由 mugicha 在 發表
數字解析系列專欄的第二篇就在大年初六開工日登場啦~
這次要來探討的是新月出版社藍海書系的文案,雖然是數字解析專欄,但這篇比較接近「文字解析」,用數字告訴大家藍海書系的文案都寫了些什麼。
只能說人在逃避工作的時候潛能真的無限啊!(眺望遠方)
這次的研究動機很直白:有看內曼的同學們應該知道,藍海書系以穿越重生古代稿聞名,所以想來研究看看,究~竟~藍海系列的文案裡有多少穿越重生。
且待我們繼續看~下~去~(盛竹如語氣)
不過讓我離題一下,不知道有沒有同學曾經注意過,其實最一開始的藍海書系,是有現代稿的XDDDDDDDDDDD
藍海 E1101、E1102 是現代稿,編輯推薦的地方還如此寫道:
老實說,他的作品讓編輯們著實頭痛過一陣,不知該把它分類到哪一個書系去,就像《哈利波特》裡的分類帽遇到哈利波特時那樣苦惱,「嗯,是個愛情故事沒錯,但它的文筆和結構太特別了,不像一般主流的羅曼史小說,文字風格散發青春日劇浪漫氛圍,毫不堆疊造作,人物清新自然,看完後,心裡也開始嚮往著書中所說之處,甚至被勾起年少時的回憶……該把它放到哪一個書系好呢?」
終於,我們為它在「藍海」裡找到了一座小島,那裡有長崎的夏天與青春、記憶,你可以在島上女主角的奶奶家裡長廊上,吃著西瓜、吹著涼爽的風,耳邊傳來陣陣別具風情的島歌歌聲,享受一段酸澀中帶甜的愛情。
如此清新超級不藍海的XDDDD
回歸正題,先來定義一下資料範圍:「以臺灣作家為主的新月出版社藍海書系作品」,排除掉中國原創授權在臺灣發行的作品,而以大家比較熟悉的內曼臺灣作家為主。
首先要做的工作依然是收集資料。
從新月出版社的網站上可以看到,藍海系列目前有 180 頁的資料共 2150 筆資料,總之全部都先抓下來再進行資料清理。
這次的清理工作比較冗長,因為有些作者實在很難辨識是臺灣作家還是中國作家。(臣妾做不到啊.jpg)
除了早期就待過新月甜檸檬、花園、春天等等其他書系的作家(像子紋、寄秋、艾佟、佟芯等人)外,其他我幾乎不認識。
一邊清資料一邊查資料,看作者簡介、看新月專訪、看出版社活動,還拿主角名字去 google,總之花了一大把時間最後成功地篩出了 383 件作品,此時血條也差不多要歸零了。
(因為我平常比較少碰原創那一塊,看一些中國原創作者的作者介紹覺得很有趣,很多都是九零後甚至還有九五後,好多人都強調自己筆耕不輟,日常生活則是什麼焚香穿漢服彈古箏,實在開了我的眼界XDDDD)
整理好的資料大致上長這樣。
整理完畢之後捲起袖子來動工!這次的術語比較多,所以我們簡單帶過~ XD
**內沒有程式,但有資料前處理解釋**
- 使用中研院的斷詞系統(CKIP)進行斷詞
- 斷詞之後移除停用字(stopword)
- 計算詞頻(term frequency)之後進行主題類別分群
看不懂不要緊,我們用實例看看所謂斷詞是什麼東西~
節錄雷恩那《三生三世小桃源》的原文案:
「
三生三世又相逢,只為成全這段情緣……
宇宙洪荒浩瀚無窮,
許是冥冥當中,他們種下了一顆情種,
/
蘇練緹不知道自己為什麼會一再重回十八歲,
/
從此夜闖她香閨夜宿她房中都是家常便飯,
甚至為了向皇上求賜婚,他竟不惜以身犯險……
」
斷詞(並去除標點)後會變成:
「
三生三世 又 相逢 只 為 成全 這 段 情緣 宇宙 洪荒 浩瀚 無窮 許 是 冥冥 當中 他們 種下 了 一 顆 情種
蘇練緹 不 知道 自己 為什麼 會 一再 重回 十八 歲
從此 夜 闖 她 香閨 夜宿 她 房 中 都 是 家常便飯 甚至 為了 向 皇上 求 賜 婚 他 竟 不惜 以 身 犯險
」
希望這樣舉例有比較好懂一點
首先,用簡單的統計數據來看看幾個大家比較關心的字(?)的出現頻率吧!
字 | 文案出現頻率 (共 383 本書) | |
1 | 穿越 | 有 100 本書的文案提到 |
2 | 前世 | 有 57 本書的文案提到 |
3 | 京城 | 有 56 本書的文案提到 |
4 | 原主 | 有 52 本書的文案提到 |
5 | 爹 | 有 52 本書的文案提到 |
6 | 古代 | 有 47 本書的文案提到 |
7 | 皇上 | 有 47 本書的文案提到 |
8 | 重生 | 有 41 本書的文案提到 |
9 | 王爺 | 有 39 本書的文案提到 |
10 | 將軍 | 有 37 本書的文案提到 |
是不是一看就很有藍海的特色呢哈哈哈哈哈。
(順帶一提藍海有夠愛用「…」的,出現率高達 333/383,為之驚人XD)
接著進行主題類別的分群,使用的是 Latent Dirichlet Allocation(LDA),過程不太重要沒關係,直接來看結果~XD
我們試試看分別取 4 類、5 類、6 類來看看結果有無差異。
這四類主題我可能會標記成:主僕+將相類、穿越類、宮鬥類、宅鬥類。
看來四類有點不夠藍海發揮,那麼來看看五類的結果。
五類主題我可能會標記成:?類、穿越類、宅鬥類、事業類、宮鬥類。(第一類分得好醜XD)
最後是六類。
懶得想了給大家自由發揮XDD
大年初六我就懶
這篇差不多整理到這裡,其實應該要做其他比較的,像是:藍海和其他書系的文案差異等等,但依然基於「我就懶」的理由,我們留待以後有緣再說吧~
希望這次的主題大家會喜歡 >////<
- mugicha 的專欄
- 發表回應前,請先登入或註冊
- 瀏覽次數:2280
回應
Brina replied on 固定網址
XDDDDDDDDDDDDD
XDDDDDDDDDDDDD
謝謝分析,都是穿越重生,難怪我對藍海一點興趣都沒有
CHENG-CHEN replied on 固定網址
我談的是藍海...
...想到之前為了建言情書庫,很多書系是手動在收集書單文案,就好想哭啊
原來中研院還有斷詞系統喔
新月藍海這一塊有點...公式化。不過講到公式化,應該還是喵喵屋標題黨拔得頭籌。
藍海看了半天好像沒有丫環或奴婢、婢女耶?難怪藍海不是我的菜。