-
斑斑斑比:文本挖掘林夕、黄伟文的43万字歌词,他们到底在唱些什么?
关键字: 林夕歌词黄伟文歌词林夕黄伟文林夕黄伟文歌词分析(转自:大数据文摘|bigdatadigest,作者:斑斑斑比)
在我十几年的听歌生涯里,熟悉的歌曲可以说有80%以上的作词,都是出自香港两大金牌词人——林夕和黄伟文之手,粉丝界也出了不少文章从二人的韵脚使用、意识形态、选材议题尤其是爱情观等角度做分析,甚至网络上还有流传"林夕引进门,皈依黄伟文"的说法。作为他们的迷妹,并且最近恰好在看一些关于文本挖掘的文章,忍不住从文本挖掘的角度对他们的歌词做了一个颇粗浅的分析。
首先我通过Python爬虫在虾米音乐上抓取了所有他们的歌词文本,对比了虾米、网易云和QQ三大音乐门户,虾米上收录的比较全,但是抓取下来的数据也不能保证囊括了两人出道来所有的作品,所以呢结果仅作参考。
对抓取结果进行去重和去空文本后,约43万字,其中夕爷跟歪闷字数比例7:1左右,从文本歌曲数来看,夕爷跟歪闷大约一个8:1的比例,看来歪闷单曲平均字数更丰富(话唠)?夕爷年均产量63首,歪闷年均产量11首。可以说夕爷绝对属于天道酬勤自带天赋的努力型选手,这应该也是夕爷在大陆知名度更高的主要原因,生产力带动了市场覆盖率,虽然歪闷没有夕爷那么高产,不过在含金量方面应该是更胜一筹的多金型选手,毕竟分母更小。
接下来是对他们两人所有的歌词文本通过Python库(主要是jieba、snownlp)作分词、词性处理和情绪分析。我把每个文本里的"你、我、他"等单字和oh yeah之类的语气词去掉后,用剩下的词语分别生成了两人肖像字符云,上图是夕爷,下图是歪闷(排名不分先后)
"没有"是两人词云里最突出的词
"没有"是两人词云里最突出的词,前段时间有篇文章分析了香港四十年来歌曲关键字的变化,说在90年代后,歌坛关键词从以前的"相思、鸳鸯、我心"切换成了"没有",词云的结果就刚好对应上了这个结论,90年代后,夕爷和歪闷包揽了香港歌坛绝大部分传唱度高的词作,而这两人使用频度最高的词就是"没有"。
夕爷的重点关键词:没有、一个、为何、怎么、什么、我们……
歪闷的重点关键词:没有、一个、如何、什么、可以、为何……
从词性方面看两人平常惯用的招式
下图分别是夕爷和歪闷的词性使用频度
从词性来看两人惯用的前9招几乎是一模一样的:动词>名词>副词>形容词>代词>数词>连词>人名>时间词。一直到地名、其他名动词和方位词等才开始有所差别。
为了看两人具体用词的差别,我对动词,名词等常用词接着做细分,上图夕爷,下图歪闷
两人动词排名靠前的也很接近:没有、得到、需要,知道。在没有之后,有"需要",想"得到",也有领会("知道"),区别似乎是夕爷的在没有之后是"不会""恋爱"还念着"拥抱"("靠拥抱亦难任你拥有"——《富士山下》),歪闷的是"继续""恋爱"但是"害怕""没法"子("害怕一直也再没法恋爱"——《耿耿于怀》)。
- 原标题:文本挖掘林夕、黄伟文的43万字歌词,他们到底在唱些什么? 本文仅代表作者个人观点。
- 责任编辑:李泠
-
50天要选出新总统,伊朗谁有可能? 评论 20逮捕令发不发?“未来几天压力将来到她们身上” 评论 123ICC刚刚“救了”内塔尼亚胡? 评论 85ICC检察官申请逮捕以总理,美以“暴跳如雷” 评论 239伊朗官方通讯社称莱希直升机事故系“技术故障” 评论 264最新闻 Hot
-
灵柩上覆盖着伊朗国旗,莱希的葬礼仪式有何讲究?
-
共提草案未获通过,中俄代表回应
-
逮捕令发不发?“未来几天压力将来到她们身上”
-
英国法院最新裁决后,阿桑奇案迎“转折点”?
-
美联储理事:对俄制裁和中国推广人民币等,都在冲击美元地位
-
泽连斯基5年任期届满,俄方第一时间称其“丧失合法性”
-
ICC刚刚“救了”内塔尼亚胡?
-
原来,是她主导了逮捕令申请
-
土部长:没收到应答机信号,讨论暗杀为时尚早
-
ICC检察官申请逮捕以总理,美以“暴跳如雷”
-
与中国达成“君子协定”,菲国会找杜特尔特政府麻烦
-
白宫坚决否认:不“背锅”
-
看到安理会默哀,他又发飙了
-
美方称伊朗罕见请求援助,“但因后勤原因无法提供”
-
“内塔尼亚胡多次阻止以情报人员会见美国官员”
-
阿桑奇“最后一博”
-