数极客首页

我分析了王力宏、周杰伦、林俊杰和潘玮柏的32万字歌词:为了找到最伤感的一首歌

更新于2017年5月5日,调整了情感剖析

接口,重新计算了前十榜单,并且提供了本次项目触及
歌曲的情感查询,大家能够

自己

输入歌名查到它属于正面心情
还是负面心情
——王力宏周杰伦林俊杰

潘玮柏歌曲情感查询

前言

我剖析

了王力宏、周杰伦、林俊杰

和潘玮柏的32万字歌词,就是为了找到最伤感的一首歌。

本项目遭到
《我剖析

了42万字歌词,就为了搞分明

民谣歌手们在唱些什么》一文的启示
以及下面的这幅图,一张让我愈加
肯定
了“曾经
年岁
不小了”这个残酷

事实的图。

说实话,这上面的歌手我大约
只认识一半,听过的歌更是少的不幸
,大约
只需

《青春修炼手册》,《演员》还有张杰翻唱的《街角的祝福

》。

关于华语男歌手的认识应该是停在初中了吧。那时火的是周杰伦,王力宏,林俊杰

和潘玮柏——

我们班几个男生由于
经常唱他们的歌有了诸如“宗杰伦”,“温俊杰

”,“鱼力宏”的外号;

我们全寝室在社会理论
扮演
会上合唱了一首《枫》,由于有我这种跑调天王的存在,我们没有拿到最佳歌曲节目奖;

有一个学期在操场捡了一个用电池的mp3,只需

512MB。我们在电脑课上把歌拷进去,然后每晚轮番
听,听了良久

由于他们的歌都烂熟于心,所以有几个同窗
就养成了一个不良喜好

——改编歌词,常常
会改得很恶俗,《菊花残》这种还算普通,印象中最恶俗的歌就是——《腋毛海》。

好了,固然
相似

的回想
还有很多,但就此打住吧,毕竟这篇文章的主要目的,是从数据剖析

的角度对王力宏,周杰伦,林俊杰

和潘玮柏的歌词中止

剖析

。主要研讨
几个有趣的问题
,比如

1. 他们最正面心情
的十首歌是哪些?

2. 他们最负面心情
的十首歌是哪些?

3. 总的来说,哪个人的歌词最伤感?

4. 总的来说,哪个人的歌词最快乐

5. 他们最喜欢时节
是什么?

6. 他们最常用“你”,“我”还是“她”?

7. 谁最会说“爱”字?

当然,由于
歌词和歌手存在着一定水平

的割裂,有些作词并不是歌手自身

,但本次研讨
不思索
这些问题。换个角度想,这些歌是被歌手不时
演唱而知名,所以里面肯定包含
了歌手自身

的情感和认知,不然也不会唱火,你说是吧?(忽然

自己

觉得
自己

说的很有道理,嗯)

数据来源

本次数据来源于百度音乐。我用第三方工具pyspider写了一个爬虫自动抓取了1000多条数据。说实话,从百度音乐抓下来的歌词数据格式不是特别美观
,乱糟糟,比如

歌词开头两三行引见
歌手、作曲、作词的次第
不太一样。这让我想起了以前用酷狗听歌的时分
,歌词都是云端匹配,良莠不齐。很多歌词前面都会带着一个QQ号,大约
是制造
这个歌词的人,有的致使

会写一两段话,诸如“XXX,你要知道

我不时

很爱你”之类的话,有点莫明其妙
。但是,由于
一些版权和爬虫抓取难易水平

的缘由
,百度音乐是目前的最佳选择,所以只好用它。最终,我取得

的数据包含了以下字段:

专辑名album,歌手singer, 歌词lyrics 和歌名title

歌词部分

共有32万个字符。由于有些歌曲存在着歌词缺失,不得不做处置
。在数据清洗之后的有效歌曲数如下:

接着就开端
今天的重头戏——情感剖析

情感剖析

在情感剖析

中,我用到了BosonNLP这个工具,直接能够

在python调用对字符串中止

情感剖析

,免费用户只能一天五百次的调用次数,不过曾经
够用了(我注册了三四个号)。

它是这么引见
他的情感剖析

功用
的:基于上百万条社交网络均衡

语料和数十万条新闻均衡

语料的机器学习模型,分别

自主开发的半监视
学习技术,正负面情感剖析

精确

度抵达

80%~85%

在BosonNLP工具中,情感剖析

的结果由两部分

构成,正面心情
分和负面心情
分,两者加起来等于1。

心理学上把焦虑、慌张
、愤恨

、懊丧
、悲伤、痛苦等心情
统称为负面心情
。而正面心情
是指人的一种积极的心情
,开心、悲观
、自信、观赏

、放松等等。所以之前我用消极和积极有点不妥(固然
negative和positive翻译过来是这样),毕竟汉语博大精深。例如,我发现一些rap歌曲被分到了负面心情
,但它并不是消极的,只是包含了慌张
激动

的心情
,这点遭到
了@伍宇伦的启示

在整体情感剖析

前,我挑了一些歌对行将
用到的工具中止

了测试。在下面表格sentiment一栏中,左侧的数字代表着积极心情
分,右侧的数字代表着消极心情
分。

第一
测试的是周杰伦的《安静》,结果测出来是绝对的负面,似乎还不错:

再来一首《阳光宅男》,结果是绝对的正面,契合
预期:

最终
来测一首潘玮柏的《我对天空说》,这首歌真的悲伤啦,看来这个工具也能正确的辨认

在测试完这三个后我就放心的开端
整体探求

(其实我还测了很多),毕竟人家都把这个工具出来卖了,精确

性肯定很高。

遭到
@苏格兰折耳喵的提示
,我修正
了下BosonNLP的接口,把通用接口换成了微博接口,重新跑了一次情感分数,曾经
更新如下。后面的榜单也做了更新,个人觉得
稍微

又合理些。但是微博语料和歌词还是差很多,最好的条件应该是自己

有个针对歌词的锻炼
样本,这样精确

率会进步
很多。

最终
得到了一个整体的结果,我发现四位歌手中,积极心情
分数最高的是林俊杰

,第二
是潘玮柏,王力宏第三,周杰伦最低。由于
互加为1,消极心情
的分数的排名就刚好相反。

周杰伦的歌之所以积极心情
最低,消极心情
最高可能是有两个缘由
构成

的:1)他的歌很多自身

歌词就比较

悲伤 2)周杰伦的歌总体数据量
比其他三位要多,而他们大部分

的歌都是属于情歌,而情歌呢有大部分

都很悲伤,所以就会拉低这积极心情
的评分。

接下来看一下每位歌手最正面心情
和最负面心情
的十大金曲吧!

王力宏

王力宏十大“负面心情
”歌曲:

周杰伦

周杰伦十大“负面心情
”歌曲:

周杰伦十大“正面心情
”歌曲:

林俊杰

林俊杰

十大“负面心情
”歌曲:

林俊杰

十大“正面心情
”歌曲:

潘玮柏

潘玮柏十大“负面心情
”歌曲:

潘玮柏十大“正面心情
”歌曲:

基于以上榜单,我终于找到了最伤感的歌——《倒带》,消极指数高达0.99726。(固然
周杰伦只是唱过倒带)

大家说某某一歌曲怎样
没有入选十大榜单,那是由于
BosonNLP给的分数稍微

低了点。但是大家提到的歌曲我都回头看了下,基本

分类正确,即大家以为
它应该是负面心情
的,BosonNLP算出来的负面心情
就是大于0.5。只不过在小数点之后的数值差别

遭到
锻炼
样本和算法的影响,有差距。所以前十的榜单只是一个参考作用。毕竟情感剖析

的首要目的是分类正确(正面or负面),而不是在分类后的排序中的精确

歌曲查询地址:王力宏周杰伦林俊杰

潘玮柏歌曲情感查询,用了金数据的一个功用
,大家点进去之后输入你想查的歌名就会得到相应的回馈,如图所示:

兴味

探求

在终了

了主要部分

情感剖析

内容后,我对歌词的用词和意象也做了一些探求

。我把每首歌的歌词中止

拆分,扫除
掉了停用词,对剩下的词做了一个频率统计。

你我还是她?

我第一
对“你”,“我”,“他/她”三个词中止

剖析

。大部分

的歌以第一人称和第二人称为主。其中王力宏的歌词中第一人称呈现
比率较高,潘玮柏的歌词中第二人称呈现
的比较

多。相对而言,第三人称在周杰伦的歌词中呈现
的比率比较

高。

我们能够

推断出什么呢?王力宏是个自我认识
比较

强,擅长
表达自己

的人;潘玮柏擅长与他人

沟通,会站在对方角度思索
;周杰伦则像是站在旁观者的角度描画

他人

,有一种距离

感(以上这是我的瞎扯)

“爱”你有多深?

在盛行
歌曲中,情歌的比重占了绝大部分

,所以“爱”一字呈现
的频率比较

高,我也对此做了一个统计。结果显现
,在王力宏的一切
歌曲里,“爱”呈现
的频率略高于其他三位男歌手,周杰伦的反而最低。这也可能和他的“旁观者”角度也有关系。王力宏由于
对“我”字用的比较

频繁,所以就经常表达自己

的爱意,这么一想也就解释的通了。

四个人最喜欢的时节

经过
词频剖析

,周杰伦的歌词中有关秋天的意象呈现
的最多,王力宏则比较

喜欢冬天和春天,林俊杰

对夏天的酷爱

比较

浓烈,潘玮柏的歌词中表现出的倾向性不大。

林俊杰

和潘玮柏歌词中对时节
描画

相对较少

总结与瞻望

本次项目主要从数据剖析

的角度对四位华语男歌手的歌词中止

了探求

,剖析

了歌词的情感,找出了消极和积极的前十排行,也对几个字词中止

了兴味

性的探求

这是我第一次接触中文文本剖析

这块内容,自然有很大的缺乏
。一开端
我是想自己

写情感剖析

模块,但是由于
假定

自己

写的话会触及
到情感词典,招认

词,水平

词权重等诸多问题,我在尝试后得到的结果不尽如人意,又不测
找到了一个快捷的工具,所以就放弃了自建情感剖析

。希望以后有机遇

能够

自己

再尝试,应用机器学习的方式做出自己

的文本剖析

模型。

感激

大家的留言,基本

每条都看啦,并且依据

大家的意见重新修正
了一下内容。第三
感激

大家对本文缺乏
之处的指正。另外代码都放在了我的github上,有需求
自取(不过这次notebook写的有点乱)。作为一个小白,希望和大家多多交流,相互

学习!

来源:小白的数据剖析

师养成之路

链接:https://zhuanlan.zhihu.com/p/26664812

发表评论

评论已关闭。

相关文章