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