以《大秦帝国之崛起》为例，来谈大数据舆情分析和文本挖掘

本文作者将以《大秦帝国之崛起》作为分析对象，来详细阐述在大数据时代数据分析会涉及到的全网舆情分析、微博传播分析以及文本挖掘。

今年开年，因饰演白起的演员王学兵吸毒而拖延上映的《大秦帝国之崛起》（以下简称为“崛起”），终于在剧迷的千呼万唤中播出。

这部根据孙皓晖同名小说改编的电视剧是“大秦帝国”系列的第三部，首部《大秦帝国之裂变》，第二部《大秦帝国之纵横》分别于2009年、2013年播出，均获得不错的口碑，第三部《大秦帝国之崛起》因为上面的原因而补拍，直到今年年初才在央视开播。

本文将以该剧作为分析对象，来详细阐述在大数据时代数据分析会涉及到的三个“子课题”：

全网的舆情分析：基于全网媒体或网民关于该剧的探讨，进行“Social Listening(社会化聆听)”，了解该剧整体口碑概况

微博传播分析：基于新浪微博某条对于该剧具有重大影响力的微博的传播情况，了解该条微博的传播规律，互动粉丝的画像，以及水军的辨识

文本挖掘：通过对该剧相关非结构化文本数据的分析，了解其获得观众较高认可的原因

在接下来的分析中，笔者将结合分析工具（新浪微舆情、头条媒体实验室、Python、Gephi等）、分析思路（分析角度和分析流程）、业务知识（对该剧的了解和原著小说的认知），来谈谈一个完整的数据分析case如何完成，上面所涉及的3个子课题是本文分析的重点。下图是本文的主要内容和文章结构：

（1）“崛起”的全网关注度走势

因为该剧播出的时间段是2017-2-9~2017-3-6，故笔者选取了在该剧播出前后略有延展的时间区间，以便观察这段时间内关于该剧的全网信息量走势。

大秦帝国之崛起全网关注度走势图（2-1~3-13）

从全网总体的关注度来看，在电视剧播出前的关注量较少，而在电视剧播出期间的关注度（有关该剧的网络信息量）陡然上升，在播出的第一天（2017-2-9）关注度就出现了明显在上升。在该剧在播出结束后（2017-3-6），信息量逐渐减少，呈下降趋势。

（2）“崛起”的全网关注度来源

从各信息发布渠道的表现来看，该剧在微博（新浪微博和腾讯微博）上的信息量占据主导地位，“二次崛起”后的微博仍是娱乐影视的主阵地，是粉丝与主创团队进行互动的首选。下图是“崛起”的全网信息量来源构成。

除去微博的信息之后，则可以看到除微博（新浪微博和腾讯微博）以外哪些信息渠道关于该剧的讨论量较多。

由此可以看出，新浪博客、百度贴吧这样的泛娱乐化社区关于该剧的讨论也颇多，前者滥觞于明星入驻，是全国最主流，人气颇高的博客频道之一；而百度贴吧是全球最大的中文社区，是“粉丝文化”的催化剂。百度贴吧的迅速走红，是与“粉丝”及“粉丝文化”的流行紧密相关的，而在“粉丝文化”的发展过程中，百度贴吧也起到了重要作用。

（1）“崛起”的全网信息形成的关键词云

以下是全网关于“崛起”的文本信息的关键词提取，总计有60个，这些关键词来自于媒体报道，抑或用户UGC评论，从中我们可以发现网路上关于该剧的讨论集中在哪些关键点上。

从上图中可以看出，除了本剧的片名—“大秦帝国”以外，还有一些比较反映该剧特征的词汇，根据笔者对该剧的了解，特挑出其中主要的两类词汇：

剧集相关：“收视”和“收视率”（在无大规模宣传的情况下，收视率一路走高）、“拍戏”、“张博”（饰演秦昭襄王嬴稷的演员）、“导演”、“剧本”、“创作”、“花絮”、“创作者”