专栏名称: Tableau社区

Tableau中国官方微信。分享商业智能（BI）行业趋势、大数据可视化分析前沿技术、Tableau最新动态、成功案例及市场活动等资讯。Tableau Software（纽交所代码：DATA）致力于帮助大家认识和理解数据。

数说影话：用数据揭秘怪才昆汀电影作品的情感走向

Tableau社区 · 公众号 · BI · 2019-09-06 17:45

正文

请到「今天看啥」查看全文

互动话题见文末

最近，由著名导演昆汀·塔伦蒂诺执导，两大顶级好莱坞男神莱昂纳多·迪卡普里奥与布拉德·皮特联合主演的《好莱坞往事》，再一次唤起了影迷们对那个善于“篡改”历史，“恶搞”故事情节，来表达内心丰富情感的鬼才导演的热爱。

不得不说，昆汀非常善于利用制造情绪冲突与推迟高潮的来临，来引导观影者的情感走向。

那假如我们将他导演过的经典影片的台词拷贝过来，逐段逐句逐词地进行分析，归纳精炼出每部电影的情感标签，是不是就可以更好的理解他在“血腥”的表面下所搭建的充满张力的情感世界了呢？

台词竟然也可以被分析？

如果你的老板或老师突然让你总结一部电影的情感变化，并要有可靠的数据作为支撑，你会怎么做？作者 Tim Lafferty 就想到了通过统计台词的情感倾向，来分析整部电影情感走势的方法。

上下滑动查看完整 Viz

➤ 复制下方链接至浏览器，即可查看此 Viz：

https://public.tableau.com/zh-cn/gallery/intro-text-mining-and-sentiment-analysis?tab=viz-of-the-day&type=viz-of-the-day

首先，作者选取了昆汀导演的六部经典电影的剧本，这六部电影分别是《被解救的姜戈》、《八恶人》、《无耻混蛋》、《杀死比尔》第一部和第二部，以及《低俗小说》。

随后，作者将存储电影台词与电影名称的 Excel 文件导入到 R 中（R 是一个用于统计分析与作图的开源软件）。利用 R 的情感词典包，进行自然语言处理（NLP）。

*自然语言处理，即把每一句台词段落拆分为单个的词汇，来提炼文本信息。在这个过程中，与情绪态度不相关的词汇（例如“他”、“将来”）与被反复使用的语气助词（“是”、“的”）都被会事先删除。

处理完成之后，作者使用评估文本的词典，输入提炼后的文字信息，即可输出与之对应的情感标签。

什么是情感标签？

那么问题来了，什么是情感标签呢？当大家在阅读一本书的时候，经常会根据作者用到的段落、词汇来尝试理解文章的情感意图。比如我们会认为欢乐是代表积极的情绪，而愤怒、生气则常常与负面消极的情绪联系在一起。

这篇 Viz 的分析方法是将文本分为一个一个的单词，单个词汇的情感信息的总和则被视为整个文本的情感总和，它可以有效地辅助我们了解一部电影、一本书在叙事过程中情感的走向。

请翻开这本情感词典

Afinn, Bing & NRC 情感词典

这篇 Viz 一共使用了三个情感词典，分别为 Afinn，Bing 和 NRC。这三个词典都是基于单个词汇来进行情感分析，不同之处则在于每个词典的分析方式与输出内容略有差异。

在这篇 Viz 的左上角，有一个筛选器。读者可以根据自己感兴趣的电影，进行选择。本文中选择的电影是《低俗小说》。

在下图中，红色粗线代表着《低俗小说》的情感走向，其他五部电影则用浅灰色实线代替，红色虚线表示中性情感。当位于折线图上的代表文本情感的点，出现在虚线上方时，则表示当前台词文本是积极的情感，当它出现在虚线下方时，则表示此刻的台词文本是消极的情感。

Bing 模型的分析原理是将词汇简单地分为积极的与消极的两大类别。这貌似有点“粗暴”的划分，在应对大量文本数据的时候，无疑是个非常有效的分析方式。如上图所示，纵观六部电影的整体情况，基本上所有电影的台词文本都是代表着消极的情绪，折线图均在中立线以下。其中，《低俗小说》的情感倾向甚至比其他五部电影更加消极，并且随着剧情的发展，与负面情感相联系的词汇出现的次数也逐渐增多。

无论是正面还是负面的情绪，都拥有不同的程度。为了更好的体现这种程度的变化，AFINN 模型通过将情感从 -5 到 5 分成不同的等级。-5 是负面情绪的最低值，5 是积极情绪的最高值。如上图所示，我们可以看出 AFINN 模型所得到的结论与 Bing 模型十分接近，两个模型的斜率基本相似，可见《低俗小说》也是六部电影中负面程度最严重的一部。

NRC 模型也将文本情感分为积极与消极两大类别，不过在此基础上，NRC 模型会赋值积极的情感为 +1，消极情感为 -1，同时将所有的词汇归类为八种基本情绪：愤怒、恐惧、期待、信任、惊讶、悲伤、喜悦和厌恶。

与前两个模型相比，NRC 模型则给出了不同的情感走向。以《低俗小说》为例，在剧情的前半段，偶尔有欢快积极的情感出现，它可能是信任、期待与快乐。但随着剧情的推进，消极的情绪逐渐笼罩着每一个主人公，厌恶、恐惧、愤怒等等的标签开始不断出现。

造成三种模型情感差异的原因有很多。首先，每个词典的绝对情感是不同的，在 Bing 模型中的负面情感可能并不适用于 NRC 模型。虽然在 NRC 的模型中，积极与消极情感的交替出现，导致与其他两个模型的总体走向并不类同，但我们依然能发现三个模型的波峰波谷出现的时间极为相似。

NRC 模型，八种基本情绪的四象限图

在 Viz 的后半部分，作者利用 NRC 模型中的八种基本情绪，为每部电影创建了情感四象限图。依旧以《低俗小说》为例，上图展示出被整合后的八种基本情绪在这部电影的分布情况。其中四组情感位于坐标轴上，四组情感位于两个坐标轴的对角线上。当中间的不规则红色图形向外扩张的越多，这部电影的情感张力则越大。随着图形向某一个情感点的延伸（远离原点的方向），这部电影与这一情感点相关联的台词文本就越多。

从象限图中可以看出，《低俗小说》的剧情里充满了愤怒、恐惧和信任，而惊讶则稍显匮乏，而上图则与之相互对应。纵向罗列每部电影的名称，横向标明 NRC 模型里的八种基本情绪。作者在这里使用颜色的深浅来表达情绪的倾向，也可以理解为剧本中出现该情绪的词汇的数量。《低俗小说》里关于惊讶的图标颜色明显浅于其他的情绪标签，这也与象限图的情况相吻合。值得注意的是，《被解救的姜戈》与《八恶人》充斥着强烈的信任的情绪。