歌詞が「お菓子の詰め合わせセット」であればGLAYの歌詞は「色々な味が入ったキットカット」というところです。キットカットという、チョコレートであるという根底は変わらないものの、味は抹茶だったり、ビターチョコだったり、わさびだったり…それぞれがテイストを変えている、といったところでしょうか。*2

結論

「お菓子の詰め合わせセット」のラルクも、「色々な味が入ったキットカット」のGLAYも、どちらも好きです。

コード編

ラルクとGLAYではやり方が同じなので、ラルクでのやり方だけ書いておきます。
合わせて、コーディングする際に困ったことがあったので補足もしておきます。
①『RMeCab』を使う前に『MeCab』をダウンロードする
多くのRMeCabについて記載のある記事ではいきなり

install.packages("RMeCab", repos = "http://rmecab.jp/R")

と記載があるのですが、そのまま進めるとRMeCabのプログラムを回そうとするとRが落ちます。RMeCabはMeCabをRで用いるためのパッケージのため、まずRMeCabをインストールしましょう。
MeCab: Yet Another Part-of-Speech and Morphological Analyzer
②ワークスペースのobjectはなるべく削除しておく
①をクリアできても、Word Cloudを作る段階で改めてRが落ちました。私のパソコンのスペックが低いからかもしれませんが、Rのobjectはなるべく削除して進めましょう。サイズの大きいデータが残っていると処理が重くなる可能性もあります。

#それぞれ、インストールしていないパッケージがあれば別途インストール
library(rvest)
library(tsne)
library(magrittr)
library(stringr)
library(wordcloud)
library(wordVectors)
library(dplyr)

basic_url = "https://www.uta-net.com"
Larc_url = "https://www.uta-net.com/artist/536/"#ラルクの歌詞が記載されているURl
Larc_url_page = read_html(Larc_url)

url_list = Larc_url_page %>% 
  html_nodes(xpath = "//div[@id='artist']//table/tbody//td[@class='side td1']/a") %>%
  html_attr("href")
song_url_list = url_list[url_list %>% grep("/song/",.)]
lyrics = ""

for (i in 1:(song_url_list %>% length())){
  song_url = song_url_list[i]
  tmp_url = paste(basic_url, song_url_list[i], sep = "")
  
  tmp_lyrics = read_html(tmp_url) %>% 
    html_nodes(xpath = "//div[@id='kashi_area']") %>%
    html_text()
  
  lyrics = paste(lyrics, tmp_lyrics, sep = " ")
  Sys.sleep(2)
}
write.table(lyrics,"Larc_lyrics.txt",col.names = F,row.names = F,)

docDF_lyrics_Larc=docDF("Larc_lyrics.txt" ,type = 1)
docDF_lyrics_Larc_2 = docDF_lyrics_Larc %>% filter(POS1 %in% c("名詞"), POS2 != "非自立", TERM != ")", TERM != "(")

wordcloud(docDF_lyrics_Larc_2$TERM,docDF_lyrics_Larc_2$Larc_lyrics.txt,scale=c(3,1),min.freq=20, family ="JP1", random.color = FALSE,colors = brewer.pal(8,"Dark2"))#最低20回以上頻度がある単語、random.color:FALSEにして、出現数が高い順に色を指定しています

*1:語彙力が壊滅している

*2:例え切れていない