こんにちは，しまさん（@shimasan0x00）です．
先日，私がハマっているゲーム:Apexの大会であるRAGE × Legion Doujou Cupが開催されました．
競技シーンではなくRAGE ASIA2020のプレイベントとして開催されており，芸能人やアイドル，YouTuber，VTuber，ゲーム実況者，歌い手など多様な背景を持つ人がプレイヤーとして参加していて非常に盛り上がる大会でした．
ネタバレになってしまうのですが，チームVTuberの大逆転劇は見ていて非常にワクワクさせられました．本当におめでとうございます．
多様な背景を持つプレイヤーを追いかけて，多様な層の視聴者が見ていたと思います．
みんながYouTuber普段見ないけど〇〇さんすごい！とかこの芸人の人上手い！というような認め合う世界線だとよかったんですがOPENRECのコメント欄がこの世の地獄でした．
自分の推してる人が負けて文句を言ってるのか，アンチが湧いていたのかわかりませんがもし本放送をこれから見る方はコメント欄を閉じて見ると非常に幸せになれると思います．
普段こういう本放送は見ないのでわからないのですが，なぜこのようなことになっていたのかを知るためにかんたんに分析してみたいと思います．
環境
- Python 3.6.8
スポンサーリンク
視聴者数・コメント数・コメントユーザ数
リアルタイムの最大視聴者数はわからないのですが，大会中盤あたりは以下のツイートで報告している方がいました．
#RAGE_Legion Doujou Cup視聴者数
加藤純一Twitch 80000人
公式Youtube 42000人
公式openrec 15000人
公式Twitch 9000人 pic.twitter.com/iiD4mO66DT— シャキポン (@snowsakuya) July 24, 2020
なのでOPENRECは視聴者数が15000-30000ユーザ程度いたのかなと思われます(もし詳細なソースがある方はぜひ教えて下さい)．
↑のサイトでわかるっぽいですが有料みたいですね．
コメントについては取得した結果，コメントしたユーザ数は3526でコメント数は16527でした．
YouTubeだとチャンネル登録者数の1%，0.1%でもコメントくれたらいいくらいですがリアルタイム視聴者数とコメントユーザ数の割合を見たことがなかったのでOPENRECとはいえ良いデータが取れました．
天井が15000人だとすれば5人に1人はコメントしていることになるので結構多いイメージです．
OPENRECがコメントすることが自然なユーザが多いのかどうかは別媒体のデータでも調べてみたいと思います．
スポンサーリンク
コメントしているユーザのフォロー数
コメントしているユーザのフォロー数が多い順でプロットしてみました．２個目の図はlogでプロットしています．
コメントしている上位100人近いユーザはフォロー数が100近くあり，私は数十，数百のチャンネル登録はしていないからかもしれませんが結構驚きました．
コメントしているユーザのフォロワー数
上位10ユーザ程度はフォロワー数が非常に多い結果となりました．
一般的な視聴者数以外にもOPENREC配信者の方もコメントしていたことがわかります．
スポンサーリンク
コメントの文字数分布
OPENRECのコメント長の制限100文字で上位は分布しています．
後述しますが「加藤純一最強！………….」のコメントによる影響が強いです．
身内ネタやネタコメントについてはあまり触れませんが，自分が気持ちよければそれでいいみたいな考え方はキツイ気がします．程々が一番．
一番盛り上がったところは??
１つ目の図は分あたりのコメント数になります．２つ目の図は5分おきにコメント数を集計した結果です．
私は最初この図を見る前，コメント数が多いところが最も盛り上がっているとすればチームVTuberが優勝したところではないかと思っていましたがそうではありませんでした．
最も盛り上がっている部分以外で山がいくつか存在しますがそれはチャンピョンが決まった時間です．
では最も盛り上がっている時間はなんでしょうか．
それは「選手紹介」の時間です！
特にゲーム実況者チームの紹介のときにコメント数が最も多くなっていました．上述のコメント影響もこの瞬間は強かったです．なお，実況者チーム以外であってもここはかなりの盛り上がりをみせています．
コメント数上位・下位100名のユーザのコメント内容
ここではコメント数が上位，下位100名のコメントを取得し，形態素解析をかけて名詞のみを取り出しwordcloudで可視化してみます．
扱える語彙はipadic+neologdです(2020/08/01時点)．
１つ目の図が上位100名，２つ目の図が下位100名のWordCloudです．
上位・下位ユーザともに「加藤純一」コメントが溢れていたことがわかります．
コメント数でこのようなコメントをする人間を区別することは難しいようです．
民度が悪かったことやアンチについての言及が多かったことは見受けられますが名詞のみを取り出してもコメントしたユーザがアンチユーザであるかどうかの判定は難しいです．
コメントの感情分析をしてみてもいい気がしてきました．かんたんにできるのは感情極性辞書使うかAPI叩くかですね．
さいごに
今回はRAGE × Legion Doujou Cupでのコメントをかんたんに分析してみました．
アンチが多かったことを求めるためにはまだまだ分析が足りないので今後も頑張る必要がありそうです．
ただ，単純に値の分布を見るだけでもやってて面白かったです．
コメント数の違いがユーザの特性の多くを表しているのかなとふわっと思っていたことが否定されて結構驚きました．
