用自然語(yǔ)言處理看希拉里、特朗普演講，各自“什么范兒”

雷鋒網(wǎng)按：本文原作者M(jìn)aixent Chenebaux，選文&校對(duì)Aileen，翻譯姜范波。文章由大數(shù)據(jù)文摘|bigdatadigest授權(quán)雷鋒網(wǎng)發(fā)布，如需轉(zhuǎn)載請(qǐng)聯(lián)系授權(quán)。

當(dāng)?shù)貢r(shí)間10月9日，美國(guó)總統(tǒng)大選兩名候選人第二場(chǎng)公開辯論將登場(chǎng)，特朗普和他的對(duì)手希拉里·克林頓將在圣路易華盛頓大學(xué)進(jìn)行第2場(chǎng)大選辯論，時(shí)長(zhǎng)90分鐘。

不管是演講或辯論，兩位候選人都有自己獨(dú)特的“演講范兒”，使用語(yǔ)義分析和自然語(yǔ)言處理分析兩人的演講風(fēng)格是件有趣的事情。本文通過(guò)自然語(yǔ)言處理分析兩人的總統(tǒng)候選人提名演講，發(fā)現(xiàn)了他們?cè)谟迷~和演講節(jié)奏上的不同特點(diǎn)。

數(shù)據(jù)科學(xué)可以應(yīng)用到很多領(lǐng)域。從圖像處理到人工智能，無(wú)所不能。其中之語(yǔ)義分析(semantic analysis)，在社交媒體監(jiān)測(cè)中非常有用。本文聚焦于政治，而非推特或臉書的評(píng)論分析。

今年7月21日，唐納德?特朗普，在俄亥俄州的克利夫蘭舉行的共和黨全國(guó)代表大會(huì)的最后一天接受了共和黨總統(tǒng)候選人提名。一周之后的28日，希拉里?克林頓在費(fèi)城接受了民主黨總統(tǒng)候選人提名。

在家人和成千上萬(wàn)粉絲的支持下，他們發(fā)表了各自的提名演講。本文對(duì)此進(jìn)行了分析，以期更好地理解這份政治通訊背后隱藏的深意。本文集中在三個(gè)特征上：詞匯、風(fēng)格和節(jié)奏。

深扒詞匯

評(píng)價(jià)誰(shuí)使用的詞匯量最大的方法之一是看演講者用了有多少獨(dú)特的詞。為此需要先去除英語(yǔ)中沒有“意義”的那些詞（如“the”，“a”，“of”等）。這些詞也叫停用詞：具體名單可參照此鏈接。其次，重復(fù)詞只能計(jì)算一次。英語(yǔ)中的名詞單復(fù)數(shù)，動(dòng)詞不同人稱時(shí)態(tài)也用Snowball Stemmer算法做相應(yīng)處理： 比如Leaders和Leader算一個(gè)詞，Am和Are也算一個(gè)詞。

注：想更多了解Snowball Stemmer算法可以參照這里。

我們發(fā)現(xiàn)特朗普的演講大概13%的詞匯是獨(dú)特的（全文7460個(gè)單詞中有965個(gè)不同的主干詞）。平均每個(gè)詞重復(fù)7.7次。而希拉里有17%的獨(dú)特詞，每個(gè)詞平均重復(fù)約6次。區(qū)別很明顯：特朗普的演講之80%只需要480個(gè)詞，而希拉里需要665個(gè)詞！多出來(lái)38%，意味著我們開始得到一些結(jié)果了。

構(gòu)成候選人演講稿80%的詞匯量

演講的效率部分依賴于演講者的風(fēng)格。本文試圖找出兩名候選人最心愛的詞。尋找“特朗普范兒”或者“希拉里范兒”的詞，即找出一個(gè)候選人中使用最頻繁而在其競(jìng)爭(zhēng)對(duì)手那使用最少的詞。比如，“really”這個(gè)詞，在特朗普的演講中出現(xiàn)了15次，在希拉里的演講中僅出現(xiàn)1次。計(jì)算的方法之一是計(jì)算每個(gè)詞的“比值比（odds ratio）”。公式如下：

分子是某個(gè)詞在特朗普詞匯表中出現(xiàn)的概率，分母為同樣的詞在希拉里文中出現(xiàn)的概率。取對(duì)數(shù)使得我們可以高效的進(jìn)行排序：當(dāng)二者旗鼓相當(dāng)時(shí)，對(duì)數(shù)值為0。否則要么為負(fù)（希拉里范兒）或?yàn)檎ㄌ乩势辗秲海＝Y(jié)果如下：

 幾乎僅見于唐納德?特朗普的詞

 幾乎僅見于希拉里?克林頓的詞

我們注意到的第一件事是，特朗普喜歡用短而常見的詞，反復(fù)使用：真的（really），很好（nice），非常好（great），問(wèn)題（problem）。還有一點(diǎn)，我們可以感覺到這位共和黨候選人的某種成見：墨西哥，中國(guó)，伊朗。總體而言，特朗普關(guān)注的似乎更偏向于國(guó)際問(wèn)題。大部分他所提及的外務(wù)，旨在煽動(dòng)恐懼，尋找替罪羊。

而希拉里一方，詞匯的范圍更廣。“希拉里范兒”的詞傾向于較為罕見的詞。希拉里?克林頓提到“美國(guó)”的次數(shù)大大多于特朗普：27：5。“希拉里范兒”的詞表提示，希拉里的演講更加著眼于國(guó)內(nèi)事物。她典型的詞包括：一起（together），運(yùn)動(dòng)（campaign）和努力（hard）。唐納德?特朗普的名字也多次出現(xiàn)在她的演講中。

認(rèn)真的讀者會(huì)發(fā)現(xiàn)，“特朗普”這個(gè)詞并沒有出現(xiàn)在“希拉里范兒”的詞表中，這是因?yàn)樘乩势赵谒难葜v中，多次提到他自己的名字（10次），因此把比值比拉下來(lái)了。作為對(duì)比，希拉里的名字只提到了2次：一次在希拉里自己的演講中（提到她的丈夫比爾?克林頓），一次被特朗普提到。并且，“希拉里范兒”的詞“想要（wants）”出現(xiàn)在批評(píng)她的對(duì)手時(shí)（“他想要分裂我們…”，“他想要我們懼怕未來(lái)，懼怕彼此”）顯然，希拉里談?wù)摿颂乩势眨乩势照務(wù)摰氖恰约海?/p>

所有人都在談?wù)撎乩势?/span>

我們也可以來(lái)看看雙方都在用的詞。它們代表了二者的共識(shí)。不出意料，它們是“工作（jobs）”、“國(guó)家（country）”、“思考（thinking）”。他們都說(shuō)了很多次“謝謝”，但方式不同：希拉里特別感謝了一些人，而特朗普主要是在觀眾鼓掌的時(shí)候致謝。

 

演講節(jié)奏

由于背景的不同，兩位候選人都有自己的節(jié)奏。評(píng)價(jià)語(yǔ)言的內(nèi)在節(jié)奏，一個(gè)好的開端是：把演講分割為很多句子，句子再分割成單詞。我們發(fā)現(xiàn)，特朗普的演講較長(zhǎng):有625個(gè)句子和7460個(gè)單詞。而希拉里只用到405個(gè)句子和6088個(gè)單詞。就是說(shuō)，特朗普比他的對(duì)手，多用了54%的句子，長(zhǎng)了23%。

特朗普的平均句子長(zhǎng)度是12個(gè)單詞，希拉里的句子稍長(zhǎng)，平均每句15個(gè)詞。大部分特朗普的句子都很短：演講21%由5-6個(gè)單子的短句組成。希拉里的句子長(zhǎng)度更均勻，12個(gè)單詞的是最常見的。

奧巴馬的句子長(zhǎng)度是特朗普和希拉里之和

我們看到了特朗普和希拉里的一個(gè)明顯區(qū)別：特朗普演講簡(jiǎn)單明快，而希拉里更加多樣、冷靜。但是等等！她并不是非同尋常：奧巴馬在他的第一次提名演講中，平均每句話用到25.7個(gè)單詞，幾乎是希拉里和特朗普之和。奧巴馬的重復(fù)用詞也比希拉里少了24%，比特朗普少了42%。我想，這說(shuō)明，雖然希拉里的節(jié)奏要慢一點(diǎn)兒，句子結(jié)構(gòu)要復(fù)雜點(diǎn)兒，她的演講風(fēng)格與對(duì)手仍然非常接近。

寫在最后

自然語(yǔ)言處理不是一門精確的科學(xué)。只能給我們一些線索和元件，據(jù)此來(lái)理解演講。語(yǔ)料庫(kù)也很短，需要更多的分析來(lái)提取更精確的特征。但是從本文的分析，我們發(fā)現(xiàn)了什么？

1. 特朗普談?wù)撍械氖虑槭恰罢娴摹保昂芎谩保胺浅：谩保＠镎務(wù)摰氖侨绾巍盀槊绹?guó)”“一起”“工作”。

2. 特朗普談?wù)摰氖撬约海＠镎務(wù)摰氖翘乩势铡ｋm然希拉里用到了更大的詞匯表，更復(fù)雜的句子結(jié)構(gòu)，看起來(lái)她或多或少采用了特朗普的說(shuō)話方式。

3. 奧巴馬的提名演講（兩次均是）采用了更大的詞匯表，復(fù)雜得多的句子結(jié)構(gòu)，表明特朗普顛覆性地簡(jiǎn)化了這樣國(guó)家級(jí)的演講。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。