根据上面这个词云,能够想到哪个歌手或者组合的歌词呢?
如果你第一反应是 SEKAI NO OWARI ( 世界の终わり ) 的话,那么请容许我叫你一声姐妹。
什么?你是男的?没事,那也是姐妹,没办法,世终国内的粉丝群体,女粉还是绝大多数的。
最早知道世终是在67届红白歌会上,那是我第一次看日本春晚(噗),当时柚子、生物股长等都给我留下了很深印象,特别是世终主唱fukase扛着旗抓着卫星电话形状的麦唱出的《Dragon Night》。
之后搜了他们的其他歌曲听,部分歌曲很不错。
从《 Hey Ho 》、《RPG》、《 天使と悪魔 》、《 幻の命 》到后来的《Rain》、神木弟弟参演MV的《山茶花》等等,黑暗童话的歌词曲风以及fukase的特殊音色,成功把我圈了路人粉。
再然后就是今年来大陆巡演,我有幸现场感受了一番,成功让我喜欢上了新出的《lip》和《eye》专辑。(其实这两张专之前听过,因为风格转变当时不是特别感兴趣,结果被演唱会的舞台表现给征服了,不禁后悔演唱会消息知道太晚,没抢到前排。)
演唱会结束后的几天,我翻出了其他场演唱会的视频循环播放,发现了更多以前错过的良曲,也成功从世终的路人粉变成了死忠粉。
听着歌曲的我,开始好奇一个问题,他们的歌词是怎么展现这样黑暗又明亮,奇幻还现实的,因此想要将他们歌词统计做一个数据分析,于是最后的成果就是上面这张图了。
前言好像太多了,那么下面进入技术介绍阶段。
收集歌词和分词
首先是数据准备,我把某音乐村的世终音乐歌词按照专辑收录顺序全部扒了下来,同时整理出每首歌的名字与专辑的对应关系。
接着整理歌词,需要将中文翻译删掉,日文歌词打散成词语。
本来想通过手动来整理歌词,顺便提高一下我半吊子的日语,但整理完一首《花鸟风月》后我放弃了,很多地方不知道怎么断词,例如“ いつから ”要不要拆成“ いつ ”和“ から ”,再比如动词后加助词要不要拆开以及动词的变形,还有“ ました ”这样的语气词是删除还是保留等等。
一方面我水平有限,另一方面确实太浪费时间(闭嘴,是你爱得不够)。
最后我还是求助了专业的日语分词库,因为我主要用Python,搜索了一番后最后选择了MeCab。
- 下载 mecab-0.996.exe ,安装时选择utf8字符集。
- 安装好后拷贝llibmecab.lib(MeCab\sdk)和 libmecab.dll( MeCab\bin)两个文件到Python安装目录的site-packages文件夹下。
- 最后
pip install mecab-python-windows
,安装python的MeCab接口。
安装完后就可以尝试import MeCab测试一下了,具体分词用法如下。
import MeCab mecab = MeCab.Tagger ("-Owakati") sentences = ‘’‘ MeCabを用いて文章を分割してみます。 ‘’’ print(mecab.parse(sentences)) #MeCab を 用い て 文章 を 分割 し て み ます
然后就可以以空格为分隔存入表格或者数据库了。
(另一个日文分词库janome(pip install janome
)也可以尝试。)
顺便说一下中文分词。
最出名的中文分词库就是jieba(pip install jieba
)了。
import jieba text = "我来到中国北京天安门" seg_list = jieba.cut(text, cut_all=False) print(" ".join(seg_list)) #我 来到 中国 北京 天安门
也可以试试其他方式,例如SnowNLP(MIT)、pynlpir、thulac。
英语分词就简单了,直接按空格和标点符号分割就行。
值得一提的是,所有歌词分割出20000+的词,真要手动不知得花多久。
不过这里也有点问题,一个是歌词上传者存在错漏,还有些以简体字代替繁体字导致不该分割的词语被分割,例如把“ 太陽 ”写成了“太阳”导致被分词成“太”和“阳”等等。
还有就是这个库的词典导致有些词拆的太碎或者拆不开等等。
毕竟是程序操作,不能指望正确率达到百分之百,因此急于看到结果的我就 这么把词分完了。
制作词云
下一步就是制作词云了,因为最近工作中用到了FineBi这个强大的数据分析工具,因此就用它来实现。
FineBI是一款商业智能(Business Intelligence)产品 ,主要是整理大量数据并生成各种图表,同时根据数据间的对应关系,图表间可以做到联动,也就是随时可以选择展示某一部分数据的图表,便于进行数据分析。
FineBI拥有强大的条形图、柱形图、折线、饼图、表格、气泡图、热力图、地图等等几乎所有常见的分析用图表,使用简单方便,只要将整理出的字段拖动到相应位置即可快速生成图表,具体使用流程这里就不说了,官方文档的入门案例已经很好的表现了它的强大,跟着做一遍基本就会用了,为了安利,下面就放一张图表展示一下。
对未来真正的慷慨,
是把一切献给现在。
《反抗者》
——加缪
评论
26749 527342Read More HERE. I bookmarked it. 745927
946514 337002Vi ringrazio, ho trovato che quanto scritto non sia completamente corretto 902031
617695 470314Yeah bookmaking this wasnt a speculative decision outstanding post! . 888011
924788 757322Rattling exceptional information can be identified on internet blog . 664973
221980 148373An attention-grabbing dialogue is value comment. I believe that you require to write a lot more on this matter, it wont be a taboo subject even so usually individuals are not sufficient to speak on such topics. Towards the next. Cheers 466593
50095 808812Gems form the internet […]very few websites that happen to be detailed below, from our point of view are undoubtedly effectively worth checking out[…] 501117
41462 842100You must participate in a contest for probably the greatest blogs on the internet. I will recommend this web website! 450170
592787 805001My wife style of bogus body art were being quite unsafe. Mother worked with gun very first, right after which they your lover snuck no cost upon an tattoo ink ink. I was positive the fact just about every need to not be epidermal, due to the tattoo ink could be attracted from the entire body. make an own temporary tattoo 238533
228168 700846Wow, superb weblog layout! How long have you been blogging for? you make blogging appear simple. The overall look of your website is magnificent, as effectively as the content! xrumer 750086
992115 334136This plot doesnt reveal itself; it has to be explained. 78702
464846 181570I like this internet weblog quite significantly so significantly superb info . 684852
734671 720184Excellent post, thanks so considerably for sharing. Do you happen to have an RSS feed I can subscribe to? 248817
702255 168503As I website possessor I believe the subject material here is rattling wonderful , appreciate it for your efforts. 204644
542346 248866Hello super schner Webblog den ihr da habt. Bin gerade ber die Google Suche darber gestolpert. Gefllt mir echt super gut. macht weiter so. MFG Martina 195334