VRChat と cluster ワールドの違い-その1-

1. VRChat と cluster ワールドの違い-その1- みかん電機
2. おさらい VRChat や cluster のワールド情報を Crawling して BigQuery に貯めており・・ VRChat の日本語圏と非日本語圏でのワールドの違いを調べてみた • 「ワールドタグの使用頻度」で比較 ◦ 非日本語圏と “furry”, “avatar” が多い ◦ 日本語圏だと “sleep” や “sea” が多い ◦ “rain”, “water”, “cat” などは差異は無かった
3. 今回の目標 VRChat と cluster でワールドに違いがあるかどうか調べる 残念なことに cluster にはタグという機能はありません 「単語(token)の使用頻度」を比較 • 使用したデータ ◦ 2023年末までに API 経由で Crawling したワールド ◦ VRChat 日本語圏で約12000 ◦ cluster で約35000 • 手法 ◦ 各ワールド名に対して形態素解析 ▪ TinySegmenter ◦ 「あ」「1」などの1文字のひらがなや数字、アルファベットは無視 ◦ フィッシャーの正確確率検定で出現回数のばらつきを調べた
4. p値の小さい順、偶然には起こりえない順にソート p値11-20位 token VRChat cluster pvalue jp 100 10 9.26E-37 test 198 941 2.46E-33 sleep 84 9 1.38E-30 the 351 288 1.22E-29 quest 85 11 1.89E-29 試着 57 1 1.81E-26 chill 111 35 5.80E-26 迷路 6 172 6.79E-23 house 337 316 2.29E-22 ライブ 4 152 1.03E-21
5. p値1-10位 JUST !!!!!!! token VRChat cluster pvalue world 514 6706 0 just 263 16 2.50E-104 room 747 434 2.07E-100 home 419 152 1.78E-86 vrc 143 2 1.05E-65 中 60 716 1.56E-64 avatar 129 5 5.51E-55 集会 127 13 4.51E-46 new 43 507 8.02E-46 テスト 40 463 2.11E-41
6. 頻度に差があるとは言えない単語の例 英語で表記するか、日本語で表記するかの問題は起こってしまった homeかホームか、roomか部屋か、 token VRChat cluster statistics pvalue club 68 154 0.8891513764 0.4333966147 会 70 128 1.101927351 0.5454710894 vr 87 189 0.926990116 0.6084395311 部屋 398 793 1.0111985 0.8523445293
7. まとめ • プラットフォームによって違いが出て面白い ◦ VRChat は「Just」「Avatar」「集会」「Sleep」 ◦ cluster は、テストワールドが多い。さらに「迷路」「ライブ」も • MeCab とか使えばもう少し精度は上がる？ • 単語間のつながりも見えたら面白いかも • 年度や時期の変化を調べても面白いかも