昨天5.4青年節，朋友圈已經被《後浪》刷屏，相信大部分人都看過了小破站獻給新一代的演講（商業片）。
習慣性地打開了微博和知乎，想看一下別人的看法，想知道我是不是有些頹廢而與這個社會格格不入？
當我打開了微博和知乎，我才發現《後浪》翻車了，原來我們都一樣，都很難再感受到《後浪》中的激情和理想。在這裏看着大家的評論和回答，就好像在看着自己過得生活，評論和回答太多，所以就直接爬了下來，然後上班的時候慢慢地看。
爬取的地址分別爲：
-
知乎回答：如何評價 B 站 2020 年五四青年節宣傳短片《後浪》？
-
人民日報微博“奔涌吧，後浪！這是#獻給年輕一代的演講#”下評論
-
bilibili獻給新一代的演講《後浪》彈幕
作爲一名數據分析師就習慣把手頭的數據分析一下，所以也就拿這些數據簡單的進行了一下分析。
評論情感傾向
先調用百度AI來分析微博和b站的評論情感傾向。
知乎的回答字數過多，做情感分析肯定不準確，就沒做分析。
from aip import AipNlp
""" 你的 APPID AK SK """
APP_ID = '你的APP_ID'
API_KEY = '你的API_KEY'
SECRET_KEY = '你的SECRET_KEY '
client = AipNlp(APP_ID, API_KEY, SECRET_KEY)
text = "XXXXXXXX"
""" 調用詞法分析 """
response = client.sentimentClassify(text)
# "sentiment":2, //表示情感極性分類結果 0:負向，1:中性，2:正向
# "confidence":0.40, //表示分類的置信度
# "positive_prob":0.73, //表示屬於積極類別的概率
# "negative_prob":0.27 //表示屬於消極類別的概率
for info in response['items']:
if info ['sentiment'] == 2:
print("正向")
if info ['sentiment'] == 0:
print("負向")
if info['sentiment'] == 1:
print("中性")
print("可信度：",info['confidence'])
print("屬於積極類別的概率是：",info['positive_prob'])
print("屬於消極類別的概率是：",info['negative_prob'])
需要注意的是，在各個平臺評論最多的“奔涌吧，後浪！”，在百度AI中是個消極句子，需要特殊處理。
結果如下：
非常明顯，b站的彈幕正向居多，而微博的評論負向居多。
詞雲
通過上文的情感分析，各家平臺的用戶對於《後浪》的態度各異，他們又是如何評價的呢？
統計評論和回答中的高頻詞，製作詞雲看一下吧。
知乎微博更多在圍繞“現實”、“社會”、“房價”、“韭菜”之類的詞彙，5.4青年節的這個時點，自然對於這類滿滿雞湯的“勵志視頻”非常反感。
相反，在b站的用戶看來，這是小破站在跨年晚會之後，再一次出圈並受到了主流媒體的認可，自然非常開心。
說說我個人的看法吧。
第一遍看的時候，被何冰老師的演講給深深的折服，以青年宣言《後浪》爲詞，認可、讚美與寄語年輕一代。在UP主們的青春混剪中，屬於年輕人的光芒正在閃耀。“你們有幸，遇見這樣的時代，但時代更有幸，遇見這樣的你們！”讓我也在一瞬間熱血沸騰，也有了想要轉發的衝動，想讓“前浪”看一下這就是我們“後浪”。就在想要點擊轉發的時候，我突然遲疑了，我現在還是“後浪”嗎？
如果放在幾年前，我想《後浪》中年輕人的模樣就是我當年的模樣，那個時候我在讀大學，租住着全國最便宜的房子，吃着可口又便宜的飯菜，雖然兜裏沒有幾個錢，但是我卻的確可以像《後浪》中提到的，學一門語言，學一門手藝，喜歡攝影就去攝影，喜歡旅行就去旅行，這是我曾經的模樣，也是在那時第一次接觸到了B站，像打開一個新世界一樣，於是順理成章的成了小破站的粉絲。
但到了現在，我發現我可能很難在成爲《後浪》中年輕人的模樣，或者說是失去了好多選擇的權利，看着彈幕中“奔涌吧！後浪！”，感覺自己可能只算的上是被後浪裹挾着的浮游，爲了工作可能放棄了愛好，爲了房子可能放棄了旅行，爲了這個而又放棄了那個，選擇的並不是我想要的選擇，而是只剩下這個選擇。
最終我沒忍住，把後浪發給了一位比我年長的朋友，他發給我一個視頻，可能這纔是真的想說的吧。
視頻：https://www.bilibili.com/video/BV1qa4y1i74i/
文案：等你下課
代碼、排版：朱小五
本文首發於公衆號【凹凸數據】，id：alltodata