としおの読書生活

田舎に住む大学院生であるとしおの読書記録を綴ります。主に小説や新書の内容紹介と感想を書きます。 読書の他にも旅行やパソコン関係などの趣味を詰め込んだブログにしたいです。

1月に上旬にハウステンボスと長崎ペンギン水族館をお目当てに長崎に行ってきました。この記事ではハウステンボスの旅行記録をまとめていこうと思います。

今回大阪から長崎へは新幹線と特急を乗り継いで行ってきました。長崎まで飛行機で行く方法もあったのですが旅行代理店でハウステンボスに行くのならば新幹線の方が良いと伺ったので今回は新幹線で行くことにしました。

とりあえず新大阪から博多までのぞみで移動です。久しぶりに九州行きの新幹線に乗ったのですが朝早くの出発ということで人が少なくてとても快適でした。

博多駅に着いたらハウステンボスまでは、特急ハウステンボスに乗り換えて移動しました。特急ハウステンボスには初めて乗ったのですが内装が他の特急に比べて豪華だった気がします。床も木目調でお洒落でした。
DSC_3560
特急ハウステンボスに2時間ほど揺られるといよいよハウステンボスに到着です。特急ハウステンボスにお別れを告げるついでに一枚正面から記念に写真を撮りました。内装と同様、外装もスタイリッシュですね。
DSC_3563
ハウステンボス駅のホームからは、ハウステンボスに向かう橋とホテルオークラが見えていい景色です。(今回はホテルオークラに泊まったわけではないが)
DSC_3564
ハウステンボス駅は舞浜駅のようなもう少し大きい駅を想像していたのですが思ったより小さくて驚かされました。ただ小さな駅と風景がマッチしているため私は結構好きです。
DSC_3567
ハウステンボスに着いたのでチケットを受け取り早速入場です。チケットの写真は撮っていたのですがエントランスの写真は取り忘れてしまいました。

今回、ハウステンボスの場内にあるホテルヨーロッパに泊まるということでクイックパスももらいました。最初はディズニーでいうファストパスのようなものだと思っていたのですが80分の待ち時間が60分になる程度であまり効果を実感できませんでした。
DSC_3568
ハウステンボスに入って最初に訪れたアトラクションは、入り口近くにあったテディベアキングダムです。世界中のテディベアが展示されておりなかなか楽しかったです。私のようなテディベアに関する知識がない人でも分かりやすい説明があり楽しむことができました。

テディベアといえば可愛らしいイメージが強かったのですが、テディベアの中には可愛らしいとはかけ離れた表情をしているものもいました。
DSC_3574
DSC_3575
テディベアキングダムのあとは、ハウステンボス内を少しぶらぶら散歩しつつアトラクションタウンに移動しました。移動中には風車やパンジーなどオランダのような風景を楽しむことができ歩いているだけでも楽しかったです。
DSC_3576

アトラクションタウンではVR関係のアトラクションやバハムートディスコなどを楽しみました。もし子どもとハウステンボスに来ることがあったらほとんどの時間がアトラクションタウンでつぶれてしまいそうな気がします。

VR-KINGというVRジェットコースターにも乗ってみたかったのですが待ち時間が長かったため今回は断念しました。



その後色々と回っていると夜が近づくにつれてライトアップが徐々に始まりました。ハウステンボスは昼の風景も綺麗ですが夜の景色は自然の景色の美しさと人工的な明かりが混ざりあってより良い感じです。
DSC_3592
DSC_3595
DSC_3596
イルミネーションを楽しむならば光と音楽の運河クルーズに行った方が良いと聞いていたのでホテルヨーロッパに向かうついでに乗ってみました。待ち時間は30分ほどありましたが待ち時間に見合う価値がありました。
DSC_3602
クルーズ後いよいよホテルヨーロッパにチェックインです。ハウステンボスの直営ホテルなだけあってホテルの内装はとても豪華でした。普段ビジネスホテルばかり泊まっている私には見合っていない気もしました。ホテル内に入るとエントランス付近にあるラウンジでコンサートが行われており、いいホテルは違うなと感じました。
DSC_3618
DSC_3634
ホテルはスタンダードルームをとっていたのですが二名で泊まるには十分な広さがありました。

ベッドスペースの他にゆっくりとお酒を楽しめるようなテーブルも置いていたので、ハウステンボス内でワインを購入して楽しむことにしました。そのため部屋でしばらくくつろいだ後、ワインの購入と夕食を食べるために再びハウステンボスに戻りました。
DSC_3622
夕食はチーズワーフというお店でチーズフォンデュを頂きました。ハウステンボス内だからレストランの値段が少し高かったりするのかと思っていたのですが手ごろな値段でいい感じでした。
DSC_3624
夕食後ワインの館に移動してワインを購入しました。普段あまりワインを飲みなれていないのもあり何を買うか結構悩んでしまいました。

最終的に大分で作られた赤のスパークリングワインを購入しました。赤ワインらしい飲みごたえがあり美味しかったです。
DSC_3632
二日目も午前中はハウステンボスをぶらぶらしていたのですがほとんどゲームの館でゲームを楽しんだだけで終わってしまったのでここらでハウステンボス旅行記は終わりたいと思います。


最後に
初めてのハウステンボスでどこに行くかとかの細かい計画もたてていなかったのですがとても楽しかったです。

長崎ペンギン水族館に行った旅行記もそのうち書こうと思います。



gensimのWord2Vecを使ってみたので、使用方法をまとめました。

今回コーパスは『極性分析できのこたけのこ戦争に決着をつける』の記事で集めたツイートのデータを使用します。小規模なコーパスなので上手くいかない可能性もありますが練習ということであまり気にしません。




Word2Vecとは


Word2Vecは大量のテキストデータを解析し、単語をベクトル化する方法です。

単語をベクトル化することで単語同士の類似度を計算したりすることができます。

今回の場合きのこの山とたけのこの里のツイートをWord2Vecを用いて分析するということできのこの山とたけのこの里はお菓子の名前という同じカテゴリなので二つの単語のベクトルは近いものになるはずです。


実行環境


  • Windows10
  • Python3.6
  • gensim3.4.0
  • MeCab(辞書はmecab-ipadic-Neologdを使用)
MeCabのインストール方法や辞書の変更方法は以下の記事にまとめています。

Python3でMeCabを動かしてみる(Windows10 64bit)

MeCabのNEologd辞書をWindows10で使う方法



gensimのインストール


gensimは以下のコマンドだけでインストールすることができます。
pip install gensim
anacondaを使っていてpipではインストールができない場合は次のコマンドを使ってください
conda install -c anaconda gensim



学習データの準備


コーパスは最初に述べた通りツイートのデータを使うのですがWord2Vecの学習を始める前に学習データを分かち書きにして単語と単語の間をスペースで区切った状態に変更する必要があります。

またWord2Vecでモデルを作成するさいは助詞、助動詞などの非自立語は除外したほうが精度の良いモデルを作成することができるため今回は名詞、形容詞、動詞以外の単語は除外します。

"たけのこの里が好きだ。" という文があった場合は "たけのこの里 好き" といった状態に変更します。

学習データの準備は以下のコードで実行しました。
# -*- coding: utf-8 -*-
# 学習データをgensimで使える型に変換

import MeCab

# テキストを名詞、形容詞、動詞を残した分かち書きに変換
def wakachi(text, file):
  tagger = MeCab.Tagger("-Ochasen -d C:\mecab-ipadic-neologd")
  node = tagger.parseToNode(text)
  while node:
    # 名詞、形容詞、動詞だけリストに追加
    if (node.feature.split(',')[0] == '名詞' or node.feature.split(',')[0] == '形容詞' or node.feature.split(',')[0] == '動詞') and node.feature.split(',')[6] != '*':
      try:
        file.write('{} '.format(node.feature.split(',')[6]))
      except:
        pass
    node = node.next
  
# tweetを読み込み
def loadtweet(filename):
  tweet = []
  with open(filename) as f:
    for i in f:
      try:
        tweet.append(i.rstrip())
      except:
        pass
    return tweet
  
def main():
  tweet = loadtweet("tweet/kinoko_tweet.txt")
  wakachi_file = "kinoko_wakachi.txt" # 書き込み先のファイル名
  
  with open(wakachi_file, 'w') as f:
    for i in tweet:
      wakachi(i, f)
      f.write('\n')

if __name__ == '__main__':
  main()
今回私はtweetを対象に行っていますがどんなコーパスを使用してもこのコードで対応できるはずです。

コード中に例外処理をいれていますがこれは文字コード関係でエラーを起こしてしまい今回はあまり厳密にデータをしなくてもいいかということで簡単に片づけています。



Word2Vecのモデル作成


Word2Vecのモデルの作成は自分で一からコードをかこうとすると結構大変ですが、gensimを使えば10行もかかりませんでした。

モデルの作成は以下のコードで行いました。
# -*- coding: utf-8 -*-
# Word2Vecのモデルを作成
from gensim.models import word2vec

data = word2vec.LineSentence("kinoko_wakachi.txt")
# モデルを作成
model = word2vec.Word2Vec(data, size=200, window=10, hs=1, min_count=2, sg=1)
# モデルを保存
model.save('kinoko.model')
モデルを作成するWord2Vecメソッドのオプションでは、生成するベクトルの次元数や、単語の最大距離を設定することができます。

sizeは生成するベクトルの次元数です。今回は200次元にしています。
windowは単語の最大距離です。今回は10にしています。
hsは学習にsoftmax関数を使うかどうかです。(0の場合は使わない、0以外の値では使う)
min_countはこの値より出現回数の少ない単語を無視します。
sgは学習アルゴリズムの設定です(0の場合はCBOW、1の場合はskip-gram)。今回は何かの論文でskip-gramの方が良い結果になりやすいと見た記憶があるのでskip-gramを使いました。


生成したWord2Vecのモデルを使ってみる


modelの読み込み
model = word2vec.Word2vec.load('kinoko.model')
単語のベクトルの確認
# きのこの山のベクトルを確認
word_vector = model.wv["きのこの山"]
似た単語を列挙
# きのこの山と類似している単語の確認
similar_words = model.wv.most_similar(positive=["きのこの山"], topn=9)
print(similar_words)
[('満足', 0.6623457670211792), ('NI', 0.6556951999664307), ('きのこ派', 0.6542500257492065), ('最高かよ', 0.6375962495803833), ('アイス', 0.6262195110321045), ('4m', 0.6219021081924438), ('ファン', 0.6202322244644165), ('永遠', 0.6201416850090027), ('ムース', 0.619083821773529)]
きのこの山に類似している単語にたけのこの里がないのは意外でした。アイスやムースなどの他の食べ物があるため学習データを増やせばたけのこの里も類似している単語として出現するのかもしれません。

語句の線形計算
# 線形計算(きのこの山-きのこ=???)
print(model.most_similar(positive=['きのこの山'], negative=['きのこ'])[0])
('木村', 0.4005602300167084)
"きのこの山-きのこ" をしてみると "木村" という謎の結果になりました。(なにがでたら正解かは分からないが...)

positiveに加算する単語、negativeに減算する単語を入れます。"父-男+女" のように複数の単語を用いた計算を行うことができます。

色々な語句の線形計算を行ってみると楽しそうな気がします。


最後に


この記事ではgensimを使ってWord2Vecのモデルを作成しました。

今回は小規模なコーパスを使ってモデルを作成しましたが、次することがあればもう少し大きなコーパスを使ってモデルを作成して文の類似度を測るなど応用した方法を実行してみようと思います。



1979年から現在にかけて、きのこの山派とたけのこの里派との間で繰り広げられているきのこたけのこ戦争に終止符を打つためにきのこの山、たけのこの里に関するツイートを集めて極性分析してみました。

今回の記事ではきのこの山、たけのこの里に関するツイートを同数集めて、ポジティブなツイートが多い方をきのこたけのこ戦争の勝者とします。




極性分析とは


自然言語処理の感情分析技術の一つで、分析したい文章がポジティブ(正)な文章なのかネガティブ(負)の文章なのか判定する技術である。

「カントリーマァムはお美味しい。」

上記のような例文がある場合美味しいはポジティブな単語なので例文はポジティブな文だと分析される。

極性分析は、東北大学の乾・鈴木研究室の日本語評価極性辞書(用言編)[1] と日本語極性辞書(名詞編)[2] を用いて行います。

用言編では用言を中心に約5000件に人手でポジ(経験)、ポジ(評価)、ネガ(経験)、ネガ(評価)のタグが割り振られています。

名詞編では評価極性を持つ名詞、約8500表現に対してp(ポジティブ)、e(ネガティブ)、n(ニュートラル)のタグが割り当てられています。



実行手順


きのこの山とたけのこの里に極性分析を行う実行手順は以下の通りになります。

1. Twitterから「きのこの山」 or 「たけのこの里」が入るツイートを集める
2. ツイートを分かち書きにする
3. 極性を求める


1. Twitterから「きのこの山」 or 「たけのこの里」が入るツイートを集める
今回ツイートはpythonでTwitterAPIを使うことができるtweepyを使用しました。

TwitterAPIでは過去一週間までのツイートを収集できるので一週間分収集しました。

またツイートの中にはきのこの山とたけのこの里の両方の言葉が入っているものもありましたが、今回はそういったものは除外しました。


2. ツイートを分かち書きにする
ツイートを分かち書きに変換するのにはMeCabを使用しました。また辞書はNEologd辞書を使用しました。

MeCabのインストール方法については下記の記事に書いているのでそちらを参考にしてください。

Python3でMeCabを動かしてみる(Windows10 64bit)

MeCabを使用すると文章を単語単位に分割できるので、これで日本語極性辞書が利用できます。


3. 極性を求める
今回極性は全てのポジティブな単語の重みを、全てのネガティブな単語の重みを-1として計算していきます。

最終的に文に対する重みの合計が1以上の場合はポジティブな文、-1以下の場合はネガティブな文、0の場合とネガティブまたはポジティブの単語が文中に一つもない場合はニュートラルな文として判定していきます。



きのこたけのこ戦争の結果


実験データとしてきのこの山が入っているツイートを3641件、たけのこの里が入っているツイートを4231件用意しました。

きのこの山とたけのこの里のツイート数をそろえないのはそれぞれに対しての過去一週間のツイート数も人気度に反映すると判断したからです。

以下がきのこの山とたけのこの里に関する極性分析の結果です。

kinokotakenoko1

結果は、ツイート数が多いたけのこの里の方がきのこの山よりもポジティブなツイート数が多いという結果になりました。当然と言えば当然な結果なのですがきのこの山派の私としては残念な結果となりました。

たけのこの里ときのこの山のネガティブ、ポジティブ、ニュートラルの割合をそれぞれいかに示します。
kinokotakenoko3
kinokotakenoko2

割合をみてもたけのこの里の方がポジティブなツイートが多いみたいなのできのこの山の完全敗北となりました。

どちらともポジティブなツイートよりもネガティブなツイートの方が多いのが面白いですね。



最後に


極性分析できのこたけのこ戦争に決着をつけてみた結果たけのこの里の大勝利という結果で終わりました。みなさん納得のいく結果だったでしょうか?

きのこの山派の私としてはとても悔しいのできのこの山のポジティブなツイート数を増やすために今度きのこの山botでも作ろうと思います。

収集したツイートの中には「きのこの山よりたけのこの里の方が好きだ」といった両方のワードが出てきたツイートもありましたので、もしまた次やることがあればそういったツイートも分析の対象としていれていけるようにしたいです。

こんなネタ記事をここまで読んでくださってありがとうございました。


参考
[1] 小林のぞみ,乾健太郎,松本裕治,立石健二,福島俊一. 意見抽出のための評価表現の収集. 自然言語処理,Vol.12, No.3, pp.203-222, 2005. / Nozomi Kobayashi, Kentaro Inui, Yuji Matsumoto, Kenji Tateishi. Collecting Evaluative Expressions for Opinion Extraction, Journal of Natural Language Processing 12(3), 203-222, 2005.

[2] 東山昌彦, 乾健太郎, 松本裕治, 述語の選択選好性に着目した名詞評価極性の獲得, 言語処理学会第14回年次大会論文集, pp.584-587, 2008. / Masahiko Higashiyama, Kentaro Inui, Yuji Matsumoto. Learning Sentiment of Nouns from Selectional Preferences of Verbs and Adjectives, Proceedings of the 14th Annual Meeting of the Association for Natural Language Processing, pp.584-587, 2008.









DSC_3386

少し前に『終電の神様 始発のアフターファイブ』を読んだ影響で『終電の神様』を再読したのでこの本の感想を書いていきます。

以下ネタバレも含みますので未読の方は注意してください。



終電の神様
父危篤の報せに病院へ急ぐ会社員、納期が迫ったITエンジニア、背後から痴漢の手が忍び寄る美人——それぞれの場所へ向かう人々を乗せた夜の満員電車が、事故で運転を見合わせる。この「運転停止」が彼らの人生にとって思いがけないターニングポイントになり、そして……。




化粧ポーチ
この物語の主人公は中盤までは女性であると思わせるように表現されていますが、実は男性だったというオチでした。

私は主人公を置換していた男性が「まさか」と言った場面でやっとこの主人公が男であるということに気が付きました。

読み返してみると最初のページの時点で女性ではないというヒントが出ており、そのしばらく後に「女は得だと思う。今日のように外出するといつも思う。」というセリフから主人公が男だと推測することができます。

他の読者の人はどの場面でこの主人公が男だと気が付いたのかが気になりますね。

また、終盤では妻が倒れたという連絡が入りあわてて病院に向かいます。すると会う人あう人眉間に皺をよせるなどの表情をしてきます。

化粧を落とし忘れているというオチを知りながら読んでいたのでこの場面では思わず笑ってしまいました。

ただ化粧のことも忘れるほど妻が心配だなんていい旦那さんですよね。終電の神様のおかげでこの二人の仲はさらに良くなりそうです



ブレークポイント
仕事ばかりの生活を送っている主人公に仕事のメリハリを教えてくれる物語。

社長から休むことが仕事だと言われ休日を与えられた主人公。今行っている仕事にめどがたち休日に入ったはいいものの主人公はまだ働き続けている社員の心配ばかりをしており仕事のことが頭からぬけません。

そんな主人公ですがボクシングジムの会長からの言葉で仕事をするときはして、休む時は休むというメリハリにつけ方を教えられます。

主人公は家に帰った後仕事のことを忘れて充実した休日を送れたはずでしょう。



スポーツばか
別れようとしている主人公に智子に彼氏が優しい嘘をつくというオチ。

前日の夜に消防車のサイレンの音が聞こえたから手紙が燃えてしまったという嘘を彼氏は着くわけですが、もし主人公である智子の乗る電車が遅れていなかったら二人は別れてしまったのかな?

別れようとしているのに携帯を着信拒否にしたりしていないあたり智子が本気で別れようとしていない気もする。



閉じない鋏
父が死んだあと家業である床屋を継ごうと決意する男性の物語。

母から父が亡くなるという連絡を受ける前にたまたまいた小料理屋での男性との出会いで主人公は両親の仕事に対するすばらしさを改めて認識する。

また電車が遅延したおかげ(死に目に会えない可能性もあるので良くはないかも)で主人公は冷静になる時間が与えられ今後家業を継ぐかどうか決心できたのではないのだろうか。



最後に

第五話、第六話、第七話についても感想を書こうと思ったんですが書き疲れたのでいったん筆をおきます。

また近いうちに続きを書く予定です。



Python3でtweetの形態素解析を行うためにWindows10でMeCabの辞書をNEologd辞書に変更しようとしたら思いのほかてこずったので変更手順をまとめました。

MeCabをインストールしていることを前提として進めるのでまだインストールしていない方は下の記事を参考にしてください。

Python3でMeCabを動かしてみる(Windows10 64bit)


NEologd辞書とは
Neologd辞書とは佐藤敏紀(@overlast)が開発しているオープンソースのMeCabと共に使う単語分かち書き辞書です。

特徴として週二回以上という頻繁なペースで更新されているため新語や固有表現に強く、語彙数が多くなっています。

そのためSNSなどの新語が多い環境で自然言語処理を行う際一般的にNeologd辞書が使われています。



NEologd辞書のインストール


動作確認
本記事における動作環境は下記の通りになります。
  • Windows10 Home
  • Python 3.6.7


コマンドプロンプトでLinuxコマンドをたたけるようにする
Linuxコマンドを使ってneologd辞書をインストールしていくので最初にコマンドプロンプトでLinuxコマンドを入力できるようにしていきます。

1. Windows Subsystem for Linuxを有効にする

コントロールパネル > プログラム
neologd1
Windowsの機能の有効化または無効化
neologd2
Windows Subsystem for Linuxにチェックして再起動
neologd3


2. Ubuntuをインストール

Windows Subsystem for Linuxを有効にしたら次はMicrosoft StoreからUbuntuをインストールします。

Microsoft Storeを起動してUbuntuと検索したら下記の画面がでるので入手をクリックしてください。
neologd4

3. ユーザ登録

インストールが完了したらUbuntuを起動してください。そうするとユーザ名とパスワードを入力するように指示がでますのでにゅうりょくしてください。


4. パッケージを最新化する

ユーザ登録ができたらパッケージを最新化するために下記のコマンドを入力してください。
sudo apt update
sudo apt upgrade




NEologdをインストール
1. ビルドに必要なものをインストール

下記のコマンドを入力してビルドに必要なものをインストールします。
sudo apt install mecab
sudo apt install libmecab-dev
sudo apt install make

2. UbuntuでNeologdをインストール

git clone https://github.com/neologd/mecab-ipadic-neologd.git
cd mecab-ipadic-neologd
sudo bin/install-mecab-ipadic-neologd

3. NEologdをWindowsにコピーする
cd ..
sudo cp -R /usr/lib/x86_64-linux-gnu/mecab/dic/mecab-ipadic-neologd/ /mnt/c/
コピー先は各自好みで指定してください。


NEologdがWindows10で使えるか確認
上記の作業が全て完了したらWindowsで使えるか確認します。

下記のコードが動いたら正しくインストールできています。
import MeCab

mecab = MeCab.Tagger("-Ochasen -d C:\mecab-ipadic-neologd")
print(mecab.parse("進撃の巨人の発売日だ"))
実行結果は以下の通りになります。
neologd5

また最初からMeCabに入っている辞書を使った場合の結果は以下の通りになります。
neologd6


DSC_3381

朝井リョウさんの『世にも奇妙な君物語』が文庫化していたのでさっそく購入してみました。

本作は「世にも奇妙な物語」の大ファンだという朝井さんが、番組での映像化を目指して書かれた短編集です。

全部で五編の奇妙な話が詰め込まれていますがどの物語もオチが絶妙でとてもおもしろかったです。

以下感想になりますがネタバレを含むので未読の方は注意してください。



世にも奇妙な君物語

異様な世界観。複数の伏線。先の読めない展開。想像を超えた結末と、それに続く恐怖。もしこれらが好物でしたら、これはあなたのための物語です。待ち受ける「意外な真相」に、心の準備をお願いします。各話読み味は異なりますが、決して最後まで気を抜かずに——では始めましょう。





シェアハウさない
シェアハウスの記事を書こうとしていたライターの浩子がシェアハウスの住民たちと接していくうちに住人に少し不信感を持ち始める…。

浩子は「シェアハウスが本当にシェアしているものはなんのか」という記事を書くために密かに住人たちがシェアしているものを探そうとしていたがなかなか見つけることができなかった。最後の最後にシェアしているものの正体を見つけるがそれは異常性癖者たちがお互いの異常な性衝動をみはりあうことで抑止するというものだった。

物語の中盤で浩子が昔犯罪にあったことからなんとなく犯罪者の集団がシェアしている家だとは分かっていたが、犯罪を隠ぺいするための家だと思っていたので、お互いの性衝動を抑えあうために住んでいたのには驚きだった。

物語は悲惨な結末で終わってしまうが実に世にも奇妙な物語っぽいないようで本書の一作目にふさわしい作品となっていた。



リア充裁判
コミュニケーション能力が高いリア充が本当に正しいのが疑問を持っている知子は、ある日コミュニケーション能力をはかる裁判に招待される。そこで裁判官に批判されるリア充たちを見て知子は自分が正しかったと確信するのだが…。

オチが絶妙すぎる話でした。主人公の知子が考えていた理想のオチで終わるのかと思いきや、まさかその世界が主人公の描く漫画の世界だっととは…。しかも知子が非リア充でコミュニケーション能力がなく大学内で唯一就職活動に失敗している人間だという。

物語を読んでいる途中はコミュニケーション能力がない人間をなくそうとする国策は間違っているんだと思わされるんですが、最後まで読み切るとけっきょくはどんなことをするにもコミュニケーション能力って大切なんだなと感じさせられました。

コミュニケーション能力がなくても成功をおさめて認められている人間って現実世界でも確かにほとんどいないなと思わされる物語だった。



立て!金次郎
親からの評価を気にする幼稚園で働く孝次郎。そんな幼稚園の現状がおかしいと感じる考次郎は園の考えに背き、自分の考えに従って行動した結果、親からの評価につながったのだが…。

物語終盤まで来ると今回の物語はハッピーエンドで終わりそうだなと思ったのですが、この作品も最後の最後にまさかのどんでん返しが待ち構えていました。

オチの内容は、保護者が事前に褒める先生やいじめる先生を決めておいて幼稚園の先生を絶妙にコントロールするというものでした。

どんでんがえしがなければ世にも奇妙な要素がないんですけど、このオチを読んだときは衝撃的でした。孝次郎の努力のおかげで上手くいったと思ったのにそれをくつがえされてしまいました。

もしかしたら現実世界のモンスターペアレントのなかにも教師をコントロールするためにクレームを入れている人がいるのかもしれませんね…。



13.5文字しか集中して読めな
インタネットニュース記事を書くライターとして働く香織。自分の仕事に誇りを持ち、尊敬する上司を持ち、自分の息子からも憧れられており順風満帆な生活を送っているのだが…。

まずタイトルの文字数が13.5文字(半角は0.5文字とする)っていうがいいですね。

ネットニュースの記事に対する朝井リョウさんなりの批判が入っている作品でした。ネットニュースは新聞と違って紙面に限りがないのでいくらでも記事数が増やせるがどうでもいい内容の記事も量産されているという朝井リョウさんのネットニュースに対する批判が入っている作品でした。

最後に息子が授業参観で母親の浮気調査と浮気の様子を記事にしていましたが母親としては衝撃的ですよね。息子は母に憧れて母の真似事をしているんですが自分の浮気がばれていたとは…。息子の成長を素直に喜べなさそうだ。



脇役バトルロワイアル
主演オーディションの最終選考に残った淳平。最終オーディションが行われる部屋に入るとそこには自分を含めて普段は脇役ばかり演じる役者たちがいた。不思議なオーディションに合格して淳平は主演になれたのか。

今までの四話に脇役として登場した役者たちが集められていて本当にテレビの世にも奇妙な物語を見ているかのように読める作品でした。登場人物の名前も実際の役者によせられており誰が誰なのか想像しやすかったです。

場面を説明するなどの脇役的な行動をしたら失格となるというのも秀逸で、朝井リョウさんが脇役の行動をよく分析しているのが分かる作品でした。

周りの脇役たちがみんないなくなり淳平が合格したと思ったら最後の最後に真の主役が現れるというのに笑わされてしまいました。

五編の中で一番笑える作品となっています。



最後に
皆さんはどの物語が一番好きですか?私は『立て!金次郎』が一番好きです。

朝井リョウさんの描く『世にも奇妙な君物語』がいつか実際に世にも奇妙な物語で映像化されてほしいですね。



以前Windowsの環境でPythonでMeCabを使おうと思ったら上手くいかず諦めてUbuntuを使っていたのですが、今回久しぶりに挑戦してみるとあっさりできたので環境構築方法をまとめました。


動作確認

本記事における動作環境は下記の通りになります。
  • Windows10 Home
  • anaconda
  • Python 3.6.7
今回はanacondaを使っていますがanacondaを使ってなくても手順通り進めればインストールすることができます。


MeCab(64bit版)のインストール
1. MeCab(64bit版)のインストーラのダウンロードする。

MeCabのインストーラは下記のページからダウンロードできるのでダウンロードしてください。

https://github.com/ikegami-yukino/mecab/releases

2. mecab-0.996.exeを実行する



環境変数の設定
MeCabを無事インストールすることができたら次は環境変数の設定を行います。

1. 環境変数に「MeCabのインストール先\bin」を設定する。

インストール先を特に指定せずデフォルトの設定でインストールしたのなら下記の例と同じもので問題ありません。

環境変数の例:C:\Program Files\MeCab\bin

2. 環境変数が正しく通せているか確認する。

環境変数を設定できたら設定を正しく行えているか確認します。

コマンドプロンプトを起動してMeCabと入力した後に好きな文章を入力して形態素解析が実行されたら正しく環境変数を設定できています。

この際文字化けがおきますがそれはコマンドプロンプトがUTF-8に対応していないのが原因で起きるので気にしなくて大丈夫です。
MeCab1


mecab-python-0.996のセットアップ

1. mecab-python-0.996.tarのダウンロード。

mecab-python-0996.tarは下記のページのperl/ruby/python/java バインディングの下にあるダウンロードリンクからダウンロードができます。

ダウンロードの際様々なバージョンのものがありますが0.996のものをダウンロードしてください。

2. mecab-python-0.996.tarを解凍する。

mecab-python-0.996.tarをダウンロードすることができたら好きな場所に解凍してください。

3. setup.pyの編集

mecab-python-0.996のフォルダ内にあるsetup.pyはpython2.xxに合わせて書かれているものなのでpython3で利用できるように中身を少し書き換える必要があります。

下記に編集後のコードを乗せておくのでこれをそのままコピーしたらほぼほぼ大丈夫です。

ただMeCabのインストール先をデフォルトとは別の場所にした場合その部分だけインストール先に合わせて修正してください。
#!/usr/bin/env python

from distutils.core import setup,Extension,os

setup(name = "mecab-python",
	version = '0.996',
	py_modules=["MeCab"],
	ext_modules = [
		Extension("_MeCab",
			["MeCab_wrap.cxx",],
			include_dirs=[r'C:\Program Files\MeCab\sdk'],
			library_dirs=[r'C:\Program Files\MeCab\sdk'],
			libraries=['libmecab'])
			])


4. ビルドとインストール

Anaconda Promptを起動してmecab-python-0.996のフォルダに移動してください。

移動できたら下記のコマンドを入力してビルドしてください。
python setup.py build
ビルドができたら下記のコマンドを入力してインストールしてください。
python setup.py install

5. 実行確認

インストールができたら最後に実行できるか確認を行います。

下記のコードを実行して形態素解析の結果がかえってきたら作業は終了です。
import MeCab
mecab = MeCab.Tagger("-Ochasen")
print(mecab.parse("すもももももももものうち"))
実行結果は下記の通りになります。
MeCab2



最後に
環境を構築中にVisual Studioをインストールしていない場合はそれ関連のエラーが出るかもしれませんが適宜対応してください。

もし何か分からないことがあればコメントをもらえれば返しますのでコメントしてください。

DSC_3368


Amazon Cyber Monday Sale (サイバーマンデーセール) 2018で『Anker PowerCore 10000』が普段より700円ほど安い2099円で売っていたので購入しました。

以前使っていた『Anker PowerCore 15600』が劣化しつつあったので安く購入できてラッキーでした。

色は黒、白、赤の三色があったのですが今回は見た目はあまり気にせず一番値段が安かったという理由で
を購入しました。

商品が届くとモバイルバッテリーの小ささに驚かされてしまいました。文庫本と比較すると文庫本の半分ほどのサイズです。

DSC_3366


箱がぶ厚かったので以前使っていたものよりも厚くなっているのかと思ったのですが箱を開けてみると箱の厚さの半分ほどしかないサイズのモバイルバッテリーが現れまたまた驚かされてしまいました。

以前使用していたものとサイズを比べてみると半分ほどの大きさとなっていました。

DSC_3369


以前使用していたものの容量が15600で今回新たに購入したもののサイズが10000ということで容量は少し落ちるのですが、2、3泊の旅行で使用するぶんにはあまり影響はないと思います。

Anker PowerCore 10000』を買ってよかったと思ったのですが一点だけ残念な点がありました。

それはポートが一つしかないということです。

スマホしか使わない人には問題ないのでしょうが私は。タブレットを外出で持っていくことがあるのでスマホとタブレットの同時充電ができないのだけが残念です。

購入する前に確認していない私が悪いんですけどね…。

DSC_3371


なのでもし複数受電をしたいと思う人は購入する際に注意してください。




最後に

Anker PowerCore 10000』はセールをしていないときでも3000円未満の値段で購入できるのでもしどのモバイルバッテリーを買うか悩んでいる人がいたらこの製品がおすすめです。

また、急速充電の機能が欲しい場合は本製品とは別に『Anker PowerCore Speed 10000 QC』があるのでそちらの購入をおすすめします。





DSC_3363

タイトルにある書店という言葉に惹かれて三萩せんやさんの『神様のいる書店 まほろばの夏』を読みました。

読み始めた時点ではあまりでメッセージ性がなく内容の薄い作品だと思ったのですが、読み終わってみると読者に伝えたい強いメッセージがあると分かる作品でした。

読了後誰もがきっと自分の持っている本や家族をもっと大切にしようと思うこと間違いないでしょう。

以後ネタバレを含むので未読の方はご注意ください。



『神様のいる書店 まほろばの夏』
「本と友達になれるなんて、とっても素敵なことだと思わない?」本好きの高校生・神山ヨミは、司法教諭の紹介で「まほろば屋書店」で夏休みのバイトをすることに。そこは、魂が宿り生きている<まほろ本>を扱った、世にも不思議な書店だった。お店で出会った同僚の青年・サクヤは金髪で無愛想、不良みたいな見た目。しかし彼はいつも、ヨミが見たこともないほど美しい本を持っていて——。




生きている不思議な本である"まほろ本"の存在

『神様のいる書店』では魂を持つ本であるまほろ本がキーアイテム(アイテムという言い方は失礼かも)となっています。

まほろ本にやどる魂の形は色々あるようで犬、猫、人間など様々なものが存在しています。魂の形がどういったルールで決まっているのかなどは本作ではしっかり触れられてはいません。

ただ作中でヨミが補修を行った昆虫が描かれているまほろ本のかたちは蝶であったことや豆田の持つ本の大きさが小さかったことから本の内容や大きさがまほろ本の姿に影響を及ぼしていると言えるのではないのでしょうか。サクヤなどの例外もあるため確実だとは言えないが。

また、まほろ本には生物と同じように生死という概念があるようです。ページが破けると怪我をおい、損傷が激しくなると死んでしまうようですが、これは本としての役割を果たせなくなったら(読者が読めなくなる)死んでしまうということでよさそうですね。

現実にまほろ本のようなものは私の知る限りでは現在は存在していませんが、本作を読むともしかしたら私たちの持つ本も魂を持っている可能性もあるかもしれないなと思ってしまうので、本を大切に扱わなければならないと思わされてしまいます。

本を補修する技術を持ち合わせない私としてはとりあえず本の置く場所などに気を使おうと思いました。



人間になりたいまほろ本・サクヤの存在

サクヤは人間に憧れ人間になりたいと願っているまほろ本です。

作中でサクヤは自分が空っぽの存在であることや文字を書いたりすることができないことを嘆いたりする描写がたびたびあります。文字が書きたいから人間に憧れるという理由はなんとなくわかるのですが本なのに中身がないというのは読んでいる途中は少し不思議に感じる点でした。

ただその理由は物語の終盤で明らかになりました。ヨミが壊れたサクヤを修復しようという場面でサクヤはカバーのデザインとは打って変わって中身は何も書かれていない真っ白な本であることが分かります。

サクヤは自分に内容がないため読者に何も与えてあげることのできず本としての役割を果たせないことがネックとなって人間にあこがれたのでしょう。

最終的に人間になれたサクヤはこれから中身のなかった自分の存在を埋めていくような人生を送っていくことができればいいですね。

関係ないですサクヤの他にも人間になりたがっているまほろ本の形が人型であるため、もしかしたら人型のまほろ本はみんな人間になりたがっているという法則があるのかもしれません。



ヨミの成長

本作ではサクヤの変化の他にヨミの人間としての成長が描かれています。

物語の冒頭でのヨミは家族ともあまりうまくいかず、中学でいじめられたことが原因で人間関係に強く踏み込めない人物でした。そのためそれらのことから逃げるために図書館にこもり本の世界に逃げ込んでいました。

ヨミはまほろば屋書店との出会いがきっかけで人間として変化し始めます。

バイトでうまくできなかった補修の作業のアドバイスを図書館で働いている姉からアドバイスをもらうことにしました。姉に苦手意識を持っていたヨミでしたが、アドバイスの際に姉がヨミがどうしたら理解しやすいの考えてアドバイスしてくれたことをきっかけに姉がヨミのことをよく見て大切にしてくれていたということに気が付きます。

また友人関係では、昔あったいじめが原因で友人のフミカとも一歩引いた付き合い方をしていましたが、フミカからの親友だよねという言葉をきっかけに一歩引くのをやめるようになりました。

最後の場面では姉から両親が喧嘩している原因のほとんどが自分が原因であると教えられたことで家族がヨミを大切にしていることを理解することができました。

ヨミが本に恩返ししたいという気持ちをもって図書館から飛び出たおかげで人間として一回り成長することができてよかったです。



最後に
駄文をここまで読んでくださった皆様ありがとうございます。

『神様のいる書店』には続きの物語が出ているみたいなのでそちらもまた読んでみようと思います。

そちらでは本作でスポットライトがあまりあたっていなかった人物たちにも触れているのかな?


DSC_3362

今回は大久保洋子さんの『江戸の食空間 屋台から日本料理へ』という本を紹介します。

本書は江戸の食事事情を江戸時代の文献からの引用をなどを用いて食文化研究家の大久保さんの手で面白おかしく描かれています。

江戸時代に登場した握り寿司の歴史や、江戸のグルメブームなど様々なことが分かりやすく説明されており日本食をたしなむ日本人ならば一度は読んでおきたい本となっています。

以下に各章の内容を簡単に記すので興味を持ったらぜひ読んでみてください。


『江戸の食空間 屋台から日本料理へ』
盛り場に、辻々に、縁日に、百万都市江戸を埋め尽くしたファストフード屋台から、てんぷら、すし、そばは生まれた。庶民の愛した江戸前の味、意外に質素な将軍の食卓、調味料や嗜好品がもたらした食の発展、初鰹狂奏曲、料理茶屋の番付や料理書が出発されるグルメブーム、そして究極の料理茶屋「八百善」—。多彩で華麗な江戸の食空間を読み解く。
本書の構成は以下の通りになっています。
  1. 江戸のファストフードのにぎわい
  2. 江戸の味の誕生
  3. 将軍の食卓、町人の食卓
  4. 大江戸グルメブーム
  5. 究極の料理茶屋、八百善
  6. 日本料理の完成



江戸のファストフードのにぎわい

本章では江戸でファストフードが流行したきっかけと屋台で人気であった寿司、てんぷら、そば、鰻の蒲焼といった料理についてまとめられています。

現在ファストフードといえばハンバーガーなどが真っ先にあがりそうですが江戸では上記に書いたように寿司、てんぷら、そば、鰻の蒲焼といったものがファストフードの代表商品だったみたいです。

そばやてんぷらがファストフードなのはなんとなく想像できるのですが寿司や鰻の蒲焼がファストフードなんて今では考えられませんよね。両方ともどちらかと言えば高い料理であるという印象が強いです。

しかし、本書の解説をよめば鰻の蒲焼や寿司が当時ファストフードであった理由になっとくが行きます。



江戸の味の誕生

この章では日本食の味付けのベースとなる醤油、酒、砂糖などの調味料に焦点が当てられています。

江戸時代初期では天下の台所である大阪から調味料を輸入していたので江戸独自の味がなかったみたいですが時が進むにつれて江戸で調味料を製造するようになり江戸の味が作られたみたいです。

四国の和三盆が江戸時代にサトウキビの栽培に成功したことで生まれたり、キッコーマンの元となった製造元が醤油を作った歴史などが語られています。

この他にも参勤交代の制度のおかげで江戸に全国津々浦々から食材が集められてことなどが書かれており江戸が日本の中心であったからこそ独自の料理が作られてきたことが分かります。



将軍の食卓、町人の食卓

本章では将軍の食卓、上級・下級武士の食卓、町人の食卓が比較されています。

それぞれの食事内容の記録が残されている文献を参考に実際に各自の食事がどのようなものであったのかが書かれています。

将軍の食事は材料が豊富で一見すごく豪華なのですが、天ぷらなどの庶民が食べるものは食べないといった食事に対する制限が設けられていたみたいで身分が高い人は高い人で食べられないものがあり苦労していることが分かります。

また、上級武士や下級武士なども将軍と一緒で町民のように屋台で食事を買わないといった制限があったり、生産性がない職業であることが原因で給料が低く普段は意外と節制をしていたことが分かります。

それにくらべて町民は身分的には最も低い存在ですが食事に関しては屋台などの存在もあったおかげでそこらの武士よりはグルメな印象がつよいです。



大江戸グルメブーム

第四章ではグルメブームにより起きた初物の高騰や料理書の普及などについて説明されています。

今現在でも初物は人気ですがその流れは江戸時代からあったものみたいです。

鰹の漁獲量が少なかった時代には初鰹が一本現代の価格で10万円を超える値段で売られていたみたいです。初物が高騰した原因には江戸では初物を食べたということがステータスにつながっていたみたいで、このことが原因で値段がつりあがったみたいです。

幕府もやみくもに値段をつりあげないために食材ごとに販売する時期を制限していたみたいですが、制限されればされるほど欲しくなるのが人間のさがのようで裏で高値で取引が行われていたようです。現代のiphoneをフラゲしたり発売初日に並んで購入する人と江戸の人もあまり変わりがなかったみたいです。

またグルメかが進んだことで料理書などもこのときから現れ始めたみたいです。本書では料理本の一つである『料理物語』が引用でよく用いられていますが現代語訳版があれば私も購入して当時の料理を再現してみたいです。



究極の料理茶屋、八百善

この章では外食文化が発展した歴史と八百善という料理茶屋が人気になった理由について書かれています。

江戸時代になるまでは屋台をはじめとした外で食事をとる外食の文化がなかったみたいです。しかし、明暦の大火からの復興の際に「奈良茶屋飯」という茶粥の店ができたことがきっかけで江戸に外食文化ができたみたいです。

江戸で外食が広まったあともともとは八百屋であった八百善という料理茶屋が人気を集めました。

当時インターネットがなかった時代は集客するには店の良い評判を口コミで広げるしかなかったのですが、八百善は独自の料理本を出すなどの当時は考えられなかった画期的な方法で集客を行い江戸一の料理茶屋へと発展しました。



日本料理の完成

最後の章では江戸以前の時代から日本料理がどのように発展してきたのかがまとめられています。

日本料理は奈良時代に唐(当時の中国)の食事様式を取り入れたことから始まり、時代が進むにつれて現代の形へ発展したことが分かります。

最後まで読み終えたときには会席料理でどうして最後にご飯がでてくるかなどの疑問が解消されること間違いないでしょう。



最後に

ここでは本書の簡単な概要しか説明できませんでしたがもしこれを機会に興味を持ったならばぜひお手に取って読んでみてください。

『江戸の食空間』を読んだことでさらに食事の歴史についてさかのぼってみたいと感じました。この機会に私もまた別の本を読んで食文化に関する知識を深めていこうと思います。

↑このページのトップヘ