【自然言語処理】TF-IDFの概要とPythonでの実装方法について
どうもLibraです。
今回は自言語処理(Natural Language Processing: NLP)でよく使われるTF-IDFと呼ばれる技術について解説していきます。Bag of Wordsと同じく文書を分析して特徴ベクトルに変換する特徴抽出手法の一つですが、ここではTF-IDFの概要とPythonによる実装方法についてみていきます。Bag of Wordsや特徴ベクトルについては過去の記事でまとめていますので、興味のある方は合わせてご覧になってみてください(´∀`*)
【目次】
TF-IDFとは
そもそもTF-IDFとは何ぞや?という疑問に対して一言で答えるなら「文書に含まれる単語の重要度を評価する手法のひとつ」です。
もう少し具体的に書くと、 文書を特徴付けない単語(例えば「私」「僕」「こんにちは」「こんばんは」のような広く一般的に使われる言葉)に対して重要度を小さく補正し、文書を特徴付ける単語(例えば食レポの記事なら「ラーメン」「たこ焼き」「お寿司」など)に対して重要度を大きく補正します。このようにTF-IDFで文書分析を行い、その結果が検索エンジン、レコメンド、テキストマイニングといった技術に用いられています。
上記の内容を下にまとめました。TF-IDFは主にこの2つの観点に基づいて特徴ベクトルとして文書の特徴を表現します。
- ある文書の中で、他の文書と比較して頻繁に登場する単語は、その文書を特徴付けるための重要な単語である
- 多くの文書で登場する単語は、個々の文書を特徴付ける単語として重要ではない
TF-IDFの意味
ここではTF-IDFの意味について、もう少し深く掘り下げていきます。まずTF-IDFというのはTF(Term Frequency:単語の出現頻度)とIDF(Inverse Document Frequency:DFの逆数)の積で表されます。詳しい計算方法はいったん置いといて、まずはそれぞれの意味からみていきましょう。(t: 単語 d: 文書)
ここではゴリゴリ数式が登場するので数式に慣れてない方には「何言ってるか全然わかんねーですよ!」と思われるかもしれませんが、日本語でも意味を書いておいたので、数式が分からなくても式の意味さえ理解できれば問題なしです。
TF(Term Frequency:単語の出現頻度)
まずは定義を書いておきます。繰り返しになりますが、詳しい計算方法はいったん置いといてまず意味から確認していきましょう。
数式の解説をしていきます。まず登場人物の紹介からすると、fというのはfrequencyの略で頻度、は文書dに出現するすべての単語を表しています。分子のというのは、文書dの中で単語tの出現頻度を示しており、分母は文書dの全ての単語の出現回数の総和を示しています。要約するとこの式は「文書dの中で単語tが出現する割合」を表しています。
IDF(Inverse Document Frequency:DFの逆数)
上と同じようにまずは定義をみていきましょう。
まず上の式の登場人物ですが、D: 文書の総数、: 単語tを含む文書の数、P(X): 確率を表しています。TFの式と比べるとシンプルな見た目をしていますが、この式の意味を理解するためには、IDFの名前にもある「Inverse: 逆数」と式の頭にくっついている「log」が重要なポイントになってきます。
この式を見て勘の良い方なら気づいたかもしれませんが、一行目の日本語の式に注目してみてください。「あれ、これ確率っぽいな」と思った方はとてもセンスがいいです(私の専門は数学ではないのでとても尊敬します)。より正確に言うと「全文書Dからランダムに文書を選び、単語tを含む文書dを引き当てる確率」であるので、この確率をP(X)とすると三行目の式のようにP(X)の逆数の形で表すことができます。
そしてまたここでセンスの良さが問われます。情報理論を学んだことのある方なら見覚えのある形だと思いますが、確率の逆数に対数を取ったこの式は情報量(エントロピー)そのものです。要約するとIDFというのは「単語tの重要度(出現する情報量)」を表しています。少し言葉にしづらいですが直感的には「出現頻度の高い単語は重要ではない、出現頻度の低い単語は重要であると計算している」といった理解で良いと思います。
【補足1: Dとdについて】
Dというのは文書全体の集合です。なので単語tを含む文書dというのはDの要素になります。上の説明では「文書の総数」「単語tを含む文書の数」と説明していて(間違ってはないですが)、定数と勘違いされる方がいらっしゃるかもしれないので一応補足。
【補足2: 情報量(エントロピー)とは】
IDFの説明でいきなり「これは情報量そのものです(ドヤァ)」と言われても情報理論を学んだことのない方にとっては「??」という感じになると思うので情報量について簡単に解説しておきます。
例えば、友人のEさんが3回コイントスを行って、そのうち1回分の結果のみ教えてくれたとします。一方、別の友人のFさんも同じく3回コイントスを行い、そのうち2回分の結果を教えてくれたとします。この場合、Fさんが行ったコイントスの結果の方が情報量が多いということがなんとなく分かると思います。
この情報量を定量的に計算する方法がです(P(E)は確率)。実際に計算してみると、Eさんが教えてくれた結果の情報量は、 、Fさんが教えてくれた結果の情報量はとなり、Fさんが教えてくれた情報量はEさんのそれよりも2倍多い(約0.69)ということが定量的にわかります(コイントスで表or裏が出る確率は1/2とします)。このように情報量は確率P(E)でおこる事象の「めずらしさ(のようなもの)」を定量化することができます。
詳しく知りたい方は情報量(エントロピー)で調べてみましょう。
TF-IDFの計算方法
実際にTF-IDFの計算をしてみましょう。TFとIDFをそれぞれ計算しそれらの積を求めるだけのシンプルなお仕事です。以下3つの文書の特徴量をTF-IDFを用いて計算してみましょう。
文書1「今日は雨が降っています。」
文書2「雨はコーラが飲めない」
文書3「私は雨の降る音が好きです。」
ついでにこれらの文書を単語ごとに区切ると以下のようになります。
文書1「今日 / は / 雨 / が / 降っ / て / い / ます / 。」
文書2「雨 / は / コーラ / が / 飲め / ない」
文書3「私 / は / 雨 / の / 降る / 音 / が / 好き / です / 。」
TF(Term Frequency:単語の出現頻度)
文書2の「雨」と「コーラ」について考えていきましょう。文書2で登場する単語は全部で6個で、この中で「雨」と「コーラ」の登場回数はそれぞれ1回です。よってTFは、
IDF(Inverse Document Frequency:DFの逆数))
引き続き文書2の「雨」と「コーラ」について考えていきます。今回分析している文書の総数は3つです。そして「雨」を含む文書の数は3つ、「コーラ」を含む文書の数は1つです。よってIDFは、
TF-IDFの計算結果
TFとIDFの結果が揃ったのであとは掛けるだけです。
「雨」のTF-IDFは0、「コーラ」のTF-IDFは0.184という結果になりました。これは全ての文書で登場する「雨」は特徴量が低く、文書2でしか登場しない「コーラ」は特徴量が高く計算されているということを示しています。もう少し抽象度の高い表現をすると、「多くの文書で登場する単語であるほど特徴量が低くなり、登場頻度の少ない単語であるほど特徴量が高くなる」と言えます。
実装方法
import MeCab from sklearn.feature_extraction.text import TfidfVectorizer # 分かち書きを行う関数 def wakachi(text): mecab = MeCab.Tagger("-Owakati") return mecab.parse(text).strip().split(" ") # サンプルテキスト sentence = [ "今日は雨が降っています。", "雨はコーラが飲めない", "私は雨の降る音が好きです。" ] # TF-IDFを計算する vectrizer = TfidfVectorizer(tokenizer = wakachi, smooth_idf = False) vectrizer.fit(sentence) tfidf = vectrizer.transform(sentence) print(tfidf.toarray()) print(vectrizer.get_feature_names()) """ TF-IDFで計算した特徴ベクトル [[0.27050092 0.40390655 0.19246363 0.40390655 0. 0. 0. 0.19246363 0.40390655 0. 0.40390655 0. 0. 0.40390655 0. 0.19246363 0. 0. ] [0. 0. 0.24835604 0. 0. 0.52120304 0. 0.24835604 0. 0.52120304 0. 0. 0. 0. 0. 0.24835604 0. 0.52120304] [0.25081451 0. 0.17845659 0. 0.3745112 0. 0.3745112 0.17845659 0. 0. 0. 0.3745112 0.3745112 0. 0.3745112 0.17845659 0.3745112 0. ]] """ """ 単語ベクトル ['。', 'い', 'が', 'て', 'です', 'ない', 'の', 'は', 'ます', 'コーラ', '今日', '好き', '私', '降っ', '降る', '雨', '音', '飲め'] """
scikit-learnについて補足
「あれ?計算結果ちがくね?」と思われた方、その通りです。TF-IDFの計算方法は上で紹介したものだけではなく、様々なバリエーションがあります。この記事では分かりやすさを重視し、なるべくシンプルな形の式を紹介しました。TF-IDFの計算方法は色々ありますが、いずれも考え方と計算方法の大筋は同じですので、この記事の内容が理解できれば、他の方法で計算する場合でも理解しやすくなると思います。
scikit-learnではIDFを以下のように計算しています。TFは文書dに登場する単語tの数、TF-IDFの計算方法は上と同じです。
そしてTF-IDFによって得られた特徴ベクトルを正規化すれば計算完了です(デフォルト設定ではユークリッドノルムを用いて正規化するようになっています)。
実際にこの方法で文書2のTF-IDFを計算してみましょう(文書2で登場しない単語の計算は省きます。TF = 0なのでTF-IDFも0となり、これからの計算に影響しないためです)。文書2の単語の登場回数は全て1回なので、いずれの単語もTF(t, 文書2) = 1となります。IDFは、
ですので、TFとIDFの結果を掛けて、得られるTF-IDFの特徴ベクトルは以下のようになります(文書2で登場しない単語の分はここでは書いてません)。
さらにこの結果を正規化します。
上述したpythonコードの一番下にある単語ベクトルを見てください。今回scikit-learnから得られた単語ベクトルは、['。', 'い', 'が', 'て', 'です', 'ない', 'の', 'は', 'ます', 'コーラ', '今日', '好き', '私', '降っ', '降る', '雨', '音', '飲め']となっていますので、これに対応するように先ほど計算した文書2の特徴ベクトルを当てはめていきます。
# 手計算して得られた文書2の特徴ベクトル [0, 0, 0.248, 0, 0, 0.521, 0, 0.248, 0, 0.521, 0, 0, 0, 0, 0, 0.248, 0, 0.521] # scikit-learnから得られた文書2の特徴ベクトル [0. 0. 0.24835604 0. 0. 0.52120304 0. 0.24835604 0. 0.52120304 0. 0. 0. 0. 0. 0.24835604 0. 0.52120304]
上記のプログラムから得られた結果とほぼ一致していますね(文書1と文書3の特徴ベクトルについても同様に計算できます)。
TF-IDFとBoWとの比較
同じ特徴量抽出の手法であるBoWとTF-IDFの結果を比較してみます。BoWでは単語を含むor含まないでしか文書の特徴を抽出できていないのに対して、TF-IDFではより詳細な文書の特徴を抽出できていることが分かるかと思います。(単語ベクトルは上述のソースコードに記載したものと同じです)
# BoWで得られた特徴ベクトル [[1 1 1 1 0 0 0 1 1 0 1 0 0 1 0 1 0 0] [0 0 1 0 0 1 0 1 0 1 0 0 0 0 0 1 0 1] [1 0 1 0 1 0 1 1 0 0 0 1 1 0 1 1 1 0]] # TF-IDFで得られた特徴ベクトル [[0.27050092 0.40390655 0.19246363 0.40390655 0. 0. 0. 0.19246363 0.40390655 0. 0.40390655 0. 0. 0.40390655 0. 0.19246363 0. 0. ] [0. 0. 0.24835604 0. 0. 0.52120304 0. 0.24835604 0. 0.52120304 0. 0. 0. 0. 0. 0.24835604 0. 0.52120304] [0.25081451 0. 0.17845659 0. 0.3745112 0. 0.3745112 0.17845659 0. 0. 0. 0.3745112 0.3745112 0. 0.3745112 0.17845659 0.3745112 0. ]]
TF-IDFの欠点
シンプルな特徴抽出手法であるBoWを改良したものがTF-IDFでした。しかしTF-IDFにも弱点があります。それはTFの計算過程で文書の長さを考慮できていないことです。この記事で紹介した方法もそうですが、TFを計算する際に分母が「文書dでのすべての単語の出現回数の和」になっていました。ということは、単語が10個含まれる文書と単語が10000個含まれる文書ではTFの値が変わってきます(例えばどちらの文書にも単語tが1つしか含まれていなかった場合、TFはそれぞれ1/10と1/10000ということになり、1000倍の差が生じてしまう)。このようにTF-IDFでは文書の長さによって計算結果に影響が出てきてしまいます。
この欠点を改良した特徴抽出手法としてBM25というものがあります。BM25はなかなか難しい内容で、TF-IDF以上に説明が長くなってしまうので、今回は名前だけの紹介とさせていただきます。
【自然言語処理】N-gramの概要とpythonでの実装方法について
どうもLibraです。
今回は自然言語処理(Natural Language Processing: NLP)でよく使われるN-gramという技術について解説します。シンプルでわかりやすい手法であることから、文字列検索や辞書生成など幅広い技術に応用されており、ここでは単語N-gramと文字N-gram、それらの使用例とPythonによる実装方法についてみていきます。
【目次】
実行環境
OS: MacOS Catalina 10.15.7
Python: 3.7.2
ライブラリ: scikit-learn 0.24.1
辞書: IPAdic
N-gramとは
一言で説明すると「ある文字列をN単語or文字で分割する手法」です。Nはいくつで分けても良いのですが、N = 1で分けた場合はユニグラム(uni-gram)、N = 2で分けた場合はバイグラム(bi-gram)、N = 3で分けた場合はトライグラム(tri-gram)とそれぞれ名前がついています。
また、文字列を分割する際、単語ごとに分割する場合は単語N-gram、文字ごとに分割する場合は文字N-gramと呼びます。
N-gramの使用例
今日は雨が降っています。を単語N-gramと文字N-gramで分割してみましょう。
単語N-gram
ユニグラム(uni-gram)
1単語ごとに分けるだけです。形態素解析した結果と同じになりますね。
今日 / は / 雨 / が / 降っ / て / い / ます / 。
バイグラム(bi-gram)
2単語ごとに分けます。
今日は / は雨 / 雨が / が降っ / 降って / てい / います / ます。
トライグラム(tri-gram)
3単語ごとに分けます。やってることは全部同じですね。
今日は雨 / は雨が / 雨が降っ / が降って / 降ってい / ています / います。
文字N-gram
ユニグラム(uni-gram)
1文字ごとに分けます。
今 / 日 / は / 雨 / が / 降 / っ / て / い / ま / す / 。
バイグラム(bi-gram)
2文字ごとに分けます。
今日 / 日は / は雨 / 雨が / が降 / 降っ / って / てい / いま / ます / す。
トライグラム(tri-gram)
3文字ごとに分けます。
今日は / 日は雨 / は雨が / 雨が降 / が降っ / 降って /ってい / ていま / います / ます。
N-gramの長所と短所について
長所
- 辞書を必要としない
文字N-gramの場合、辞書なしで単語の切り出しができます。
- 語順情報を抽出できる
例えば十分は「じゅっぷん」「じゅうぶん」の二通りの読み方がありますが、十分前に着くわ!や君はもう十分がんばったなどの文字列をN-gramを用いて分割した場合、「十分前」「もう十分がんばった」などを語彙として抽出することで、「十分」が「じゅっぷん」「じゅうぶん」のどちらを意味しているのかを正確に把握できます。
形態素解析やBag of Wordsでは語順情報が失われてしまいますが、N-gramを用いることで、文脈を考慮した処理が可能になります。
短所
- Nを増やすほど語彙が増える
単語N-gramも文字N-gramもそうですが、基本的にNを増やすほど語彙が多くなり、メモリを圧迫したり計算負荷が高くなります。
- 検索結果に誤りが生じやすい
例えば京都という文字列を検索した場合、「東京都」がヒットしてしまう場合があります。 これは「東京都」を文字bi-gramで分割すると「東京」「京都」となってしまうためです。このようにN-gramでは意図しない検索結果(検索ノイズ)が発生することがあります。
実装方法
import MeCab
from sklearn.feature_extraction.text import CountVectorizer
# 分かち書きを行う関数
def wakachi(text):
mecab = MeCab.Tagger("-Owakati")
return mecab.parse(text).strip().split(" ")
# サンプルテキスト
sentence = ["今日は雨が降っています。"]
# 単語bi-gramで分割
vectrizer = CountVectorizer(tokenizer = wakachi, ngram_range = (2, 2))
vectrizer.fit(sentence)
print(vectrizer.vocabulary_)
# {'今日 は': 5, 'は 雨': 3, '雨 が': 7, 'が 降っ': 1, '降っ て': 6, 'て い': 2, 'い ます': 0, 'ます 。': 4}
まとめ
仕組みが非常にシンプルで有用性が高いですが、欠点も多いです。自然言語処理の分野ではこの考え方をベースに様々な検索サービスやテキスト解析ソフトなどが開発されています。気になった技術があればまた記事にするのでその時はどうぞよしなに。
【語学】ゆっくり学ぶアイスランド語PART3~人称代名詞を攻略する~
どうもLibraです。
今回はアイスランド語の人称代名詞を学んでいきます。(まだ)そこまで込み入った話ではないので気楽に構えてもらって大丈夫です。しかし、今後色々やっていく上で重要な内容になってくるので、しっかり頭に入れておきましょう!
人称代名詞とは
日本語の人称代名詞は「自分」「あなた」「君」、英語では「I」「me」「you」など話し手や人、物などを示す代名詞です。アイスランド語の人称代名詞は英語と比べて少し多いのでがんばっていきましょう!
アイスランド語の人称代名詞一覧
アイスランド語の人称代名詞を下表にまとめました。ついでに発音と対応する英語表記も一緒に記載したので確認してみましょう(=゚ω゚)ノ
アイスランド語の人称代名詞は数(単数or複数)と格、3人称の場合はさらに性によって形が変わります。また英語と同じで親称や敬称の区別はなく、話し相手がよく知ってる人、他人、目上の人など関係なくþúやþiðを使います。(英語でも話し相手が家族、初対面の人、上司など関係なくyouを使いますね)
格(主格、対格、与格、属格)についてですが、詳しく解説すると長くなる上に話の本筋から逸れるので細かい解説は省きます。以下に概要を書いておくのでざっくり内容を掴んでおけばOKです。
主格:主語として使う。ドイツ語では1格と呼ばれる。
対格:日本語での「~を」に該当する。ドイツ語では4格と呼ばれる。
与格:日本語での「~に」に該当する。ドイツ語では3格と呼ばれる。現代英語にはない格。
属格:所有を示す。日本語での「~の」に該当する。英語では所有格、ドイツ語では2格と呼ばれる。
単数or複数 | 主格 | 対格 | 与格 | 属格 | ||
---|---|---|---|---|---|---|
1人称 | 単数 | ég | mig | mér | mín | |
イェーグ | ミーヒ | ミイェール | ミーン | |||
I | me | - | my | |||
複数 | við | okkur | okkur | okkar | ||
ヴィーズ | オフクル | オフクル | オフカル | |||
we | us | - | our | |||
2人称 | 単数 | þú | þig | þér | þín | |
スー | スィーヒ | スイェール | スィーン | |||
you | you | - | your | |||
複数 | þið | ykkur | ykkur | ykkar | ||
スィーズ | イヒクル | イヒクル | イヒカル | |||
you | you | - | your | |||
3人称 | 男性 | 単数 | hann | hann | honum | hans |
ハン | ハン | ホーヌム | ハンス | |||
he | him | - | his | |||
複数 | þeir | þá | þeim | þeirra | ||
セイル | サウ | セイム | セイルラ | |||
they | them | - | their | |||
女性 | 単数 | hún | hana | henni | hennar | |
フーン | ハーナ | ヘンニ | ヘンナル | |||
she | her | - | her | |||
複数 | þær | þær | þeim | þeirra | ||
サイル | サイル | セイム | セイルラ | |||
they | them | - | their | |||
中性 | 単数 | það | það | því | þess | |
サーズ | サーズ | スヴィー | セス | |||
it | it | - | its | |||
複数 | þau | þau | þeim | þeirra | ||
ソイ | ソイ | セイム | セイルラ | |||
they | them | - | their |
人称代名詞を使った例文
Ég heiti Chise Hatori. Ég er frá Japan.
意味:私の名前は羽鳥チセです。日本から来ました。
発音:イェーグ ヘイティ チセ ハトリ イェーグ エール フラウ ヤーパン
【heiti】~という名前である 【er】~である 【frá】~から
赤文字のÉgが人称代名詞です。英語ではMy name is ~ がテンプレの表現なのでmínを使いたくなりますが、アイスランド語の表現はどちらかといえばドイツ語のIch heiße ~ に近いです(てゆうか同じですね)。
heitiとかerとか文法的に重要な内容が含まれていますが、今回の解説は人称代名詞に絞ることにします。語学学習はゆっくりが大切なのです(*´∀`*)
Hún heitir Elaina. Hún er frá Robetta.
意味:彼女の名前はイレイナです。彼女はロベッタから来ました。
発音:フーン ヘイティル イレイナ フーン エール フラウ ロベッタ
まとめ
いかがでしたでしょうか。さっそく英語にない表現があるので戸惑う方もいたかもしれませんが、上の表さえ押さえてしまえば人称代名詞に関しては問題ないと思います。ドイツ語を軽く知っている人であれば、構造が英語より似てるのでわかりやすかったかもしれませんね。
今回はここまでとなりますが、気負わずゆっくり学んでいきましょう( ´∀`)
【遊戯王】アルティマヤツィオルキンを乱用せよ!聖刻ツィオルキンデッキ紹介
どうもLibraです。
あけましておめでとうございます。今年もよろしくお願いします(*´꒳`*)
今回は私の好きなモンスターである「アルティマヤツィオルキン」を軸にした聖刻デッキを紹介します。ツィオルキンが発売した当時、すぐこのデッキを組んだものですが(懐かしいなぁ)リンクショックによって一度このデッキは死にました泣。
現在ではマスタールールが変更され、またこのデッキが組めるようになったので、今のカードプールを駆使して当時のデッキをリメイクしてみました。まずはツィオルキンの効果をおさらいしていきましょう(`・∀・´)
アルティマヤ・ツィオルキン 星0/闇/ドラゴン/ATK0/DEF0
ルール上、このカードのレベルは12として扱う。
このカードはS召喚できず、自分フィールドの表側表示のレベル5以上で同じレベルの、チューナーとチューナー以外のモンスターを1体ずつ墓地へ送った場合のみ特殊召喚できる。
(1):1ターンに1度、自分フィールドに魔法・罠カードがセットされた時に発動できる。「パワー・ツール」Sモンスターまたはレベル7・8のドラゴン族Sモンスター1体をEXデッキから特殊召喚する。
(2):フィールドのこのカードは、他の自分のSモンスターが存在する限り、
攻撃対象及び、効果の対象にならない。
【目次】
このデッキの戦い方
積極的に先攻をとりましょう。先攻でツィオルキンを出せれば一番強いですが、聖刻なのでそう上手くいきません笑。
しかし普通の聖刻と違い罠カードが大量に入っているので、たとえツィオルキンを出せなくても罠ガン伏せしておけばなんとかなります。後攻の方が安定してツィオルキンを出せますが、相手に先攻を渡してしまう方がリスクが高いので、先攻をとってツィオルキンを出せれば良し、出せなければ罠ガン伏せしてツィオルキンを出せるまで粘りましょう。
デッキレシピ
【聖刻ツィオルキン】
聖刻龍トフェニドラゴン×3
聖刻龍シユウドラゴン×3
聖刻龍アセトドラゴン×3
灰流うらら×3
増殖するG×2
ラブラドライドラゴン
エレキテルドラゴン
召集の聖刻印×3
金満で謙虚な壺×3
抹殺の指名者×3
墓穴の指名者 ×2
ハーピィの羽根箒
追走の翼×3
無限泡影×3
神の宣告×3
神の通告×3
セイクリッドトレミスM7
アルティマヤツィオルキン×3
クリスタルウィングシンクロドラゴン×3
スターダストドラゴン×2
閃珖竜スターダスト
煉獄龍オーガドラグーン
ライトロードアークミカエル
クリアウィングシンクロドラゴン
月華竜ブラックローズ
各カードの採用理由
聖刻龍
このデッキではトフェニ、シユウ、アセトのみ採用です。ネフテはツィオルキンに即座につなげられないため見送り。
手札誘発について
増殖するGよりも無限泡影を優先して3枚にしています。Gは伏せられないですし、止められることも多いですので優先度を下げました。
金満で謙虚な壺
通常魔法
このカード名のカードは1ターンに1枚しか発動できず、このカードを発動するターン、自分はカードの効果でドローできない。
(1):自分のEXデッキのカード3枚または6枚を裏側表示で除外して発動できる。除外した数だけ自分のデッキの上からカードをめくり、その中から1枚を選んで手札に加え、残りのカードを好きな順番でデッキの一番下に戻す。このカードの発動後、ターン終了時まで相手が受ける全てのダメージは半分になる。
最強カードですね。先攻ではツィオルキンを出すための聖刻パーツを持ってきたり、ツィオルキンを出した後も自身を守るための罠カードをサーチしたりと腐る場面がありません。3積み必須。除外する候補としては、ツィオルキン、クリスタルウィング、スターダストドラゴン、オーガドラグーン、月華竜、バウンサー or トレミスですね。
追走の翼
永続罠
自分フィールドのSモンスター1体を対象としてこのカードを発動できる。
(1):このカードが魔法&罠ゾーンに存在する限り、対象のモンスターは戦闘及び相手の効果では破壊されない。
(2):対象のモンスターがレベル5以上の相手モンスターと戦闘を行うダメージステップ開始時に発動できる。その相手モンスターを破壊する。対象のモンスターの攻撃力はターン終了時まで、この効果で破壊したモンスターの元々の攻撃力分アップする。
(3):対象のモンスターがフィールドから離れた場合にこのカードは破壊される。
主にツィオルキンを守るために使います。ツィオルキン自身の効果も加味すれば、マジェスペクターと同様の耐性を付与できますのでかなり場持ちが良くなります。勿論、クリスタルウィングなどの強力なモンスターにもこのカードで耐性を付与できますので、何かと便利なカードです。
デッキ評価
このデッキを攻撃力、妨害力、展開力、持続力、安定性の観点からそれぞれ5段階評価してみました。あくまでざっくりなので参考までに。
攻撃力:相手の妨害に対してどれくらい強いか、デッキの攻めやすさ
妨害力:相手にどれだけ妨害できるか
展開力:展開のしやすさ
持続力:長期戦でどの程度戦えるか
安定性:事故率の低さ
さいごに
いかがでしたでしょうか。ツィオルキンは個人的に好きなカードなので、マスタールール変更によってまた使えるようになったのは本当に嬉しいですね(リンクショック許すまじ)。聖刻でも出しやすく、無尽蔵にシンクロモンスターを出し続けられるのはなんとも言えぬ優越感と爽快感があります。興味のある方はぜひ組んでみてください(´∀`*)
【遊戯王】令和も元気にワンキル三昧!2021年1月制限対応の聖刻デッキ紹介
どうもLibraです。
今日は2020年12月31日ということで大晦日ですね。今年は色々と大変な一年でしたが、皆様いかがお過ごしでしょうか。
遊戯王においてもマスタールールが変更されたりレダメが帰ってきたり最終的にはファイアーウォールドラゴンが帰ってきたりと激動の一年だったと思います。大変だったこと、楽しかったことなど色々あったと思いますが、2020年最終日をビシッと締めくくり、笑顔で来年を迎えましょう!(私はなんとか年内にこの記事を書き上げることができてほっとしているところですf^_^;)
...と、あいさつはこのへんで。今回は2021年1月制限対応の聖刻の紹介です。前回聖刻を紹介(2019.4.25)してから約1年が経過していますね(あの時はハリ必須の環境だったりレダメ禁止になったり私のメンタルはボロボロでした(´Д` ))。今の環境は割と面白いので安心しています。
この一年でカードプールや環境が大きく変わり、聖刻もかなり変化したと思います。少し前に新規カードも追加され、今の聖刻界隈はけっこうアツいのではないでしょうか。残念ながら今回採用は見送りましたが、ポテンシャルは十分あると思うので、生かせるデッキで使ってみたいですね(=゚ω゚)ノ
デッキレシピ
2021年1月制限対応の聖刻です。サイドデッキは適当ですが、今の環境はシャドールとエルドリッチが多いのでその辺の対策をしています。特に聖刻は先行でミドラーシュを立てられると積むので、要チェックです。
【6軸聖刻】
聖刻龍トフェニドラゴン×3
聖刻龍シユウドラゴン×3
聖刻龍アセトドラゴン×3
聖刻龍ネフテドラゴン×2
増殖するG×3
灰流うらら×3
レッドアイズダークネスメタルドラゴン
輝白竜ワイバースター
妖醒龍ラルバウール
輪廻竜サンサーラ
ドラグニティアームズ-グラム
エレキテルドラゴン
ラブラドライドラゴン
召集の聖刻印×3
星呼びの天儀台×3
ライトニングストーム×3
抹殺の指名者×3
墓穴の指名者 ×2
竜の渓谷
アクセスコードトーカー
天威の龍拳聖
天球の聖刻印
ドラグニティナイトロムルス
守護竜ピスティ
超弩級砲塔列車グスタフ・マックス
迅雷の騎士ガイアドラグーン
聖刻龍王アトゥムス×2
セイクリッドトレミスM7
サイバードラゴンノヴァ
旧神ヌトス
各カードの採用理由
前回との変化点や特に重要なカードたちをピックアップして紹介します。
ドラグニティアームズ-グラム
このデッキを支える裏主人公的存在です。レベル10なのでレダメと相性が良く、ATK2900と打点も高い上に、ピスティの効果を無効にできるため、ドラゴン縛りを無視してアクセスコードトーカーを使うことができます。かなりいい仕事してます。
ランク10を扱えると、実質的に相手のライフは6000になりますのでワンキル成功率が飛躍的に上がります。
輪廻竜サンサーラ
墓地に置いておくと美味しいカードです。聖杯の守護龍と違い墓地から聖刻をサルベージできる点がミソです。こいつと他のドラゴンを素材に天球をLINK召喚、効果でシユウ or ネフテをサルベージ、天球をリリースして聖刻を特殊召喚し、即座に天球の効果を使えます。美しい(レギュラーパックに収録される~竜(or 龍)シリーズはどれも優秀でいいですよね)。
抹殺の指名者と墓穴
ガン積みしましょう。従来のように手札誘発を多く積むのでなく、手札誘発を止めるカードを多く採用した方がいいです(こちらの妨害も止められる可能性があるので)。相手を妨害するより相手の妨害を止めてワンキル成功率をあげた方が戦いやすいと思います。先攻で立てられた邪魔なモンスターはライトニングストームで一掃しましょう。
アクセスコードトーカー
現環境でワンキルするなら必須カードだと思います。高打点と強力な除去能力を併せ持っている上、除去効果はターン1制限がないという外道っぷりです。次世代のヴァレルソードと言っていいでしょう。
各種ランク10のモンスター
グスタフマックスは安定の2000バーンが強力ですので必須でしょう。ガンガリディアは除去効果を使うとそのターン攻撃できなくなりますが、ジャガーノートリーベを重ねればそのデメリットを踏み倒すことができます。グスタフマックス以外はお好み枠です。
天威の龍拳聖
スリーバーストショットドラゴンの代わりに採用しました。採用理由は墓地のリンクモンスターの属性をバラすこと(アクセスコードの弾を増やすため)、除去効果が聖刻と相性がいいためです。
下記の展開ルートでは除去効果は使えませんが、別ルートを使う際には除去効果が生きる場面がありますので採用しました。こいつも何気に対象取らないのでその点も強力ですね。
ノヴァメルカバーヌトス
ドラグマ対策ですね。エクストラデッキには余裕があるのでこの枠は環境を見て調整すると良いでしょう。
展開ルート紹介
後述しますが、注意点として墓地のリンクモンスターや星6のモンスターはなるべくとっておきましょう。サンサーラ、ラルバ、アトゥムスなどは墓地にいても使わないので除外コストとして最適です。
*以下この表現を使います。
SS (Special Summon = 特殊召喚)
ef (effect = モンスター効果)
XYZ (エクシーズ召喚)
LINK (リンク召喚)
トフェニシユウからスタートしましょう(ランク6XYZ作れる組み合わせならなんでも可)。トフェニをSS、トフェニをリリースしてシユウをSS。トフェニef星6バニラをSSして、シユウと星6バニラでXYZアトゥムスefサンサーラSS。するとfig. 2のようになります。
ここから、アトゥムスとサンサーラでLINK天球墓地のサンサーラefシユウを手札に戻す。天球リリースしてシユウSS天球efデッキからレダメSSef墓地から星6ドラゴンSS。するとfig. 3のようになります。
ここからトフェニとシユウでXYZアトゥムスefラルバSSef手札一枚捨ててコラプ or ワイバーをサーチ(どちらでも可)。レダメとラルバでLINKロムルスef渓谷をサーチ。墓地の光除外してコラプSSロムルスとコラプでLINK龍拳聖コラプefワイバーサーチ。墓地の闇除外してワイバーSSワイバーでLINKピスティefレダメSS。するとfig. 4のようになります。
ここから大事なところです。竜の渓谷を発動。 手札一枚捨ててデッキからグラムを墓地に送る。グラムef墓地のドラゴン2体除外してSS。グラムefピスティの効果を無効(fig. 5-1)。ピスティと龍拳聖でLINKアクセスコードトーカーef対象龍拳聖でATK3000up(fig. 5-2)。
グラムの(2)の効果でピスティの効果を必ず無効にしてください。でないとピスティの(1)の永続効果でアクセスコードトーカーをLINK召喚できません。
守護竜ピスティ
リンク・効果モンスター
リンク1/闇属性/ドラゴン族/攻1000
【リンクマーカー:右】
レベル4以下のドラゴン族モンスター1体
自分は「守護竜ピスティ」を1ターンに1度しか特殊召喚できず、その(2)の効果は1ターンに1度しか使用できない。
(1):このカードがモンスターゾーンに存在する限り、自分はドラゴン族モンスターしか特殊召喚できない。
(2):自分の墓地のモンスターまたは除外されている自分のモンスターの中から、ドラゴン族モンスター1体を対象として発動できる。そのモンスターを、2体以上のリンクモンスターのリンク先となる自分フィールドに特殊召喚する。
ドラグニティアームズグラム
効果モンスター
星10/風属性/ドラゴン族/攻2900/守2200
このカード名の(1)(2)(3)の効果はそれぞれ1ターンに1度しか使用できない。
(1):自分の墓地からドラゴン族・鳥獣族モンスター2体を除外して発動できる。このカードを手札・墓地から特殊召喚する。
(2):フィールドの表側表示モンスター1体を対象として発動できる。そのモンスターの効果は無効化され、その攻撃力は自分フィールドの装備カードの数×1000ダウンする。
(3):相手フィールドのモンスターが戦闘で破壊され墓地へ送られた時に発動できる。そのモンスターを装備カード扱いとしてこのカードに装備する。
fig. 5-2でアトゥムスの上にしれっとガイアドラグーンをXYZしてますが、これで完成です。
今まで使ったリンクモンスターを除外していなければ墓地に闇、光、風属性のリンクモンスターがいるはずなので、相手の盤面は3枚まで対処できます(しかも対象取らない)。相手の場を更地にしたあと総攻撃を仕掛け、メイン2でレダメとグラムでグスタフマックスをXYZ召喚し、2000ダメージを叩き込みましょう(オーバーキルやで...(^^;;))。
トータルダメージは、5300 + 2900 + 2800 + 2600( + 2000) = 15600 です。
このデッキの使い方と注意点
後攻ワンキル特化に特化した構築なので積極的に後攻をとっていきましょう(おそらく大半のデュエリストと利害が一致するのでほぼ確実に後攻を取れるはず)。このデッキは手札誘発が少なめですが、相手を妨害するより、相手に妨害されない方が重要なので墓穴や指名者はガン積みです。厄介なモンスターや伏せカードはライトニングストームで一掃しましょう。
あとはランク6を作れるカード(最低2枚)さえあれば上記のルート通りワンキルできます。あとは下記の注意点をマスターすれば、あなたも立派な聖刻使いとなれるでしょう。
グラムでピスティの効果を無効にすること
ワンキルルート紹介の方でも書きましたが、ピスティと龍拳聖でアクセスコードトーカーをLINK召喚する場合は、グラムでピスティの効果を無効にするのを忘れないようにしましょう。
ピスティの制約を忘れずに
ピスティの永続効果は忘れがちですが、このデッキはドラゴン族以外のモンスターもよく使うので気にしておきましょう(特に龍拳聖を出すタイミングは間違えやすい)。あと、ピスティのマーカーの向きの関係上、ゾーンの左端と真ん中を開けるように心がけるとやりやすいです。
墓地のリンクモンスターは大切に
アクセスコードトーカーの弾になるため、大事にとっておきましょう。
さいごに
グラムとアクセスコードトーカーがかなりいい仕事してます。グラムはレベル10なのでレダメと相性いいですし、アクセスコードトーカーは次世代のヴァレルソードのような使用感で、高打点と強力な除去を兼ね備えており今後もお世話になりそうです。
今回はここまでとなります。ここまで読んでくださった皆様、ありがとうございました。良いお年を(*´∇`*)
【魔女の旅々】イレイナづくしの最終回!アニメ12話の感想
どうもLibraです。
今回は12話の感想です。ついに最終話ということで、これからの魔女旅ロスにビビりつつ、悔いのないように感想を語り尽くしていこうと思います。また、今回の話にはアニメでは描かれなかった重要な設定があるので、そちらの解説もしていきたいなと思います。
アニメ12話のあらすじ&ネタバレ
願いをかなえる国へ入国
願いをかなえる国へ到着したイレイナは、「大金持ちになれますように」と願いながら入国します。こんな時でも下心丸出しのブレない姿勢、私は好きですね。
ちぐはぐな情景
入国したイレイナは、霧に包まれた周りの様子をみて困惑しました。そこには故郷の平和国ロベッタや王立セレステリア、魔法使いの国、時計郷ロストルフなど、今まで訪れた国々の情景をちぐはぐにつなぎ合わせたような景色がありました。
状況が理解できなかったので、とりあえず近くの大きな建物(かつて滅んだ国でミラロゼさんに会った王宮)を探索してみるイレイナでした。
16人のイレイナ
王宮に入った直後、イレイナはメガネをかけている自分自身(知的な私)と他14人の私たちと遭遇します。知的な私曰く、この国には悪い私(粗暴な私)が一人紛れ込んでいて、その子から身を隠すために城に篭城しているのだと言います。
粗暴な私の襲撃
粗暴な私とどう対峙するかを話し合っている最中、突然城の壁が破壊され、粗暴な私が襲撃してきました。実力は同じはずですが、15人のイレイナはあっけなく粗暴な私によって捕らえられてしまします。
イレイナVSイレイナ
最後に残った主人公の私 VS 粗暴な私による一騎討ちのバトルが勃発します。しかし実力は同じであるため、互いの魔力が尽きるまで戦っても決着はつきませんでした。ボロボロになった二人はなんやかんやあり、和解してバトルは終了するのでした。
魔女の旅々
王宮に戻った二人は、 残りのイレイナたちとこれまでの旅路をシェアするため、お互いの日記帳を回し読みしました。それぞれのイレイナの旅路は大まかには同じでしたが細かいところで差異があり、それが結果的に別々の物語を生み出し、様々なイレイナの個性につながっているようでした。
この物語を一つの本にまとめてみてはどうかという提案のもと、魔女の旅々が完成しました。
アムネシア登場
アニメ最終回ラスト5分のところでなんと新キャラの登場です。とある国で出会った少女の名はアムネシア。少しネタバレをすると、ある国に到着するまでの間、イレイナの旅の同行者となる人物です。アニメ2期への伏線をしっかりと張るあたり、製作陣はやる気満々のようですね。
全体を通しての感想と解説
最終回らしく綺麗にしめましたね。最後に「私です」キメて2期への伏線であるアムネシアさんも登場して最高のラストだったと思います。円盤の売り上げがどのくらいになるのかわかりませんが、アニメの評判はいいですし動画配信サービスでの視聴率も良さげなので、2期は十分に期待できそうですね。
実は単なる夢オチではなかった
ここから最終話の解説に入りますが、まずアニメでは描かれなかった重要な設定が一つあります。それは願いを叶える国というのが単なる夢の内容だったのではないということです。この時のイレイナは悪魔に夢を見せられ、そのまま願いを叶える国に滞在し続けていたら、命を奪われる危険に晒されていました。(リアルのイレイナは何もない草原で突然眠ってしまったと思われます。願いを叶える国から出られたからこそ、目覚めることができたわけですね)
人々の命を喰らう悪魔
小説3巻の「安らかなまどろみ」で描かれている内容ですが、ある国を訪れたイレイナは、この国の国民がたった一人を除き全員眠るように亡くなっている惨状を目の当たりにしました。生き残った一人に話を聞くと、夢の中で願いを叶える悪魔が現れ理想の三日間をあげると言います。
三日後、再び悪魔が現れ、望むのならまだこの夢の中にいてもいいと告げられますが、その人は拒否し夢から覚めました。そして国を見渡してみると誰一人として目覚めている人はおらず、魂が抜け落ちたかのように息絶えていることに気付きました。三日目以降も夢の中にいると、悪魔に命を奪われてしまうようでした。
願いを叶える国の正体
今回イレイナが訪れた願いを叶える国の正体も悪魔によるものです。アニメでは描かれていませんでしたが、「小悪魔な私」というイレイナが原作に登場します。結論から言うと悪魔の正体がこやつです(悪魔っぽいツノと羽が生えたイレイナの見た目をしているそうで、アニメでも登場して欲しかった(´Д` ))。
前述した国の時と同じでイレイナも三日間だけ願いを叶える国に滞在することになります。そして魔女の旅々を作った後、自分以外のイレイナたちを国から追い出し、最後に自分も国を出て目を覚ます、というのが原作でのお話です。アニメだけ観ると「ギャグ寄りのいいラストだったね」という雰囲気ですが、実はダークな一面も垣間見える内容だったわけですね。
ギャラリー
さいごに
ついに魔女旅が最終回を迎えてしまいましたね。あっという間の3ヶ月でした。アニメ化が決定した頃から楽しみにしていて、何度もPVを見返していた頃が懐かしいです。これからイレイナの「私です」が聞けないとなるとどうしようもなく寂しいですが、アニメ二期が決定すること信じてまた気長に待とうかなと思います。
それと24日にラジオも最終回を迎えます。クリぼっちの皆さん、私と一緒にラジオも聴きましょう笑。
<今後の展開の予想>
第9話 :遡る嘆き (正解!)
第10話:蘇る死者の楽園 (ハズレ!)
第11話:廃墟に蔓延る (ハズレ!)
第12話:ありとあらゆるありふれた灰の魔女の物語 (正解!)
第13話(2期1話):忘却紀行のアムネシア
魔女のラジ々~配信するのは、そう、私イレイナです!~
OPテーマ「リテラチュア」
EDテーマ「灰色のサーガ」
【魔女の旅々】もしかして私たち...入れ替わってる!?アニメ11話の感想
どうもLibraです。
今回は11話の感想です。内容的には10話の続きとなります。フラン先生、サヤさん、シーラさん登場でまさにオールスターでしたが、百合百合なシーンや変態的言動が目立つかなりカオスな回となっています。
もうこれ最終回でいいのでは?あと1話なにするん?と感じる方もいらっしゃると思いますが大丈夫です。次回はラストにふさわしいシリアス回なのでご期待ください。(←誰目線だw)
アニメ11話あらすじ&ネタバレ
自由の街クノーツへ到着したイレイナ
骨董堂なる強盗団が魔法使いを襲っていることを知ったイレイナは、私服に着替えて観光に出かけるのでした。(どやポーズかわいい)
自由の街クノーツへ到着したサヤさん
クノーツへ到着したサヤさんは魔法統括協会の支部へ向かう道中、露店の店主に声をかけられました。「ぼく押し売りはお断りしていますので!」とすぐさま踵を返してその場を立ち去りますがその時、店主にあやしい煙を浴びせられるのでした。
潜入調査に来ているミナと再開
魔法統括協会へ向かう道中、今度は潜入調査でこの街を訪れていた妹のミナと再開しました。ミナも魔法統括協会で働いており、旅をしているサヤさんとは久しぶりの再会でした。
あやつでええじゃろう。間抜けそうじゃからなあ
クノーツでの観光をエンジョイしていたイレイナ。その様子を傍らで見ていた骨董堂のボスは、「何も考えずに箱を開けてくれるに違いない」といい、背後からイレイナへあやしい煙を浴びせるのでした。
つい出来心で
気付いたら目の前に知らない女性いて、自分の声に違和感を感じたイレイナ。そして手元には古びた箱。特に何も考えず箱を開けると中から怪しい煙が勢いよく噴射し、瞬く間に街を覆い尽くしてしまいました。
町中カオスな状況に
一通り煙が晴れると、そこにはさっきまでクールな雰囲気をまとっていた女性が、まるでどこかのクレイジーサイコレズの如く、息を荒げてイレイナに迫っていました。瞬時に危険を察知したイレイナは物理的に女性を気絶させてその場から退避しました。
街の方に来てみると、文字通りカオスな状況になっていました。原因は自分なんだろうなあと思いつつクレイジーな様子を傍観していると、喫茶店の窓ガラスを見つめて一人で喋っている変な女の子が目に入りました。
私たち...入れ替わってる!?
イレイナとサヤさんが合流したことでお互いが入れ替わっていることに気がつきました。箱を開けてしまったイレイナがこのカオスな状況を元に戻そうとしていることを知ったサヤさんは、「今のぼくはイレイナさんですから実質僕もする!」という謎理論でイレイナを手伝うことになります。
瞬殺される骨董堂
近くの店で暴れていた骨董堂のメンバーを捕らえてボスの居場所を聞き出したイレイナとサヤさん。次のカットではボスまで捕まえてました(仕事早すぎ笑)。しかし、町中で金を巻き上げているメンバー全員を捕まえることはできまいと勝利宣言をするボスでした。
20年ぶりの再会
ボスが勝利宣言をした直後、フラン先生とシーラさんが現れ、街で暴れ回っていた骨董堂は全員片付けたとの報告が入りました。街の人々を元に戻す方法を聞き出し、この事件は解決しました。
しかし魔女4人を同時に敵に回すことになるとは、なかなか不運ですね。
あなたもう気付いているでしょう
事件解決の翌日、街の人々にかかっていた呪いは解け、イレイナとサヤさんも無事元の体に戻りました。魔法統括協会の面々が先に帰ったあと、フラン先生はイレイナに自分の師匠のことを話始めました。そしてイレイナに影響を与えた人物がだれなのか、本当はもう気付いているのでしょうとも。
何度目かの別れ
フラン先生の言葉に対し、イレイナは「いつか私が、それを見つけたら、私の自由な旅が終わってしまうような気がするんです。」と返しました。フラン先生は咎めることなくいつもの笑顔で「忘れないで。私たちがあなたを愛してやまないことを。」と言い残し、イレイナも少し素直な言葉をフラン先生に伝え何度目かのお別れをしました。
イレイナもまた一歩踏み出し、新しい旅路の幕を開けるのでした。
全体を通しての感想
原作を知っている私からすると、かなりコンパクトにまとめたなという印象ですね。この話は小説の中でも内容が多い方なので要所要所をつなぎ合わせて1話にまとめた感じです(時間に余裕があれば2話構成にしてじっくり作っても良かったのかなとも思いました)。とはいえ、しっかり要点を抑えていたり、変顔や変態的行動を盛り込んだりと見所満載なので、かなり面白かったと思います。
アニメで描かれなかった内容を補足すると、サヤさんの変態的な言動でしょうか(正確にはシーラさんに暴露された形ですが)。「え、あれ以上まだあるん?」と思われた方、答えはイエスです。骨董堂のボスを捕らえた後、4人で街を散策していた(元に戻っているか確認するため)時、やけにおとなしいサヤさんに違和感を感じたシーラさんはうっかり「いつも『イレイナさんの×××を×××で×××』とか言ってるくせに」とサヤさんの伏字にしなければならない内容の発言を複数暴露してしまい、別の意味でカオスな状況になったりしていました。(アニメでカットされたのが実に惜しい)
他にも、イレイナとサヤさんが骨董堂のメンバーを捕らえた際、イレイナが逆パカと呼ばれる残虐でおぞましい拷問をして笑っていたり(サヤさんは引いていた)、イレイナ、サヤさん、ミナで同じ部屋に留まった際に展開されたカオスな会話などなど、アニメでカットされた内容はたくさんあります。時間の都合上仕方のないことですが、実に惜しいですね。
ギャラリー
さいごに
今回は「二人の弟子」ということで、またまた私の予想は外れました笑(次回は当たっている自信があります)。原作の中でもボリュームのある内容の話なのでカットされたシーンが多いのが実に悔やまれますね。
次回はいよいよ最終回です。アニメ化決定時から楽しみにしていた魔女旅がとうとう最終回を迎えるということで感慨深いと同時にめちゃくちゃ寂しいです。好きなアニメが終わってしまうたびに思うのですが、今後何を楽しみに生きていけばいいのか分からなくなってしまいます笑。まあ小説は比較的短いスパンで新刊が出てるので直近はそれを楽しみに生きていくことになりそうですな(最近15巻出ましたね)。ラジオも次回で最終回ということで、年明けは魔女旅ロスで精神状態が不安定になっているかもしれません笑(2期やりましょう!)。
<今後の展開の予想>
第9話 :遡る嘆き (正解!)
第10話:蘇る死者の楽園 (ハズレ!)
第11話:廃墟に蔓延る (ハズレ!)
第12話:ありとあらゆるありふれた灰の魔女の物語
魔女のラジ々~配信するのは、そう、私イレイナです!~
OPテーマ「リテラチュア」
EDテーマ「灰色のサーガ」