數字解析專欄:出版社有書名的偏好嗎?(二)

沒想到這麼快三個月就過去了!富奸了這麼久,終於要來繼續進行書名的分析啦!

 

 

先稍微幫我自己複習一下上次我寫了些什麼:上一次我對書名作了一些最簡單的前處理之後作了敘述統計,找重複出現三、四次的書名以及計算常見職業出現次數

這樣一列才發現我上次寫的知識密度有夠低哈哈哈哈哈

這次則是要開始對書名進行自然語言處理了,但是因為我最近有點忙,只好先抓喵喵屋來做個比較小型的研究……而且只有一半(對不起我就是理由伯)

為什麼會想選喵喵屋?上一篇專欄我有提到一篇文獻回顧 (?),是之前 CC 發現喵喵屋的書名常常異常相似,因此,事不宜遲讓我們來看看喵喵屋的書名分布到底長怎樣吧。

 

同樣要描述一下資料集:這次使用的是喵喵屋臉紅紅書系(書系號碼英文開頭為:BR)的書,從 2007 年 3 月出版的書號 BR001,到 2021 年 6 月出版的書號 BR1160。

這次的資料前處理有:

  1. 刪掉 BL 部分,但誰來告訴我為什麼 BL 會同樣放在臉紅紅書系XDDD 
  2. 刪除書名後的系列名,例如:「擒君共枕眠~婚從天將系列之三」→「擒君共枕眠」;比較值得注意的是,最後一次出現有在書名上清楚掛出系列名的書號是 BR1019,於 2018 年 7 月出版,也就是說,喵喵屋這三年的接近 150 本出版新作都沒有在書名上掛系列,至於主角本身是否有關係呢?我這幾年比較少看喵喵屋所以無法回答XDDD 不過感覺禾馬紅櫻桃書系也幾乎不掛系列了?
  3. 刪除分成兩冊以上的書,只留一筆資料,例如:「很難不愛《上》、很難不愛《下》」→「很難不愛」;這邊同樣也有玩味之處,最後一本有分兩冊應該是 2015 年 5 月出版的「天下第一寵《續》」,不過接著就沒有出兩冊以上的書了嗎?應該是喵喵屋換了一個策略:同套作品不再同名分上中下,而是取相似的書名,舉例來說去年有一套三冊的書名是:徐秘書把總裁離了、總裁讓徐秘書又有了、總裁的徐秘書又跑了XDDD

做完前處理後,剩下了 1031 個不同的書名!

 

進行文字的研究有幾種不同的方式,但因為這只有前半部,因此我只作最簡單的那種,基本上還是敘述統計:把書名切成一個一個的詞 (Bag of Words) 再來算這些詞出現的頻率 (Term Frequency)。

 

華文的處理比較特別,因為華文的字 (character) 本身就是一個詞 (word),和英文不同。

因此我用兩個方式來處理,第一個是把每個字分開、第二個是使用斷詞的方式分詞。

首先是各字獨立的情況:

頻率
172
159
142
126
104
102
95
89
76
75
74
70
70
67
61
55
53
51
49
49
49
47
45

大致上我都能理解,但為什麼「小」的頻率這麼高我比較遲疑XDD

於是我又回去翻了一下,有很多「小姐/大小姐」似乎還可以理解,但竟然有很多「小秘書」……

 

好的,我果然不夠懂喵喵屋。

 

第二個是透過斷詞的方式,跟之前藍海文案研究一樣,使用 CKIP 中研院的套件:

頻率 比例 (N = 1,031)
156 15.13%
92 8.92%
總裁 74 7.18%
老公 57 5.53%
54 5.24%
51 4.95%
51 4.95%
老婆 46 4.46%
秘書 43 4.17%
36 3.49%
35 3.39%
34 3.30%
29 2.81%
29 2.81%

okay 這很喵喵屋!

總裁有 7% 的出現率啊!假設裏面有一半是古代稿,那就代表現代稿的總裁比例大概有 30% 啊!(至於確切的現代/古代比,雖然我有資料但我懶得算,抱歉了XDD)

 

這邊插一個題外話,我原本只有用到 2016 年 BR897 以前的資料,那時候的總裁倒沒這麼常見,反而是 BR898 到 BR1160 這 268 本中,總共出現了 41 次的總裁(雖然上面那個徐秘書就貢獻了 3 次XD),比例高達 15.3%……

舉 BR1060 到 BR1068 的 9 本書為例,總裁他出現了整整 6 次!6 次!剩下兩本古代稿有王爺、侯爺,另一本現代稿則有金主,根本是男主角的職業/身分大集合XDD

BR1060 寡情總裁被撩了
BR1061 不情願的總裁夫人
BR1062 氣噗噗的總裁夫人
BR1063 水噹噹的總裁夫人
BR1064 送上門的總裁先生
BR1065 王爺,妾身不嫁
BR1066 我被侯爺欺負上了
BR1067 金主的床不能爬
BR1068 總裁與前妻

 

不過這也不代表以前的喵喵屋命名就好得很多,事實上我邊整理還是覺得這也太難記,像是有一個老大系列,七本書名分別是:老大的窩邊草、老大的圓仔花、老大的小家花、老大的牽牛花、老大的小冤家、老大的牆頭草、老大的回頭草,其他花花草草也就算了,但為什麼第五本是小冤家啊?Whyyyyyyyyyyyyyyyyy?

 

好的,這一篇大概就這樣,雖然我知道有失水準啦 (?),只好硬塞一點笑點讓大家看得比較愉快一點(有吧!有嗎?),我真的是硬擠時間出來了嗚嗚嗚,下一次一定一定會進行向量化跟相似度的研究的。

 

至於那是多久之後的事就不好說了……

部落格分類: 
自訂標籤: 

回應

再來一個
《總裁老公的小秘書老婆》 <-- 有沒有老梗大集合 XD

 

My grading standards
5: must-have             4: recommend      3: kill time
2: save your money    1: did not finish

幫 CC 多湊幾個XD

 

《我的總裁老公不愛妻》

聽起來是不是有夠合理?(一直笑

「那都是很好很好的,可是我偏不喜歡。」

                                              ——金庸《白馬嘯西風》

喵喵屋果然很多總裁啊~

用前幾個頻率最高的字眼湊出一本書名:

《總裁妻的老公不愛我》

...

好吧很喵喵屋但我不會想看