作者介绍：blmoistawinde, 西南某高校学森一枚，喜欢有意思的数据挖掘分析。希望给世界带来些清新空气~
个人博客地址：https://blog.csdn.net/blmoistawinde。
本文首发于：https://blog.csdn.net/blmoistawinde/article/details/83443196
体坛，就是现代的江湖。耀眼的球星如同盖世大侠，杰出的队伍仿佛骁勇铁军。他们的风云故事在人们之间口口相传，也在网络的世界里广泛传播。
本文就旨在利用评论数据分析搜集中超之奇闻轶事，且看这个故事被人们如何传颂。
本文使用的评论数据爬取自直播吧APP里中超比赛的公开可见的赛后评论（截至26轮，共107491条），也从网络上搜集了球队、球员、足球术语等信息形成一个知识库以进行专门的匹配。
下面，就让我们一览评论数据里的中超风云：
重返现场，几多传说？
用每轮所有比赛的评论数总和作为该轮中超的热度，我们就可以得到中超开赛至今，各轮比赛的热度变化。
可以看到，首轮中超吸引了最多的眼球，这一方面是因为揭幕战总是会吸引更多的注意，另一方面也是因为首轮便出现了几场经典战役。例如上海上港以8：0屠杀了大连一方，宣誓了本赛季上港的高调崛起，也让大连这只重金打造的新军一度成为人们的笑柄。另一场则是荡气回肠的9球广州德比，让球迷大呼过瘾。
此后中超渐渐归于平淡，直至第九轮有一次热度的反弹，这可能是因为本轮比赛中，大连一方以3：0战胜恒大，这在当时绝对是惊天冷门，因为这可是大连的联赛首胜，然而从此大连开始大杀“四方”，将各路豪强（联赛前4）一一斩于马下。
人们的评论的热情在少数几轮发生了骤降，这可能是因为这几轮多在工作日展开。中超比赛一般都在周末进行，是人们周末休闲生活的极佳消遣，然而还是有几轮比赛安排在了工作日，于是。根据数据，超过75%的评论都会在完赛后三小时内被发表，那么工作日的比赛或许就会因为观看直播的人数变少，人们即使会在事后关注，也失去了评论的热情。例如本次数据中的最低谷，第23轮，就在国庆前两天的调休工作日打响，这个时候或许大家都在忙碌着最后的工作，或者准备着国庆的游玩计划吧。
回顾往事，尽管一些片段可能还在记忆中留存，然而总有一些情节已经模糊不清。不过接下来，我将利用主题模型[1]的技术，从评论中自动抽出比赛中的鲜明主题，带领大家重返现场，再度感受当时的心路历程。
这里，仅以首轮富力5-4战胜恒大的这场广州德比为例，下面是主题模型[1]得到的本场10大主题的前10名的关键词（每列为同一个主题的对应关键词）：
从各个主题的关键词中能够看到其各不相同的侧重点，为我们全方位地勾画出了本场比赛的舆论蓝图。
比如第一个主题0，球迷们在第一轮已经操心起了恒大主帅卡纳瓦罗的下课问题。主题5是一个相当应景的段子，正值元宵节的本场比赛也仿佛疯狂地包起了“汤圆”。主题9是首轮比赛人们对当时初步执行的U23新政的热烈讨论，在政策执行良久且常有变化的如今来看，大家应当又会别有感想。本场被打成筛子的恒大的替补门将刘殿座“一战成名”，迅速吸引了广泛的关注[tu cao]（在多个主题中出现），还得到了“漏电座”，“摄政王”等“雅号”，在主力门将曾诚伤愈后便极少再被起用。另外，我还注意到了一个奇怪的主题4，其中居然混入了一些欧洲球队和篮球队？翻阅具体评论，原来其中最典型的一条评论是这样写的：“我是阿森纳，恒大，马刺球迷，这日子没法过了“，看来直播吧的球迷们很多涉猎都相当广泛，只是这位球迷的运气实在是差了点~
群星璀璨，谁最耀眼？
今年中超，谁是最受人们关注的球员？谁又是广受赞誉的好球员？不妨先想想自己心中的答案，然后，我将用评论中统计得到的热度和情感度[2]（正数表示正面评价,越高代表评价越积极）来揭开谜底：
备受关注的人员多是来自各支豪门的球星（还有教练卡纳瓦罗），从情感度上也能看到各位球迷心中对他们各有评价，例如半程加盟恒大的塔利斯卡以及其优异的表现赢得了球迷的喜爱，被封“塔神”，鲁能主力门将王大雷作为鲁能的门神，因经验丰富和“大心脏”而受到赞誉。不过，无可置疑的当今中国第一前锋，本赛季射手王有利争夺者——武磊，以绝对优势排在了热议榜的第一名，情感度也比较正面。
本赛季的武磊热门到了什么程度呢？有球迷说：“吹武磊不用走程序，武磊牛！“不过即使是武磊也不是尽善尽美的，我又从各轮比赛的评论中抽出了更多提及武磊的热门评论，其中既有赞誉，也有质疑。让我们从评论中全方面立体的回顾武磊本赛季的经典表现：
第1轮，上港8-0大连：“扎哈维已邀请奥斯卡、武磊加入中超首轮帽子戏法群。“
第3轮，上港5-2富力：“富力教练：谁TM告诉我，武磊单刀随便放的“（为自己的单刀正名）
第8轮，亚泰2-1上港：“武磊一个明显的手球，VR（编者注：应为VAR，视频助理裁判）判罚后居然对裁判暴怒，这永远不是一个成熟球员该有的心里素质，难成大器！“
第15轮，上港4-1权健：“武磊：我现在满脑子都在想着狼队，哪还有心情踢点球啊……[滑稽] “（错失点球）
第25轮，上港5-0贵州：“支持武磊拿本赛季中超金靴的左边！！！！！！“（直截了当的号召，就收获了3523个点赞，超过了很多场比赛的总评论数）。
毋庸置疑，武磊在本赛季创造了他个人的又一高峰，也祝愿他能够勇夺球王，未来能够在中国和世界的舞台上发出更耀眼的光芒！
群雄逐鹿，鹿死谁手？
当今中超，最炙手可热的球队是哪一支？这个问题就不像球员一样那么容易回答，或许每个球队的球迷都会有自己心中的看法。
为了回答这个问题，我需要从每场比赛的数据中获得对应球队的关注度，然而比赛总是两队同时参与的，如何衡量单队的受关注程度？我的方法是，计算一只球队在其所有出战场次中的评论数总和，这样就算单场比赛的热度会受到另一只球队的影响，在综合了多场比赛后，真正的豪门还是会显示出它强大的吸引力。
接下来，让热度数据给我们一个客观的答案吧。
在球迷的版图上，“七冠王“恒大以绝对的优势占据第一，传统豪强北京国安和山东鲁能也有诸多簇拥，联赛新锐上海上港，以及本赛季声势颇大的大连一方也有着诸多关注度。而其余本赛季战绩不佳的球队，在关注度上则略显黯淡。
除了关注球队的热度，球迷对球队的褒贬评价也十分重要。不过球迷们对球队的评价常常会随着球队的表现而起伏波动，即使是对于当今联赛最出色的两支球队——上港和恒大也是一样，让我们来看看他们的情感度变化趋势。
有趣的是，这两只争冠队伍上的劲敌，在评价上常常是此起彼伏，往往在一方高奏凯歌时，另一方却会遭遇状况。不过两队目前的唯一一次交锋中，球迷对两队的评价比较均衡，因为这场比赛双方都有着精彩高水平的发挥。最近的一轮（26轮）中，恒大6：1大胜北京人和，而上港则被苏宁0：0逼平，双方的分差来到2分，恒大又看到了夺冠的希望，球迷们也开始情绪激昂。
接下来，让我们看看全体球队的情感度表现，在一图上比较和纵览整个赛季各队舆论趋势。为了防止过多的折线图互相纠缠而难以看清，这里我采用了热力图的方式呈现。越偏向橙红代表评价越高，而越偏向蓝紫则代表评价越低。
上图就仿佛球迷为球队吹响的冲锋号角，反映了球队高昂或低落的舆论士气，让我们看到看到各支球队评价的起伏变化。
首轮5-4战胜恒大的富力曾经让人惊艳，却在后来渐渐陷入低迷。
赛季半程（15轮左右），北京国安大胜华夏登顶，鲁能也有不错战绩，此时的红色显示出他们的气势如虹。却在赛季末段开始掉队。
贵州、重庆都在本赛季表现低迷，那成片的紫色仿佛病人的脸色。
上港和恒大都曾经历诸多坎坷，却在赛季末段勇往直前，如今已是冠军的最有力争夺者。谁那鲜红的号角能够响彻始终？让我们拭目以待。
评论即是江湖，众人自有心中的传奇。
今年中超的风云故事，还将在人们的言论中继续流传……
技术注释：
[1] 由于评论篇幅一般较短，这里使用了更适合短文本聚类的GSDMM模型，主题中的关键词由各主题下各个词语按其importance排序得到。考虑到情感度的计算，保留了”!?”这类的标点符号。【Yin, Jianhua and Jianyong Wang. “A dirichlet multinomial mixture model-based approach for short text clustering.” KDD (2014).】
[2] 为了衡量评论的褒贬情感度，使用了SO-PMI方法建立了情感词典，为每个常见词赋予了一个情感值，评论中所有词语的情感值平均决定了该评论的估计情感值。
◆ ◆ ◆ ◆ ◆
数据森麟公众号的交流群已经建立，许多小伙伴已经加入其中，感谢大家的支持。大家可以在群里交流关于数据分析&数据挖掘的相关内容，还没有加入的小伙伴可以通过扫描下方管理员二维码，让管理员帮忙拉进群，期待大家的加入。
管理员二维码：
●
●
●
●
●
1904
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
