圧縮プログラムによる著者推定技術のニンジャスレイヤーへの応用

圧縮プログラムによる著者推定技術のニンジャスレイヤーへの応用

1. 1. 圧縮プログラムによる著者推定技術の ニンジャスレイヤーへの応用 NJRecalls開発チーム @NJRecalls
2. 2. 圧縮プログラムを応用した著者推定 （安形輝） • 二つのテキストを連結して圧縮プ ログラムにかけます • 単独で圧縮した場合と比較して圧 縮率がどの程度向上したか計算し ます（圧縮改善係数） • 二つのテキスト同じ著者の場合、 語彙や文体の類似から圧縮率が良 くなるため、著者推定に使えます Re´sume´ Benedetto et al. recently confirmed the validity of a method for measuring similarity using data compression software. Despite its potential, this method has not yet been applied to the field of information science. The present study proposes the use of CIR, a modified method that uses an improved ratio of compression, and describes two experiments on authorship attribu- tion using data from modern Japanese literature. The first experiment compares the results of applying CIR and Benedetto’s method to test collections of modified data (fixed length) using a procedure similar to that described by Matsuura et al. The second experiment is based on original data (variable length). The first experiment showed an average precision rate of 97.7῏ for CIR, while Benedetto’s method gave a rate of 90.5῏. The CIR method proves to be an improvement on the best method described by Matsuura et al. The second experiment confirmed the e#ectiveness of the CIR method, giving an average precision rate of 95.7῏. I. はじめに A. 圧縮プログラムを応用した類似デ῎タ同定 B. 著者推定に関する研究 C. 本研究の目的 II. 圧縮プログラムによる類似デ῎タの同定 A. Benedetto らの手法 B. 圧縮改善係数からの推定手法 C. 圧縮プログラムを応用したシステム 原著論文 圧縮プログラムを応用した著者推定 Authorship Attribution by Data Compression Program 安 形 輝 Teru AGATA 安形 輝῍ 亜細亜大学ῌ 東京都武蔵野市境 5῍24῍10 Teru AGATA: Asia University, 5῍24῍10 Sakai, Musashino-shi, Tokyo e-mail: agata@asia-u.ac.jp 受付日῍ 2005 年 6 月 6 日 改訂稿受付日῍ 2005 年 9 月 13 日 受理日῍ 2005 年 10 月 30 日 Library and Information Science No. 54 2005 ῌ 1 ῌ
3. 3. ニンジャスレイヤー • 原作者はブラッドレー・ボンド、フィリップ・N・ モーゼズの共著とされています • 日本語翻訳を「翻訳チーム」が行いTwitterで連載 されています • 原作者、翻訳チームともに実在するのか、何人いる のか、よくわかりません（表に出ているのは本兌有、 杉ライカの二名です）
4. 4. ニンジャスレイヤーに対する 先行研究 • ニンジャスレイヤー
 翻訳チーム担当エピソードまとめ • TwitterクライアントによりSaezuriチーム、iPhone チームがいることがわかっており、それぞれモーゼ ズ、ボンド担当ではないかと推測されています • 公式アナウンスでもモーゼズ担当チーム、ボンド担 当チームがいるとされています
5. 5. 今回のテキスト処理 • 対象は第2部最終巻に原作者コメントがあり、答えあわせがで きそうなエピソードから16本を選定 • Twitter連載され、Togetterにまとめられたものを使用する • エピソードタイトル、ツイート末尾のノンブル、前回のあらす じ、途中のアナウンスなどは除く • 先行研究にならい、30000文字を超える部分を除いてテキス ト長をできるだけ統一する • 圧縮プログラムにはgzipを使用
6. 6. 圧縮改善係数 タイトル ファイル名 リキシャー・ディセント・アルゴリズム (03_M_RDA.txt)に対する圧縮改善係数 リキシャー・ディセント・アルゴリズム 03_M_RDA.txt 0.027183 モータル・ニンジャ・レジスター 06_B_MNR.txt 0.021525 ゲイシャ・カラテ・シンカンセン・アンド・ヘル 07_M_GKSaH.txt 0.025241 クライ・ハヴォック・ベンド・ジ・エンド 08_B_CHBtE.txt 0.0205 ウェイティング・フォー・マイ・ニンジャ 09_B_WfMN.txt 0.018933 デス・フロム・アバブ・セキバハラ 10_M_DfAS.txt 0.02704 ビヨンド・ザ・フスマ・オブ・サイレンス 12_B_BtFoS.txt 0.022698 チューブド・マグロ・ライフサイクル 13_M_TMLC.txt 0.027282 ナイト・エニグマティック・ナイト 15_M_NEN.txt 0.025759 スリー・ダーティー・ニンジャボンド 16_B_TDNB.txt 0.019766 カース・オブ・エンシェント・カンジ、オア・ザ・シークレット・オブ・ダークニンジャ・ソウル17_M_CoEKotSoDNS.txt 0.021591 ディフュージョン・アキュミュレイション・リボーン・ディストラクション18_B_DARD.txt 0.020666 ガントレット・ウィズ・フューリー 22_B_GwF.txt 0.018808 リブート、レイヴン 24_M_RR.txt 0.024025 トビゲリ・ヴァーサス・アムニジア 28_M_TVA.txt 0.022783 ザ・マン・フー・カムズ・トゥ・スラム・ザ・リジグネイション 29_B_tMWCtStR.txt 0.020375 自身に対する圧縮改善係数は 当然高くなる チューブド・マグロ・ライフ サイクルと結合させた時の圧 縮改善係数が高い これをすべての組み合わせで行うプログラムを作成
7. 7. すべての組み合わせで 圧縮改善係数を算出 表 1 03_M_RDA.txt06_B_MNR.txt07_M_GKSaH.txt08_B_CHBtE.txt09_B_WfMN.txt10_M_DfAS.txt12_B_BtFoS.txt13_M_TMLC.txt15_M_NEN.txt16_B_TDNB.txt17_M_CoEKotSoDNS.txt18_B_DARD.txt22_B_GwF.txt24_M_RR.txt28_M_TVA.txt29_B_tMWCtStR.tx 03_M_RDA.txt 0.027183 0.021525 0.025241 0.0205 0.018933 0.02704 0.022698 0.027282 0.025759 0.019766 0.021591 0.020666 0.018808 0.024025 0.022783 0.020375 06_B_MNR.txt 0.021525 0.026183 0.022491 0.022991 0.022158 0.022842 0.024512 0.022591 0.02214 0.0227 0.018825 0.022966 0.022583 0.019733 0.020675 0.021058 07_M_GKSaH.txt 0.025241 0.022491 0.030916 0.020583 0.020158 0.026494 0.021372 0.026876 0.025596 0.019258 0.022833 0.020716 0.019516 0.022 0.023258 0.01955 08_B_CHBtE.txt 0.0205 0.022991 0.020583 0.023683 0.019666 0.023002 0.02424 0.021762 0.020557 0.020775 0.018708 0.02255 0.020491 0.020233 0.019641 0.021308 09_B_WfMN.txt 0.018933 0.022158 0.020158 0.019666 0.02325 0.021431 0.023779 0.021529 0.020746 0.020591 0.017666 0.020941 0.019608 0.018425 0.018025 0.020116 10_M_DfAS.txt 0.02704 0.022842 0.026494 0.023002 0.021431 0.035785 0.024395 0.028333 0.027739 0.021882 0.025722 0.024198 0.020706 0.026428 0.027031 0.022089 12_B_BtFoS.txt 0.022698 0.024512 0.021372 0.02424 0.023779 0.024395 0.030893 0.021831 0.023304 0.023337 0.020498 0.025989 0.022425 0.02141 0.021701 0.02361 13_M_TMLC.txt 0.027282 0.022591 0.026876 0.021762 0.021529 0.028333 0.021831 0.036878 0.028906 0.021987 0.023645 0.02222 0.02101 0.024293 0.024924 0.021071 15_M_NEN.txt 0.025759 0.02214 0.025596 0.020557 0.020746 0.027739 0.023304 0.028906 0.033134 0.020301 0.023055 0.021302 0.020523 0.023081 0.024296 0.021165 16_B_TDNB.txt 0.019766 0.0227 0.019258 0.020775 0.020591 0.021882 0.023337 0.021987 0.020301 0.027416 0.018091 0.0229 0.021341 0.018525 0.018008 0.020166 17_M_CoEKotSoDNS.txt 0.021591 0.018825 0.022833 0.018708 0.017666 0.025722 0.020498 0.023645 0.023055 0.018091 0.023283 0.019858 0.018225 0.020716 0.0224 0.018083 18_B_DARD.txt 0.020666 0.022966 0.020716 0.02255 0.020941 0.024198 0.025989 0.02222 0.021302 0.0229 0.019858 0.027766 0.021116 0.019491 0.020766 0.0218 22_B_GwF.txt 0.018808 0.022583 0.019516 0.020491 0.019608 0.020706 0.022425 0.02101 0.020523 0.021341 0.018225 0.021116 0.022716 0.017366 0.019258 0.021291 24_M_RR.txt 0.024025 0.019733 0.022 0.020233 0.018425 0.026428 0.02141 0.024293 0.023081 0.018525 0.020716 0.019491 0.017366 0.029866 0.022333 0.020675 28_M_TVA.txt 0.022783 0.020675 0.023258 0.019641 0.018025 0.027031 0.021701 0.024924 0.024296 0.018008 0.0224 0.020766 0.019258 0.022333 0.028316 0.020625 29_B_tMWCtStR.txt 0.020375 0.021058 0.01955 0.021308 0.020116 0.022089 0.02361 0.021071 0.021165 0.020166 0.018083 0.0218 0.021291 0.020675 0.020625 0.023433 これだとパッと見でよくわからないので
8. 8. 圧縮改善係数（色分け） 表 1 03_M_RDA.txt06_B_MNR.txt07_M_GKSaH.txt08_B_CHBtE.txt09_B_WfMN.txt10_M_DfAS.txt12_B_BtFoS.txt13_M_TMLC.txt15_M_NEN.txt16_B_TDNB.txt17_M_CoEKotSoDNS.txt18_B_DARD.txt22_B_GwF.txt24_M_RR.txt28_M_TVA.txt29_B_tMWCtStR.tx 03_M_RDA.txt 99% 37% 51% 32% 21% 42% 21% 40% 43% 19% 49% 14% 27% 53% 46% 41% 06_B_MNR.txt 32% 100% 28% 77% 73% 14% 39% 10% 14% 50% 14% 42% 98% 19% 26% 54% 07_M_GKSaH.txt 76% 50% 100% 34% 41% 38% 8% 37% 41% 13% 64% 15% 40% 37% 51% 27% 08_B_CHBtE.txt 20% 57% 11% 90% 33% 15% 36% 5% 2% 29% 13% 37% 58% 23% 16% 58% 09_B_WfMN.txt 1% 45% 8% 17% 91% 5% 32% 3% 3% 27% 0% 18% 42% 8% 0% 37% 10_M_DfAS.txt 97% 55% 62% 78% 62% 100% 37% 46% 58% 41% 100% 57% 62% 72% 88% 72% 12_B_BtFoS.txt 46% 77% 18% 100% 100% 24% 100% 5% 23% 57% 35% 79% 95% 32% 36% 100% 13_M_TMLC.txt 100% 51% 65% 55% 63% 51% 13% 100% 67% 42% 74% 33% 68% 55% 67% 54% 15_M_NEN.txt 82% 45% 54% 33% 50% 47% 27% 50% 100% 24% 67% 22% 59% 46% 61% 56% 16_B_TDNB.txt 11% 53% 0% 37% 48% 8% 27% 6% 0% 100% 5% 41% 74% 9% 0% 38% 17_M_CoEKotSoDNS.txt 33% 0% 31% 0% 0% 33% 0% 17% 21% 1% 70% 4% 16% 27% 43% 0% 18_B_DARD.txt 22% 56% 13% 69% 54% 23% 53% 8% 8% 52% 27% 100% 70% 17% 27% 67% 22_B_GwF.txt 0% 51% 2% 32% 32% 0% 19% 0% 2% 35% 7% 20% 100% 0% 12% 58% 24_M_RR.txt 62% 12% 24% 28% 12% 38% 9% 21% 22% 5% 38% 0% 0% 100% 42% 47% 28_M_TVA.txt 47% 25% 34% 17% 6% 42% 12% 25% 31% 0% 59% 15% 35% 40% 100% 46% 29_B_tMWCtStR.txt 18% 30% 3% 47% 40% 9% 30% 0% 7% 23% 5% 28% 73% 26% 25% 97% 数字の高低に赤∼青で色分けしてみました（列方向）。 当然ながら、だいたいは自分自身との係数が一番高くなります
9. 9. 圧縮改善係数（色分け） 表 1 03_M_RDA.txt06_B_MNR.txt07_M_GKSaH.txt08_B_CHBtE.txt09_B_WfMN.txt10_M_DfAS.txt12_B_BtFoS.txt13_M_TMLC.txt15_M_NEN.txt16_B_TDNB.txt17_M_CoEKotSoDNS.txt18_B_DARD.txt22_B_GwF.txt24_M_RR.txt28_M_TVA.txt29_B_tMWCtStR.tx 03_M_RDA.txt 99% 37% 51% 32% 21% 42% 21% 40% 43% 19% 49% 14% 27% 53% 46% 41% 06_B_MNR.txt 32% 100% 28% 77% 73% 14% 39% 10% 14% 50% 14% 42% 98% 19% 26% 54% 07_M_GKSaH.txt 76% 50% 100% 34% 41% 38% 8% 37% 41% 13% 64% 15% 40% 37% 51% 27% 08_B_CHBtE.txt 20% 57% 11% 90% 33% 15% 36% 5% 2% 29% 13% 37% 58% 23% 16% 58% 09_B_WfMN.txt 1% 45% 8% 17% 91% 5% 32% 3% 3% 27% 0% 18% 42% 8% 0% 37% 10_M_DfAS.txt 97% 55% 62% 78% 62% 100% 37% 46% 58% 41% 100% 57% 62% 72% 88% 72% 12_B_BtFoS.txt 46% 77% 18% 100% 100% 24% 100% 5% 23% 57% 35% 79% 95% 32% 36% 100% 13_M_TMLC.txt 100% 51% 65% 55% 63% 51% 13% 100% 67% 42% 74% 33% 68% 55% 67% 54% 15_M_NEN.txt 82% 45% 54% 33% 50% 47% 27% 50% 100% 24% 67% 22% 59% 46% 61% 56% 16_B_TDNB.txt 11% 53% 0% 37% 48% 8% 27% 6% 0% 100% 5% 41% 74% 9% 0% 38% 17_M_CoEKotSoDNS.txt 33% 0% 31% 0% 0% 33% 0% 17% 21% 1% 70% 4% 16% 27% 43% 0% 18_B_DARD.txt 22% 56% 13% 69% 54% 23% 53% 8% 8% 52% 27% 100% 70% 17% 27% 67% 22_B_GwF.txt 0% 51% 2% 32% 32% 0% 19% 0% 2% 35% 7% 20% 100% 0% 12% 58% 24_M_RR.txt 62% 12% 24% 28% 12% 38% 9% 21% 22% 5% 38% 0% 0% 100% 42% 47% 28_M_TVA.txt 47% 25% 34% 17% 6% 42% 12% 25% 31% 0% 59% 15% 35% 40% 100% 46% 29_B_tMWCtStR.txt 18% 30% 3% 47% 40% 9% 30% 0% 7% 23% 5% 28% 73% 26% 25% 97% ビヨンド・ザ・フスマ・オブ・ サイレンスに似ている ウェイティング・フォー・マ イ・ニンジャに似ていない なんとなく二種の傾向があることがわかるでしょうか
10. 10. クラスタリング エピソードAに似ている エピソードBに似ている C E G H D F これを16本のエピソードに対しての係数、 つまり16次元空間で行います
11. 11. Rで簡単クラスタリング • オープンソースの統計解析環境・言語 • https://www.r-project.org • Macの場合、まずX11をインストール
12. 12. Rに投入するデータ さっきのこれを CSVファイルにして、 作業ディレクトリを設定 data <- read.csv("result.csv", header = TRUE, row.names = 1) #csvを読み込みます。列名あり、行名は1列目、という指定 distances <- dist(data) #ユークリッド距離を計算します clust_w <- hclust(distances, ward.D") #ウォード法でクラスタリングします plot(clust_w) #結果を樹形図で表示します
13. 13. ね？簡単でしょう？ 綺麗に2つのクラスタ に分かれましたね
14. 14. 結果を先ほどの表で見ると 表 1 12_B_BtFoS.txt06_B_MNR.txt18_B_DARD.txt16_B_TDNB.txt08_B_CHBtE.txt29_B_tMWCtStR.txt09_B_WfMN.txt22_B_GwF.txt10_M_DfAS.txt13_M_TMLC.txt15_M_NEN.txt03_M_RDA.txt07_M_GKSaH.txt24_M_RR.txt17_M_CoEKotSoDNS.txt28_M_TVA.txt 03_M_RDA.txt 21% 37% 14% 19% 32% 41% 21% 27% 42% 40% 43% 99% 51% 53% 49% 46% 06_B_MNR.txt 39% 100% 42% 50% 77% 54% 73% 98% 14% 10% 14% 32% 28% 19% 14% 26% 07_M_GKSaH.txt 8% 50% 15% 13% 34% 27% 41% 40% 38% 37% 41% 76% 100% 37% 64% 51% 08_B_CHBtE.txt 36% 57% 37% 29% 90% 58% 33% 58% 15% 5% 2% 20% 11% 23% 13% 16% 09_B_WfMN.txt 32% 45% 18% 27% 17% 37% 91% 42% 5% 3% 3% 1% 8% 8% 0% 0% 10_M_DfAS.txt 37% 55% 57% 41% 78% 72% 62% 62% 100% 46% 58% 97% 62% 72% 100% 88% 12_B_BtFoS.txt 100% 77% 79% 57% 100% 100% 100% 95% 24% 5% 23% 46% 18% 32% 35% 36% 13_M_TMLC.txt 13% 51% 33% 42% 55% 54% 63% 68% 51% 100% 67% 100% 65% 55% 74% 67% 15_M_NEN.txt 27% 45% 22% 24% 33% 56% 50% 59% 47% 50% 100% 82% 54% 46% 67% 61% 16_B_TDNB.txt 27% 53% 41% 100% 37% 38% 48% 74% 8% 6% 0% 11% 0% 9% 5% 0% 17_M_CoEKotSoDNS.txt 0% 0% 4% 1% 0% 0% 0% 16% 33% 17% 21% 33% 31% 27% 70% 43% 18_B_DARD.txt 53% 56% 100% 52% 69% 67% 54% 70% 23% 8% 8% 22% 13% 17% 27% 27% 22_B_GwF.txt 19% 51% 20% 35% 32% 58% 32% 100% 0% 0% 2% 0% 2% 0% 7% 12% 24_M_RR.txt 9% 12% 0% 5% 28% 47% 12% 0% 38% 21% 22% 62% 24% 100% 38% 42% 28_M_TVA.txt 12% 25% 15% 0% 17% 46% 6% 35% 42% 25% 31% 47% 34% 40% 59% 100% 29_B_tMWCtStR.txt 30% 30% 28% 23% 47% 97% 40% 73% 9% 0% 7% 18% 3% 26% 5% 25%
15. 15. 結果を先ほどの表で見ると 表 1 12_B_BtFoS.txt06_B_MNR.txt18_B_DARD.txt16_B_TDNB.txt08_B_CHBtE.txt29_B_tMWCtStR.txt09_B_WfMN.txt22_B_GwF.txt10_M_DfAS.txt13_M_TMLC.txt15_M_NEN.txt03_M_RDA.txt07_M_GKSaH.txt24_M_RR.txt17_M_CoEKotSoDNS.txt28_M_TVA.txt 03_M_RDA.txt 21% 37% 14% 19% 32% 41% 21% 27% 42% 40% 43% 99% 51% 53% 49% 46% 06_B_MNR.txt 39% 100% 42% 50% 77% 54% 73% 98% 14% 10% 14% 32% 28% 19% 14% 26% 07_M_GKSaH.txt 8% 50% 15% 13% 34% 27% 41% 40% 38% 37% 41% 76% 100% 37% 64% 51% 08_B_CHBtE.txt 36% 57% 37% 29% 90% 58% 33% 58% 15% 5% 2% 20% 11% 23% 13% 16% 09_B_WfMN.txt 32% 45% 18% 27% 17% 37% 91% 42% 5% 3% 3% 1% 8% 8% 0% 0% 10_M_DfAS.txt 37% 55% 57% 41% 78% 72% 62% 62% 100% 46% 58% 97% 62% 72% 100% 88% 12_B_BtFoS.txt 100% 77% 79% 57% 100% 100% 100% 95% 24% 5% 23% 46% 18% 32% 35% 36% 13_M_TMLC.txt 13% 51% 33% 42% 55% 54% 63% 68% 51% 100% 67% 100% 65% 55% 74% 67% 15_M_NEN.txt 27% 45% 22% 24% 33% 56% 50% 59% 47% 50% 100% 82% 54% 46% 67% 61% 16_B_TDNB.txt 27% 53% 41% 100% 37% 38% 48% 74% 8% 6% 0% 11% 0% 9% 5% 0% 17_M_CoEKotSoDNS.txt 0% 0% 4% 1% 0% 0% 0% 16% 33% 17% 21% 33% 31% 27% 70% 43% 18_B_DARD.txt 53% 56% 100% 52% 69% 67% 54% 70% 23% 8% 8% 22% 13% 17% 27% 27% 22_B_GwF.txt 19% 51% 20% 35% 32% 58% 32% 100% 0% 0% 2% 0% 2% 0% 7% 12% 24_M_RR.txt 9% 12% 0% 5% 28% 47% 12% 0% 38% 21% 22% 62% 24% 100% 38% 42% 28_M_TVA.txt 12% 25% 15% 0% 17% 46% 6% 35% 42% 25% 31% 47% 34% 40% 59% 100% 29_B_tMWCtStR.txt 30% 30% 28% 23% 47% 97% 40% 73% 9% 0% 7% 18% 3% 26% 5% 25% ビヨンド・ザ・フスマ・オブ・サ イレンスに似ており、カース・オブ・ エンシェント∼に似ていない デス・フロム・アバブ∼に似て おり、ガントレット・ウィズ・ フューリーに似ていない
16. 16. 答えあわせ 物理書籍第2部最終巻「キョート・ヘル・オン・アース（下）」 巻末には各エピソードへの原作者コメントがあります タイトル クライアント コメント ビヨンド・ザ・フスマ・オブ・サイレン Tweetlogix ボンド モータル・ニンジャ・レジスター Tweetlogix ボンド ディフュージョン・アキュミュレイショ ン・リボーン・ディストラクション Tweetlogix ボンド スリー・ダーティー・ニンジャボンド Tweetlogix ボンド クライ・ハヴォック・ベンド・ジ・エン ド Tweetbot for iOS ボンド ザ・マン・フー・カムズ・トゥ・スラ ム・ザ・リジグネイション TweetList Pro ボンド ウェイティング・フォー・マイ・ニンジ ャ Tweetlogix ボンド ガントレット・ウィズ・フューリー TweetList Pro ボンド デス・フロム・アバブ・セキバハラ Saezuri モーゼズ チューブド・マグロ・ライフサイクル Saezuri モーゼズ ナイト・エニグマティック・ナイト Saezuri モーゼズ リキシャー・ディセント・アルゴリズム Saezuri モーゼズ ゲイシャ・カラテ・シンカンセン・アン ド・ヘル Saezuri モーゼズ リブート、レイヴン Saezuri モーゼズ カース・オブ・エンシェント・カンジ、 オア・ザ・シークレット・オブ・ダーク Saezuri モーゼズ トビゲリ・ヴァーサス・アムニジア Saezuri モーゼズ ボンド モーゼズ
17. 17. つまり？ • クラスタリングの結果から、
 和文翻訳を行っているのは二名 • 巻末コメントを寄せている原作者との一致から、こ の二名はそれぞれボンド、モーゼズのみを担当 • この結果は先行研究のTwitterクライアントによる 分類とも一致
18. 18. ボンド（担当チーム）と モーゼズ（担当チーム）を 判別するクラスタリングができました ここに他のエピソードを放り込み、どちらのクラスタに 分類されるかを見れば、テキスト情報からボンド（担当 チーム）とモーゼズ（担当チーム）を見分けることがで きるってわけです
19. 19. 第3部エピソードでテスト！ モーター・ドリヴン・ブルース ノーホーマー・ノーサヴァイヴ リボルバー・アンド・ヌンチャク サツバツ・ナイト・ バイ・ナイト
20. 20. 第3部エピソードでテスト！ ◆B:パワー れるテクノロジーの実現に人が全身全霊を込めて打ち込む 姿は美しい。ゼンの境地が見えることすらある。だが、そのテクノロジ ーが何の為に生み出され、誰の血を流させるのか。熱狂の土台となっ ているのは何なのか。それを今再び見つめるべく、この話を書いた。 ◆ ◆M：このエピソードには何人も主役が存在する。その全てを語るのは 難しい。一言で言おう。このエピソードにはニンジャの魅力が凝縮し ている。それは常識や重苦しい停滞感を破壊する爆発的パワだ！衝撃 のクライマックスシーンを書き切った時、僕は思わず立ち上がって鏡の 前でカラテし、飛び跳ねた！◆ ◆人生どん詰まりのニンジャハンターがたどる数奇な運命。モーゼズお 得意の低予算映画アトモスフィアに れたハードボイルド短編だ。◆ ◆Ｍ：ボンドが「フジキドに野球でニンジャと戦わせる」と言い出した 時は、彼の正気を疑った。だが彼は本気だったので、僕はサイバーパン ク的考証を行った。自動化し暴走するシステム、人間疎外、ハイテック の罠、それを打破するカラテ…結果としてそこに現れたのは、ネオサイ タマの縮図だったんだ。◆ ボンド モーゼズ
21. 21. 今後の展望 • 第1部のエピソードにも通用するのか • 翻訳チームのオリジナル作品（「スチーム・パワー ド」や「ペイルホース死す！」）ではどうなるか • 両チームが混合して書いているブーブス・バンドシ リーズや、ロンゲスト終盤ではどうなるか • そもそもコントロールとして、明確に他の著者であ るテキストをちゃんと第3のクラスタにできるのか