研究了林夕、黃偉文的43萬字歌詞，他們到底在唱些什么？
來源： 大數(shù)據(jù)文摘（ID：BigDataDigest）
作者：斑斑斑比
原標(biāo)題《文本挖掘林夕、黃偉文的43萬字歌詞，他們到底在唱些什么？》
轉(zhuǎn)載請(qǐng)聯(lián)系原作者
在我十幾年的聽歌生涯里，熟悉的歌曲可以說有80%以上的作詞，都是出自香港兩大金牌詞人——林夕和黃偉文之手，粉絲界也出了不少文章從二人的韻腳使用、意識(shí)形態(tài)、選材議題尤其是愛情觀等角度做分析，甚至網(wǎng)絡(luò)上還有流傳“林夕引進(jìn)門，皈依黃偉文”的說法。
作為他們的迷妹，并且最近恰好在看一些關(guān)于文本挖掘的文章，忍不住從文本挖掘的角度對(duì)他們的歌詞做了一個(gè)頗粗淺的分析。
首先我通過Python爬蟲在蝦米音樂上抓取了所有他們的歌詞文本，對(duì)比了蝦米、網(wǎng)易云和QQ三大音樂門戶，蝦米上收錄的比較全，但是抓取下來的數(shù)據(jù)也不能保證囊括了兩人出道來所有的作品，所以呢結(jié)果僅作參考。
對(duì)抓取結(jié)果進(jìn)行去重和去空文本后，約43萬字，其中夕爺跟歪悶字?jǐn)?shù)比例7:1左右，從文本歌曲數(shù)來看，夕爺跟歪悶大約一個(gè)8:1的比例，看來歪悶單曲平均字?jǐn)?shù)更豐富（話嘮）？
夕爺年均產(chǎn)量63首，歪悶?zāi)昃a(chǎn)量11首。
可以說夕爺絕對(duì)屬于天道酬勤自帶天賦的努力型選手，這應(yīng)該也是夕爺在大陸知名度更高的主要原因，生產(chǎn)力帶動(dòng)了市場(chǎng)覆蓋率，雖然歪悶沒有夕爺那么高產(chǎn)，不過在含金量方面應(yīng)該是更勝一籌的多金型選手，畢竟分母更小。
接下來是對(duì)他們兩人所有的歌詞文本通過Python庫（主要是jieba、snownlp）作分詞、詞性處理和情緒分析。
我把每個(gè)文本里的"你、我、他"等單字和oh yeah之類的語氣詞去掉后，用剩下的詞語分別生成了兩人肖像字符云（排名不分先后）。
"沒有"是兩人詞云里最突出的詞
"沒有"是兩人詞云里最突出的詞，前段時(shí)間有篇文章分析了香港四十年來歌曲關(guān)鍵字的變化，說在90年代后，歌壇關(guān)鍵詞從以前的"相思、鴛鴦、我心"切換成了"沒有"，詞云的結(jié)果就剛好對(duì)應(yīng)上了這個(gè)結(jié)論，90年代后，夕爺和歪悶包攬了香港歌壇絕大部分傳唱度高的詞作，而這兩人使用頻度最高的詞就是"沒有"。
林夕肖像字符云
夕爺?shù)闹攸c(diǎn)關(guān)鍵詞：沒有、一個(gè)、為何、怎么、什么、我們……
相聚離開都有時(shí)候，沒有什么會(huì)永垂不朽——《紅豆》
如果對(duì)于明天沒有要求，牽牽手就像旅游——《十年》
沒理由，相戀可以沒有暗涌——《暗涌》
沒有得你的允許我都會(huì)愛下去——《鐘無艷》
一百年后沒有你也沒有我——《百年孤寂》
黃偉文肖像字符云
歪悶（黃偉文）的重點(diǎn)關(guān)鍵詞：沒有、一個(gè)、如何、什么、可以、為何……
問我有沒有，確實(shí)也沒有，一直躲避的借口，非什么大仇——《最佳損友》
其實(shí)沒有一種安穩(wěn)快樂永遠(yuǎn)也不差——《喜帖街》
沒有心別再拖，好心一早放開我——《好心分手》
我沒有溫柔，唯獨(dú)有這點(diǎn)英勇——《勇》
笑我這個(gè)毫無辦法管束的野孩子，連沒有幸福都不介意——《野孩子》
從詞性方面看兩人平常慣用的招式
下圖分別是夕爺和歪悶的詞性使用頻度：
林夕詞性使用頻率
黃偉文詞性使用頻率
從詞性來看兩人慣用的前9招幾乎是一模一樣的：動(dòng)詞＞名詞＞副詞＞形容詞＞代詞＞數(shù)詞＞連詞＞人名＞時(shí)間詞。一直到地名、其他名動(dòng)詞和方位詞等才開始有所差別。
為了看兩人具體用詞的差別，我對(duì)動(dòng)詞，名詞等常用詞接著做細(xì)分。
1、動(dòng)詞占比
林夕用詞——?jiǎng)釉~占比
黃偉文用詞——?jiǎng)釉~占比
兩人動(dòng)詞排名靠前的也很接近：“沒有”、“得到”、“需要”、“知道”。在沒有之后，有“需要”，想“得到”，也有領(lǐng)會(huì)（“知道”），區(qū)別似乎是夕爺?shù)脑跊]有之后是“不會(huì)”“戀愛”還念著“擁抱”（“靠擁抱亦難任你擁有”——《富士山下》），歪悶的是“繼續(xù)”“戀愛”但是“害怕”“沒法”子（“害怕一直也再?zèng)]法戀愛”——《耿耿于懷》）。
2、名詞占比
再看看名詞方面——
林夕用詞——名詞占比
黃偉文用詞——名詞占比
兩人一起提到最多的就是“世界”，還有“情人”、“眼淚”、“時(shí)間”，有情兩個(gè)人就是世界，沒有情世界就只剩一個(gè)人。
世界將我包圍，誓死都一起——《飛女正傳》
一個(gè)人失眠，全世界失眠——《全世界失眠》
這個(gè)世界最壞罪名，叫太易動(dòng)情，但我喜歡這罪名——《無人之境》
被世界遺棄不可怕，喜歡你有時(shí)還可怕——《垃圾》
相對(duì)夕爺念叨“伴侶”（我愛的人不愛我），歪悶有一個(gè)比較對(duì)立的詞是“無人”（有誰來愛我）。
我信我有這一日，伴侶肯專注待我——《姊妹》
愛若能夠永不失去，何以你今天竟想找尋伴侶——《人來人往》
有人問我，我就會(huì)講，但是無人來——《浮夸》
要是可愛，為何無人愛我——《可人兒》
3、形容詞占比
接著是形容詞——
林夕用詞——形容詞占比
黃偉文用詞——形容詞占比
“快樂”、“幸福”、“寂寞”占比最高，只是夕爺?shù)募拍坪醺唷Ｈ缓蟪艘恍┛鞓芳拍惖氖闱樾稳菰~，歪悶還多出了一些像“頑強(qiáng)”、“有趣”、“無聊”不那么主流的詞，當(dāng)然從夕爺年產(chǎn)63首的勤奮勁看對(duì)"無聊"的青睞也應(yīng)該要少的多。《浮夸》如歪悶當(dāng)然要“著最閃的衫”，要“有趣"不要“無聊”。
從時(shí)間詞方面看兩人更多地是偏愛什么時(shí)間狀態(tài)
林夕用詞——時(shí)間詞占比
夕爺是“過去”＞“現(xiàn)在”＞“未來”。
黃偉文用詞——時(shí)間詞占比
歪悶是“現(xiàn)在”＞“過去”＞“未來”。
兩人似乎都不怎么喜歡展望未來，區(qū)別是夕爺更緬懷過去：
還記得當(dāng)天旅館的門牌，還留住笑著離開的神態(tài)——《約定》
十年之前，我不認(rèn)識(shí)你，你不屬于我——《十年》
陪著我像最初相識(shí)我當(dāng)時(shí)未怕累——《假如讓我說下去》
歪悶是活在當(dāng)下：
霎眼已二十七歲，時(shí)日無多，方不敢偷懶——《陀飛輪》
想不到當(dāng)初我們也討厭吃苦瓜，今天竟吃得出那睿智愈來愈記掛——《苦瓜》
今天雖然長(zhǎng)高了，墻上繼續(xù)掛的還是我六歲的畫——《黃色大門》
關(guān)于最愛的季節(jié)
在春夏秋冬里，夕爺跟歪悶都是更愛春秋，自古詩人多傷春悲秋，不同的是夕爺?shù)拇呵镏幌嗖盍?0個(gè)百分點(diǎn)，而歪悶對(duì)春天屬于壓倒性寵愛，在四個(gè)季節(jié)里占了一半的比重。
林夕用詞——季節(jié)頻度
黃偉文用詞——季節(jié)頻度
對(duì)植物的使用上
林夕用詞——常用植物
夕爺喜歡“玫瑰”、“薔薇”、“櫻花”、“曇花”、“葡萄”、“滿天星”、“百合”、“薄荷”等多是觀賞性植物，重在營造意境。
黃偉文用詞——常用植物
歪悶除了“薔薇”、 “百合”以外更多喜歡用“葡萄”、 “苦瓜”、 “洋蔥”、 “蘋果”這些食用類的來描述人生個(gè)中滋味。
地名詞，哪些地方是兩人各自的根據(jù)地
林夕用詞——地名占比
夕爺?shù)氖牵骸疤靽薄ⅰ吧詈！薄ⅰ俺鞘小薄ⅰ跋愀邸薄ⅰ皭酆印薄ⅰ皷|京”。
黃偉文用詞——地名占比
歪悶的是：“天國”、“滿街”、“都市”、“花都”、“東京”、“冰島”。
兩人最大的共同點(diǎn)——“天國”，然后是城市和東京，不過夕爺看來更喜歡水相關(guān)的像“深海”、“愛河”，歪悶相對(duì)來說還是更喜歡在“滿街”，“花都”的陸地。
他們所暢游的世界板塊
林夕用詞——世界板塊
黃偉文用詞——世界板塊
從世界板塊來說，兩人都最喜歡亞洲，不過夕爺?shù)膩喼薇壤且h(yuǎn)遠(yuǎn)超出其他洲的，更多的是喜歡說香港，北京，日本（突然想起了夕爺?shù)纳褡鳌侗本g迎你》）；夕爺關(guān)于日本也有不少熱門曲目，像《富士山下》、《再見二丁目》、《如果東京不快樂》、《黑擇明》等等。
歪悶則是從亞洲沖出歐洲，從香港東京，到冰島巴黎蒙馬特，這可能是他偏愛時(shí)尚，喜歡時(shí)裝展的關(guān)系。
當(dāng)我看到南美洲這個(gè)地名的時(shí)候，突然想起了一首經(jīng)典，就是歪悶作詞，張國榮作曲和旁白，黃耀明演唱的《這么遠(yuǎn)那么近》，下面是一大段張國榮性感的獨(dú)白：
我由布魯塞爾坐火車去阿姆斯特丹， 望住窗外，飛越過幾十個(gè)小鎮(zhèn)，幾千里土地，幾千萬個(gè)人。我懷疑，我們?nèi)松锩妫ㄒ豢梢韵嘤龅臋C(jī)會(huì)，已經(jīng)錯(cuò)過了。
而歪悶的世界板塊也真的像這首歌寫的：
我由亞洲一直飄到，南美洲。
兩人的情感曲線分析
我把情感分?jǐn)?shù)高于0.6的歌詞文本定義為整體用詞是比較正面的，反之則是比較負(fù)面，先來看看夕爺?shù)模?/p>
林夕用詞——情感分析
可以看到夕爺?shù)拇蟛糠质沁^了正面及格線的，并且很多剛好是踩線及格。
黃偉文用詞——情感分析
歪悶的呢則是參差不齊，大起大落，有高有低，可以說正負(fù)兩面一半一半吧。
平日里聽歌的時(shí)候，總覺得夕爺?shù)母柙~里滿是慘兮兮惹人憐的情緒，而歪悶的相對(duì)是直面瘡疤手起刀落的感覺，為什么文本情緒分析出來夕爺?shù)母柙~的正面意義高達(dá)70%，而歪悶的則是正負(fù)意義不相上下呢？
我仔細(xì)想了一下，夕爺是引佛入詞，雖然世事無常但是要從中解脫要包容要寬宏，雖然我愛的人不愛我但是"我們是朋友還可以問候"，"你掌心的痣我總記得在哪里"，"離開你六十年但愿能認(rèn)得出你的子女"。所以正面的歌詞文本是要遠(yuǎn)遠(yuǎn)超過負(fù)面，別忘了，夕爺還有《快樂崇拜》、《wuha》、《北京歡迎你》之類積極向上的歌曲（扶額）。而歪悶?zāi)兀⒅靥拱變?nèi)心的瘡疤，雖然血跡斑斑但是要迎刃而解，我愛的人不愛我所以我"渡日月穿山水仍在恨那誰"，"你沒有好結(jié)果，來讓你一生最喜歡和珍惜那人也摧毀你一生完全沒半點(diǎn)惻隱"但是"我為我生存""明日我必須振作"，"活得比你好"，因此可以說表達(dá)的正負(fù)面意義是一半一半。
好了，先收工。下回再看看更深入的挖掘。
- END -
公眾號(hào)：大數(shù)據(jù)文摘
ID：bigdatadigest
轉(zhuǎn)載請(qǐng)?jiān)谖恼麻_頭和結(jié)尾顯眼處標(biāo)注：作者、出處和鏈接。不按規(guī)范轉(zhuǎn)載侵權(quán)必究。
未經(jīng)授權(quán)嚴(yán)禁轉(zhuǎn)載，授權(quán)事宜請(qǐng)聯(lián)系作者本人，侵權(quán)必究。
本文禁止轉(zhuǎn)載，侵權(quán)必究。
授權(quán)事宜請(qǐng)至數(shù)英微信公眾號(hào)(ID: digitaling) 后臺(tái)授權(quán)，侵權(quán)必究。
評(píng)論
評(píng)論
推薦評(píng)論
全部評(píng)論（6條）