韋小寶到底有什么厲害之處？今天，讓我們從數(shù)據(jù)分析“韋小寶最愛(ài)誰(shuí)”的角度來(lái)做一些揭秘吧！

分析方法綜述

本文基于文本的描述來(lái)分析。根據(jù)分析目標(biāo)，將描述性分析定位在人物分析的層面，從出場(chǎng)頻次、出場(chǎng)時(shí)間、親密程度、稱謂變化來(lái)解析作者對(duì)人物的刻畫(huà)。

文本數(shù)據(jù)結(jié)構(gòu)化

非結(jié)構(gòu)化，直接進(jìn)行統(tǒng)計(jì)分析是沒(méi)法進(jìn)行的。所以，要預(yù)處理，將非結(jié)構(gòu)化的文本數(shù)據(jù)轉(zhuǎn)成結(jié)構(gòu)化的信息以供分析。這里面所用的方法就是確定分析的目標(biāo)和對(duì)象，從《鹿鼎記》中提取信息。

目標(biāo)：小說(shuō)主要人物及主要稱謂

1、韋小寶：小桂子，韋香主，小寶，韋大人，韋爵爺，相公

2、康熙帝：小玄子，皇帝，皇上

3、雙兒：好雙兒、雙雙

4、阿珂：陳珂，美貌小姑娘，師姊

5、蘇荃：洪夫人，教主夫人

6、建寧公主：公主

7、沐劍屏：小郡主，小老婆

8、方怡：方師姐、方姑娘、怡姐姐

9、曾柔

10、韋春花

11、陳近南

12、鄭克塽

13、吳應(yīng)熊

14、茅十八

從稱謂的內(nèi)容和數(shù)量上看，小寶會(huì)給喜歡的人起昵稱哦，這一點(diǎn)，我們?cè)诤彤愋韵嗵幍臅r(shí)候可以借鑒。

七位夫人（圖片來(lái)源于網(wǎng)絡(luò)

分析單位：可以以句子為分析單位，也可以以段落為單位，本文涉及的段落450字——480字為一個(gè)分析單位，（以WORD文檔統(tǒng)計(jì)，全文1227969字，每頁(yè)固定40行，每行固定30字統(tǒng)計(jì)，共有2727頁(yè)，也就是有2727個(gè)分析單位。）

小貼士：

事實(shí)上，我們都對(duì)文本非常熟悉，工作和生活中都存在著大量的文本數(shù)據(jù)比如：網(wǎng)頁(yè)、新聞、論壇、社交媒體(微博、微信)、評(píng)論(新聞評(píng)論、購(gòu)物評(píng)論等)這些都是典型的文本數(shù)據(jù)，在海量的文本數(shù)據(jù)中蘊(yùn)含著豐富的價(jià)值，對(duì)文本大數(shù)據(jù)的分析和挖掘具有重要意義，而它的典型應(yīng)用又有輿情監(jiān)控、商業(yè)智能、趨勢(shì)預(yù)測(cè)、精準(zhǔn)營(yíng)銷等等。

出場(chǎng)頻次

小說(shuō)對(duì)各個(gè)人物的著墨如何？這反映了不同人物的分量輕重。總體來(lái)說(shuō)，采用了計(jì)數(shù)詞頻的方式，具體來(lái)說(shuō)，圍繞這兩個(gè)問(wèn)題展開(kāi)。

1、如何定義一個(gè)人物？

2、怎樣出場(chǎng)可以記一次？

以主人公韋小寶為例，定義這個(gè)人物最簡(jiǎn)單的方式就是書(shū)中出現(xiàn)“韋小寶”這個(gè)名詞，但是這樣做還是會(huì)有漏洞。小說(shuō)中稱呼他的方式還有很多，比如韋爵爺、小桂子等。因此，需要按照之前的數(shù)據(jù)準(zhǔn)備，將同一個(gè)人的不同稱呼都對(duì)應(yīng)到“韋小寶”這個(gè)人物上來(lái)。

數(shù)據(jù)結(jié)果可以看出來(lái)，小說(shuō)中男主角韋小寶的出現(xiàn)次數(shù)是最多的，其次是雙兒和阿珂，她倆不分伯仲，小郡主和方怡緊隨其后。我們?cè)陂喿x小說(shuō)時(shí)也能感覺(jué)到，小寶對(duì)雙兒和阿珂是最特別的了。也許，雙兒和阿珂中間，就能產(chǎn)生韋小寶的最愛(ài)。

從這個(gè)角度，我們也能看出來(lái)，多和異性接觸，一定是會(huì)增進(jìn)感情的，有想法要行動(dòng)起來(lái)才有結(jié)果。

出場(chǎng)時(shí)間

人物的出場(chǎng)時(shí)間同樣重要，這個(gè)愛(ài)情中，講究情敵的出場(chǎng)順序一樣。這里可以將每個(gè)分析單位按照順序編號(hào)：1,2,3……，T。時(shí)間點(diǎn)就可以理解為這些編號(hào)。然后對(duì)于每一個(gè)人物而言，可以統(tǒng)計(jì)其出場(chǎng)的時(shí)間點(diǎn)。

1、 韋小寶：68 69 70……

2、 雙兒：856 857 858……

3、 阿珂：1321 1322 1323……

4、 蘇荃：1004 1005 1006……

5、 建寧公主：1067 1068 1069……

6、 沐劍屏：472 473 474……

7、 方怡：574 575 576……

8、 曾柔：1127 1128 1129……

可以看出，出場(chǎng)最早的是小郡主，其次是小郡主的師姐方怡，再然后是和小寶最親厚的雙兒，其他人也都陸續(xù)在1000到1150，也就是小說(shuō)的中間悉數(shù)登場(chǎng)。被很多人公認(rèn)為小寶最愛(ài)的女人阿珂是出場(chǎng)最晚的。

而從親密值的角度，也可以再深入分析一下小寶與女人們的關(guān)系。為了說(shuō)明更簡(jiǎn)便，只針對(duì)雙兒、阿珂和沐劍屏來(lái)分析。

親密值公式：親密密度=出場(chǎng)次數(shù)÷出場(chǎng)單元數(shù)量

可以比較明顯的看出來(lái)，從親密程度來(lái)說(shuō)，小寶與雙兒更親厚。雙兒可能是小寶的最愛(ài)。

可見(jiàn)，與異性相處，想獲得親厚的關(guān)系，需要努力增加存在感，并且要?jiǎng)?chuàng)造更多與對(duì)方一起完成的任務(wù)哦。

人以群分

前文的描述性分析已經(jīng)基本反映了本書(shū)主角之間的關(guān)系。還可以通過(guò)人物進(jìn)行聚類分析，理清人物關(guān)系。

詞向量工具：就是講詞映射到歐氏空間的一種表示，其中，兩個(gè)詞語(yǔ)的寓意越詳細(xì)，距離越近。

如何得到詞向量？

這個(gè)模型通過(guò)對(duì)文本進(jìn)行神經(jīng)網(wǎng)絡(luò)的分析，該模型通過(guò)學(xué)習(xí)訓(xùn)練語(yǔ)料獲取詞向量和概率密度函數(shù)，把詞映射到低維向量空間，詞向量之間cos距離的大小代表了詞語(yǔ)之間關(guān)系的遠(yuǎn)近。詞向量利用開(kāi)源工具word2vec而得。

為了簡(jiǎn)單表達(dá)，用下面的圖片來(lái)說(shuō)明一下分析過(guò)程。

由于中文特殊性，訓(xùn)練詞向量需要先對(duì)文本進(jìn)行分詞，去除停用詞（比如了、的這樣的表意特征不明顯的詞）

事實(shí)上，在金庸的武俠世界中，已經(jīng)給各個(gè)人物分好類，這就是他們的背后的幫派。比如天地會(huì)、皇宮、沐王府、青木堂、神龍教等等。主要的區(qū)別，在于他們武功路數(shù)和立場(chǎng)不同。比如天地會(huì)經(jīng)常說(shuō)反清復(fù)明，而皇宮常說(shuō)捉拿叛徒。

詞向量的分析維度可以按照這些說(shuō)法展開(kāi)，本文不過(guò)多贅述，如想了解詳細(xì)方法，可以在公眾平臺(tái)提問(wèn)。

雖然，小寶的幾位夫人最初與他的立場(chǎng)多有不和，比如阿珂最是反抗小寶，她自己刺殺吳三桂失手后，本來(lái)一心希望和鄭克塽遠(yuǎn)走高飛，在揚(yáng)州麗春院，懷了韋小寶的骨肉，后又發(fā)現(xiàn)鄭克塽的本性，且逐漸意識(shí)到韋小寶對(duì)自己的好，轉(zhuǎn)愛(ài)上他，終隨歸隱。

如果耐心等待，女神也會(huì)是你的。