讀賣巨人來了!臺北大巨蛋挑戰3.6萬人首度滿場 超人氣球隊5大必看球星一次掌握

日職讀賣巨人隊慶祝90週年前夕,今年3月初到大巨蛋與中信兄弟、樂天桃猿進行二場交流賽。(本報資料照片)

啓用至今話題不斷的臺北大巨蛋,即將在本週六3月2日迎來今(2024)年首場比賽,日職人氣球隊讀賣巨人爲了成軍90週年紀念,特地來臺與中職球隊中信兄弟、樂天桃猿進行「臺灣試合」交流賽,首戰星期六對上中信兄弟引爆球迷熱情,臺北大巨蛋3.6萬席座位全面開放,門票依舊即將售磬。今(26)日主辦單位公佈巨人軍來臺名單,包括超人氣選手阪本勇人在內,陣容相當豪華,《網路溫度計》精選5大值得關注選手,讓球迷直接抓住觀賽重點。

讀賣巨人日職超人氣 90年曆史擁輝煌戰績

透過《KEYPO大數據關鍵引擎》輿情分析系統發現,「臺北大巨蛋」近一個月探索概念包括「讀賣巨人、巨人軍來臺、TOYOTA、3月2日、臺灣試合、中信兄弟、樂天桃猿」等詞彙。包括贊助商TOYOTA與兩支交戰中職球隊、比賽日期都有出現,至於主角讀賣巨人則是1934年成軍,今年滿90年的日本職棒歷史最悠久球團,目前隸屬於日職中央聯盟6隊之一。

▲ 「臺北大巨蛋」近一個月探索概念。

讀賣巨人除了是日職歷史最久球隊,戰績同樣十分顯赫,奪得22次年度總冠軍「日本一」是所有球隊最多,更曾在1965年到1973年總教練川上哲治帶隊時期,寫下驚人的冠軍9連霸紀錄,這段輝煌歲月被日本人稱作巨人「V9時代(編按:Victory爲勝利之意)」,當時陣中好手「世界全壘打王」王貞治也與臺灣淵源深厚,他於去年大巨蛋開幕時受邀來臺,成爲具有歷史意義的第一場正式比賽開球嘉賓。

來臺名單一軍超豪華陣容 巨人軍5大必看球星介紹

本次來臺參與「讀賣巨人軍90週年紀念臺灣試合」的巨人軍陣容,於今日正式公佈,由2024年新任總教練阿部慎之助領軍,投打名單都是一軍主力選手,《網路溫度計》整理5大值得關注球星,讓球迷掌握觀戰重點:

菅野智之 背號18

34歲的菅野智之將讀賣巨人視爲職業球隊唯一選擇,曾因爲選秀被其他球隊選中,寧願晚一年打職棒,最終如願披上巨人軍戰袍。2013年在一軍首度登板就先發26場,拿下13勝6敗、防禦率3.12佳績,11年生涯至今累積121勝,防禦率2.50,其中3季奪得中央聯盟勝投王、4季拿到防禦率王,2017年更以雙冠王身分拿到象徵日職投手最高榮譽的澤村賞。

戸郷翔徵 背號20

今年23歲的戶鄉翔徵5年職棒生涯逐漸成長,在2020年出賽19場拿下9勝6敗、防禦率2.76成績後,逐漸展現投球威力,前兩季連2年取得12勝,已經是巨人重要先發輪值之一,目前已被預定是本季巨人在東京巨蛋主場開幕戰的先發投手。

阪本勇人 背號06

今年35歲長相帥氣的阪本勇人是2006年日職選秀巨人隊第一指名,今年將邁入第18年的他,曾6度獲選央聯游擊手最佳九人、拿到4座金手套,也參與多項國際賽事。包括2屆世界12強賽、2屆世界棒球經典賽,以及2020東京奧運棒球賽,都是日本武士隊主戰游擊手。隨着年紀增長,今年守備位置從遊擊移防至三壘,遠征臺灣將以三壘手身分,跟中信兄弟5屆三壘手金手套王威晨對尬守備。

岡本和真 背號25

27歲的岡本和真連續在2020年、2021年拿下央聯全壘打、打點「雙冠王」,去年敲41轟再奪全壘打王,自2018年起連6個球季,單季全壘打數至少30支以上,產量相當驚人,9年生涯已累積206支全壘打。他的長打能力在去年經典賽展現出色,從預賽到決賽全勤先發,打出3成33打擊率、6支安打、7分打點、9次四死球、上壘率5成66成績,其中在8強賽面對義大利擊出3分砲,在冠軍賽對美國擊出一發陽春砲,成爲日本隊奪冠重要功臣。

大城卓三 背號24

31歲捕手大城卓三職棒生涯7年,2020年開始展露頭角,去年出賽134場寫下個人生涯單季最多,119安、16轟、55打點、打擊率0.281也都是生涯最佳成績,奪得年度捕手最佳九人,坐穩巨人主戰捕手位置,也被看好成爲目前總教練阿部慎之部的接班人選。

分析說明

分析區間:本文分析時間範圍爲2024年01月27日至2024年02月25日。

資料來源:

《KEYPO大數據關鍵引擎》輿情分析系統擁有巨量資料,以人工智慧作語意分析之工具資料蒐集範圍:每月處理1000億以上中文資料的網路社羣大數據資料庫,其內容涵蓋Facebook、YouTube、新聞媒體、討論區、部落格等網站。

研究方法:

《KEYPO大數據關鍵引擎》輿情分析系統擁有巨量資料,以人工智慧作語意分析之工具資料蒐集範圍:每月處理1000億以上中文資料的網路社羣大數據資料庫,其內容涵蓋Facebook、YouTube、新聞媒體、討論區、部落格等網站,針對討論『臺北大巨蛋』相關文本進行分析,調查「探索概念」(注1)作爲本分析依據。

*注1 探索概念:將主題的文章進行概念分羣(Concept Clustering),幫助讀者從巨量資料中快速掌握事件的來龍去脈;羣中存在較高的議題相似度,羣間則有較低的相關度;分羣結果透過演算法抽取具有代表性的片語以呈現概念的意義。