您正在使用IE低版浏览器,为了您的雷峰网账号安全和更好的产品体验,强烈建议使用更快更安全的浏览器
此为临时链接,仅用于文章预览,将在时失效
人工智能开发者 正文
发私信给AI研习社
发送

0

我分析了 6.5W 字的歌词,看到了这样的周杰伦

本文作者:AI研习社 2017-05-13 21:18
导语:用大数据素描周杰伦。

我分析了 6.5W 字的歌词,看到了这样的周杰伦

雷锋网按:本文作者冬鑫,原文载于作者知乎专栏,雷锋网已获授权。

前一段时间分析民谣歌词的那边文章特别火,刚好在研究使用python处理数据,就也想弄个类似东西练练手。于是乎,拉上自己亲妹妹 @张小黑 就开始分工。

  一、准备歌词素材

歌词选择:杰伦至今的所有专辑(从最开始的<JAY>到最新的<周杰伦的床边故事>)

由于爬虫木有学会,就只能手动收集歌词。经过一系列的 google、baidu,终于找到别人整理好的歌词全集。ok,就这样歌词文件搞定了,一共也没多大,也就207K(想想周董这么多年唱的歌词大半都在这207K的txt文件里就不免有些感慨)。

我分析了 6.5W 字的歌词,看到了这样的周杰伦

  二、对歌词文件完成分词

这是最难的部分,产品汪只会跟程序猿们相爱相杀,哪会写代码呀!!!

我分析了 6.5W 字的歌词,看到了这样的周杰伦

没办法,硬着头皮也要写。网上goolge各种关键字,看博客,花了半天的时间,连蒙带猜,勉勉强强看懂了网上的代码示例,比着葫芦画瓢写了一点点写。

我分析了 6.5W 字的歌词,看到了这样的周杰伦

千难万险,终于写完调通,最终主要的部分一共也就12行,没有任何注释(简直乞丐版代码,根本看不出来哪里sexy ~~~~(>_<)~~~~)

我分析了 6.5W 字的歌词,看到了这样的周杰伦

  三、对分词的结果进行分析

好,我们终于到了正文,以上都是废话,下边才是重要结论。(如果以这种方式写邮件一定会被老板打死 ♪(^∇^*) )

结论一:杰伦最喜欢的唱的主题 --- 情歌 (我自己也知道这是废话 O(∩_∩)O)

我分析了 6.5W 字的歌词,看到了这样的周杰伦

拉了下出现频率 top20 的词语,满满的都是文艺、伤感、爱情 :

我们 / 怎么 / 没有 / 微笑 / 离开 / 爱情 / 回忆 / 不要 / 开始 / 如果 / 怎么 / 开始

我擦,感觉随机排列组合都能成歌词,方文山以后是不是就可以下岗了 ♪(^∇^*)

结论二:杰伦喜欢妈妈胜过爸爸,喜欢外婆胜过爷爷以及外公(歌词中没有出现奶奶)

我分析了 6.5W 字的歌词,看到了这样的周杰伦

大家应该都听过<听妈妈的话>。

杰伦专门为外婆写了一首歌<外婆>,其中也就1句歌词提到了外公。

至于爷爷,杰伦也有那首<爷爷泡的茶>

结论三:杰伦喜欢黑色、白色胜过其他颜色

我分析了 6.5W 字的歌词,看到了这样的周杰伦

很符合周董的形象,歌词里高大上的黑色&白色力压其他颜色。看到黑白两色频率这么高,我第一时间想到的是<以父之名>,感觉很符合那个气质。还有就是青色出现了6次,大概率是因为<青花瓷>吧。

结论四:杰伦最喜欢的语气词是 oh~

我分析了 6.5W 字的歌词,看到了这样的周杰伦

毋庸置疑,杰伦最喜欢 oh~ ,排除大小写的因素,[oh] 出现的频率甚至超过 [我们] 成为出现词频最高的词汇。此外杰伦经典的 "哎呦不错哦~" 中的 [哎呦] 也名列前茅,看来杰伦真的很喜欢讲这句话。

总结:只是从歌词来看,大概杰伦就是一个穿着黑白帽衫,表面上酷酷的,但是骨子里满是深情、文艺, 只喜欢喝爷爷泡的茶,听妈妈的话,爱自己外婆的 ,嘴里时不时地冒出一句‘哎呦,不错哦’ 的 五好青年 ^_^

注:以上内容纯属胡说八道,如有雷同,纯属巧合。

另,头图不是 python 生成,是使用一个国外的网站(wordart)生成的。文章中使用的分词代码、歌词文本、头图已通过有道云笔记分享(文章末尾有链接),内容如下:

我分析了 6.5W 字的歌词,看到了这样的周杰伦           

有道云笔记链接:http://t.cn/RaICFIV 

TensorFlow & 神经网络算法高级应用班” 要开课啦!

从初级到高级,理论 + 实战,一站式深度了解 TensorFlow!

本课程面向深度学习开发者,讲授如何利用 TensorFlow 解决图像识别、文本分析等具体问题。课程跨度为 10 周,将从 TensorFlow 的原理与基础实战技巧开始,一步步教授学员如何在 TensorFlow 上搭建 CNN、自编码、RNN、GAN 等模型,并最终掌握一整套基于 TensorFlow 做深度学习开发的专业技能。

两名授课老师佟达、白发川身为 ThoughtWorks 的资深技术专家,具有丰富的大数据平台搭建、深度学习系统开发项目经验。

时间:每周二、四晚 20:00-21:00

开课时长:总学时 20 小时,分 10 周完成,每周 2 次,每次 1 小时

线上授课地址:http://www.mooc.ai/

雷锋网(公众号:雷锋网)相关阅读:

不再收费!MapD数据库开源,过来人指点如何上手

你和真正的数据科学究竟差在哪里

雷峰网版权文章,未经授权禁止转载。详情见转载须知

我分析了 6.5W 字的歌词,看到了这样的周杰伦

分享:
相关文章

编辑

聚焦数据科学,连接 AI 开发者。更多精彩内容,请访问:yanxishe.com
当月热门文章
最新文章
请填写申请人资料
姓名
电话
邮箱
微信号
作品链接
个人简介
为了您的账户安全,请验证邮箱
您的邮箱还未验证,完成可获20积分哟!
请验证您的邮箱
立即验证
完善账号信息
您的账号已经绑定,现在您可以设置密码以方便用邮箱登录
立即设置 以后再说