Wikipediaでページが作られた歴史を紐解く

自然言語解析で大量の日本語文章が欲しいと思い、WikipediaのダンプデータをローカルのDBに復元していたところ、ページに内部IDが振られているのが分かりました。これ、つまりページが作られた順序ですよね。面白そうなので見ていきました。

[code lang=text]
1 アップロードログ_2004年4月
2 削除記録/過去ログ_2002年12月
5 アンパサンド
6 Sandbox
10 言語
11 日本語
12 地理学
14 EU_(曖昧さ回避)
23 国の一覧
26 SandBox
[/code]

最初はシステムやカテゴリに関連するものが多いですね。5番目の「アンパサンド」が最初の記事らしい記事でしょうか?なんでアンパサンドなんだろう…。

[code lang=text]
31 パリ
32 ヨーロッパ
42 生物
43 コケ植物
46 HomePage
47 社会学
48 古代エジプト
49 エジプト
51 About
[/code]

「生物」に続いての「コケ植物」が最高に渋いチョイスですねー。

[code lang=text]
63 情報工学
64 形式言語
65 文脈自由言語
89 文脈自由文法
[/code]

専門の学問で一番最初に出てくるのがここらへんですかね。やっぱりコンピュータサイエンス好きな人が黎明期に絡んでるんですかね。

[code lang=text]
90 フランス語
91 イタリア語
92 スペイン語
97 宗教学
99 音楽
100 インドネシア
101 イラク
102 イラン
105 タイ
106 チュニジア
107 トルコ
109 ロシア
110 哲学
111 ブラックミュージック
112 物理学
113 ワールド・ミュージック
115 新聞学
117 ソクラテス
[/code]

百科事典らしいタイトルが並びます。

[code lang=text]
132 FAQ
136 なぜウィキペディアは素晴らしいのか
137 議論が白熱しても冷静に
[/code]

久しぶりにWikipediaのシステム系のページが追加されました。

[code lang=text]
222 日本の漫画家
223 LimeWire
224 日本の漫画作品一覧
225 うる星やつら
227 士郎正宗
228 アップルシード
229 高橋留美子
230 ゲーム
231 コンピュータゲーム
232 ゲームのタイトル一覧
233 ゲーム会社一覧
[/code]

ついにオタクがやってきた感があります。漫画系で初登場したのが士郎正宗とアップルシードですか。いかにもオンライン百科事典っぽいですね。

[code lang=text]
333 赤松健
334 記事名の付け方
335 明石沢貴士
336 麻宮騎亜
337 あずまきよひこ
338 岡田芽武
339 桂正和
340 こいおみなと
341 ここまひ
342 桜野みねね
343 高屋良樹
344 田中久仁彦
345 鶴田洋久
346 冨樫
347 内藤泰弘
348 萩原一至
349 舞井武依
350 幻超二
351 美衣暁
352 三浦建太郎
353 皆川亮二
354 吉冨昭仁
[/code]

続々と漫画家が追加されていきます。

[code lang=text]
364 秋田県
366 石川県
371 愛媛県
372 大分県
377 岡山県
379 沖縄県
381 香川県
387 岐阜県
391 熊本県
395 高知県
399 佐賀県
401 滋賀県
403 静岡県
405 島根県
411 徳島県
413 栃木県
415 鳥取県
419 長崎県
421 長野県
424 新潟県
426 兵庫県
428 広島県
432 福井県
434 福島県
436 北海道
442 宮崎県
446 山口県
448 山梨県
450 和歌山県
[/code]

県が登録されました。どういう順序なんでしょうこれは…。

[code lang=text]
471 水縞とおる
472 恋人は守護霊!?
473 封神演義
476 ImagePolicy-ScaleBar.png
477 画像利用の方針
478 バグの報告/history20140727
479 ああっ女神さまっ
480 西原理恵子
481 里中満智子
482 椎名高志
483 篠原千絵
484 介錯
485 川原泉
486 尾田栄一郎
487 唐沢なをき
488 玖保キリコ
489 倉田真由美
491 高河ゆん
492 桜玉吉
493 手塚治虫
494 永野護
495 少年漫画
496 少女漫画
497 魔夜峰央
504 ユーゴスラビア改名
506 梶原一騎
507 黒田硫黄
509 ウェブブラウザ
510 Mozilla_Application_Suite
512 相原コージ
513 あおきてつお
514 青沼貴子
516 秋月りす
517 朝基まさし
518 あしべゆうほ
519 あだちつよし
520 安達哲
521 あだち充
522 あなだもあ
523 阿萬和俊
524 新井理恵
525 荒木飛呂彦
526 あろひろし
527 飯森広一
528 五十嵐浩一
529 池上遼一
530 池田理代子
531 池野恋
532 日本の交通
[/code]

続々と漫画関係の記事が増えていきます。どんだけ漫画好きなんだよ。

[code lang=text]
668 ストップ高
669 ストップ安
671 値幅制限
672 呼び値単位
673 呼び値
674 配当
675 無配
676 残余財産請求権
677 株券
678 株価指数
679 東証株価指数
[/code]

漫画に入り混じり、久しぶりにまっとうな(?)ページが追加されました。

[code lang=text]
705 しげの秀一
708 河合克敏
709 チェンバロ
710 クラブサン
713 東京スカパラダイスオーケストラ
715 海明寺祐
717 加倉井ミサイル
718 かたおか徹治
719 かたせ湘
720 片山まさゆき
721 克・亜樹
722 かどたひろし
723 金井たつお
724 鎌田洋次
725 上條敦士
726 神矢みのる
727 かわぐちかいじ
728 川三番地
730 川原正敏
731 川原由美子
732 神崎将臣
733 神戸さくみ
734 きくち正太
735 菊池としを
736 喜国雅彦
737 北崎拓
738 衣谷遊
739 木村えいじ
741 九月乃梨子
742 日下部拓海
743 くじらいいく子
[/code]

うーん。

[code lang=text]
785 ドラゴンクエストIII_そして伝説へ…
786 ドラゴンクエストシリーズ
788 ゲームソフト
789 ゲーム機
790 ドラゴンクエストII_悪霊の神々
[/code]

おっ、ゲームが出てきました。

[code lang=text]
794 オンラインゲーム
795 電子ブロック
796 笑い袋
797 プラモデル
798 クラッカーボール
799 ロールプレイングゲーム
800 ハンカチ落し
801 築山
802 コンピュータRPG
803 テーブルトークRPG
805 庭師
806 小堀政一
807 人生ゲーム
808 ザリガニ釣り
809 RPG
810 野球盤
812 魚雷戦ゲーム
[/code]

懐かしのゲームや一般的なところから入ってますね。

[code lang=text]
827 女性アイドル
830 内田有紀
840 後藤久美子
848 ビビアン・スー
853 森本さやか
855 吉田里深
[/code]

アイドル?系がやってきました。年代がアレですね。

[code lang=text]
931 つの丸
932 円英智
933 出口竜正
934 イエスタデイをうたって
935 どおくまん
936 ときた洸一
937 徳弘正也
938 所十三
939 ともち
940 とんぼはうす
941 永井豪
942 永井幸二郎
943 永久保貴一
[/code]

と思ったらまた漫画ですよ。何なんだこいつ。一人でやってんのかな。

[code lang=text]
984 メモリ管理
985 仮想記憶
986 共有メモリ
987 Postscript
988 統計図表
989 有向グラフ
990 木_(数学)
991 グラフ理論
992 データ構造
993 Python
[/code]

おっ、コンピュータ関係が増えました。もっと頑張れ。

[code lang=text]
1014 AIが止まらない
[/code]

これは…コンピュータ関係と言えなくも…ない?

[code lang=text]
1022 C言語
1023 ドナルド・クヌース
1024 Ruby
1025 TeX
1026 暗号
[/code]

またちょっと情報系が増えました。

[code lang=text]
1115 建築学
1116 幾何学
1117 解析学
1118 考古学
1119 力学
1120 熱力学
1121 海外
1123 電磁気学
[/code]

普通、百科事典ってこういう項目が並ぶもんですよね。この段階ではまだ漫画家辞典と言っていいような。

[code lang=text]
1140 関数型言語
1141 Haskell
[/code]

最近流行りだした関数型言語も登録は早いですね。まあ関数型言語の基礎(ラムダ計算)は電子計算機が出来る前からありましたし、当然っちゃ当然か。

[code lang=text]
1211 ナス
1212 セクシーボイスアンドロボ
1213 大日本天狗党絵詞
[/code]

おっ。黒田硫黄ファンがきた。

[code lang=text]
1353 JR京都線
[/code]

鉄道がきた。

[code lang=text]
1505 C++
1506 Simula
1507 IPアドレス
1508 戦争
1509 F-BASIC
1510 谷山浩子
1511 OASYS
1512 PC/AT
1514 玉音放送
1518 DDoS攻撃
1519 終戦の詔勅
[/code]

このあたり、ちょくちょくコンピュータサイエンスが入ってきます。それに混じってどうもミリタリーオタク(戦史オタク?)が混じってきたような感じが。

[code lang=text]
1780 2月2日
1781 2月4日
1782 2月5日
1784 2月7日
1786 2月9日
1788 2月13日
1789 昭和
1790 2月18日
1791 2月19日
1792 2月20日
1793 2月22日
1794 2月23日
1796 2月25日
1798 2月27日
1800 2月29日
[/code]

日付が入ってきました。

[code lang=text]
1801 大戦隊ゴーグルファイブ
[/code]

戦隊がやってきました。

[code lang=text]
1858 平野仁
1859 平野俊弘
1860 平松真
1861 平松伸二
1862 蛭田達也
1863 ひるた充
1864 美内すずえ
1865 三浦みつる
1866 三上龍哉
1867 水島新司
1868 三鷹公一
1869 見田竜介
1870 道原かつみ
1871 みつはしちかこ
1872 光原伸
1873 峰岸とおる
1874 みのもけんじ
1875 宮下あきら
1876 みやたけし
1877 三山のぼる
1878 宮脇明子
1879 迎夏生
1880 むつ利之
1881 村枝賢一
1882 村上たかし
1883 MEIMU
1884 目黒三吉
1885 めるへんめーかー
1886 望月玲子
1887 本島幸久
1888 綾辻行人
1890 森川ジョージ
1891 森崎法美
1892 森下裕美
1893 森園みるく
[/code]

なんかここまで来ると他にやることないの?って言いたくなってきますね。

[code lang=text]
2024 九州帝国大学
2025 東京帝国大学
2026 北海道帝国大学
2027 京都帝国大学
2028 JavaScript
2029 東北帝国大学
2030 帝国大学
2031 名古屋帝国大学
2032 大阪帝国大学
2033 京城帝国大学
2034 台北帝国大学
[/code]

帝大に混じるJavaScriptのお呼びじゃない感が半端ない。

[code lang=text]
2302 2001年宇宙の旅
2304 HAL_9000
[/code]

おっ、SFオタクがやってきぞ。

[code lang=text]
3137 ピーマン
3139 インディアン
3140 ジャガイモ
3143 イチゴ
3145 ダイコン
3146 ホウレンソウ
3147 ウリ科
3148 セリ科
3149 アブラナ科
[/code]

農家もやってきたな。

[code lang=text]
3280 タイプ1_(マジック:ザ・ギャザリング)
3281 タイプ2_(マジック:ザ・ギャザリング)
3282 レガシー_(マジック:ザ・ギャザリング)
3284 エクステンデッド_(マジック:ザ・ギャザリング)
[/code]

カードゲーム野郎も来たな。

[code lang=text]
3412 総務省
3413 財務省_(日本)
3414 内閣府
3415 文部科学省
3416 厚生労働省
3417 経済産業省
3418 環境省
3420 法務省
3422 外務省
3423 農林水産省
3424 防衛省
3425 国家公安委員会
[/code]

君たちはもうちょっと早く来るべきだったのでは…

という感じで、残りは見ても面白くないし、大量にあって見きれないれないのでやめました。

アレですね、Wikipedia日本語版は漫画やアニメの項目が他の言語に比べてもずば抜けて多いとか言ってますけど、そもそも黎明期からオタクが大活躍して形成されたコンテンツがWikipediaなんですね。