這四十年來的香港歌壇在唱些什麼，「南中國聽歌最多」的數據分析師帶你一探究竟
來自專欄 大數據商業應用--原力大數據
做大數據這行，很容易就會被貼上「悶騷」「無趣」的標籤。但是，在我們原力大數據的技術團隊里，就有一群「不走尋常路」的數據分析師。
他們在鑽研「高精尖」技術的同時，一樣對生活充滿了熱愛，甚至，他們會用數據分析的理論和態度來研究日常喜好。
今天這篇文章的作者「唔好動」，就是一位專註技術，同時又喜歡音樂的「文藝青年」。下面讓他用專業的大數據分析方法，帶大家一探究竟：這半個世紀的香港歌壇，到底都在唱些什麼？
--------------------------------------------富有情懷的分割線-------------------------------------------
文/唔好動
一個以寫代碼為生的填詞人
作為一個熱愛音樂的廣東仔，我從兒時的數碼暴龍，聽到現在的麥浚龍，見證了香港歌壇近二十年興衰。不管你是不是廣東人，相信廣東歌在很多人生命中都佔據著不可或缺的一席地。
那麼，那些年我們一起聽過的港式流行歌，到底在唱些什麼呢？作為一個專業的數據分析師，閑來做了一些歌詞文本分析來探討這個有趣的小問題。
一、分析手段介紹：
Step1定義「那些年」和 「港式流行歌」
「那些年」：為了凸顯港樂發展變化的軌跡，我將「那些年」定義為1970年到2010年，共40年，並以10年作為一個區間（年代），分別分析，以便對比。2010年後的歌就不納入研究範疇，一來還沒到十年，二來年代太近，最多只能算「這些年」。
「港式流行歌」：本著以人為本的思想，我先找到各個年代的代表歌手，再用爬蟲[1]爬取歌手在這個年代發行的所有專輯（錄音室專輯）的歌詞。那麼，什麼又是代表歌手呢？這沒有一個統一的標準答案，我暫且選取一些知名度高、作品量大和我比較喜歡（熟悉）的歌手。如八十年代的譚張梅陳、九十年代的四大天王等。
[1]爬蟲不是蟲，而是一種自動抓取網頁數據的程序或腳本。
Step2準備數據
定義明確後，我開始爬蝦米音樂的歌詞（因為蝦米比較好爬…）
一共爬取了28位歌手，5029首歌，100+萬字的歌詞。其中17位男歌手/組合，11位女歌手/組合。
平均每個年代7位歌手，平均每位歌手180首歌。是的，180這個數字也超乎我的想像，如黎明在90年代發行的專輯就有31張，而且還只算錄音室專輯。
Step3用TextRank演算法提取Top50關鍵詞
歌詞文本準備就緒，那麼我們如何在浩瀚的詞海里淘到每個時代的主旋律？我的做法是：運用TextRank演算法，提取Top 50的關鍵詞。
Step4 關鍵詞分析，一探究竟
在Top50關鍵詞的基礎上再去分析，其實就是間接分析了這些歌詞的主題。所謂窺一斑而見全豹也！下面，讓我來給大家詳細對關鍵詞進行分析：
二、關鍵詞分析：
本想每個年代選一個關鍵詞，但因為有些關鍵詞是跨時代的，所以我在分析舉例的過程中，並不會局限於某個年代，綜合挑選了四個最具代表性的關鍵詞進行分析。
為了給大家一個直觀的印象，我使用文字雲的工具，每個年代分別生成一張圖片。但需注意，文字雲工具分詞的演算法，與我提取關鍵詞的演算法並不相同，下文的分析以TextRank演算法的結果為依據，圖片僅供參考。
1.「鴛鴦」——受粵劇和英文歌影響的七十年代
七十年代的歌詞很有詩意，如相思、春風、今宵、鴛鴦等。可能是因為流行音樂剛開始不久，仍然受到以往粵曲風格的影響。
其中「鴛鴦」特別吸引到我的眼球，心想：這種詞應該主要出自女歌手吧，要麼是小鳳姐（徐小鳳），要麼是汪阿姐（汪明荃），一定不會是我大Sam哥（許冠傑）和香帥（鄭少秋）的。
然而統計結果卻還我一個冰冷的巴掌——出現34次的「鴛鴦」，小鳳姐和汪阿姐一共才佔了7次，Sam哥佔了7次，剩下20次全是香帥的！原來我腦海中只有鄭少秋楚留香般的俠客形象，卻忽略了他風流倜儻的另一面。看來真的要杜絕主觀偏見，讓數據說話。
▲汪明荃與鄭少秋合照
七十年代的歌詞中，也出現很多英文單詞，如love，me，all等。因為在許冠傑開始唱粵語之前，香港人都在聽英文歌和國語歌。相信很多人對張國榮77年的American Pie有印象。英文歌是主流的現象從八十年代開始消失，可見許冠傑對港樂本土化起到極大的作用，難怪有「歌神」的稱號。
詩意和英文，就像一對鴛鴦，在七十年代的歌詞湖泊上出雙入對，代表著有別於其他年代的兩大特點。這也是為什麼「鴛鴦」這個詞雖然出現頻率不算太高，但仍當選年代關鍵詞的原因。
2、「我心」——八十年代前後，流行直抒胸臆
八十年代前後，「我心」出現的頻率都很高，但零零年代就幾乎不見影蹤了。「妳已在我心，不必再問記著誰。」這是我馬上找到的、找到之後就不願再找的、包含「我心」的代表歌詞。相信榮迷都懂我在說什麼。
雖說不願再找，但好奇心驅使，還是再找找吧。「我墮入情網你卻在網外看始終不釋放，你笑笑看看我象是望著獵物我心已傷。」譚校長的《愛情陷阱》代表另一種風格的「我心」。
校長、哥哥都那麼赤誠，頻頻將「我心」示人，不難想像其他歌手後輩會如何大力效仿，其中包括歌神張學友：《愛是永恆》中，「其實你沒有別離，在我心湖中」，還有《太陽星辰》的「太陽星辰，即使變灰暗，心中記憶，一生照我心」。
順便一提，這兩首歌都出自我很喜歡的林振強之手，傳說強伯的詞有很多太陽、星星和月亮，有機會可以數據分析驗證一下。
3.「沒有」——九十年代，從有到無的想像力到達頂峰
九十年代，歌詞中出現大量的「沒有」，「不可」，「沒法」，「不想」等否定辭彙。（其實八十年代就已經出現這種情況，只不過九十年代愈加明顯和有代表性。）其中「沒有」出現的頻率非常顯眼！
八十年代的1098首歌中，「沒有」出現了207次，平均每五首歌出現一次；九十年代的2165首歌中，「沒有」出現了983次，平均每兩首歌出現一次；零零年代的1262首歌中，「沒有」出現了821次，幾乎平均每首歌出現一次！雖然「沒有」只是副詞，但我們不妨借它來研究一下歌詞里的規律。
看看幾個例子：
《風箏與風》：「沒有燈，背影怎可上路；如沒雲，天空都不覺高…… 當風箏沒有風，一顆心也都很重」。
《當》：「當山峰沒有稜角的時候，當河水不再流，當時間停住日夜不分，當天地萬物化為虛有」。
《最佳損友》：「問我有沒有，確實也沒有」。
韋禮安的《有沒有》：最後一段就有11個「有沒有」……
（《當》和《有沒有》是國語歌，但這套路太像了，所以放上來一起討論。）
不難看出，上面的歌詞分兩類：「沒有」和「有沒有」。需要注意的是，「有沒有」也被統計入「沒有」的詞頻中。但因為兩者意思其實不同，我們只探討「沒有」。
「沒有燈，沒有雲，山峰沒有稜角」，「沒有」代表一種假設。因為有了，所以假設沒有，我們會怎樣；假設沒有，便脫離現實，去到詩意的境界（至少是歌詞的境界）。
難怪六七十年代的人聽不慣現在的歌，因為他們那時窮啊，那時幾乎是一無所有啊，你還讓他們聽 沒有沒有的，多殘忍啊！而他們聽的歌很多都是「有」的：
有風光，「漫漫前路有幾多風光，一一細心賞」（徐小鳳《漫漫前路》）；
有胸襟，「湖海洗我胸襟，河山漂我影蹤」（鄭少秋《楚留香》）；
有笑聲，「滄海一聲笑，滔滔兩岸潮」（許冠傑《滄海一聲笑》）；
還有情，「未怕罡風吹散了熱愛，萬水千山總是情」（汪明荃《萬水千山總是情》）。
解釋一下，以前歌里的情不同於現在，以前的情多了幾分積極向上。
4、「世界」——零零年代，物質世界全球化和精神世界的探索
到了零零年代，除了「沒有」之外，「世界」已然成為歌曲中最熱門的詞。
零零年代香港樂壇的代表人物無疑是第三代歌神陳奕迅，他有一首歌就叫做《世界》的：「原來愛情的世界很大，大的可以裝下一百種委屈；原來愛情的世界很小，小到三個人就擠到窒息」。還有一首更為人熟知的，《全世界失眠》：「一個人失眠，全世界失眠，無辜的街燈，守候明天」。
▲陳奕迅
說了很多男歌手，該到女歌手啦。零零年代的香港女歌手，我最愛楊千嬅，《飛女正傳》：「世界將我包圍，誓死都一齊，壯觀得有如，懸崖的婚禮」。為什麼從八十年代開始，到零零年代，「世界」越來越多地被歌手們傳唱？
一方面，我認為與全球化和經濟發展有關，借用一句台詞，「你連世界都沒觀過，還談什麼世界觀？」說一樣東西之前，你一定對它有所認識。「世界」在華語歌詞中的流行，其實反映了一種全球化的趨勢。
另一方面，我認為與一個人有關。這個人的名字也出現在零零年代的關鍵詞中，也是關鍵詞Top 50中唯一一個人名——他就是林夕。（註：歌詞文本中沒有去掉作曲作詞人等數據。）
「世界」這個中文辭彙，其實出自佛經，意指時間和空間。而林夕正好是佛教徒。林夕的詞，精美細膩的下面，是深不可測，蘊含著很多他的哲學思想，所以他會使用很多諸如世界的佛家用語，也理所當然。
三、結論：「愛情」——永恆的主旋律
「鴛鴦」、「我心」、「沒有」、「世界」，這四個關鍵詞中的關鍵詞，在香港樂壇年代變遷中，出現的頻率跌宕起伏。然而，另有一個詞，一直穩定且低調地佔據著四個年代的關鍵詞TOP 10，它就是——「愛情」。
原來「鴛鴦」也是在講愛情：只羨鴛鴦不羨仙，鴛鴦般的愛情無比美好；
原來「我心」也是在講愛情：我心傷悲或狂喜，都是愛情在發動；
原來「沒有」也是在講愛情：沒有愛情一切無法想像，有了愛情可以想像一切；
原來「世界」也是在講愛情：愛情的對象，有時就是全世界。
難怪聖經也說：「愛情，眾水不能熄滅，大水也不能淹沒。」
現在，你知道香港歌壇四十年都在唱些什麼了嗎？
最後，附上四個年代關鍵詞排名對比。（只顯示前15名）
今天就先分享到這裡，去看《歌手》了，心情好的話給大家用數據分析預測一下本季「歌王」吧！
原力大數據（廣州帷策智能科技有限公司）
廣州帷策智能科技有限公司致力於大數據研究及應用項目，積累了豐富且深入的大數據實踐經驗與成果。尤其擅長基於大數據的分析建模、能力固化和產品研發，力求幫助客戶透視業務全景，實現量化決策、精準決策和科學決策，高效提升市場營銷及運營管理能力。
官網：帷策：知識就是力量，數據就是能量
合作聯繫：020- 85279103 微信 jesich
本文為原創文章，轉載請註明作者，並附帶作者及公司簡介。
推薦閱讀：
※今日數據行業日報（2017.03.16）
※知識布局-sql-impala解析
※如何成為大數據產品經理
※2017，大屏可視化助力大數據應用落地
※大數據計數原理1+0=1這你都不會算(五)No.55