ABSTRACT

As one of the most important commercial genre films on the market, science fiction movies use unique narrative methods and highly impactful artistic expressions to dramatically show the impact of technological progress and social changes. This article uses the BS4 web crawler, Wordcloud statistics, Jieba Chinese character lexicon and other analysis tools provided by the Python language to conduct online film reviews of the Hollywood science fiction film “Avengers” “The Number One Player” and the Chinese science fiction film “Wandering Earth”. It analyzed and summarized the reasons for the success of Hollywood science fiction films, as well as the unfavorable factors and favorable conditions for the development of Chinese science fiction films, so as to propose thinking and prospects for the future trends of the development of Chinese science fiction films.

Keywords:Text Mining, Science Fiction Movie, Factor Analysis, Film Market

中国科幻电影的发展分析

——基于网络在线评论的Python文本挖掘

严自强，赵汝飞，张玉婷，张文琦，阎虎勤

厦门国家会计学院，福建 厦门

收稿日期：2020年3月27日；录用日期：2020年4月14日；发布日期：2020年4月21日

摘 要

科幻电影作为目前市场上最重要的商业类型片之一，用独特的叙事方式和极具冲击力的艺术表现手法，戏剧化的展现出科技进步和社会变革带来的影响。本文通过使用Python语言所提供的BS4网页爬虫、Wordcloud词云统计、Jieba汉字词库等分析工具，对好莱坞科幻片《复仇者联盟》《头号玩家》和中国科幻片《流浪地球》的网络影评进行了大数据挖掘，分析和总结了好莱坞科幻片成功的原因，以及中国科幻电影发展的不利因素和有利条件，从而对中国科幻电影发展的未来趋势提出思考和展望。

关键词 :文本挖掘，科幻电影，因素分析，电影市场

Copyright © 2020 by author(s) and Hans Publishers Inc.

This work is licensed under the Creative Commons Attribution International License (CC BY 4.0).

http://creativecommons.org/licenses/by/4.0/

1. 引言与文献综述

1.1. 引言

据北京新传智库研究院发布的《科幻片制作与市场研究报告》和统计数据显示，2010年以来我国科幻片票房收入整体呈现增长趋势，2014年我国科幻片票房达70.4亿元，首次突破70亿 [1]；2019年春节档电影《流浪地球》更是脱颖而出，被誉为是“开启了中国科幻元年”的“第一步硬科幻电影”。科幻电影作为目前市场上最重要的商业类型片之一，甚至可以说，一个国家的科幻电影的技术水平也从另一个侧面反映了这个国家的总体科研水平以及国民自身的科学文化素养。时下中国电影的发展确实取得了实质性突破，作为世界第二大电影大国，确定了中国电影在世界电影舞台和中国电影发展史上新的历史方位。但是，我们也应该看到中国科幻电影的发展绝非一帆风顺，2014年科幻片票房迎来里程碑式提升后，2015年票房下滑一个百分点，2016年科幻票房15.7亿元，跌至2010年以来的谷底。更严重的问题在于，即使在中国科幻电影票房高涨的时期，吸引国人掏腰包进影院的也大多是好莱坞科幻片，中国科幻片外因在进口片争夺市场，内因在制作水平拙劣，内外因共同作用导致成绩堪忧。观众对于科幻片的态度到底怎样，观众的评判标准和关注热点是什么，哪些因素可能会影响观众的观影体验，可以运用大数据对观众的态度进行探索，从而为中国科幻片的发展提供参考。

本文结合当前流行的Python语言所提供的BS4网页数据爬虫、Wordcloud词云统计、Jieba汉字词库等文本挖掘方法，选取了对国内外几部不同的科幻片的网络评论进行文本处理。先提取高频词汇，分析观众的关注热点，对几部影片进行比较。从而可以得到在大数据的支持下观众对于国内外科幻片的总体态度。再从豆瓣的2000条影评中提取《流浪地球》的关键词，找出这部被称为中国科幻的创世之作中最让观众关注的方面。

1.2. 文献综述

纵观学界对中国科幻电影的发展存在的问题的研究可谓殊途同归：中国科幻电影与好莱坞电影在资金、技术、经验、商业度、工业自动化和想象力仍存在一定的差距。科幻片之所以好看，绝对不止在于那些光怪陆离的未来景象，更在于片中呈现出来的那些对新世界、新观念、新理论的建构，还有针对现实世界的各种投射、结构与思考。科幻片的编剧应该具备一定的科学理论基础、强大的逻辑建构与想象能力。

王曼在《中外科幻电影发展现状》中针对中国科幻电影发展现状与好莱坞科幻片进行对比后指出中国科幻电影发展的不利因素：一是资金，科幻电影特效及道具制作耗资高昂，好莱坞影片一般是以千万上亿美元作为经费单位，而中国科幻电影由于票房风险大、制作周期长等缺乏资金支持，制作成本上的差距直接造成创作质量上的鸿沟。二是技术，中国科幻电影没有顶级特效制作，缺乏数字资产、工业化管理经验的双重积累。美国科幻片那些壮观的场面需要几十家公司的通力合作，而以中国的状况这种联合制作短期内难以实现。三是经验，中国科幻片是在20世纪80年代初随着科幻小说的繁荣而渐进起步，拍过的严格意义上的科幻片实在屈指可数，国外却是从1896年就揭开了科幻电影的序幕，发展了整整一个世纪，已经形成了几近流水线式的成熟影片生产制作流程；四是违和感，“违和感”是观众接受中国科幻片的重要障碍，通俗来讲，由于中国观众长期形成了好莱坞式科幻片的思维，观众可能看到一个高科技场景中有中国元素时就会觉得别扭，我们国家本身缺乏创作科幻片的文化土壤，中国人内心缺乏与科技或机械的情感绑定；五是剧本，中国科幻小说的不发达，造成中国优秀科幻电影剧本的缺失。剧作家对科学前沿的不敏感，对科幻小说的写作力不从心 [2]。尽管我国科幻片发展与国外科幻片存在差距，但我们也不能妄自菲薄，甚至仅仅以好莱坞影片作为唯一标准，吸收别人的长处这句话并不假，但是我们也要有文化自信，从中国五千年的文化底蕴中汲取营养，陈红梅在《<流浪地球>：末日逃亡的中国表达》一文中说到，相较于西方科幻电影，《流浪地球》以浓郁的东方特色开启了承载国人情怀的浪漫逃亡之旅，描绘了一幅世界末日人类逃亡时的科幻图景，是一部充满了中国文化色彩的“大片” [3]。电影制作也需要对受众群体进行深入了解，《科幻片制作与市场研究报告》调查显示，全类影片的受众男女比例为40.80%:59.20%，女性观众明显高于男性观众。科幻片男女比例为57.66%:42.34%，由此可见男女在科幻片的喜好上略有差距，男性对科幻片的兴趣更大。

2. 数据描述和方法

2.1. 中外三部电影热词对比

近来中国科幻片有崛起之势，我们选择2018~2019年中3部比较具有代表性的中外科幻电影作为数据挖掘的对象。其中《流浪地球》代表着中国当前科幻电影的制作水平；《复仇者联盟4》则是漫威系列的最新作品，在全球具有较高的认同；《头号玩家》则是根据恩斯特·克莱恩的同名小说改编，由著名导演史蒂文·斯皮尔伯格执导完成的科幻电影。这3部科幻电影都具有相当大的影响力，我们希望通过电影评论的分析来找出它们获得成功的因素，研究中国科幻片吸引观众的原因，探究美国大片与中国科幻片的成功原因是否不同；它们的受众群体是否不同；吸引观众的原因是否不同，以期望对中国科幻电影的发展做出一些贡献。

获取数据及数据预处理

我们使用BS4 + Wordcloud + Jieba数据采集器从网站采集了《流浪地球》《复仇者联盟4》和《头号玩家》的电影评论，对它们进行文本挖掘。具体流程是首先使用BS4的Urllib功能读取并解析网页，然后利用Wordcloud词云功能统计高频词汇。由于Jieba汉字词库在汉字处理上具有更大优势，所以将Wordcloud和Jieba二者结合使用效果更好，既能够统计词频，又能够对中文文本进行分词处理。

例如，“这代表中国电影的未来”分词成“这”“代表”“中国”“电影”“的”“未来”，然后Jieba会滤句子里没有信息含量的停词，如“的”、“这”。分词的好坏将直接影响分析的准确性。为了进一步提取有效信息，我们对选出来的高频词进行了进一步的人工处理，剔除了“观点”、“充满”、“制作”等不能反映我们探究电影成功因素和观众情感态度的词语，删除没有意义的高频词，截取排序前20的词制作了词频表，见表1。

表1. 词频表

我们利用Wordcloud依据统计的各景点的词频制作词云图，让统计结果更加直观，便于寻找主要属性特征，我们制作得到了词云图，如图1~3所示。

图1. 词云：流浪地球

图2. 词云：复仇者联盟

图3. 词云：头号玩家

2.2. 总结热点热词

基于词频统计结果，我们发现这些词大部分都描述了电影是否卖座的几个原因和方面。于是我们把描述电影质量同一个方面的词组合并，提取出一个维度。如“带来”、“推动”、“成长”、“感触”等词都是描述观影收获或感受，我们便把这个维度称为“观影感受”；“闪灵”、“灭霸”、“钢铁”等都是讨论电影的情节或主题，我们便提取出“情节”这个维度。经过分类，我们把关键词分为四个维度，分别是：“情怀”、“情节、特色或主题”、“带来的观影感受或收货”及其他因素，统计他们的词频及比重，见表2。

表2. 维度的词频及比重

2.3. 流浪地球评论热词分析

获取数据及数据预处理

为了获取有关《流浪地球》的最新评价，尝试直接用URL抓取评论，但是显示失败，我们发现这是因为在豆瓣网页中一次只能显示15条短评，需要我们手动点击显示更多才会继续下拉短评。为了解决这个问题来抓取更多评论做热词分析，我们尝试其他构造URL的方法来抓取。我们观察每个请求返回的信息，发现每个短评都包含一个描述时间的信息。进一步观察发现后台是按照时间顺序的，每分钟一个间隔，那么就可以考虑根据每次返回短评中的时间来更新URL中的ts即可。

由于不确定每次请求返回的数据中包含了多长的时间段，且返回的第一个评论时间戳与第二个评论是不同的，所以抓取思路如下：1、获取请求数据；2、记录第一个时间戳；3、记录第二个时间戳；4、当遇到第三个时间戳时，将ts设置为第二个时间戳，重新构造URL 5、如果单次抓取中每遇到第三个时间戳，则通过修改offset来继续抓取，直到遇到第三个时间戳。

用这种方法我们抓取了1000条豆瓣上关于流浪地球的最热门的评论，希望通过这些评论的热词分析来探讨这部电影卖座的真正原因。

接下来我们将得到的文本复制到text = (‘’)内，尝试用Wordcloud制作图云。但这个过程也出现一些问题如评论中包含‘、链接、间隔符等Python识别不了或会产生错误解读的标识，我们Word快速删除这些标识后统计了热词的频率，生成了图云。见表3与图4。

表3. 流浪地球短评热词

图4. 流浪地球短评云图

3. 研究结果以及数据展示

3.1. 热点话题的构成情况

关键词分为四个维度后，分别是：“情怀”、“情节、特色或主题”、“带来的观影感受或收货”及其他因素，各自的因素比重情况如下。见图5。

图5. 各自的因素比重情况

三部影片的评论中四类热点话题的占比情况如下，情节平均比重40.4%，情怀平均比重26.3%，观影收获平均比重22.1%，其他平均比重11.2%。如图6。

图6. 三部电影评论中各属性比重

3.2. 观影动机

3.2.1. 情怀

三部影片都有“情怀”这一热评维度，但是各自的情怀却归属不同。

1) 《流浪地球》情怀分析

《流浪地球》短评热词中的“中国”一词有着高达1575的频数，类似的词还有“国产”、“我们”、“华语”、“国内”、“我国”、“希望”，这些都可以反映出观众们对于中国电影的崛起有了内心的澎湃与热血。另外，“推荐”、“力荐”、“鼓励”这些词也反映出国人在看到这样一部能够让国产科幻电影团队看到希望，能够给国人带来荣耀的佳片后迫切希望身边的人也能加入支持国产佳作的态度。《流浪地球》的出现也预示着中国的科幻电影水平有了起步爬升 [4]。

2) 《头号玩家》情怀分析

《头号玩家》的上映使得整个评价页面都是人们对它的彩蛋解析，电影“彩蛋”设置在美国好莱坞电影中已经成熟，成为一种电影文化，对电影营销有巨大的推动作用 [5]。《头号玩家》短评热词中的“游戏”、“电影”、“玩家”、“闪灵”代表着电影中导演为游戏玩家与《闪灵》影迷们定制设计的片中彩蛋 [6]。

3) 《复仇者联盟4》情怀分析

《复仇者联盟4》短评热词中的“英雄”、“超级”、“钢铁”代表着影迷们对角色们的喜爱与崇拜，且“托尼”这个角色在影片的最后牺牲了，这也预示着他将会离开复联系列影片，这个热词的产生也反映出影迷们对其所喜爱角色退出的不舍。这部电影祭出了情怀 [7] ！

3.2.2. 情节题材激发观影需求

一个好的题材可以将观众的注意力与兴趣着重点吸引过来，这也是激发观众们进入影院观影的主要因素，也可以保持其忠诚度。这些在一部影视作品中对应着题材与历史环境或剧情等因素，媒体的大量报道以及更深度的采访是传播出此类重要信息的主要途径。《头号玩家》短评热词中的“游戏”、“电影”、“玩家”、“闪灵”代表着电影中导演为游戏玩家与《闪灵》影迷们定制设计的片中彩蛋。

《头号玩家》为一群长期处于现实生活边缘的“ACG粉”花了几亿美元，从外部设置到内在灵魂都量身定制了一部影视作品。这个献给他们的真挚与诚意是能够被感受到的，作为游戏玩家，当了那么多年的透明人群，这次终于被人们注意到了。所以，他们有人泪流满面了。从守望先锋的猎空到机动战士高达的RX-78-2等数以百计的片内彩蛋都是影片的诚意。每一帧的画面都包含有大量的信息，因此而带给观众的兴奋无以言表。

3.2.3. 系列电影的观看义务带来的一致性原理

一致性原理是指观众于影片的上映之前就早已观看过关联的作品。比如续集电影或真人版电影等。现在的观众在追求着怀旧的同时还崇尚创新，因此影片在制作时也会考虑做到怀旧，避免守旧。用怀旧情怀去吸引观众关注，用影片的创新去提升消费者的忠诚度。《复仇者联盟4》短评热词中的“复联”、“英雄”、“超级”、“钢铁”、“威漫”反映了观影人对系列电影有着较高的关注度，会在观影后将系列电影中出现的相关角色或剧情进行关联讨论。

漫威系列电影在全球拥有着大量的影迷，这些影迷平日里会购买大量周边，这些购买行为有时是有意而为之，有时又潜移默化。系列电影的观看，有时不能百分百给影迷们带去满意的观感，但是每个影迷内心会有着“看过一部作品，更要去看下一部”的心理，那么下次他就很有可能带着这样的观影义务买票观影。

3.2.4. 追求影院观影收获

有的观影收获是只能通过进去影院观影才可得到的。对于这类观影动机的观众来说，制片方应该关注作品的特效或者技术等方面，注重影片的新奇。这些信息可以通过播放预告片、观看宣传海报等方式获得。

3.2.5. 明星效应

观影人也许会对影片的导演或演员等因素有兴趣，电影幕前幕后的明星提升影片的知名度且提高影迷的忠诚度。明星导演和明星演员会对电影票房产生显著影响，其中明星导演的影响力更强 [8]。这点从《头号玩家》的评论热点词“斯皮尔伯格”可以得到初步体现。斯皮尔伯格是非常值得尊敬的导演，几乎他的所有电影都可以把想要表达的所有内容全部放进你心，总是能够把那些深刻到灵魂深入的人性一词表达的丝丝入扣。他之所以伟大，还因为他那非同一般的格局。就算是拍那种致敬玩家的电影，也是拥有着和他人不同的格局。

3.2.6. 试图接受特有的文化价值观

《流浪地球》的评论主题词“文化”则表明了影片也可以给观众传达其所特有的文化价值观。该部影片更是摆脱了西方科幻片那种传递几代人的逃离地球模式的自救，其独创了全新的这种流浪地球自救模式，体现了我们对地球家园的深厚之情。这种模式根植于保护家园的传统，含有“精卫填海”、“愚公移山”等神话所暗示的保护自有家园的传统，更是体现了中国传统文化中对未来科幻这一命题的特有的想象和价值观。人们通过走进电影院更是可以更加快速并轻松地尝试接受影片制作人所想传达的文化价值观。

4. 《流浪地球》模糊综合评价模型

本节将对《流浪地球》进行最终评分。由于不同观众对于此部电影的感受会不一样，有的人会将其视为目前为止中国科幻电影最为杰出的代表，有人可能已经习惯了好莱坞式的科幻片而对此电影的表现形式予以批判，也有人看完可能没有什么特别感受。为了对《流浪地球》做出最终评分，构建了一个模糊综合评分模型。我们选取了情节、情怀、观影感受、特效、导演5个不同的因素属性，同时我们以观众为不同目的而观影进行一个上座率的统计，上座率高的因素会赋予较大权重。

4.1. 上座率因子分析

所谓因子分析是指用少数几个因子描述许多指标或因素之间的联系，关系密切的几个变量归在同一类中，每一类变量就成为一个因子，以较少的几个因子就可以反映原始数据的大部分信息。每个因子中，因子载荷越大，说明此因子对结果的贡献就越大。本文选取了该影片在上映当日对观众的随机采访中因为何种原因而观影的购票人数进行因子分析，首先进行了KMO (Kaiser-Meyer-Olkin)检验，检验结果如表4，KMO是统计产品于服务解决方案提供的用于判断原始变量是否适合进行因子分析的统计检验方法之一。KMO值的大小决定是否有必要进行进一步分析。若KMO大于0.5，则因子可以进行分析，由表4可知，KMO检验结果为0.736，大于0.5，数据可以做因子分析，v₁~v₅表示5个不同因素所属的上座率。由因子载荷得到归一化处理的权重为w = (0.240, 0.244, 0.096, 0.184, 0.236)

表4. KMO检验

4.2. 综合评价模型构建

为了得到观众对《流浪地球》的总体态度，不能单纯的计算评分结果的均值。原因在于观众的评价通常不是单一的积极或者消极这么简单，机器计算结果通常是基于字面表达上的积极和消极词得来的，但是具体的评判分值不能仅仅依据这一简单表达。因此建立模糊综合评价模型可以包容情感分析带来的文字到数值的误差，更适合对这个问题进行评价。

下面我们对5个因素的情感评分分别以条件0 ≤ q ≤ 0.3，0.3 ≤ q ≤ 0.6，0.6 ≤ q ≤ 1分3组，表示消极、中立和积极，并计算各组占比，结算结果见表5。把原来0~1的评分结果转化为1~5分的评分标准。转化为5分制后，个人的情感倾向更加明显。

表5. 情感分组

得到比重矩阵R：

$\begin{array}{ccc}0.215& 0.117& 0.668\\ 0.188& 0.093& 0.719\\ 0.245& 0.100& 0.655\\ 0.109& 0.056& 0.835\\ 0.085& 0.069& 0.846\end{array}$

将消极、中立、积极分别赋予值1、3、5计算最终评分：

$Q=w\times R\times \left|\begin{array}{c}1\\ 3\\ 5\end{array}\right|=\left(0.240,0.244,0.096,0.184,0.236\right)$

$\left|\begin{array}{ccc}0.215& 0.117& 0.668\\ 0.188& 0.093& 0.719\\ 0.245& 0.100& 0.655\\ 0.109& 0.056& 0.835\\ 0.085& 0.069& 0.846\end{array}\right|\times \left|\begin{array}{c}1\\ 3\\ 5\end{array}\right|=\left(0.161,0.087,0.752\right)\times \left|\begin{array}{c}1\\ 3\\ 5\end{array}\right|=4.18$

最终得到评分Q为4.18，接近5分满分。可以看出，虽然观众对《流浪地球》有一些不太满意的评价，但总的来说，观众对《流浪地球》是比较满意的。

5. 总结

本文的创新之处在于使用Python语言的BS4 + Wordcloud + Jieba网络数据挖掘和词频分析功能，通过对《复仇者联盟》《头号玩家》《流浪地球》等影片的影评进行文本挖掘和分析，并辅以统计学手段将观众对于电影的主观感受进行量化，得到了一些有益的结论。

首先，观众在对科幻电影进行评价的时候，关注度最高的是情节是否吸引人。随着科幻电影的大量推出，商业气息趋于严重，而伴随着商业化的同时，投资人为了追求经济利益使得制片期越来越短，对于情节的构思欠缺斟酌，反而互相模仿甚至达到千篇一律的地步，对观众的体验造成负面影响。观众对于观影的收获也十分敏感，在《流浪地球》和《复仇者联盟4》中，观众对观影收获的比重都到了20%以上，应该引起电影制作方的重视，在追求经济利益的同时，也要注重对于情节的创新和突破，进而提高观众的观影收获。

其次，除了情节对观众的吸引，情怀也是关注热点。这里所说的情怀既有对电影角色的情怀，也有家国情怀。比如《复仇者联盟》系列电影影迷们对于托尼这个角色的喜爱，使得系列电影的推出成为人们的渴望；而对于家国情怀，《流浪地球》这部影片体现的淋漓尽致，国人对于国产科幻片的期盼使得更多人走进影院，“国产”情怀可谓卖点满满。中国电影人也应该编织自己的“科幻梦”，科幻电影的质量不仅仅是电影制造业水平高低的衡量标准，也是国家“软实力”的体现，从这个意义上来说，创作出优秀的科幻片势在必行 [9]。

最后，我们对于前人研究对于科幻电影发展所需的资金、技术、经验以及剧本等因素表示赞同，同时基于本文的研究，我们认为电影制作方也要从以下方面进行努力，第一要更重视影迷的感受，从多渠道、多途径去挖掘影迷的需求是什么、他们追求的是什么，以此有针对性的进行科幻电影的创作，从而更好地来满足观众需求；第二，我们在数据分析中发现，国产科幻电影由于起步晚、发展慢不可避免的以西方好莱坞为准绳，但是我们同时注意到中国观众更希望看到的是立足我国文化和传统的科幻片，更希望能涌现像刘慈欣、郝景芳以及更多植根于本土的科幻作家们 [10]，中国文化几千年来延绵不绝、历久弥新，在全球化背景下，我们要继承中华优秀传统文化、立足根本，去寻找本土性与全球化之间的平衡点，吐故纳新，兼收并蓄。借助于我国广阔的市场、庞大的消费群体，我们要大力推出脍炙人口的科幻影片，讲好“中国故事”。

基金项目

本论文得到了厦门国家会计学院2019年“云顶课题：YD20190101Python财务数据分析”项目的支持。

文章引用

严自强,赵汝飞,张玉婷,张文琦,阎虎勤 . 中国科幻电影的发展分析——基于网络在线评论的Python文本挖掘
An Analysis of the Development of Chinese Science Fiction Movies[J]. 数据挖掘, 2020, 10(02): 152-162. https://doi.org/10.12677/HJDM.2020.102016

参考文献