读卖巨人来了！台北大巨蛋挑战3.6万人首度满场 超人气球队5大必看球星一次掌握

日职读卖巨人队庆祝90周年前夕，今年3月初到大巨蛋与中信兄弟、乐天桃猿进行二场交流赛。（本报资料照片）

启用至今话题不断的台北大巨蛋，即将在本周六3月2日迎来今（2024）年首场比赛，日职人气球队读卖巨人为了成军90周年纪念，特地来台与中职球队中信兄弟、乐天桃猿进行「台湾试合」交流赛，首战星期六对上中信兄弟引爆球迷热情，台北大巨蛋3.6万席座位全面开放，门票依旧即将售磬。今（26）日主办单位公布巨人军来台名单，包括超人气选手坂本勇人在内，阵容相当豪华，《网路温度计》精选5大值得关注选手，让球迷直接抓住观赛重点。

读卖巨人日职超人气　90年历史拥辉煌战绩

透过《KEYPO大数据关键引擎》舆情分析系统发现，「台北大巨蛋」近一个月探索概念包括「读卖巨人、巨人军来台、TOYOTA、3月2日、台湾试合、中信兄弟、乐天桃猿」等词汇。包括赞助商TOYOTA与两支交战中职球队、比赛日期都有出现，至于主角读卖巨人则是1934年成军，今年满90年的日本职棒历史最悠久球团，目前隶属于日职中央联盟6队之一。

▲ 「台北大巨蛋」近一个月探索概念。

读卖巨人除了是日职历史最久球队，战绩同样十分显赫，夺得22次年度总冠军「日本一」是所有球队最多，更曾在1965年到1973年总教练川上哲治带队时期，写下惊人的冠军9连霸纪录，这段辉煌岁月被日本人称作巨人「V9时代（编按：Victory为胜利之意）」，当时阵中好手「世界全垒打王」王贞治也与台湾渊源深厚，他于去年大巨蛋开幕时受邀来台，成为具有历史意义的第一场正式比赛开球嘉宾。

来台名单一军超豪华阵容　巨人军5大必看球星介绍

本次来台参与「读卖巨人军90周年纪念台湾试合」的巨人军阵容，于今日正式公布，由2024年新任总教练阿部慎之助领军，投打名单都是一军主力选手，《网路温度计》整理5大值得关注球星，让球迷掌握观战重点：

菅野智之 背号18

34岁的菅野智之将读卖巨人视为职业球队唯一选择，曾因为选秀被其他球队选中，宁愿晚一年打职棒，最终如愿披上巨人军战袍。2013年在一军首度登板就先发26场，拿下13胜6败、防御率3.12佳绩，11年生涯至今累积121胜，防御率2.50，其中3季夺得中央联盟胜投王、4季拿到防御率王，2017年更以双冠王身分拿到象征日职投手最高荣誉的泽村赏。

戸郷翔征 背号20

今年23岁的户乡翔征5年职棒生涯逐渐成长，在2020年出赛19场拿下9胜6败、防御率2.76成绩后，逐渐展现投球威力，前两季连2年取得12胜，已经是巨人重要先发轮值之一，目前已被预定是本季巨人在东京巨蛋主场开幕战的先发投手。

坂本勇人 背号06

今年35岁长相帅气的坂本勇人是2006年日职选秀巨人队第一指名，今年将迈入第18年的他，曾6度获选央联游击手最佳九人、拿到4座金手套，也参与多项国际赛事。包括2届世界12强赛、2届世界棒球经典赛，以及2020东京奥运棒球赛，都是日本武士队主战游击手。随着年纪增长，今年守备位置从游击移防至三垒，远征台湾将以三垒手身分，跟中信兄弟5届三垒手金手套王威晨对尬守备。

冈本和真 背号25

27岁的冈本和真连续在2020年、2021年拿下央联全垒打、打点「双冠王」，去年敲41轰再夺全垒打王，自2018年起连6个球季，单季全垒打数至少30支以上，产量相当惊人，9年生涯已累积206支全垒打。他的长打能力在去年经典赛展现出色，从预赛到决赛全勤先发，打出3成33打击率、6支安打、7分打点、9次四死球、上垒率5成66成绩，其中在8强赛面对义大利击出3分砲，在冠军赛对美国击出一发阳春砲，成为日本队夺冠重要功臣。

大城卓三 背号24

31岁捕手大城卓三职棒生涯7年，2020年开始展露头角，去年出赛134场写下个人生涯单季最多，119安、16轰、55打点、打击率0.281也都是生涯最佳成绩，夺得年度捕手最佳九人，坐稳巨人主战捕手位置，也被看好成为目前总教练阿部慎之部的接班人选。

分析说明

分析区间：本文分析时间范围为2024年01月27日至2024年02月25日。

资料来源：

《KEYPO大数据关键引擎》舆情分析系统拥有巨量资料，以人工智慧作语意分析之工具资料搜集范围：每月处理1000亿以上中文资料的网路社群大数据资料库，其内容涵盖Facebook、YouTube、新闻媒体、讨论区、部落格等网站。

研究方法：

《KEYPO大数据关键引擎》舆情分析系统拥有巨量资料，以人工智慧作语意分析之工具资料搜集范围：每月处理1000亿以上中文资料的网路社群大数据资料库，其内容涵盖Facebook、YouTube、新闻媒体、讨论区、部落格等网站，针对讨论『台北大巨蛋』相关文本进行分析，调查「探索概念」(注1)作为本分析依据。

*注1 探索概念：将主题的文章进行概念分群（Concept Clustering），帮助读者从巨量资料中快速掌握事件的来龙去脉；群中存在较高的议题相似度，群间则有较低的相关度；分群结果透过演算法抽取具有代表性的片语以呈现概念的意义。