Koshin Studio16,177作から6,091作へ：診断のデータベースは、6割以上を落として作った
ガチアニメ診断 開発の記録 ／ 2026年10月
ガチアニメ診断は、「運命の1作」を、6,000 作を超えるデータベースの中から選びます。この 6,000 作は、どこから来て、どう絞られたのか。診断のデータの作り方を、リポジトリのコミットと、いまのデータの実際の数字で書きます。
材料は三つ
- Annict（アニメの記録サービス）の作品一覧：15,971 件。
- Filmarks（映画・アニメのレビューサービス）のアニメ：7,247 件。
- 手元の名作一覧：約 500 作。
同じ作品は、一つにまとめます。まとめたあとの件数は 16,177 件です。ここから、診断に使えるものだけを残します。
残す基準は、「軸を決める手がかり」
診断は、作品を 6 つの軸（世界観、後味、構成、サブテイスト、視覚、視聴スタイル）で表して、あなたの答えとの近さで選びます。だから、作品ごとに、「軸を決める手がかり」が、十分にある必要があります。
手がかりは、レビューに出てくる言葉の数から見積もっています（レビューの本文は残さず、言葉の数だけを数えます）。「作画崩壊」「泣けなかった」のような、けなす言い方や打ち消しは、数えません。「神作画」を、二重に数えることもしません。この「手がかりの多さ」を 0〜1 で出して、0.25 未満の作品は、落とします。
ほかにも、TV シリーズの続きや番外の劇場版（ドラえもんやコナンの映画など）は、既定で外しています。単発のオリジナル映画は、残しています。
| 件数 | 割合 | |
|---|---|---|
| まとめたあとの作品 | 16,177 | 100% |
| 手がかり不足で落とした | 10,086 | 62.3% |
| 残った（データベース） | 6,091 | 37.7% |
6 割以上の作品は、手がかりが足りずに落ちました。さらに、診断は、どの軸の値も中立に近い（絶対値が 0.15 以下）作品も使いません。これで 17 作が外れて、診断が実際に使うのは 6,074 作です。
残った 6,091 作の中身
データは 2026年9月25日に作ったものを、10月8日にあらためて数えました。
| 出どころ | 作品数 |
|---|---|
| Annict と Filmarks の両方に載っている | 4,354 |
| Filmarks のみ | 1,077 |
| Annict のみ | 619 |
| 手元の名作のみ | 41 |
| 手がかりの多さ | 作品数 | 割合 |
|---|---|---|
| 0.8 以上（十分） | 3,388 | 55.6% |
| 0.6〜0.8 | 639 | 10.5% |
| 0.4〜0.6 | 1,148 | 18.8% |
| 0.25〜0.4（ぎりぎり） | 916 | 15.0% |
手がかりの多さの中央値は 0.92 です。ただ、15% は、基準ぎりぎりで通った作品です。この作品の「軸の値」は、他より、確からしさが低いことになります。
| 放送の年代 | 作品数 |
|---|---|
| 2020年代 | 2,591 |
| 2010年代 | 1,996 |
| 2000年代 | 926 |
| 1990年代 | 291 |
| 1980年代 | 166 |
| 1970年代 | 83 |
| 1960年代 | 20 |
2000 年以降の作品が 90.5% を占めます。古い作品は、レビューの言葉が少ない傾向があり、基準を満たしにくいのだと考えています（これは推測で、確かめてはいません）。画像のある作品は 5,632 作（92.5%）です。
この作り方の弱いところ
- 新しい作品と、よく語られる作品に偏ります。レビューの言葉が多い作品ほど残ります。古い作品や、あまり語られない作品は、落ちやすいはずです。診断には、「古い作品をどれだけ下げるか」を決める年代の質問がありますが、そもそもの母数が、新しい作品に寄っています。
- 手がかりの数は、「好み」ではなく「語られた量」です。言葉の数から 6 軸を見積もる方法は、粗い近似です。
- データは、作った時点のものです。新しい作品は、毎期、足す必要があります。
分かったこと
「6,000 作」の大半は、「16,000 作から、手がかりのあるものを残した」結果だった。
「全アニメに対応」と言いたくなりますが、実際は、6 割以上を、手がかり不足で落としています。落とした数と、残した基準を、数字で書いておくことが、診断の正直さにつながる、と考えています。
この記事の数字は、診断のデータ（2026年9月25日作成、10月8日に再集計）から取りました。作品名や、レビューの内容、評価の点数は、載せていません。
この話に出てくるもの
- ガチアニメ診断（作品ページ） — 何を作ったのか、画面と数字で
- 6つの軸 — 診断が測っているもの
ほかの記録
- 配信ボタンは、見られない作品にも出ていた：診断の結果画面を「本当」に寄せる — 診断の配信ボタンは、全作品に同じ2つだった。実際の配信状況と数え直すと、約29%でどちらかが外れ。配信状況で絞った経緯と、画像の食い違い（http、仮の絵、ロゴ混入）の記録。
- 「82%より80%が選ばれる」：診断の適合度%が、並び順と食い違っていた — 診断の適合度%は、並び順とは別の物差しで作られていた。旧い表示では、回答者の35〜40%で上位3作の表示が逆転。作り物の回答者1,000人で測り直した記録。
- Python の splitlines() で JSONL が壊れる：犯人は U+2028（見えない改行文字） — JSONL を splitlines() で読むと、あらすじ中の U+2028 で行が割れて JSON が壊れる。実データ（7,255行と7,247件、U+2028 は8個）で確かめて、split("\n") に直した記録。
コメント
感想や、記事の間違いの指摘は、ここへ。書くには、GitHub のアカウントが要ります。
押すと、giscus（giscus.app）と GitHub に接続します。押さなければ、接続しません。詳しくはあつかいに書いています。