【分析】ツイート全体と本文のみの文字数（長さ）の関係を3次元グラフにしてみて分かったこと　by Twitter4J その７

2012-06-13 (水) 23:31　約173万ツイート分析編　

※ツイッター分析シリーズの目次はこちら。

昨日はWWDC2012で盛り上がったようですね。
てぃーはがんばって起きていようとしたのですが結局開催20分前に寝てしまいました。
自分としては大きな発表はなかったので幸いでした。

さて、約173万ツイート（日本語のみ）を使ったTwitterのツイートの分析のその７です。
今回はツイート全体と本文のみの文字数（長さ）を3次元グラフにしてその関係を調べてみました。
前回のその６では別々にグラフにしただけで関係性まで見てなかったですからね。

＜使用データ＞　→詳細はその１
期間：2012/05/17（木）0:00～20（日）23：59 の4日間
ツイート数：172万5212 ツイート（日本語のみ）

ツイート全体と本文のみの文字数（長さ）の3次元グラフ

ツイート全体の文字数に対してその本文のみの文字数を並べ、数を高さとして表してみました。
例えば、
ツイート全体が100文字、本文のみが80文字となるツイートは69個ありましたが、
この場合は(100,80)のところの高さが69として表示されます。

正面から

結果は次のようなグラフとなりました。
（グラフ化はフリーのグラフ作成ソフト「Graph-R」を使いました。）
（クリックで拡大）

対角線上つまりツイート全体の文字数と本文のみの文字数で同じものが最も多いことが分かります。
要するにツイートは宛先（@～）やらハッシュタグやらリンクなどを含まない純粋なつぶやきが多いのです。

背面から

正面からだけだと手前の棒グラフで隠れて奥の方が見えないので回転させて背面から見てみました。
（クリックで拡大）

最も山になる対角線の裏の部分や他の部分にも山がありますね。

上から

ただ対角線上の山が大きすぎて他の山の違いが分かりにくいので上から見たグラフを作ってみました。
値が大きいものが赤くなるように色をつけました。
さっきのグラフとは違って各文字数ごとに値が大きいものに色をつけています。
（例えば100文字の中で数の多い本文のみの文字数ほど色がつくようになります。）

いろいろな傾向が分かりますね。
それをまとめてみると次のようになりました。

1.対角線に沿って最大値が並んでいる。
2."最大値－21"文字に沿って2番目の最大値が並んでいる。
3. 1.と2.の間にぼやっと3番目の最大値がある。
4."最大値－33"文字に沿って4番目の最大値が並んでいる。
5.140文字では"最大値－21"文字の前後も多い。
6.他にも多いものがある（2か所）。
7.全体136文字では本文のみの最大値は115文字（対角線上の136文字ではない）となる。

理由

このようになった理由を探ってみると次のようなことが分かりました。

1.ツイート全体と本文のみで差が0、つまり宛先（@～）やらハッシュタグやらリンクなどを
　含まない純粋なつぶやきが最も多いため。
2.最大文字数-21文字に多かったのは、短縮URL（20文字）＋スペース1のため。
3.この辺りはリプライ（返信）がほとんどで宛先が12文字前後が多いため（宛先＋スペース1）。
4.この辺りはニコニコ動画からがほとんどで
　「短縮URL（20文字）＋スペース1＋#smまたは#lvで始まるハッシュタグ（10文字）」のため。
5.全体140・本文のみ115～123文字（差が25～17）が多かったのはRTが多いため。
　頭にRT:とつくが元のツイートが140字の場合は最後が「...」となって切れてしまう模様。
　これにより「RT:」と「宛先」「スペース」「 ...」の合計で25～17文字となってしまうため。
6.全体140・本文のみ0文字が多いのはすべてRTのため。
6.全体105・本文のみ68文字はダークサマナーからのツイートのため。
7.全体136・本文のみ115文字（差が21）が多かったのは「... 短縮URL（20文字）」で
　終わっているもののため。どうやらURLのせいで本文が「...」で省略されるものは
　136文字となる模様（140文字ではない）。