BUMP OF CHICKENの歌詞分析 -「君」と「僕」の軌跡を追いかけて-

2020/6/26

Music×Analytics Meetup Vol.2(https://muana.connpass.com/event/176968/)
で発表したスライドです。

連絡先: https://twitter.com/CALPIS10000

Transcript

1. BUMP OF CHICKENの歌詞分析 -「君」と「僕」の軌跡を追いかけて- @CALPIS10000 #muana 2020-06-26
2. ⾃⼰紹介 • HN: – @CALPIS10000 • 経歴︓ – 印刷会社（ユーザーサポート） → データ分析会社（データアナリスト） • よくやる分析︓ – ユーザ⾏動分析、施策効果測定（Webサイト/メール/アプリ） • 好きなアーティスト︓ – BUMP OF CHICKEN – RADWIMPS(ここ1週間でヘビロテ浮気中) – その他J-POP、J-ROCK、アニソンを中⼼に聴きます。
3. BUMP OF CHCKENとは︖ • メンバー – 藤原基央（Vo, Gt）1979年4⽉12⽇⽣ – 増川弘明（Gt）1979年12⽉20⽇⽣ – 直井由⽂（Ba）1979年10⽉9⽇⽣ – 升秀夫（Dr）1979年8⽉10⽇⽣ • 千葉県佐倉市出⾝、幼馴染４⼈のロックバンド。 • 2001年「天体観測」が⼤ヒットして有名に。 • 私の⼈⽣の岐路において、たびたび背中を押してくれたバンドです。 – ⼤学受験:「プラネタリウム」（僕しか知らない、⼼に秘めた夢の唄） – 転職活動:「beautiful glider」（悩み抜いて旅⽴っていった⼈にエールを送る唄）
4. 本⽇話すこと • テーマ: 時代による歌詞の変遷 – 作詞者（藤原基央）の主張が、時代の流れによって どのように変わってきたかを探ります。 • やったこと︓ 楽曲を年代別にグルーピングし、歌詞に含まれる単語を⽐較。 1. 頻出単語の⽐較 Ø 年代により使われる単語は変化するか︖ 2. TF-IDF Ø 年代を表す特徴的な単語は何か︖
5. 分析の流れ 頻出単語抽出/TF-IDF 形態素解析(MeCab) 曲を年代別にグループ化 リリース情報＆歌詞の収集(※) (スクレイピング＆手作業) ※ リリース情報 : MusicBrainz（https://musicbrainz.org/）より取得 ※ 歌詞 : 歌ネット（https://www.uta-net.com/）より取得
6. 楽曲のグルーピング • アルバム発売⽇を基準に、５つのグループを作成。 • アルバム２枚分を１グループとし、およそ4~6年で区切っている。 ※ アレンジ曲は同じ曲として扱っている。（「Everlasting lie(Acoustic version)」など） ※ 隠しトラック（「DANNY」「3人のおじさん」など）、楽曲提供（ 「冒険彗星」 など）は除外している。 グループ 年代 曲数 アルバム 代表曲 出来事 インディーズ期(~2000) 1996-2000 18 FLAME VEIN+ THE LIVING DEAD アルエ K このへんの曲を素材にした FLASH動画が流⾏する。 メジャー初期(~2004) 2000-2004 28 jupiter ユグドラシル 天体観測 ⾞輪の唄 「天体観測」が⼤ヒット。 メジャー発展期(~2010) 2004-2010 37 orbital period COSMONAUT カルマ R.I.P 「テイルズオブジアビス」 タイアップ メジャー成熟期(~2016) 2010-2016 27 RAY Butterflies ray Hello, World! 「ray」で初⾳ミクとコラボ 現在(~2020) 2016-2020 13 aurora arc Aurora ⽉虹 サブスクリプションサービスでの配 信開始
7. 1. 頻出単語_全曲 • 対象123曲の歌詞から、頻出単語の上位10件を抽出。 • 「君」と「僕」の出現回数が際⽴って多く、 たまに⾔われる「君と僕のロック」という表現に⼀定の説得⼒が ⽣まれている。 単語 回数 1 君 330 2 僕 308 3 事 265 4 いる 225 5 ⼈ 182 6 何 150 7 誰 133 8 よう 126 9 ⼿ 122 10 なっ 121 単語 1 こと 2 君 3 心 4 夢 5 何 6 手 7 僕 8 誰 9 それ 10 世界 ※ 以下より引用： JPOPの歌詞で使われる言葉のトレンドをpythonで分析してみた https://qiita.com/risuoku/items/5bbcd2cffbdc209e6f16 参考:2015-2017の JPOP歌詞トレンド（※）
8. 1. 頻出単語_年代別 • 年代別に、頻出単語の上位10件を抽出。 • ※ 次スライドで主要な結果の⼀例を紹介します。 OLD NEW 0 僕 70 君 91 君 122 いる 90 いる 54 1 ⼈ 28 僕 76 事 112 事 63 君 30 2 ⽇ 27 事 51 僕 106 君 60 よう 29 3 君 27 ⼈ 47 ⼈ 62 よう 56 事 28 4 ⼿ 26 てる 45 誰 51 何 47 僕 22 5 何 24 何 36 あなた 51 ない 40 どこ 21 6 ⾒ 20 中 32 いい 48 ⼈ 38 ここ 19 7 夢 20 ⼿ 31 いる 47 誰 37 なっ 18 8 てる 19 くれ 29 てる 43 ⼼ 36 中 18 9 それ 18 時 28 ある 40 なっ 35 世界 16 インディーズ期 (~2000) メジャー初期 (~2004) メジャー発展期 (~2010) メジャー成熟期 (~2016) 現在 (~2020)
9. 0 僕 70 君 91 君 122 いる 90 いる 54 1 ⼈ 28 僕 76 事 112 事 63 君 30 2 ⽇ 27 事 51 僕 106 君 60 よう 29 3 君 27 ⼈ 47 ⼈ 62 よう 56 事 28 4 ⼿ 26 てる 45 誰 51 何 47 僕 22 5 何 24 何 36 あなた 51 ない 40 どこ 21 6 ⾒ 20 中 32 いい 48 ⼈ 38 ここ 19 7 夢 20 ⼿ 31 いる 47 誰 37 なっ 18 8 てる 19 くれ 29 てる 43 ⼼ 36 中 18 9 それ 18 時 28 ある 40 なっ 35 世界 16 インディーズ期 (~2000) メジャー初期 (~2004) メジャー発展期 (~2010) メジャー成熟期 (~2016) 現在 (~2020) 1. 頻出単語: 「僕」と「君」 • 「僕」と「君」に着⽬すると、インディーズ〜メジャーの境⽬で 順位が⼊れ替わっていることがわかる。 • 「僕の思いを主張する歌」→「君に何かを伝える歌」へのシフト︖ インディーズ期は 「僕」のことばかり 歌っている メジャー以降、 「君」の頻度が増え 「僕」は二の次に
10. 0 僕 70 君 91 君 122 いる 90 いる 54 1 ⼈ 28 僕 76 事 112 事 63 君 30 2 ⽇ 27 事 51 僕 106 君 60 よう 29 3 君 27 ⼈ 47 ⼈ 62 よう 56 事 28 4 ⼿ 26 てる 45 誰 51 何 47 僕 22 5 何 24 何 36 あなた 51 ない 40 どこ 21 6 ⾒ 20 中 32 いい 48 ⼈ 38 ここ 19 7 夢 20 ⼿ 31 いる 47 誰 37 なっ 18 8 てる 19 くれ 29 てる 43 ⼼ 36 中 18 9 それ 18 時 28 ある 40 なっ 35 世界 16 インディーズ期 (~2000) メジャー初期 (~2004) メジャー発展期 (~2010) メジャー成熟期 (~2016) 現在 (~2020) 1. 頻出単語: 「⼈」と「事」 • 「⼈」はメジャー以降緩やかに下がっていき、 「事」はメジャー以降安定して上位にランクインしている。 • 「〜する⼈」のようなストーリー仕⽴ての例えが減った︖ 「〜である事」というメッセージ的な表現が増えた︖
11. 2. TF-IDF: 計算⽅法について • 「ある単語が、特定の⽂書の特徴を表すかどうか」の度合いを⽰す。 • 今回の場合は、 「その年代ではよく出てくるが、他の年代ではレアな単語」 の順位と思えば良い。 • 例） – 「僕」「君」→ 全年代で出ているので順位が下がる。 – ↑以外の、特定の年代でよく出る単語が⽬⽴つように検出される。 ※ 数式の画像は以下より引用： B'zの歌詞をPythonと機械学習で分析してみた 〜TF-IDF編〜 - 下町データサイエンティストの日常 https://pira-nino.hatenablog.com/entry/2018/07/28/B'zの歌詞をPythonと機械学習で分析してみた_〜TF-IDF編〜
12. 2. TF-IDF: 年代別 • 年代別に、TF-IDFの上位10件を抽出。 • ※ 次スライドで主要な結果の⼀例を紹介します。 OLD NEW 0 唄う 0.18 てる 0.30 あなた 0.22 いる 0.45 いる 0.48 1 てる 0.17 無い 0.18 てる 0.22 よう 0.28 よう 0.26 2 それ 0.14 くれ 0.16 いい 0.21 ない 0.20 どこ 0.19 3 タメ 0.13 いる 0.15 いる 0.20 なっ 0.17 ここ 0.17 4 ランプ 0.13 なっ 0.15 ある 0.17 まま 0.17 ベイビーアイラブユー 0.17 5 ⾃分 0.12 いい 0.15 それ 0.16 いく 0.15 なっ 0.16 6 ライト 0.12 ⾃分 0.13 なっ 0.15 あなた 0.14 いこ 0.15 7 ヒト 0.12 ない 0.13 ラララ 0.15 消え 0.13 世界 0.14 8 ある 0.12 それ 0.13 ため 0.14 ⾃分 0.13 ⾒つけ 0.12 9 場所 0.12 唄っ 0.11 ⾃分 0.14 忘れ 0.13 ⾔葉 0.12 インディーズ期 (~2000) メジャー初期 (~2004) メジャー発展期 (~2010) メジャー成熟期 (~2016) 現在 (~2020)
13. 2: TF-IDF: 「てる」と「いる」 • 以下の単語に着⽬すると、2010年前後で傾向が⼤きく変わっている。 – 「てる」: 2010年までは最上位だが、その後はほぼ消え去る – 「いる」: メジャー後から発⽣し、2010年以降最上位に。 0 唄う 0.18 てる 0.30 あなた 0.22 いる 0.45 いる 0.48 1 てる 0.17 無い 0.18 てる 0.22 よう 0.28 よう 0.26 2 それ 0.14 くれ 0.16 いい 0.21 ない 0.20 どこ 0.19 3 タメ 0.13 いる 0.15 いる 0.20 なっ 0.17 ここ 0.17 4 ランプ 0.13 なっ 0.15 ある 0.17 まま 0.17 ベイビーアイラブユー 0.17 5 ⾃分 0.12 いい 0.15 それ 0.16 いく 0.15 なっ 0.16 6 ライト 0.12 ⾃分 0.13 なっ 0.15 あなた 0.14 いこ 0.15 7 ヒト 0.12 ない 0.13 ラララ 0.15 消え 0.13 世界 0.14 8 ある 0.12 それ 0.13 ため 0.14 ⾃分 0.13 ⾒つけ 0.12 9 場所 0.12 唄っ 0.11 ⾃分 0.14 忘れ 0.13 ⾔葉 0.12 インディーズ期 (~2000) メジャー初期 (~2004) メジャー発展期 (~2010) メジャー成熟期 (~2016) 現在 (~2020)
14. 2. TF-IDF:「てる」と「いる」の深堀り • 「てる」「いる」の出現数が多い順に10曲抽出。 • 「てる」は2010年(COSMONAUT)までの曲ばかり。 • 「いる」の場合、上位の⼤半は2010年より後のリリースだが、 リリース時期の古い「天体観測」が含まれているのが興味深い。 グループ 曲名 単語 回数 現在(~2020) アンサー いる 13 メジャー発展期(~2010) 花の名 いる 10 現在(~2020) 望遠のマーチ いる 10 メジャー初期(~2004) 天体観測 いる 9 現在(~2020) 話がしたいよ いる 8 メジャー成熟期(~2016) ファイター いる 7 メジャー成熟期(~2016) Butterfly いる 7 メジャー成熟期(~2016) 虹を待つ⼈ いる 6 メジャー成熟期(~2016) 孤独の合唱 いる 6 メジャー成熟期(~2016) パレード いる 6 グループ 曲名 単語 回数 メジャー発展期(~2010) セントエルモの⽕ てる 9 メジャー発展期(~2010) 東京賛歌 てる 8 メジャー初期(~2004) ダイヤモンド てる 8 メジャー初期(~2004) firesign てる 8 インディーズ期(~2000) ベストピクチャー てる 7 メジャー初期(~2004) 彼⼥と星の椅⼦ てる 5 メジャー発展期(~2010) pinkie てる 4 メジャー初期(~2004) embrace てる 3 メジャー初期(~2004) ホリデイ てる 3 メジャー発展期(~2010) ひとりごと てる 3 「てる」 「いる」
15. 「いる」を含む歌詞(⼀部引⽤) • 「魔法の⾔葉覚えている 虹の始まったところ あの時世界の全てに ⼀瞬で⾊がついた」 • 「それだけ 分かっている 僕だけ 分かっている」 • 「そうして知った痛みが 未だにに僕を⽀えている 『イマ』というほうき星 今も⼀⼈追いかけている」 天体観測 アンサー 歌詞カードでは「分かっている」だが、 実際に聴くと「分かってる」と歌っている。 • レコード会社側で歌詞カード表記ルールの変更あり？ • 「天体観測」の成功を意識した歌詞づくり？（ゲン担ぎ？）
16. まとめ • 簡単な単語分析で、仮設レベルの⽰唆がいくつか得られた。 – 「僕」を主張する若者から、「君」に伝える⼤⼈へ。 – 「⼈」に喩えた主張から「事」を直接訴えかけるメッセージへ。 – 近年は「天体観測」の成功を意識︖ 総じて、メジャーデビューを境に⼤⼈になっている感あり。 • 今後やってみたい事 – 感情分析（激しいメロディーに付く歌詞が意外と穏やかだったり︖） – 他アーティストと⽐較（BUMPっぽいアーティストは実際BUMPっぽいのか︖） – より細かい特徴抽出（単語の共起性/トピックモデル/LSTM系の⼿法etc...） • その他、「こんなのやったら⾯⽩そうじゃない︖」等あれば ぜひご連絡ください︕︕