【RNG vs SKT】弹幕的自然语言的初步分析

前排 @皇族电子竞技俱乐部

==================================

S7中RNG对阵SKT，想必是全世界LOL玩家关注的重点。在比赛开始前，使用小葫芦把斗鱼S7直播间的弹幕都抓下来，想着做一小点分析，看看会得出什么结论。

因为数据量和分析深度等原因，以下内容仅供娱乐观赏

1、数据采集

使用小葫芦采集2万多条弹幕数据，RNG对阵SKT斗鱼直播间的弹幕，最后得到约4万可用数据

2、中文分词

使用jieba分词，算法如下

• 基于前缀词典实现高效的词图扫描，生成句子中汉字所有可能成词情况所构成的有向无环图 (DAG)

• 采用了动态规划查找最大概率路径, 找出基于词频的最大切分组合

• 对于未登录词，采用了基于汉字成词能力的 HMM 模型，使用了 Viterbi 算法

简单处理之后，看起来是这样

顺便做个统计，看看都在说什么。不加停用词是这样的，全是 “666”

   

RNG和牛逼是出现最多的词语，同时也发现“卢本伟牛逼”

弱弱问一句“唐梦琼”是谁

下面是词云，Python的词云做不来不好看，所以我使用的工具 HTML5 Word Cloud

弹幕内容词云

用户昵称词云

3、情感分析

这里使用的是 isnowfy/snownlp。SnowNLP是一个python写的类库，可以方便的处理中文文本内容，是受到了TextBlob的启发而写的。