影視劇《狂飆》于2023年1月14日在CCTV-8與網(wǎng)絡(luò)平臺(tái)愛奇藝同步播出。該劇自播出以來，引發(fā)了全民現(xiàn)象級(jí)討論，成為2023年度首部爆款劇作�！犊耧j》以兩條故事線為敘事線索，其一為小人物高啟強(qiáng)逐步成為黑社會(huì)頭目的“發(fā)家史”;其二為以安欣為代表的政法系統(tǒng)干部與黑惡勢力長達(dá)二十年的“斗爭史”。該劇通過“三幕式”時(shí)空交錯(cuò)的敘事手法、精彩且充滿懸念的故事情節(jié)以及鮮活生動(dòng)具備“反差萌”的人物性格，贏得了觀眾的一致好評(píng)。在藝術(shù)層面上取得成功的同時(shí)，在價(jià)值傳播上也獲得了觀眾的認(rèn)可。劇中通過對(duì)“黃翠翠案”“莽村案”和“二·二八槍擊案”等一系列案件的偵破，充分體現(xiàn)了黨和政府掃黑除惡常態(tài)化、不惜一切代價(jià)打破保護(hù)傘的決心與能力。截至2023年4月10日，《狂飆》在豆瓣網(wǎng)收獲8.5分的高分，有77萬余名觀眾對(duì)該劇進(jìn)行評(píng)分，其中有25萬余人發(fā)表觀點(diǎn)參與討論�？梢�，將《狂飆》作為研究對(duì)象，可以很好的探究“頂流熱劇”何以生成與建構(gòu)，溯源其“走紅”內(nèi)在肌理、必備要素與發(fā)生機(jī)制，為今后的影視劇創(chuàng)作具有重要的借鑒意義。本文以豆瓣網(wǎng)為數(shù)據(jù)庫，通過Python工具對(duì)《狂飆》豆瓣網(wǎng)長評(píng)進(jìn)行數(shù)據(jù)抓取，利用文本分析與機(jī)器學(xué)習(xí)的技術(shù)，從觀眾回饋角度使用定量方法對(duì)《狂飆》進(jìn)行深入剖析。

一、豆瓣長評(píng)獲取

（一）豆瓣評(píng)論

豆瓣網(wǎng)號(hào)稱“文藝青年聚集地”，網(wǎng)站以讀書、電影、音樂、同城、小組等核心板塊為中心，依靠網(wǎng)友自發(fā)分享和評(píng)價(jià)書籍、影視和音樂作品作為高質(zhì)量輸出內(nèi)容，具有較強(qiáng)的用戶粘性，反映了國內(nèi)社會(huì)一大部分青年的價(jià)值取向和文藝追求。其中，豆瓣影視的評(píng)分機(jī)制賦予大眾一人一票的公平投票權(quán)利，受商業(yè)化滲透程度較低，成為國內(nèi)影視劇口碑影響力最重要的參考依據(jù)之一。豆瓣評(píng)論通常包括長評(píng)與短評(píng)，短評(píng)數(shù)量龐大，但評(píng)價(jià)內(nèi)容較少，信息密度不高，容易被“水軍”占領(lǐng)輿論陣地，發(fā)生刷分刷負(fù)現(xiàn)象，從而產(chǎn)生信息噪音。相比較而言，長評(píng)數(shù)量雖然明顯更少，但長評(píng)的細(xì)節(jié)豐富，對(duì)故事情節(jié)、角色刻畫、邏輯架構(gòu)的批判與分析更為到位，言之有物的內(nèi)容充分表達(dá)了觀眾的意識(shí)形態(tài)和情感需求，因此本文選取豆瓣長評(píng)作為文本分析的主要研究對(duì)象。

（二）數(shù)據(jù)爬取

利用Python3.8工具爬取豆瓣網(wǎng)關(guān)于電視劇《狂飆》的影視長評(píng)內(nèi)容，具體步驟包括三步：(1)獲取長評(píng)內(nèi)容網(wǎng)址鏈接，分析網(wǎng)站結(jié)構(gòu);(2)導(dǎo)入requests、BeautifulSoup等第三方庫，通過編寫代碼發(fā)送請(qǐng)求并返回響應(yīng)，并使用正則表達(dá)進(jìn)行內(nèi)容解析，獲得所需數(shù)據(jù)(核心代碼見附錄1，結(jié)果備索);(3)將爬取數(shù)據(jù)儲(chǔ)存至CSV表格中。

通過爬蟲及數(shù)據(jù)清洗獲得用戶昵稱、發(fā)評(píng)時(shí)間、長評(píng)內(nèi)容、評(píng)分、評(píng)論影響(贊同與反對(duì))、評(píng)論字?jǐn)?shù)等相關(guān)信息，由于存在重復(fù)評(píng)論和被折疊評(píng)論，經(jīng)刪除無效數(shù)據(jù)后最終共抓取3075條評(píng)論，涵蓋了97%的總長評(píng)數(shù)。原始數(shù)據(jù)結(jié)構(gòu)如下：

 

注：以上表格僅展示部分?jǐn)?shù)據(jù)，用戶昵稱從第二個(gè)字起用“*”號(hào)隱去。

二、豆瓣長評(píng)分析

（一）長評(píng)評(píng)分、評(píng)論及觀眾特征

本文利用Python的第三方庫pyecharts對(duì)爬取的3 075條評(píng)論進(jìn)行可視化分析，排除657個(gè)用戶未進(jìn)行評(píng)分，剩下2 418個(gè)數(shù)據(jù)的評(píng)價(jià)結(jié)果如圖所示。從圖1可以看出，在所有長評(píng)數(shù)據(jù)中，超過一半(52.4%)的觀眾給出五星好評(píng)(力薦)，30.2%的豆友給出四星好評(píng)(推薦)，12.2%的觀眾給出三星評(píng)價(jià)(還行)，而一星二星觀眾相對(duì)較少，合計(jì)僅占所有觀眾人數(shù)的5%左右，該樣本統(tǒng)計(jì)結(jié)果與77萬人參與的豆瓣總體評(píng)分也較為接近(5星占比41.3%，4星占比44.9%，3星占比12.1%，2星占比1.2%，1星占比0.5%)，超過八成的人群認(rèn)為電視劇《狂飆》值得推薦。

 

圖1：《狂飆》評(píng)分

值得關(guān)注的是，長評(píng)觀眾傾向于更加明顯的情緒表露，表現(xiàn)為占比更高的五星好評(píng)和一星差評(píng)，這種更加激進(jìn)的情緒輸出也驅(qū)動(dòng)他們在評(píng)論區(qū)花費(fèi)更多的筆墨表達(dá)自己強(qiáng)烈的情感。長評(píng)的平均字?jǐn)?shù)為852字，最高字?jǐn)?shù)為16 470字，最低為71字。與之對(duì)比的是，我們爬取了一部分短評(píng)(521條數(shù)據(jù))，經(jīng)統(tǒng)計(jì)發(fā)現(xiàn)短評(píng)平均字?jǐn)?shù)為90字，最高為350字，最低僅有2字。從圖2中可以看出，對(duì)電視劇《狂飆》評(píng)價(jià)較高(五星和四星評(píng)價(jià))的長評(píng)觀眾不吝贊美，平均評(píng)論字?jǐn)?shù)為900-1 000字，明顯多于其他評(píng)價(jià)組。而一星觀眾稍顯“敷衍”，平均評(píng)論字?jǐn)?shù)下降到558字。

 

圖2：《狂飆》長評(píng)字?jǐn)?shù)

《狂飆》共39集，每集45分鐘。1月14日首日愛奇藝會(huì)員更新5集，除1月21日和22日(農(nóng)歷除夕和初一)停播以外，其余每日于晚間19:30更新2集。視頻播出前期，日評(píng)論數(shù)量相對(duì)平穩(wěn)。1月23日，評(píng)論有小幅度攀升，日長評(píng)超過30條。1月28日，評(píng)論數(shù)量陡增至88條，到完結(jié)日2月1日當(dāng)天評(píng)論數(shù)量達(dá)到257條。評(píng)論熱度的峰值出現(xiàn)在《狂飆》完結(jié)的第二天，當(dāng)日長評(píng)數(shù)量高達(dá)330條，之后3天的日評(píng)論數(shù)量均超過100條，接近一個(gè)月后熱度下降，在此之后出現(xiàn)了較強(qiáng)的長尾效應(yīng)(Long Tail Effect)。

 

圖3：《狂飆》評(píng)論熱度

可以看出，上述豆瓣長評(píng)熱度趨勢與百度搜索指數(shù)圖形(見圖4)走向基本保持一致，表明豆瓣長評(píng)數(shù)據(jù)真實(shí)地反映了電視劇《狂飆》受市場的追捧力度�！犊耧j》在中期突然發(fā)力，與1月23日扮演者高啟強(qiáng)的演員張頌文突然沖上微博熱搜第一密切相關(guān)[1]。這也證明了角色與演員之間的互動(dòng)關(guān)系。盡管前期反應(yīng)平平，但最終優(yōu)秀的作品不會(huì)被市場埋沒，特別是在信息傳播極度發(fā)達(dá)的時(shí)代，往往只需要等待一個(gè)契機(jī)，高分好劇就能被市場發(fā)掘與認(rèn)可。

 

圖4：百度搜索指數(shù)(搜索關(guān)鍵詞：狂飆)

圖5按照發(fā)表長評(píng)的時(shí)點(diǎn)繪制的趨勢圖，反映了在不同時(shí)段觀眾發(fā)評(píng)的活躍度。從發(fā)評(píng)時(shí)間來看，豆瓣觀眾表現(xiàn)出了“夜貓子”屬性，晚上的評(píng)論數(shù)量明顯高于白天，特別是第一集電視劇播出15分鐘(19點(diǎn)45分)后，評(píng)論逐漸增加，直到夜間23：30后活躍度才慢慢下降。

 

圖5：《狂飆》觀眾活躍度

由于長評(píng)未顯示IP地址，無法反映評(píng)論用戶所在地，本文使用短評(píng)觀眾的IP地址近似刻畫觀眾的地理位置。從表2可以看出，北京、上海和廣東三地評(píng)論用戶數(shù)量最多，約占總體的32.8%。此外，《狂飆》出現(xiàn)的場景如榕樹、牌樓、腸粉、豬腳面、舞獅等粵地場景及文化元素也吸引了不少廣東觀眾的留言。如表2所示，《狂飆》的觀眾地域分布集中在北上廣大城市和江浙地區(qū)，一定程度上反映了經(jīng)濟(jì)發(fā)展與文化繁榮共同促進(jìn)，但另一方面也讓我們進(jìn)一步思考網(wǎng)絡(luò)話語權(quán)在區(qū)域之間的均衡分配的問題。盡管在新媒體時(shí)代下，網(wǎng)絡(luò)話語權(quán)在社會(huì)格序中重新分配，但如何更公平地“讓每一個(gè)人發(fā)聲”也成為新時(shí)代下的影視傳媒與群眾輿論話題下提出了新的挑戰(zhàn)。

 

（二）長評(píng)內(nèi)容和話題

本文利用Python讀取所有長評(píng)，借助哈工大停用詞(stopwords)表去除長評(píng)中的停用詞后，通過第三方庫jieba的分詞功能對(duì)長評(píng)進(jìn)行分詞，并按降序排列統(tǒng)計(jì)每個(gè)詞語的詞頻數(shù)，詞頻統(tǒng)計(jì)結(jié)果見表2。利用第三方庫stylecloud繪制詞云圖，詞云圖結(jié)果見圖6。圖6顯示觀眾對(duì)角色的討論次數(shù)最多，兩大對(duì)立主角安欣和高啟強(qiáng)是當(dāng)之無愧的評(píng)論中心，詞頻分布次數(shù)分別為12 159和12 696次，此外，“大嫂/陳書婷”“孟鈺”“徐江”“老默”“趙立冬”“高啟盛”“黃瑤”“孟德海”等劇情關(guān)鍵人物提及頻率也相當(dāng)高，以上人物出現(xiàn)頻率均超過1 000次。演員方面，討論熱度最高的演員分別是張譯(安欣的扮演者)與張頌文(高啟強(qiáng)的扮演者)，二人在長評(píng)中被提及的次數(shù)分別為1 508和1 735次。而與主題相關(guān)的詞語包括“警察”“掃黑”等。此外，評(píng)論中有2 706次提到“劇情”，1 587次提到“演技”，并且“爛尾”的出現(xiàn)頻率為256次，這與豆瓣總體評(píng)分從巔峰時(shí)9.1分跌落至8.5分也可相互印證。我們通過人工閱讀了涉及“爛尾”的長評(píng)，發(fā)現(xiàn)較多觀眾對(duì)27集之后的劇情發(fā)展評(píng)價(jià)較低。

   

圖6：《狂飆》長評(píng)詞云圖

（三）長評(píng)情感分析

文本分析的重要領(lǐng)域之一是情感分析。常見的情感分析方法有構(gòu)建情感詞典，如臺(tái)灣大學(xué)NTUSD數(shù)據(jù)、清華大學(xué)李軍中文褒貶義詞典、Loughran and McDonald詞典等都是已有的情感詞典，通過累計(jì)匯總積極消極詞匯對(duì)評(píng)論情感打分，當(dāng)出現(xiàn)積極詞匯次數(shù)越多時(shí)，評(píng)論情感越積極。上述方法對(duì)情感詞典的質(zhì)量要求較高，同時(shí)收錄在情感詞典的詞語選擇具有一定的主觀性。因此，本文擬采用機(jī)器學(xué)習(xí)(Machine Learning)中樸素貝葉斯分類算法，使用TF-IDF詞袋法對(duì)長評(píng)文本進(jìn)行向量化，并利用MultinomialNB分類器將每一個(gè)評(píng)論情感分解為消極情緒含量(分類為消極評(píng)論的概率)、中性情緒含量(分類為中性評(píng)論的概率)、積極情緒含量(分類為積極評(píng)論的概率)三類成分，并與長評(píng)用戶人工打分進(jìn)行對(duì)比。

 

通過樸素貝葉斯分類進(jìn)行情感分類的準(zhǔn)確率(Accuracy)接近83%，且該結(jié)果具有一定的可靠性。例如，從表4可見，對(duì)用戶“L***”的評(píng)論，貝葉斯算法認(rèn)為積極情緒含量接近九成，該用戶對(duì)《狂飆》的評(píng)分為4星。而用戶“C***”和用戶“大***”評(píng)論的積極情緒含量相對(duì)下降，中性情緒含量明顯提升，兩人對(duì)電視劇的評(píng)分為3星。同時(shí)由表4可知，與其他組相比，差評(píng)組平均消極情緒含量最高(7.22%，4.58%，3.92%)，好評(píng)組平均積極情緒含量最高(81.04%，77.79%，86.33%)，中評(píng)組評(píng)論的平均中性情緒情緒更加明顯(11.74%，17.63%，9.75%)。但是，使用機(jī)器學(xué)習(xí)算法進(jìn)行自動(dòng)分類也存在分類準(zhǔn)確性問題，特別是長評(píng)語境下情感更加復(fù)雜，難以明確區(qū)分情緒差異。

 

三、思考和總結(jié)

以《狂飆》豆瓣長評(píng)數(shù)據(jù)為基礎(chǔ)，本文對(duì)觀眾的評(píng)分評(píng)價(jià)、評(píng)論文本的觀眾特征等定量信息做出分析。借助數(shù)據(jù)來分析影視作品的觀眾反饋，是對(duì)影視劇作品研究的新思路與新方法。得出結(jié)論如下：

首先，打破“非黑即白”的人物形象塑造定式，適當(dāng)展示人性的灰度，并不會(huì)對(duì)主流價(jià)值觀產(chǎn)生巨大沖擊，造成正義與邪惡界限上的混淆和模糊。 高啟強(qiáng)這一立體的人物設(shè)計(jì)，表達(dá)的是“復(fù)雜的惡”而非“簡單的壞”，這使得角色有了層次感和厚重感。觀眾旁觀角色的心理變化歷程，更傾向于“好人變壞是有原因的”，因此對(duì)其多了一份理解和同情。這些劇本的設(shè)計(jì)和人物沖突的處理，無一不是反映了人性的真實(shí)和幽微。反派“壞得合理”才能構(gòu)建流暢的劇情和清晰的邏輯，人物性格的多重性才能引發(fā)觀眾對(duì)人性的討論和反思�！犊耧j》中的反派人物高啟強(qiáng)最終鋃鐺入獄，被判死刑，為罪惡付出了慘痛的代價(jià)，絕大多數(shù)觀眾表示理解，而非寬宥。從這一點(diǎn)看，影視傳媒在樹立正確的價(jià)值觀不僅需要單方面的灌輸和傳導(dǎo)，類似廣泛的、有益的討論也是必不可少的。

其次，突破“工具屬性”的女性形象定位，跳出家庭倫理與都市情感劇的框架與套路來建構(gòu)女性角色，更符合當(dāng)下的市場口味。 隨著“大女主”電視劇走紅，女性意識(shí)的覺醒，市場對(duì)女性多元化性格展示需求更高�！犊耧j》塑造的大嫂的形象精明干練，清醒獨(dú)立，打破了對(duì)女性情緒化特征的偏見。這一角色緩解了觀眾對(duì)單薄女性角色塑造市場下的審美疲勞，正如豆瓣觀眾在評(píng)論中寫道：“陳書婷作為‘大嫂’沒有依附于劇里任何一個(gè)男人而存在，她身上有一種女性獨(dú)有的狠勁兒。”但仍然有觀眾表示，這部劇中女性角色的整體塑造仍然存在缺陷，女性角色淪為男性角色的陪襯，故事線延展不足。豆瓣長評(píng)有助于把握觀眾的需求，了解觀眾的喜好，并鼓勵(lì)女性角色新設(shè)定的嘗試和探索，同時(shí)也反映了觀眾對(duì)女性刻畫的豐滿程度提出更高的要求。

最后，本文通過爬取豆瓣影視的長評(píng)數(shù)據(jù)進(jìn)行分析，探討了觀眾對(duì)該劇的討論情況和情感傾向。分析表明，該劇引起了觀眾的廣泛關(guān)注和討論，尤其在在北上廣大城市和江浙地區(qū)的反響尤為強(qiáng)烈，即使在該劇收官后仍有不小熱度。長評(píng)評(píng)論中觀眾對(duì)角色的討論占據(jù)了很大比例，演員和主題相關(guān)的討論也是熱門話題，同時(shí)本劇也受到了觀眾的一定批評(píng)。采用樸素貝葉斯分類算法的情感分析結(jié)果與豆瓣影視評(píng)分相符，對(duì)差評(píng)、中評(píng)、好評(píng)組的消極、中性、積極情緒含量進(jìn)行縱向?qū)Ρ日宫F(xiàn)出顯著差異。但由于長評(píng)語境下情感更加復(fù)雜，機(jī)器學(xué)習(xí)算法進(jìn)行自動(dòng)分類也難以明確區(qū)分情緒差異，也可能存在分類準(zhǔn)確性問題。本文的研究方法可以為其他電視劇的討論和評(píng)價(jià)提供借鑒，為進(jìn)一步了解觀眾對(duì)電視劇的認(rèn)知和評(píng)價(jià)提供了一定的參考依據(jù)。

作者：鄧瑤，江西財(cái)經(jīng)大學(xué)會(huì)計(jì)學(xué)院2020級(jí)博士研究生;榮莉，江西財(cái)經(jīng)大學(xué)會(huì)計(jì)學(xué)院博士研究生導(dǎo)師;畢蕾，江西財(cái)經(jīng)大學(xué)馬克思主義學(xué)院2020級(jí)博士研究生。

(新媒體責(zé)編：wa12)