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

分析方法綜述

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

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)和對象，從《鹿鼎記》中提取信息。

目標(biāo)：小說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)，我們在和異性相處的時(shí)候可以借鑒。

七位夫人（圖片來源于網(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，每頁固定40行，每行固定30字統(tǒng)計(jì)，共有2727頁，也就是有2727個(gè)分析單位。）

小貼士：

事實(shí)上，我們都對文本非常熟悉，工作和生活中都存在著大量的文本數(shù)據(jù)比如：網(wǎng)頁、新聞、論壇、社交媒體(微博、微信)、評論(新聞評論、購物評論等)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、趨勢預(yù)測、精準(zhǔn)營銷等等。

出場頻次

小說對各個(gè)人物的著墨如何？這反映了不同人物的分量輕重。總體來說，采用了計(jì)數(shù)詞頻的方式，具體來說，圍繞這兩個(gè)問題展開。

1、如何定義一個(gè)人物？

2、怎樣出場可以記一次？

以主人公韋小寶為例，定義這個(gè)人物最簡單的方式就是書中出現(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)人的不同稱呼都對應(yīng)到“韋小寶”這個(gè)人物上來。

數(shù)據(jù)結(jié)果可以看出來，小說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。我們在閱讀小說時(shí)也能感覺到，小寶對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。

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

出場時(shí)間

人物的出場時(shí)間同樣重要，這個(gè)愛情中，講究情敵的出場順序一樣。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)。然后對于每一個(gè)人物而言，可以統(tǒng)計(jì)其出場的時(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，也就是小說的中間悉數(shù)登場。被很多人公認(rèn)為小寶最愛的女人阿珂是出場最晚的。

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。為了說明更簡便，只針對雙兒、阿珂和沐劍屏來分析。

親密值公式：親密密度=出場次數(shù)÷出場單元數(shù)量

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

可見，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)基本反映了本書主角之間的關(guān)系。還可以通過人物進(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)模型通過對文本進(jìn)行神經(jīng)網(wǎng)絡(luò)的分析，該模型通過學(xué)習(xí)訓(xùn)練語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之間關(guān)系的遠(yuǎn)近。詞向量利用開源工具word2vec而得。

為了簡單表達(dá)，用下面的圖片來說明一下分析過程。

由于中文特殊性，訓(xùn)練詞向量需要先對文本進(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)和立場不同。比如天地會(huì)經(jīng)常說反清復(fù)明，而皇宮常說捉拿叛徒。

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

雖然，小寶的幾位夫人最初與他的立場多有不和，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)到韋小寶對自己的好，轉(zhuǎn)愛上他，終隨歸隱。

如果耐心等待，女神也會(huì)是你的。