為了知道Steam上的遊戲製作人最喜歡哪些詞兒，我分析了17000個遊戲的名字

本文首發於機核網，作者Neo小魚_V

引言：互聯網時代，大數據分析已成為了一項極為有用且有意思的學科。用馬雲的話來說，通過大數據分析，「全中國胸罩最大的是哪個省?我都知道！」 那麼，我們也來小試牛刀一下，通過數據分析看一看，遊戲開發商最喜歡給遊戲取什麼名字。

目標

通過分析Steam遊戲庫中的全部遊戲名稱，嘗試羅列出出現頻率較高的辭彙。

範圍

一開始，我便將數據採集範圍鎖定在了Steam遊戲庫之上。事實上，對於本文要研究的問題， Steam也許並不是一個非常理想的資料庫。相比起VGchartz等包含全平台和全年代的遊戲數據的網站來說，Steam的遊戲庫容量有些太小了，但是Steam作為一個現象級平台，有很多除了標題以外其他有意思的數據可供挖掘。而且其數據量較小，分析起來也比較節省時間。

兩者差了一個數量級

另外，為了方便分析，本次統計過濾了Steam App庫中所有DLC、軟體和視頻等。一開始我並沒有過濾這些內容，但發現結果偏差太大，並不合理。例如Steam的視頻欄目下有很多動畫和劇集，一放就是好幾季（死神和行屍走肉啥的，國區貌似沒有），導致了這些劇集的標題單詞高頻出現，影響統計可靠度。至於DLC，其標題也會重複出現其遊戲本體名稱，影響結果。

工具/實現

分析程序基於Java語言，主要分為數據獲取以及文本處理兩大模塊。程序引用了GSON與Jsoup兩套API，分別用來解析Json以及HTML文本。

JAVA項目結構

（對以下具體實現部分不感興趣的同學請直接略過）

數據獲取

Steam對爬蟲是比較友好的，但是本弱雞一直沒有解決鎖區和年齡限制的問題，導致大量數據遺漏。被迫無奈，我只能曲線救國，在獲取了Steam全部APP的ID之後，改到SteamDB之上運行爬蟲程序。

SteamDB有著相對比較嚴格的防機器人手段。在添加了Header偽裝成瀏覽器訪問之後，我又在每次訪問之間加了個1.5s-2.0s的隨機間隔時間，防止被Ban。即便如此，一開始我仍被Ban了一次，原因是原程序中有一個訪問失敗則休眠20s之後嘗試再次訪問該網頁的功能,導致受限後繼續頻繁訪問，最終被ban。在換了個新IP之後，我把這個功能刪除了，訪問失敗之後手動關閉程序再開即可（有中斷記錄），最終成功獲取了所有數據。

抓下來的數據文件大小

文本分析

在本程序中，我僅僅用了最簡單且傳統的單詞分割方法作為統計標準。因為庫中大多數遊戲還是以英文名為主，所以對於每一個遊戲名，首先將其中所有非A-Za-z的字元替換為空格，接著將改標題轉化為小寫，最後根據空格分割成單詞。

當然，為了使統計更有意義，我添加了停用詞列表（Stop Words），除了一般的「a,the, of, with」等介詞冠詞，我也在這個列表中加入了不少針對遊戲的特殊高頻詞語，例如「edition, HD, remastered, episode」等等。

最後，我們就可以非常開心的把剩下的所有單詞扔進HashMap中推算每一個單詞的出現頻率了。

停用詞表（其中有一些是針對DLC的。另外排除了大家喜聞樂見的Simulator）

統計結果

閑話少說，咱們書歸正傳（這就說的不少了）。不過，在謎底揭曉前，大家不妨先猜一猜，哪些詞最受開發商的青睞？

第一名：War

「War! War never changes.」

「戰爭」名至實歸的拿到了本次分析中的冠軍席位。在還沒有電子遊戲的時代，「戰爭」就已經是最古老的桌面遊戲甚至是真實博弈的題材之一。大到軍事模擬沙盤，小到各類棋牌，無一不是對戰爭的模擬重現。在電子遊戲問世之後，遊戲製作者也嘗試將「戰爭」這一永恆的題材帶給玩家。無論是射擊遊戲，經營遊戲，即時戰略還是角色扮演，也不管是奇幻，歷史，科幻，寫實，都可以在「戰爭」這一框架下編織出精巧的玩法與劇情。所以，War斬獲今天統計的榜首，真是不足為奇了。

也有遊戲表現的是對戰爭的反思

第二名：Space

「人類的征途是星辰大海！」

事實上，我對「太空」出現在榜單的第二名是有些吃驚的。我相信這個結果帶有了一些steam平台本身的氣質。從坎巴拉太空計劃（Kerbal Space Program），到太空工程師（Space Engineers），乃至無盡太空（Endless Space），都帶著濃濃的Steam風格。對於這些遊戲的製作人（很大一部分是獨立遊戲的開發者）來說，「太空」大概是他們最愛的題材之一。與第一名的真實感與厚重感不同，「太空」題材帶有濃重的幻想精神與浪漫主義情懷。無論是太空歌劇，宇宙戰爭，還是太空飛船模擬，都可以在玩家群體中找到屬於它們的一片天地。

坎巴拉太空計劃

第三名：World

「一花一世界，一葉一菩提。」

中文裡，「世界」一詞來源於佛經，追溯其源頭乃出於佛教，「世」為時間，「界」為空間，涵蓋了時間空間不可分隔的道理。

事實上，每一個遊戲都有他們獨特而富有魅力的世界，我們通常稱其為「世界觀」。對於一些以世界觀為賣點的遊戲，開發商自然而然地將遊戲名取成《XXX World》亦或是《The world of XXX》，更別說還有一些遊戲名為了標榜自己規模龐大，特意在前面加上「World」的限定語了。超級馬里奧世界，魔獸世界，坦克世界，戰艦世界。哇！真是拿腳趾頭就能想出很多很多。該說是開發商起名偷懶呢，還是說「世界」這個詞實在太好用了呢？:-D

魔獸世界的世界（雖然不是steam遊戲，但很具代表性）

Steam遊戲名常用辭彙前一百

篇幅關係，這裡就著重分析一下我們的前三甲。而結合這次統計中排名前一百的單詞條目，把前五名融合到一個遊戲名稱里大概就是《黑暗太空世界：戰爭英雄》（World of Dark Space: War Heroes），簡直是一個有著強烈既視感的大俗套名字……

改進建議

首先做自我檢討：不論是「語言分析」還是「信息檢索」，我都不是專家。這篇文章也僅僅是一個興趣使然的自我學習過程。如果有走過路過的大神，請原諒我的班門弄斧，多提寶貴意見。這次統計當然也有一些可以改進的地方:

1.在數據獲取階段，理想的目標對象應該是IP而非遊戲本身。對於一個遊戲系列，其續作出的越多，名字在庫中出現頻率也越高。對於我們想要研究的問題，這樣的統計其實是不太合理的。但是另一方面，系列作品得多少從某種角度也代表了這個遊戲的受歡迎程度，再加從Steam庫中合併遊戲系列確實有些困難，故本次統計分析仍然是針對遊戲個體而非系列進行的。

2.在這次統計直接排除了所有DLC，這一做法其實也有待商榷，畢竟很多DLC都有自己獨立的名稱。這個問題其實可以通過從DLC標題中除去本體遊戲名稱的方式解決，但是由於我在處理階段沒有建立DLC與其本體的關係，這個功能最終沒有實施。

3.我們知道很多遊戲名稱都是生造詞，而在本次分析中，我沒有對每一個單詞的內部構造進行解析。比如最近的新遊戲Hellblade就是由Hell與Blade兩詞拼接而成。同樣，我也沒有對單詞的不同變形進行統一，比如同一名詞的單複數以及動詞的不同時態沒有合併。雖然對於我們人類來說這種組合或者變形非常明顯，但是讓程序完全掌握這種規律則需要比較複雜的演算法，故在本次分析中也不再做進一步研究。

註：數據截止於2017.08.23

原文：Steam遊戲名稱分析：開發商最喜歡給遊戲取什麼名字？

From 機核 | 知識挖掘機

歡迎關注知乎專欄：機核丨電子遊戲救世界 機核丨不止是遊戲

更多內容請訪問www.g-cores.com，玩遊戲的，都是朋友

推薦閱讀：