国立情報学研究所にあるニコニコデータセットをダウンロードする。JSON形式で圧縮されている約50GBの800万動画分コメントデータである。 圧縮されたファイルは解凍しないでそのまま処理することで、HDDが300GBなくても大丈夫なようにした。 ニコニコ大百科女性声優一覧から、いわゆる萌えアニメに出演している声優を選んで288人のリスト cvlist.txt を作る。 タイトルやタグなどの動画情報ファイルである meta.txt と、cvlist.txt に載っている声優がタグに出現する動画のコメントを抜き出したファイル nm...txt ができる。112958の動画が抽出された。 JSONの扱いがなぜかPython 2 ではうまくいかなかったので version 3 でやった。 ### Python3 で!!! import json import re import os import