321
文本挖掘林夕、黃偉文的43萬字歌詞，他們到底在唱些什麼？
在我十幾年的聽歌生涯裏，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、意識形態、選材議題尤其是愛情觀等角度做分析，甚至網絡上還有流傳"林夕引進門，皈依黃偉文"的說法。作為他們的迷妹，並且最近恰好在看一些關於文本挖掘的文章，忍不住從文本挖掘的角度對他們的歌詞做了一個頗粗淺的分析。
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，對比了蝦米、網易雲和QQ三大音樂門戶，蝦米上收錄的比較全，但是抓取下來的數據也不能保證囊括了兩人出道來所有的作品，所以呢結果僅作參考。
對抓取結果進行去重和去空文本後，約43萬字，其中夕爺跟歪悶字數比例7:1左右，從文本歌曲數來看，夕爺跟歪悶大約一個8:1的比例，看來歪悶單曲平均字數更豐富（話嘮）？夕爺年均產量63首，歪悶年均產量11首。可以說夕爺絕對屬於天道酬勤自帶天賦的努力型選手，這應該也是夕爺在大陸知名度更高的主要原因，生產力帶動了市場覆蓋率，雖然歪悶沒有夕爺那麼高產，不過在含金量方麵應該是更勝一籌的多金型選手，畢竟分母更小。
接下來是對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。我把每個文本裏的"你、我、他"等單字和oh yeah之類的語氣詞去掉後，用剩下的詞語分別生成了兩人肖像字符雲，上圖是夕爺，下圖是歪悶（排名不分先後）
"沒有"是兩人詞雲裏最突出的詞
"沒有"是兩人詞雲裏最突出的詞，前段時間有篇文章分析了香港四十年來歌曲關鍵字的變化，說在90年代後，歌壇關鍵詞從以前的"相思、鴛鴦、我心"切換成了"沒有"，詞雲的結果就剛好對應上了這個結論，90年代後，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"。
夕爺的重點關鍵詞：沒有、一個、為何、怎麼、什麼、我們……
相聚離開都有時候，沒有什麼會永垂不朽——《紅豆》
如果對於明天沒有要求，牽牽手就像旅遊——《十年》
沒理由，相戀可以沒有暗湧——《暗湧》
沒有得你的允許我都會愛下去——《鍾無豔》
一百年後沒有你也沒有我——《百年孤寂》
歪悶的重點關鍵詞：沒有、一個、如何、什麼、可以、為何……
問我有沒有，確實也沒有，一直躲避的借口，非什麼大仇——《最佳損友》
其實沒有一種安穩快樂永遠也不差——《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，唯獨有這點英勇——《勇》
笑我這個毫無辦法管束的野孩子，連沒有幸福都不介意——《野孩子》
從詞性方麵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
從詞性來看兩人慣用的前9招幾乎是一模一樣的：動詞＞名詞＞副詞＞形容詞＞代詞＞數詞＞連詞＞人名＞時間詞。一直到地名、其他名動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，我對動詞，名詞等常用詞接著做細分，上圖夕爺，下圖歪悶
兩人動詞排名靠前的也很接近：沒有、得到、需要，知道。在沒有之後，有"需要"，想"得到"，也有領會（"知道"），區別似乎是夕爺的在沒有之後是"不會""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""戀愛"但是"害怕""沒法"子（"害怕一直也再沒法戀愛"——《耿耿於懷》）。
再看看名詞方麵，依然上圖夕爺，下圖歪悶
兩人一起提到最多的就是"世界"，還有"情人"、"眼淚"、"時間"，有情兩個人就是世界，沒有情世界就隻剩一個人。
世界將我包圍，誓死都一起——《飛女正傳》
一個人失眠，全世界失眠——《全世界失眠》
這個世界最壞罪名，叫太易動情，但我喜歡這罪名——《無人之境》
被世界遺棄不可怕，喜歡你有時還可怕——《垃圾》
相對夕爺念叨的"伴侶"（我愛的人不愛我），歪悶有一個比較對立的詞是"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，我就會講，但是無人來——《浮誇》
要是可愛，為何無人愛我——《可人兒》
接著是形容詞，上圖夕爺，下圖歪悶
"快樂"、"幸福"、"寂寞"占比最高，隻是夕爺的寂寞似乎更多。然後除了一些快樂寂寞類的抒情形容詞，歪悶還多出了一些像"頑強"、"有趣"、"無聊"不那麼主流的詞，當然從夕爺年產63首的勤奮勁看對"無聊"的青睞也應該要少的多。《浮誇》如歪悶當然要"著最閃的衫"，要"有趣"不要"無聊"。
從時間詞方麵看兩人更多地是偏愛什麼時間狀態
前兩圖夕爺，後兩圖歪悶
夕爺是"過去"＞"現在"＞"未來"
歪悶是"現在"＞"過去"＞"未來"
兩人似乎都不怎麼喜歡展望未來，區別是夕爺更緬懷過去：
還記得當天旅館的門牌，還留住笑著離開的神態——《約定》
十年之前，我不認識你，你不屬於我——《十年》
陪著我像最初相識我當時未怕累——《假如讓我說下去》
歪悶是活在當下：
霎眼已二十七歲，時日無多，方不敢偷懶——《陀飛輪》
想不到當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》
今天雖然長高了，牆上繼續掛的還是我六歲的畫——《黃色大門》
關於最愛的季節
在春夏秋冬裏，夕爺跟歪悶都是更愛春秋，自古詩人多傷春悲秋，不同的是夕爺的春秋隻相差了10個百分點，而歪悶對春天屬於壓倒性寵愛，在四個季節裏占了一半的比重。
對植物的使用上
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。
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中滋味。
地名詞，看看哪些地方是兩人各自的根據地
夕爺的是："天國"、"深海"、"城市"、"香港"、"愛河"、"東京"
歪悶的是："天國"、"滿街"、"都市"、"花都"、"東京"、"冰島"
兩人最大的共同點——"天國"，然後是城市和東京，不過夕爺看來更喜歡水相關的像"深海"、"愛河"，歪悶相對來說還是更喜歡在"滿街"，"花都的"陸地。
再看看他們暢遊的世界板塊
從世界板塊來說，兩人都最喜歡亞洲，不過夕爺的亞洲比例是要遠遠超出其他洲的，更多的是喜歡說香港，北京，日本（突然想起了夕爺的神作《北京歡迎你》）；夕爺關於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
歪悶則是從亞洲衝出歐洲，從香港東京，到冰島巴黎蒙馬特，這可能是他偏愛時尚，喜歡時裝展的關係。
當我看到南美洲這個地名的時候，突然想起了一首經典，就是歪悶作詞，張國榮作曲和旁白，黃耀明演唱的《這麼遠那麼近》，下麵是一大段張國榮性感的獨白：
我由布魯塞爾坐火車去阿姆斯特丹， 望住窗外，飛越過幾十個小鎮，幾千裏土地，幾千萬個人。我懷疑，我們人生裏麵，唯一可以相遇的機會，已經錯過了
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
我把情感分數高於0.6的歌詞文本定義為整體用詞是比較正麵的，反之則是比較負麵，先來看看夕爺的：
可以看到夕爺的大部分是過了正麵及格線的，並且很多剛好是踩線及格。
歪悶的呢則是參差不齊，大起大落，有高有低，可以說正負兩麵一半一半吧。
平日裏聽歌的時候，總覺得夕爺的歌詞裏滿是慘兮兮惹人憐的情緒，而歪悶的相對是直麵瘡疤手起刀落的感覺，為什麼文本情緒分析出來夕爺的歌詞的正麵意義高達70%，而歪悶的則是正負意義不相上下呢？
我仔細想了一下，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裏"，"離開你六十年但願能認得出你的子女"。所以正麵的歌詞文本是要遠遠超過負麵，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）。而歪悶呢，更注重坦白內心的瘡疤，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"，因此可以說表達的正負麵意義是一半一半。
好了，先收工。下回再看看更深入的挖掘。
----------------------------------
其實，當我們拋開文本挖掘去探討音樂，每個人都能從不同角度理解他們的歌詞，而目可能中文分詞算法做不到。
以林、黃二人的代表作來舉例——
林夕的《少女的祈禱》：
“祈求天父做十分鍾好人，賜我他的吻如憐憫罪人”。
黃偉文的《可惜我是水瓶座》：
“別說這種行話，哪裏留得住我，到底是為什麼分手你很清楚”
都是分手，都是失戀，表麵都是傷感，林夕說“老天我求你了別離開我”！！ 黃偉文說“別磨嘰了是你自己要分手的”。一個卑微，一個理性。這些都是人可以感受到的完全不同的音樂脈搏，我們甚至可以通過他們的作品，去猜猜兩位作詞人是什麼樣的。
而以文本挖掘音樂，情感分析/中文分詞的前提是“所見即所得”，把一句話拆開，然後拿到語料庫比對。而音樂作品包含的豐富信息，可能不是目前簡單算法可以窮盡的。
再看一首黃偉文給容祖兒的《黃色大門》
“窗紗外小鹿給我送枝花，梳化上下凡天使共我喝著茶”，“心儀男孩長駐於身邊，夢要變真也沒那樣遠”，“在我堅持的黃色門裏，珍藏著自製那冠冕”
“小鹿”，“送花”，“天使”，“心儀男孩”，“夢想”，“身邊”
字麵上看的話，程序應該分析不出來《咬唇》是一首經常用在婚禮上的歌，而每次現場唱《黃色大門》的容祖兒都會哭到花了妝，有人說她可能在想何韻詩，我覺得她也有可能在想劉浩龍。不管怎樣，這絕對不是一首童話歌，更不是一首輕鬆歡快的歌。
原文發布時間為：2017-03-29
本文來自雲棲社區合作夥伴“大數據文摘”，了解相關信息可以關注“BigDataDigest”微信公眾號
最後更新：2017-05-19 14:32:41