11万部影视作品揭秘，掌握过半GRE单词，居然只需看懂20部电影？

点击上方“程序人生”，选择“置顶公众号”

第一时间关注程序猿（媛）身边的故事

作者

何坦瑨

来源

https://zhuanlan.zhihu.com/p/42470066

如需转载，请联系原作者。

杀G之路漫漫，求索之人跄跄。如何边看电影边记单词，娱乐学习两不误？且让大数据告诉我们，究竟哪些影视作品大量出现GRE单词？看懂多少部影视作品，就可以掌握过半GRE词汇？

说明：GRE，全称Graduate Record Examination，中文名称为美国研究生入学考试，适用于除法律与商业外的各专业，由美国教育考试服务处（Educational Testing Service，简称ETS)主办。GRE是世界各地的大学各类研究生院（除管理类学院，法学院）要求申请者所必须具备的一个考试成绩，也是教授对申请者是否授予奖学金所依据的最重要的标准。GRE，首次由美国哈佛，耶鲁，哥伦比亚，普林斯顿四所大学联合举办，初期由卡耐基基金会(Carnegie Foundation）承办，1948年交由新成立的教育测试中心ETS负责。

【先放结论】都说没有调查就没有发言权，本文通过对11万部影视作品进行大数据分析，为大家找出那些与GRE最相关的作品。原来包含最多GRE单词的是哈姆莱特!看懂时长4小时的哈姆莱特可以帮你掌握915个GRE单词！而掌握过半GRE词汇，可能只需要看懂20部电影!

一、数据来源

感谢射手站长，他将15年来积累的海量字幕数据无私分享出来，供广大群众学习研究使用。其中包括对应于26万部影视作品的66万份字幕文件，压缩后大约75G。经过压缩格式分类，解压缩，字幕格式分类，编码转换，英文识别，数据清理等过程后，得到对应于114198部影视作品的225190份英文字幕文件。

二、数据分析

1. 英文字幕中有多少GRE单词？

绝大部分英文字幕包涵0-300个GRE单词，平均值108，方差52，概率分布如下图。GRE单词最多的单个字幕文件来自于莎翁的《哈姆莱特/Hamlet》，内含915个GRE单词，难怪让人如痴如醉！所谓“一千个读者，就有一千个哈姆莱特”，大概是……看到这些单词不认识啊！所以就只好乱猜啦，然后每个人都猜得不一样！反正本宝宝是看得醉了……

英文字幕中的GRE单词分布

2. 最“学术”的十大影视作品

有的作品包含GRE单词比较多，但时间也很长。到底哪些影视的“性价比”最高呢？根据GRE单词占所有英文词条的比例排序，以下列出10大最“学术”（GRE单词占比最高）的影视作品供参考。其中有来自莎翁的作品有三部——《哈姆莱特/Hamlet》，《麦克白/Macbeth》和《奥塞罗/Othello》，平均每4个不同单词里面就有一个可以在红宝书里找到！现在，你们知道谁是真正的GRE狂魔了么！！！

经常有一种错觉，那些喜欢看纪录片的同学都逼格很高。现在知道，这并不是错觉！在top 10高频GRE电影中，六成是来自Discovery，国家地理和BBC的纪录片。所以，人家用来思考说话的语言就已经和凡人拉开档次了好嘛！

3. 看电影背GRE的学习曲线

现在问题来了，走过多少路才叫做成长，最少看完多少电影才学完GRE？考虑到不同影片的单词大量重复，这并不是一个简单的问题。

用数学的语言说，是给定全集U以及一个包含n个集合且这n个集合的并集为全集的集合S，要找到S的一个最小的子集，使得他们的并集等于全集，简称最小集合覆盖，是一个经典的NP难问题。(