■薛 亮 黃美帆

（中國(guó)社會(huì)科學(xué)院大學(xué)，北京，102488；南加州大學(xué)，美國(guó)洛杉磯，CA 90089-0851）

無論流行音樂產(chǎn)業(yè)以何種方式獲利，最根本的問題依然是如何真正理解受眾，抓住受眾的喜好。過去流行音樂業(yè)者主要透過唱片銷售量了解歌曲暢銷程度，但近年來數(shù)字音樂興起，受眾并非只能透過購(gòu)買唱片聆聽音樂，在線流媒體服務(wù)與社交媒體均是可以輕易接觸到流行音樂的方式。在線流媒體播放平臺(tái)（如網(wǎng)易云音樂、QQ音樂、KKBOX、Spotify、Apple Music）興起，使得收聽不同種類的流行音樂成本大幅下降，受眾更能夠輕易選擇喜愛的曲目；同時(shí)，判斷流行音樂是否為暢銷曲目，不再能僅憑唱片銷售的數(shù)字，因此，音樂產(chǎn)業(yè)必須開始重視并且分析應(yīng)用這些數(shù)字流媒體平臺(tái)及社群間不斷產(chǎn)生的大量數(shù)據(jù)。

流行音樂的相關(guān)研究可大致分為流行音樂內(nèi)容（文本）分析、流行音樂制作分析、流行音樂受眾分析等等。其中，音樂內(nèi)容可分為兩個(gè)部分，分別是：以音樂特征為主體的歌曲結(jié)構(gòu)分析，如音樂本身的旋律、節(jié)奏、音色、和弦等等；以流行音樂演唱的歌詞內(nèi)文作為主體的分析。本研究則是屬于以流行音樂演唱的歌詞文本作為主體的音樂內(nèi)容文本分析。

一、研究目的與研究對(duì)象

本研究期望基于大數(shù)據(jù)的分析，利用文字挖掘以及情緒分析的技術(shù)，了解受眾對(duì)流行音樂之喜好，協(xié)助流行音樂制作出版相關(guān)產(chǎn)業(yè)，提供制作出版與營(yíng)銷之參考。研究將針對(duì)華語流行音樂，以歌詞的面向了解聽眾對(duì)音樂情感之喜好，提供流行音樂制作出版之音樂類型建議，幫助流行音樂產(chǎn)業(yè)在進(jìn)行音樂出版銷售時(shí)能夠更精準(zhǔn)地運(yùn)作。

本研究欲了解2011年至2016年華語熱門流行歌曲歌詞情感趨勢(shì)，因此，選取了“MusicRadio中國(guó)TOP排行榜”、“QQ音樂內(nèi)地/港臺(tái)巔峰榜”和“網(wǎng)易云音樂熱歌榜”等三個(gè)較有代表性的與新媒體平臺(tái)相關(guān)的榜單作為研究對(duì)象的來源，經(jīng)交叉比對(duì)后，選出同一時(shí)間內(nèi)三個(gè)榜的共同作品作為文本分析對(duì)象。需要說明的是，由于“網(wǎng)易云音樂”這款終端是2013年才發(fā)布的，因此2013年之前的榜單主要從另外兩個(gè)排行榜中選取。

二、技術(shù)背景

大數(shù)據(jù)（Big Data）是指以現(xiàn)有科技的水平難以處理的大量數(shù)據(jù)，數(shù)據(jù)的大小并沒有被定義，而是依照當(dāng)時(shí)的科技能力而定；大數(shù)據(jù)的數(shù)據(jù)類型可分為結(jié)構(gòu)化數(shù)據(jù)（即關(guān)系數(shù)據(jù)庫(kù)能夠容易處理之?dāng)?shù)據(jù)類型，如數(shù)值、字符字串、布爾值等）與非結(jié)構(gòu)化數(shù)據(jù)（即關(guān)系數(shù)據(jù)庫(kù)難以直接處理之?dāng)?shù)據(jù)形態(tài)，如網(wǎng)頁(yè)、文件、多媒體等）。大數(shù)據(jù)具有“4V”的特征：

Volume（大體量）——指數(shù)據(jù)的數(shù)量龐大，而大數(shù)據(jù)的數(shù)據(jù)量通常是以現(xiàn)有的科技能力難以處理的數(shù)量，會(huì)隨著科技的演進(jìn)不斷地增加；

Velocity（高速度）——指數(shù)據(jù)產(chǎn)生與更新的速度是極快的，例如云音樂歌單不斷快速產(chǎn)生的用戶的活動(dòng)記錄（收藏、評(píng)論）等數(shù)據(jù)，它們每分每秒都在快速地增加與更新；

Variety（多樣性）——指數(shù)據(jù)的內(nèi)容與結(jié)構(gòu)有豐富的多樣性，除了結(jié)構(gòu)化的數(shù)據(jù)，也存在著非結(jié)構(gòu)化的圖像、聲音、影片及社交網(wǎng)站上的推廣性質(zhì)文章內(nèi)容等；

Veracity（真實(shí)性）——指數(shù)據(jù)本身可靠、可信，由于所有數(shù)據(jù)的存儲(chǔ)和采集，均由系統(tǒng)后臺(tái)無差別記錄、保存而成，因此能夠客觀、真實(shí)地反應(yīng)用戶狀態(tài)、需求、行為以及判斷。

由于大數(shù)據(jù)有以上特性，配合數(shù)據(jù)分析的技術(shù)，能夠從海量的數(shù)據(jù)中分析得出有效信息，進(jìn)而轉(zhuǎn)換成商業(yè)信息，協(xié)助企業(yè)科學(xué)地找出現(xiàn)象背后的本質(zhì)、了解目前的狀況，進(jìn)而分析未來的趨勢(shì)。大數(shù)據(jù)的應(yīng)用范圍很廣泛，對(duì)于音樂產(chǎn)業(yè)而言更是意義重大，例如美國(guó)流媒體音樂服務(wù)商潘多拉（Pandora）靠用戶數(shù)據(jù)預(yù)測(cè)格萊美獎(jiǎng)（Grammy Awards），靠用戶數(shù)據(jù)精準(zhǔn)投放廣告，并為了讓優(yōu)秀的樂隊(duì)和歌手能被大眾聽到，為音樂人提供受眾數(shù)據(jù)分析工具AMP（Artist Marketing Platform），以幫助音樂人了解關(guān)于他們的受眾的數(shù)據(jù)（如收聽習(xí)慣等），以方便創(chuàng)作。

三、分析方法

本研究所用的分析方法主要涉及文字?jǐn)?shù)據(jù)挖掘與情緒分析兩大方面。

文字?jǐn)?shù)據(jù)挖掘文字?jǐn)?shù)據(jù)挖掘（Text Mining）是針對(duì)文字?jǐn)?shù)據(jù)進(jìn)行分析的技術(shù)，透過各種不同的量化技巧，試圖找出隱含且有助于決策之信息或知識(shí)。相較于傳統(tǒng)的數(shù)據(jù)挖掘主要是針對(duì)結(jié)構(gòu)化的數(shù)據(jù)進(jìn)行挖掘，其主要針對(duì)半結(jié)構(gòu)化（semi-structured）或非結(jié)構(gòu)（unstructured）格式儲(chǔ)存之文字?jǐn)?shù)據(jù)進(jìn)行處理。文字?jǐn)?shù)據(jù)挖掘是一種編輯、組織及分析大量文件的過程，以為特定的決策者提供特定的信息，以及發(fā)現(xiàn)隱藏的特征及其關(guān)聯(lián)。文字不像數(shù)值具有單位統(tǒng)一性質(zhì)，其使用以及表達(dá)方式也是因人而異，因此，文字挖掘的技術(shù)最重要的就是將非結(jié)構(gòu)化或半結(jié)構(gòu)化文字或文件進(jìn)行量化，再利用其屬性尋找出各文件之間的相關(guān)性或關(guān)鍵詞語——而如何將其進(jìn)行結(jié)構(gòu)性量化，是文件挖掘最首要的目標(biāo)。

文字?jǐn)?shù)據(jù)不像數(shù)字或者運(yùn)算公式是全球通用的，文字挖掘中文字?jǐn)?shù)據(jù)的分析處理方法會(huì)因地區(qū)文化及語言使用習(xí)慣不同而有所異。例如：英文的“Together”這個(gè)詞，對(duì)計(jì)算機(jī)來說可以清楚地理解是一個(gè)單一的詞“在一起”，而不會(huì)認(rèn)為是一句話“得到她”（to get her），這是因?yàn)橛⑽恼Z言由空格判斷字詞的位置；但是對(duì)于中文來說，并沒有可以進(jìn)行字詞判斷的標(biāo)準(zhǔn)，如“你好不好”這句話可以斷詞為“你|好|不好”、“你|好不好”、“你好不|好”，而它們所產(chǎn)生的意思完全不同。

文字挖掘技術(shù)經(jīng)常應(yīng)用于處理分類議題，透過分類相關(guān)算法與技術(shù)，將大量文件分門別類，以滿足檢索與分析的需求。文字挖掘分類技術(shù)可分成以下兩種方向，分別為“群集”（clustering）與“分類”（categorization）——群集法是將集合切割成不同的未知主題或特性的小群集，并在切割后找出屬于該群集的主題和特性；分類法則是依照已知的主題或特性進(jìn)行分類，必須事先定義好集合。而由于分類法中類別集合為事先定義，因此可透過改善范本訓(xùn)練數(shù)據(jù)的精確程度及特征值，提升分類結(jié)果之準(zhǔn)確率。

情緒分析情緒分析（Sentiment Analysis，或可稱“情感分析”）是指通過一些主題或文件的整體脈絡(luò)判斷或預(yù)測(cè)文本的情緒或者意見態(tài)度。情緒分析常用的分析方法是通過找出文字內(nèi)容和經(jīng)由人工標(biāo)記的情緒類別，尋找文字跟情緒之間的關(guān)聯(lián)性。因此，當(dāng)我們所搜集的關(guān)聯(lián)樣本足夠多，使得尋找出來文字與情緒之間的關(guān)聯(lián)性具有顯著相關(guān)性時(shí)，即可預(yù)測(cè)出未知情緒類別的文字內(nèi)容可能帶有的情緒。

情緒分析可區(qū)分為三種層級(jí)來討論，分別為字詞、語句、文章。大多數(shù)的相關(guān)研究在文章層級(jí)，根據(jù)文章中的圖釋預(yù)測(cè)作者表達(dá)的情感，并將圖釋作情緒分類，如喜、怒、哀、樂。最后發(fā)現(xiàn)，若將情緒區(qū)分為正反兩面來做，SVM（Support Vector Machine，支持向量機(jī)）上的情緒分類效率是最高的。在情緒分類方面，Thayer二維情緒分類模型，將情緒分為四種，分別為滿足（contentment）、憂郁（depression）、熱情（exuberance）、焦慮/煩躁（anxious/frantic）。

就音樂的研究而言，以往的研究多借由音樂特征（旋律、節(jié)奏等）來區(qū)分能量（Energy）的程度，而壓力（Stress）的程度則多以歌詞內(nèi)容來區(qū)分。本研究的研究目標(biāo)為歌詞，以壓力程度為情緒的分類目標(biāo)，將熱門歌曲的歌詞分為“快樂”（正向）以及“焦慮”（負(fù)向）兩類情緒；另外，本研究并未搜集音樂特征數(shù)據(jù)，因此情緒的能量（Energy）程度將不在探討范圍。在詞匯的情感傾向?qū)用妫狙芯繉⒃~語分為正面情感詞（如“開心”、“幸福”、“溫暖”等）和負(fù)面情感詞（如“墮落”、“放手”、“絕望”等）。另外特別標(biāo)明了“程度詞”，即形容情感詞程度的詞匯，如“好幸福”中的“好”這類程度副詞，并且為其做了加權(quán)處理——“極其”、“最”的加權(quán)值為2，“超”、“非?！睘?1.5，“很”為 1.25，“較”為1.2，“稍”為0.8，“缺”、“欠”等這類為0.5；而否定詞，例如“不”、“沒”、“無”、“非”、“莫”等標(biāo)示為相反情感，如“不開心”則被標(biāo)示為負(fù)面情感詞。

四、分析路徑

為利用SVM分類算法進(jìn)行歌詞情感分類，歌詞數(shù)據(jù)須先經(jīng)過斷詞處理，并比對(duì)情感詞庫(kù)中詞的情感，最后選取出歌詞情感的特征值。按以下步驟操作：

（一）中文斷詞

詞為中文文章意義的最小單位，相較于英文文章中對(duì)于詞的處理，中文無法利用詞與詞之間的空格分辨出哪幾個(gè)字可組合成詞，因此若要對(duì)中文的文章運(yùn)用詞進(jìn)行分析，需要先經(jīng)過斷詞處理，將文章中的每個(gè)詞分隔出來才能運(yùn)用。本研究采用開源的中文斷詞系統(tǒng)Jieba，進(jìn)行歌詞的斷詞。例如：

如果|感情|會(huì)|掙扎，沒有|說的|儒雅；把|挽回的手|放下，鏡子里的|人|說|假話，違心的|樣子|你決定了嗎？……我們的|距離|到這|剛剛好，不夠|我們|擁抱|就|挽回不了，用力|愛過的|人|不該計(jì)較，是否|要逼人|棄了|甲，亮出|一條|傷疤，不堪的|根源|在哪，可是|感情|會(huì)掙扎，沒有|別的辦法|……再|(zhì)不爭(zhēng)|也|不吵，不必|再|(zhì)煎熬……天空|有些|暗了|暗的|剛剛好，我難過的|樣子|就|沒人看到，你|別|太在意|我身上的|記號(hào)。（選自薛之謙《剛剛好》）

（二）情感詞庫(kù)及比對(duì)

本研究整合HowNet（知網(wǎng)）和“搜狗”中文情感詞庫(kù)作為比對(duì)范本。綜合詞庫(kù)可以表示概念之間以及其所帶有的屬性之間的關(guān)系。對(duì)于中文詞匯，“詞”是語句中的最基本概念，最小語義單位。由于中文中“詞”的含義非常復(fù)雜，往往在不同的情境中會(huì)表達(dá)不同的意義，因此在綜合對(duì)比詞庫(kù)中，將“詞”分為若干詞義的集合，包含2 812個(gè)正面情緒詞（如“開心”、“幸?！薄ⅰ皽嘏钡龋┡c4 276個(gè)負(fù)面情緒詞（如“墮落”、“放手”、“絕望”等）。為分辨詞匯的情感，本研究整合情感詞匯、程度詞匯以及否定詞匯，比對(duì)歌詞，尋找歌詞中的情感特征值。如前文所述，程度詞指的是形容情感詞程度之詞匯，如“好幸?！敝械摹昂谩?。要找出歌詞中帶有情感色彩的詞匯，須先將斷詞處理后的詞匯與情感詞庫(kù)中之情感詞匯進(jìn)行比對(duì)，然后將比對(duì)結(jié)果標(biāo)記于歌詞數(shù)據(jù)中。

例如對(duì)《剛剛好》的歌詞，系統(tǒng)會(huì)做出如下劃分：

正面情感——好、愛過、在意、儒雅……

程度詞——?jiǎng)倓偅ê茫?、太（在意）、沒（+儒雅）、不夠、有些……

負(fù)面情感——掙扎、沒+儒雅、假話、違心、挽回不了、傷疤、不堪、煎熬、暗、難過……

可以初步得出一個(gè)結(jié)論，整首歌詞情緒非常負(fù)面，本就不多的正面情感詞匯前幾乎都加了否定詞，或者程度詞，而在本就很多的負(fù)面情感詞匯前還添加了程度詞，由此越顯得負(fù)面。

（三）SVM模型

SVM（Support Vector Machine）是在分類問題上經(jīng)常使用的數(shù)學(xué)模型，其主要的概念是將欲分類用的特征值建構(gòu)成一個(gè)多維度的超平面來分類數(shù)據(jù)，利用訓(xùn)練用的范例數(shù)據(jù)向量分成相應(yīng)的類別，并尋找這個(gè)平面的邊界最大化。例如下頁(yè)圖1所示的原理：欲將圖中的黑點(diǎn)與白點(diǎn)利用SVM分類，SVM會(huì)尋找黑點(diǎn)所在的平面與白點(diǎn)所在的平面之間的界線——如圖中的深色線，兩條淺色線則用來示意兩平面上的點(diǎn)與黑線之間的距離w，而SVM的目標(biāo)為尋找到擁有最大距離的黑線Max(w)。本研究將使用臺(tái)灣大學(xué)林智仁教授所開發(fā)的SVM工具套件 LIBSVM（Chang et al.，2011），利用R語言進(jìn)行訓(xùn)練分類。

圖1 SVM分類原理示意圖

利用SVM分類算法進(jìn)行歌詞自動(dòng)分類，要先列出可能成為分類特征之特征值（見表格）。例如，將每首歌的歌詞先經(jīng)過Jieba斷詞系統(tǒng)將歌詞分為個(gè)別詞匯，接著將每個(gè)詞匯對(duì)照情感詞庫(kù)，找出每個(gè)詞匯的屬性，計(jì)算出正面情感與負(fù)面情感數(shù)量為特征值。

圖2 SVM訓(xùn)練模型運(yùn)算參數(shù)格式

（四）比對(duì)分析

當(dāng)利用SVM分類算法而建立的分類模型將所有歌曲歌詞情感分類完畢后，由統(tǒng)計(jì)出來的具有正負(fù)向歌詞的歌曲情況，可大略知道受眾對(duì)華語流行音樂歌詞情感喜好的畫像，例如大部分受眾喜好有正面情感歌詞的歌曲還是有負(fù)面情感歌詞的歌曲，同一年度中具有何種情感傾向的歌曲數(shù)量較多等等。當(dāng)然，這里要說明的是，歌詞體現(xiàn)出來的負(fù)面情感，對(duì)于聽眾而言，并不一定都是負(fù)面影響，因?yàn)閭械?、消極的負(fù)面情感也是聽眾排遣自己傷感情緒的一種重要方式，因此，負(fù)面情感也有積極作用。

五、結(jié)論：歌詞情感公式及五年來呈現(xiàn)的規(guī)律

本研究最后利用數(shù)據(jù)可視化軟件Tableau將排行榜數(shù)據(jù)及依照時(shí)間序列分析后的結(jié)果進(jìn)行可視化呈現(xiàn)，以探討隱藏于其中之信息，如每年上榜的歌曲之歌詞情感是否會(huì)依照季節(jié)而變化等等。本研究將觀察統(tǒng)計(jì)時(shí)間切割為每月一次，查看每月中具有各類情感歌詞之歌曲的數(shù)量變化；將歌曲數(shù)量化為可公平比較的情感數(shù)值，讓每月都從相同的基準(zhǔn)點(diǎn)出發(fā)，以利于更精確地觀察熱門歌詞情感的變化。情感分?jǐn)?shù)計(jì)算公式見下頁(yè)，其中Score(m)為某月的情感分?jǐn)?shù)，m(d)為該月份總天數(shù)，d則為該月份的某個(gè)日期，SPd為該日期具有正面情感歌詞的歌曲總數(shù)，SNd為該日期具有負(fù)面情感歌詞歌曲的總數(shù)，最后會(huì)得到一個(gè)1與-1之間的分?jǐn)?shù)Score(m)——若Score(m)＞0，代表當(dāng)月的歌詞情感以正面的為主，Score(m)＜0則表示當(dāng)月的歌詞情感以負(fù)面的為主。

表格 可能成為歌詞分類特征的各個(gè)特征值

圖3 2011至2016年的每月情感分?jǐn)?shù)變化

本研究將每月的歌詞情感數(shù)量標(biāo)準(zhǔn)化后得到每月情感分?jǐn)?shù)，并按時(shí)間序列畫出2011年至2016年每月情感分?jǐn)?shù)變化的折線圖（如圖3）。由圖可見，上榜歌曲的情感分?jǐn)?shù)皆為正數(shù)，可認(rèn)為受眾對(duì)具有“正面情緒”歌詞之歌曲有較高的偏好。另外，這五年間，歌曲的情感分?jǐn)?shù)從原本的0.5分緩慢地減少至2016年的0.1分，由此可發(fā)現(xiàn)，榜單雖以歌詞具有正面情感的歌曲為主，但卻有逐漸轉(zhuǎn)向具負(fù)面情感的趨勢(shì)，到2016年已經(jīng)表現(xiàn)出正面情感歌曲與負(fù)面情感歌曲接近持平的狀態(tài)。

此外，從圖中可以發(fā)現(xiàn)，每年12月至來年3月之間，每月情感分?jǐn)?shù)會(huì)出現(xiàn)一個(gè)高峰，7月和8月則呈現(xiàn)低點(diǎn)，可以觀察到歌曲情感偏向也有依季節(jié)（暑期、“畢業(yè)季”、“分手季”等）變化的趨勢(shì)。另外，從折線起伏變化中還能發(fā)現(xiàn)一些規(guī)律，例如當(dāng)一部現(xiàn)象級(jí)的電影或者電視劇熱播之際，其主打歌或主題曲會(huì)帶來局部情感趨勢(shì)的波動(dòng)，例如《平凡之路》、《匆匆那年》①《平凡之路》為電影《后會(huì)無期》插曲，該片上映時(shí)間為2014年7月；《匆匆那年》為同名電影主題曲，該片于2014年12月上映。——但由于是單首作品帶來的波動(dòng)，不會(huì)對(duì)整體長(zhǎng)期趨勢(shì)有實(shí)質(zhì)性影響。

大數(shù)據(jù)分析方法被越來越多地用于音樂等藝術(shù)的分析和使用上，隨著各大音樂流媒體終端和平臺(tái)逐漸成熟，該方法的影響力也將逐漸增大。本研究暫未將其他平臺(tái)的排行榜數(shù)據(jù)及用戶反饋采納入樣本，且只探討華語流行音樂，并未涉及其他語言或風(fēng)格的音樂如歐美、日韓歌曲甚至獨(dú)立制作之歌曲等。另外，本研究只針對(duì)音樂歌詞進(jìn)行分析，探討其情感趨勢(shì)，其他音樂特征并未涉及。

今后的研究會(huì)著重從以下幾方面改善：首先，修正情感特征值，增加訓(xùn)練數(shù)據(jù)集，提升分類準(zhǔn)確度；第二，加入其他在線音樂流媒體終端的排行榜數(shù)據(jù)，增加熱門曲目判斷的依據(jù)；第三，加入對(duì)其他音樂類型的考察，增加了解受眾喜好的途徑，尋找各音樂類型之間的關(guān)聯(lián)；第四，結(jié)合歌曲的音樂特征，如節(jié)奏、旋律等，增加情感類別并提升分類的準(zhǔn)確度；第五，結(jié)合不同的事件或新聞，探討華語流行音樂受眾對(duì)歌詞情感的喜好變化的原因。

[1]夏云慶、楊瑩、張鵬洲、劉宇飛《基于情感向量空間模型的歌詞情感分析》，載《中文信息學(xué)報(bào)》2010年第1期。

[2]V.N.Vapnik，The Nature of Statistical Learning Theory，New York：Springer，2000.

[3]“知網(wǎng)”信息庫(kù)。http://www.keenage.com/html/c_index.html