排行榜書(shū)名號(hào)（書(shū)名號(hào) 直排）

大家好！今天讓創(chuàng)意嶺的小編來(lái)大家介紹下關(guān)于排行榜書(shū)名號(hào)的問(wèn)題，以下是小編對(duì)此問(wèn)題的歸納整理，讓我們一起來(lái)看看吧。

開(kāi)始之前先推薦一個(gè)非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計(jì)劃、工作報(bào)告、論文、代碼、作文、做題和對(duì)話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，越精準(zhǔn)，寫(xiě)出的就越詳細(xì)，有微信小程序端、在線網(wǎng)頁(yè)版、PC客戶(hù)端

官網(wǎng)：https://ai.de1919.com，如需相關(guān)業(yè)務(wù)請(qǐng)撥打電話175-8598-2043，或添加微信：1454722008

本文目錄:

• 1、九鍵的公怎么打

• 2、求歷屆快樂(lè)女聲、男聲排名

• 3、簡(jiǎn)書(shū)用戶(hù)畫(huà)像 之 如何挖掘用戶(hù)的電影喜好

• 4、現(xiàn)在最流行的歌曲都有哪些？

一、九鍵的公怎么打

九鍵怎么打您好!親 1、首先點(diǎn)擊輸入框調(diào)出鍵盤(pán)，在彈出的鍵盤(pán)上邊選擇鍵盤(pán)小圖標(biāo)，然后選擇拼音九宮格。2、練習(xí)打字，以你們好為例。在拼音鍵左側(cè)是精確的拼音，如果顯示的不是我們需要的字，可選擇正確的拼音?！澳恪笔怯衝i拼音，所以按拼音順序，點(diǎn)擊46。“們”是有men拼音，所以按拼音順序，點(diǎn)擊636。“好”字是有hao拼音，按拼音順序點(diǎn)擊42。3、現(xiàn)在可以看到鍵盤(pán)上方準(zhǔn)確的出現(xiàn)在鍵盤(pán)上方，點(diǎn)擊這三個(gè)文字，就準(zhǔn)確完成了輸入。4、如果聯(lián)想出來(lái)的文字不是需要的文字，可以點(diǎn)擊文字右側(cè)向右書(shū)名號(hào)按鈕。5、可以看到有很多字可以選擇。6、點(diǎn)擊鍵盤(pán)左下角的符字按鈕，可以打開(kāi)符號(hào)鍵盤(pán)，有常用到序號(hào)共九種可以選擇。7、點(diǎn)擊左下角的返回可返回九宮格鍵盤(pán)。按鈕“123”可以打開(kāi)數(shù)字鍵盤(pán)，123右側(cè)的按鈕為空格鍵，中/英為中文英文切換。



問(wèn)題還沒(méi)解決？快來(lái)咨詢(xún)專(zhuān)業(yè)答主~

九鍵怎么打

在線

2663位答主在線答

服務(wù)保障

專(zhuān)業(yè)

響應(yīng)快

馬上提問(wèn)

40345人對(duì)答主服務(wù)作出評(píng)價(jià)

回答切中要害老師態(tài)度很好回答專(zhuān)業(yè)迅速回答很耐心認(rèn)真大平臺(tái)保障，服務(wù)好回答切中要害老師態(tài)度很好回答專(zhuān)業(yè)迅速回答很耐心認(rèn)真大平臺(tái)保障，服務(wù)好

搶首贊

分享評(píng)論

鍵盤(pán)小鍵盤(pán)-京東電腦辦公排行榜，趕快了解一下!



萌可兒 mini迷你小鍵盤(pán)數(shù)字鍵盤(pán)筆記本外接鍵盤(pán)財(cái)務(wù)會(huì)計(jì)辦公專(zhuān)用女生可愛(ài)2.4G無(wú)線接收器 黑紅混彩

￥79.9 元



萌可兒 mini迷你小鍵盤(pán)數(shù)字鍵盤(pán)筆記本外接鍵盤(pán)財(cái)務(wù)會(huì)計(jì)辦公專(zhuān)用女生可愛(ài)2.4G無(wú)線接收器 藍(lán)色混彩

￥79.9 元



萌可兒 mini迷你小鍵盤(pán)數(shù)字鍵盤(pán)筆記本外接鍵盤(pán)財(cái)務(wù)會(huì)計(jì)辦公專(zhuān)用女生可愛(ài)2.4G無(wú)線接收器 綠色混彩

￥79.9 元



萌可兒 mini迷你小鍵盤(pán)數(shù)字鍵盤(pán)筆記本外接鍵盤(pán)財(cái)務(wù)會(huì)計(jì)辦公專(zhuān)用女生可愛(ài)2.4G無(wú)線接收器 檸檬黃混彩

￥79.9 元



USB小鍵盤(pán)2鍵復(fù)制粘貼ctrl一鍵密碼多組合鍵自定義快捷鍵osu音游改鍵JEQLO 黑色 紅軸

￥52 元

京東廣告

10大鍵盤(pán)排行榜-京東電腦辦公，十大性?xún)r(jià)比排行榜，鉅惠送不停!



櫻桃（CHERRY）STREAM有線鍵盤(pán)輕音辦公商務(wù)家用磨砂質(zhì)感十大功能按鍵鍵盤(pán)黑色

￥189 元



櫻桃（CHERRY）STREAM有線鍵盤(pán)輕音辦公商務(wù)家用磨砂質(zhì)感十大功能按鍵鍵盤(pán)黑色

￥199 元



櫻桃（CHERRY）STREAM有線鍵盤(pán)輕音辦公商務(wù)家用磨砂質(zhì)感十大功能按鍵鍵盤(pán)白色

￥189 元



櫻桃（CHERRY）STREAM有線鍵盤(pán)輕音辦公商務(wù)家用磨砂質(zhì)感十大功能鍵盤(pán)白色

￥199 元



悅磁 真機(jī)械鍵盤(pán)104鍵吃雞電競(jìng)游戲朋克筆記本臺(tái)式電腦通用辦公打字有線發(fā)光背光LOL鍵盤(pán)鼠標(biāo)鍵鼠套裝 黑色混光黑軸-旋鈕朋克版【二十種燈效 電鍍圓鍵】

￥149 元

京東廣告

九鍵怎么打



生活老師小貝

服務(wù)態(tài)度好

您好親親，1、首先點(diǎn)擊輸入框調(diào)出鍵盤(pán)，在彈出的鍵盤(pán)上邊選擇鍵盤(pán)小圖標(biāo)，然后選擇拼音九宮格。2、練習(xí)打字，以你們好為例。在拼音鍵左側(cè)是精確的拼音，如果顯示的不是我們需要的字，可選擇正確的拼音。3、現(xiàn)在可以看到鍵盤(pán)上方準(zhǔn)確的出現(xiàn)在鍵盤(pán)上方，點(diǎn)擊這三個(gè)文字，就準(zhǔn)確完成了輸入。4、如果聯(lián)想出來(lái)的文字不是需要的文字，可以點(diǎn)擊文字右側(cè)向右書(shū)名號(hào)按鈕。5、可以看到有很多字可以選擇。6、點(diǎn)擊鍵盤(pán)左下角的符字按鈕，可以打開(kāi)符號(hào)鍵盤(pán)，有常用到序號(hào)共九種可以選擇。7、點(diǎn)擊左下角的返回可返回九宮格鍵盤(pán)。按鈕“123”可以打開(kāi)數(shù)字鍵盤(pán)，123右側(cè)的按鈕為空格鍵，中/英為中文英文切換。

二、求歷屆快樂(lè)女聲、男聲排名

1、2004年超級(jí)女聲：冠軍：安又琪，亞軍：王緹，季軍：張含韻。

2、2005年超級(jí)女聲：冠軍：李宇春，亞軍：周筆暢，季軍：張靚穎。

3、2006年超級(jí)女聲：冠軍：尚雯婕，亞軍：譚維維，季軍：劉力揚(yáng)。

4、2007年快樂(lè)男聲：冠軍：陳楚生，亞軍：蘇醒，季軍：魏晨。

5、2009年快樂(lè)女聲：冠軍：江映蓉，亞軍：李霄云，季軍：黃英。

6、2010年快樂(lè)男聲：冠軍：李煒；亞軍：劉心；季軍：武藝。

7、2011年快樂(lè)女聲：冠軍：段林希，亞軍：洪辰，季軍：劉忻。

8、2013年快樂(lè)男聲：冠軍：華晨宇，亞軍：歐豪，季軍：白舉綱。 

9、2016年超級(jí)女聲：冠軍：史兆怡，亞軍：方圓，季軍：張曉鈺。

10、2017年快樂(lè)男聲：冠軍：魏巡，亞軍：養(yǎng)雞，季軍：尹毓恪。

擴(kuò)展資料：

相關(guān)冠軍人物介紹：

1、安又琪

安又琪，中國(guó)內(nèi)地流行樂(lè)女歌手、影視演員，畢業(yè)于北京電影學(xué)院。代表作品：《你好，周杰倫》、《有你陪著我》、《談情說(shuō)愛(ài)》、《因瞰朵》、《Miss安》、《大愛(ài)Crazy Love》等。

2、李宇春

李宇春，中國(guó)流行女歌手、演員、詞曲創(chuàng)作人、演唱會(huì)導(dǎo)演。代表作品：《下個(gè)路口見(jiàn)》、《和你一樣》、《再不瘋狂我們就老了》、《野蠻生長(zhǎng)》等。

3、尚雯婕

尚雯婕，中國(guó)內(nèi)地女歌手、演員、音樂(lè)人。代表作品：《最終信仰》、《Big up》 、《鹿 be free》、《single boy》等。

三、簡(jiǎn)書(shū)用戶(hù)畫(huà)像 之 如何挖掘用戶(hù)的電影喜好

我在 《爬取百萬(wàn)頁(yè)面 分析用戶(hù)畫(huà)像》 中分析了用戶(hù)的書(shū)籍喜好，這里繼續(xù)嘗試通過(guò)影評(píng)文章的抓取、內(nèi)容清洗、影評(píng)句子提取，建立機(jī)器學(xué)習(xí)情緒預(yù)測(cè)模型，挖掘分析用戶(hù)對(duì)流行電影的喜好。

涉及的NLP（自然語(yǔ)言處理）知識(shí)點(diǎn)：

涉及的ML（機(jī)器學(xué)習(xí)）知識(shí)點(diǎn)：

電影的拍攝成本高、票價(jià)也不低，消費(fèi)者投入的關(guān)注度和觀看成本高（最終的投入成本是包括注意力投入、金錢(qián)投入、時(shí)間投入和感情投入）。

簡(jiǎn)單算下觀看一部電影的成本（步驟）：先看下預(yù)告內(nèi)容，做下同期上映電影的比較，覺(jué)得導(dǎo)演、演員陣容都不錯(cuò)，下定決心要看了，跟男／女友／老婆 ／老公／基友／閨密做推薦，推薦成功后去選座買(mǎi)票，觀影當(dāng)天說(shuō)不定還得先吃個(gè)飯，飯后乖乖的在影院呆上90分鐘（關(guān)鍵時(shí)刻還得憋尿），觀影結(jié)束后指不定還得來(lái)個(gè)夜宵、開(kāi)個(gè)房間探討下人生什么的。。。

讀一本書(shū)的成本（步驟）：1.打開(kāi)書(shū)/電子閱讀器/手機(jī)；2. 讀！

這樣對(duì)比看一部電影比讀一本書(shū)的投入成本高多了！

因此觀眾給出的反饋?zhàn)匀灰脖葧?shū)籍會(huì)強(qiáng)烈一些，特別是滿(mǎn)懷期待看完卻發(fā)現(xiàn)是一部爛片，有種上當(dāng)受騙的感覺(jué)。

因此對(duì)電影光是通過(guò)詞頻作為喜好度是不夠的，用戶(hù)可能反復(fù)的在罵呢。

所以需要引入多一個(gè)分析的因子：情緒。用戶(hù)提及某個(gè)電影時(shí)的情緒是怎么樣的，是積極愉悅、還是負(fù)面憤怒，加上這個(gè)才能有效判定用戶(hù)對(duì)電影或者某個(gè)事物的喜好。

在豆瓣上，用戶(hù)的評(píng)分就是最直接的情緒數(shù)值：5力薦，4推薦，3還行，2較差，1很差。

但在這類(lèi)寫(xiě)作平臺(tái)上，發(fā)布文章時(shí)是沒(méi)有一個(gè)選項(xiàng)來(lái)填寫(xiě)分?jǐn)?shù)，也沒(méi)提供選擇心情的選項(xiàng)。

“所言即其所思”，這是普遍人性。每個(gè)用戶(hù)寫(xiě)下的文字表達(dá)想法，在字里行間都會(huì)不經(jīng)意的使用一些情緒用詞來(lái)表達(dá)，這些便是我可以獲取的“原始數(shù)據(jù)”。

精準(zhǔn)推薦！用戶(hù)談?wù)摰枚嗟臇|西未必是TA所喜愛(ài)的，也許是TA痛恨的（比如說(shuō)前任）。如果用戶(hù)在自己大力差評(píng)某部電影的文章底部看到另一部相似爛片的推薦，推薦文案還寫(xiě)著“親，我猜你還喜歡看這些”，估計(jì)這用戶(hù)會(huì)有種吃了蒼蠅剛吐出來(lái)發(fā)現(xiàn)迎面又飛來(lái)幾只的感覺(jué)。

通過(guò)用戶(hù)在討論某事物時(shí)上下文的情緒分析，來(lái)判斷對(duì)該事物的喜惡，將預(yù)測(cè)結(jié)果加入對(duì)事物的打分計(jì)算中，最后得出一個(gè)可量化、可計(jì)算的分?jǐn)?shù)值，便是一個(gè)精準(zhǔn)推薦系統(tǒng)的需要解決的問(wèn)題。

理論上只需要一句話：要識(shí)別出文章中提及的電影，以及作者對(duì)該電影的評(píng)論，是好評(píng)還是差評(píng)，作為文章作者對(duì)該電影的喜惡，并根據(jù)評(píng)論的情緒強(qiáng)烈程度轉(zhuǎn)化為喜惡程度即可。

那實(shí)際上，就要解決以下問(wèn)題：

下面逐一細(xì)說(shuō)。

我采集了上幾個(gè)比較受歡迎的電影專(zhuān)題以及一個(gè)大V帳號(hào)文章（數(shù)據(jù)截止至采集數(shù)據(jù)時(shí)）：

但由于對(duì)專(zhuān)題頁(yè)面加了訪問(wèn)限制，每個(gè)專(zhuān)題只能訪問(wèn)到最新的200個(gè)列表頁(yè)面，因而每個(gè)專(zhuān)題可獲取2~3000篇文章，以此作為抽樣數(shù)據(jù)樣本。

要分析對(duì)電影的評(píng)價(jià)，首先就要獲取到文章中提到電影名稱(chēng)有哪些，最簡(jiǎn)單的匹配規(guī)則便是提取書(shū)名號(hào) 《》 內(nèi)的內(nèi)容。

而實(shí)際獲取到的電影名稱(chēng)真可謂“臟亂差”，有電影名、書(shū)籍名、文章名等，有些電影名稱(chēng)會(huì)用縮寫(xiě)引用（如《變1》、《復(fù)聯(lián)》、《生化危機(jī)4/5/6》），或者中英文混合在一起（如《機(jī)器人總動(dòng)員(wall-e)》），甚至還有錯(cuò)漏別字（如《那些年，我們一起追過(guò)的女孩》，多了個(gè)“過(guò)”字），以及包含中英文特殊標(biāo)點(diǎn)空白符號(hào)等，例如：

因此需要進(jìn)行一輪“數(shù)據(jù)大清洗”，我使用如下清洗策略：

其中“電影專(zhuān)用詞典”，是通過(guò)采集了 「貓眼 影片總票房排行榜」 2000~2017年間上榜的所有電影，約有3000+部，如圖：

再根據(jù)文章中所收集到的電影名稱(chēng)的候選文本，抓取「豆瓣網(wǎng)」的官方電影名字（遭遇了豆瓣業(yè)內(nèi)聞名的反爬策略就不多說(shuō)了），合并去重后約有8400多部?？匆谎鄄虐l(fā)現(xiàn)好多電影連聽(tīng)都沒(méi)聽(tīng)過(guò)，有些電影名稱(chēng)還挺有趣，以后有時(shí)間還可以做下電影名稱(chēng)的分析。

為了解決錯(cuò)別字，我通過(guò)文本相似性算法，在電影專(zhuān)用詞典里找出與之最相似名稱(chēng)。

知名的相似算法有不少，如：

經(jīng)過(guò)簡(jiǎn)單比較，我選擇了其中表現(xiàn)最好的 jaro_winkler_distance

運(yùn)用到文章內(nèi)容上，可得到相似電影名稱(chēng)，感覺(jué)效果還可以：

構(gòu)建一個(gè)Pipeline用于提取頁(yè)面中電影名稱(chēng)，對(duì)單個(gè)頁(yè)面測(cè)試效果如下：

運(yùn)用到所有頁(yè)面上：

至此完成了電影名稱(chēng)的提取、清洗，得出每篇文章提及的電影名稱(chēng)，如圖：

判斷一篇文章的情緒，最簡(jiǎn)單的做法是通過(guò)提取所有情緒詞來(lái)統(tǒng)計(jì)下詞頻及其權(quán)重可得到一個(gè)粗糙的結(jié)果，但這樣的結(jié)果對(duì)“影評(píng)”類(lèi)文章不是很準(zhǔn)確。

根據(jù)觀察，一篇電影評(píng)論文章中，往往會(huì)有大段的電影情節(jié)描述，然后夾雜一兩句評(píng)論。而有些電影本身劇情就是比較負(fù)面、陰暗的（如災(zāi)難片類(lèi)的），但影片本身質(zhì)量很高（如《釜山行》，豆瓣評(píng)分8.2），如果文章內(nèi)容包含大量的劇情描述，那么得到關(guān)鍵詞會(huì)偏向于負(fù)面情緒，并不能用于表達(dá)出作者對(duì)電影的喜好情緒。

因此我使用了這樣的提取策略：

評(píng)論句子提取的結(jié)果示例如下：

這樣的策略對(duì)有些內(nèi)容不是很適用，例如這樣的標(biāo)題：《同樣是豆瓣9.2分，它或許比《摔跤吧！爸爸》更深》，這是典型的“借勢(shì)營(yíng)銷(xiāo)”型文案，文章內(nèi)容中推介的是另外一部韓國(guó)電影《熔爐》，而時(shí)下《摔跤吧！爸爸》正熱，標(biāo)題中帶上這個(gè)會(huì)更吸引用戶(hù)點(diǎn)擊。

另外一個(gè)思路是對(duì)文章進(jìn)行摘要提取，然后對(duì)摘要進(jìn)行情緒識(shí)別。而對(duì)于文章的主題提取，可以使用在ML算法中的用于解決 主題模型 問(wèn)題的算法（如LDA），但不確定是否適合影評(píng)這種混合了大量劇情描述的文章內(nèi)容。

得到相關(guān)評(píng)論文本后，便可對(duì)文本進(jìn)行分詞及情緒識(shí)別，這里有兩種做法，一是使用帶有情緒情感度的專(zhuān)業(yè)詞典，配合專(zhuān)有算法；另外一種是使用機(jī)器學(xué)習(xí)算法。

一開(kāi)始我使用了大連理工大學(xué)的《大連理工情感詞匯本體庫(kù)》，是目前最權(quán)威的中文情緒詞典，共含有情感詞共計(jì)27466個(gè)，包含了詞語(yǔ)的詞性種類(lèi)、情感類(lèi)別、情感強(qiáng)度及極性等信息，例如：

中文情感詞匯本體的情感分類(lèi)體系是在國(guó)外比較有影響的Ekman的6大類(lèi)情感分類(lèi)體系的基礎(chǔ)上構(gòu)建的。在Ekman的基礎(chǔ)上，詞匯本體加入情感類(lèi)別“好”對(duì)褒義情感進(jìn)行了更細(xì)致的劃分。最終詞匯本體中的情感共分為7大類(lèi)21小類(lèi)，如圖：

把情感詞典加入分詞詞典，對(duì)候選每個(gè)句子進(jìn)行分詞，得出情感詞組，并累加每個(gè)情感詞的強(qiáng)度值作為句子的情感值。

但經(jīng)過(guò)測(cè)試后，發(fā)現(xiàn)預(yù)測(cè)效果并不理想，究其原因發(fā)現(xiàn)是情感詞典中命中的詞語(yǔ)太少，在句子中得不到相關(guān)詞語(yǔ)，也就無(wú)法判斷情感極性和強(qiáng)度。

使用情感詞典的測(cè)試結(jié)果：

而專(zhuān)業(yè)詞典的擴(kuò)展需要專(zhuān)業(yè)領(lǐng)域知識(shí)，擴(kuò)展起來(lái)很困難，我目前沒(méi)找到更新的專(zhuān)業(yè)詞典，國(guó)內(nèi)這塊的資料相當(dāng)匱乏，而國(guó)外有個(gè)知名的SentiWordNet庫(kù)，中文NLP研究的難度系數(shù)可想而知。

鑒于情感詞典的資源限制，決定嘗試使用機(jī)器學(xué)習(xí)來(lái)對(duì)文本做正、負(fù)面情緒預(yù)測(cè)。

1). 構(gòu)建分詞詞典：

分詞需要構(gòu)建專(zhuān)用領(lǐng)域的詞典，這樣得到的分詞結(jié)果才會(huì)更精確。

因?yàn)橹恍枰姓?fù)情感類(lèi)別、不需要有情感強(qiáng)度及極性等信息，我使用了網(wǎng)絡(luò)上公開(kāi)的一些情感詞典，：

合并、清洗和去重后，最終構(gòu)建出了 14000+ 個(gè)詞的積極情緒詞典， 18000+ 個(gè)詞的消極情緒詞典。

積極詞典：

消極詞典：

2). 準(zhǔn)備訓(xùn)練語(yǔ)料

從網(wǎng)上搜集到幾個(gè)帶有積極、消極的標(biāo)注的評(píng)論語(yǔ)料數(shù)據(jù)集，分別包含了書(shū)籍、DVD、音樂(lè)、購(gòu)物領(lǐng)域的各有4000條評(píng)論，如下圖：

可惜沒(méi)找到中文影評(píng)相關(guān)的語(yǔ)料，但找到 國(guó)外英文的影評(píng)語(yǔ)料 ，對(duì)，英文資料很豐富。。。

3). 訓(xùn)練模型

由于是文本型特征，分類(lèi)算法上選擇了 樸素貝葉斯 ，把數(shù)據(jù)分為2份，一半訓(xùn)練，另一半做測(cè)試。

使用 jieba 分詞工具，對(duì)文本進(jìn)行分詞得到候選詞組，把得到的詞組作為特征輸入來(lái)訓(xùn)練情緒預(yù)測(cè)模型。

訓(xùn)練后的模型測(cè)試結(jié)果如下：

訓(xùn)練后的模型在書(shū)籍、音樂(lè)、影碟及購(gòu)物評(píng)論的語(yǔ)料上都有不錯(cuò)的效果。

在提取出的影評(píng)短句上測(cè)試：

又是“無(wú)聊”、“又俗又傻”而一個(gè)“但”字就反轉(zhuǎn)了情緒，真是難為分類(lèi)器了：

經(jīng)過(guò)反復(fù)對(duì)比實(shí)驗(yàn)，發(fā)現(xiàn)語(yǔ)料的質(zhì)量決定了模型的精度，而語(yǔ)料的擴(kuò)展對(duì)比擴(kuò)展專(zhuān)業(yè)詞典卻容易多了。例如幾年前都沒(méi)有“ 因吹斯汀 ”這些網(wǎng)絡(luò)流行詞，更不知道它代表是正面情緒，以后只要不斷更新相關(guān)領(lǐng)域的語(yǔ)料庫(kù)來(lái)重新訓(xùn)練則可得到更精確的模型。

俗話說(shuō)“是騾子是馬拉出來(lái)遛遛”。

得到一個(gè)預(yù)測(cè)情緒的模型后，便可對(duì)影評(píng)文章進(jìn)行預(yù)測(cè)，但預(yù)測(cè)的結(jié)果是否準(zhǔn)確？準(zhǔn)確率又有多高？這又是個(gè)問(wèn)題。

每當(dāng)事情陷入停滯，我就會(huì)想起日本漫畫(huà)大師安達(dá)充說(shuō)過(guò)“當(dāng)故事情節(jié)發(fā)展不下去的時(shí)候，加入一個(gè)新角色，是最簡(jiǎn)單的做法”。

這時(shí)需要祭出一個(gè)“旁證”了。這所謂的“旁證”，也就是目前大家比較認(rèn)可的電影評(píng)分網(wǎng)站——豆瓣網(wǎng)。

大家都知道豆瓣網(wǎng)上的電影用戶(hù)通過(guò)打星（5力薦，4推薦，3還行，2較差，1很差），轉(zhuǎn)換得出的10分制的評(píng)分，我們可簡(jiǎn)單把1 4.9分視作負(fù)面評(píng)價(jià)、5 10分視作正面評(píng)價(jià)，沒(méi)有分?jǐn)?shù)的視作中性評(píng)價(jià)。再把豆瓣的評(píng)價(jià)結(jié)果視作大部分人認(rèn)同的結(jié)果，當(dāng)然這樣肯定是有偏差的。

大膽假設(shè)，小心求證，先試試看吧。

根據(jù)電影名詞典再次去抓取豆瓣網(wǎng)上的電影信息，這次包含了電影分?jǐn)?shù)：：

使用獲取到的電影專(zhuān)題『電影院』文章內(nèi)容測(cè)試，結(jié)果如下：

1048篇中，豆瓣評(píng)分結(jié)果與模型預(yù)測(cè)符合的有974篇，準(zhǔn)確率是92.9%，WOW！真的這么準(zhǔn)嗎？

看下詳細(xì)結(jié)果，豆瓣評(píng)分是正面的有1022條，預(yù)測(cè)對(duì)了973篇，例如：

而豆瓣評(píng)分是負(fù)面的有28條記錄，而模型只預(yù)測(cè)出1篇是負(fù)面的：

真的是模型預(yù)測(cè)錯(cuò)了嗎？

從負(fù)面例子中抽樣看看模型分解的結(jié)果：

評(píng)論《麻煩家族》（豆瓣評(píng)分4.8）的：

從自動(dòng)摘要出來(lái)的句子來(lái)看，實(shí)際上文章作者表現(xiàn)出正面情緒，模型預(yù)測(cè)為正面，預(yù)測(cè)正確 😊。

再看評(píng)論同一部電影的另外一個(gè)文章的評(píng)論：

作者顯然是給了個(gè)差評(píng)，但模型給了出的預(yù)測(cè)是正面，預(yù)測(cè)錯(cuò)誤 😞。

負(fù)例的預(yù)測(cè)準(zhǔn)確率低，有兩個(gè)原因，一個(gè)是豆瓣評(píng)分正負(fù)標(biāo)準(zhǔn)的閥值設(shè)定不夠精準(zhǔn)，二是訓(xùn)練數(shù)據(jù)不平衡。

之前使用的閥值策略是：“簡(jiǎn)單把1 4分視作負(fù)面評(píng)價(jià)、5 10分視作正面評(píng)價(jià)，沒(méi)有分?jǐn)?shù)的視作中性評(píng)價(jià)”。

我猜測(cè)在4~5分這個(gè)區(qū)間應(yīng)該是灰度地帶，正負(fù)面評(píng)論都會(huì)有。為了驗(yàn)證這個(gè)猜想，使用獲取到的所有豆瓣電影分?jǐn)?shù)，導(dǎo)入數(shù)據(jù)分析工具中，排除掉沒(méi)有分?jǐn)?shù)的條目后得到6500+條電影數(shù)據(jù)，其中最低是2.1，最高是9.7。

查看評(píng)分分布的直方圖與比例餅圖：

調(diào)整區(qū)間閥值，把 2.1-4.9 劃分為一個(gè)區(qū)間，系統(tǒng)自動(dòng)分成了3組分值：

發(fā)現(xiàn)5分以下電影僅占12%。

從評(píng)分分布結(jié)果看，在上大部分人寫(xiě)文章是針對(duì)高分（好評(píng)）電影為主，低分（差評(píng)）電影的文章數(shù)量很少，從提取出來(lái)的數(shù)據(jù)量看，兩者比率約為100:3。

訓(xùn)練數(shù)據(jù)不平衡導(dǎo)致正例過(guò)擬合，而負(fù)例欠擬合。

要解決數(shù)據(jù)不平衡問(wèn)題，可以重新采樣訓(xùn)練集。有兩種方法使不平衡的數(shù)據(jù)集來(lái)建立一個(gè)平衡的數(shù)據(jù)集——欠采樣和過(guò)采樣，解釋如下：

由于訓(xùn)練數(shù)據(jù)不多，我使用了 過(guò)采樣 中的自舉方案。我將另外一個(gè)的電影專(zhuān)題『影視天堂』中模型預(yù)測(cè)結(jié)果與豆瓣評(píng)分結(jié)果一致的內(nèi)容作為訓(xùn)練數(shù)據(jù)集來(lái)強(qiáng)化訓(xùn)練模型：

然后再對(duì)電影專(zhuān)題『電影院』測(cè)試一次：

負(fù)例的準(zhǔn)確率改善了一些些，這說(shuō)明效果是有的，以后只需繼續(xù)獲取到新的數(shù)據(jù)再“喂”給模型，模型預(yù)測(cè)結(jié)果會(huì)越來(lái)越精準(zhǔn)。

至此，得到一個(gè)不算成熟的電影情緒預(yù)測(cè)模型，可以用來(lái)做一些有趣的統(tǒng)計(jì)分析了。

將『影視天堂』專(zhuān)題的分析結(jié)果在數(shù)據(jù)分析工具上進(jìn)行數(shù)據(jù)可視化展示，得到一個(gè)「長(zhǎng)尾圖」：

從報(bào)表中可得到這些信息：

注1：嚴(yán)格來(lái)說(shuō)《歡樂(lè)頌》不是電影而是電視劇作品，在用豆瓣網(wǎng)的數(shù)據(jù)構(gòu)建電影詞典時(shí)我沒(méi)有做嚴(yán)格區(qū)分

注2：專(zhuān)題的數(shù)據(jù)獲取是在5月份完成的，以及專(zhuān)題的最新收錄文章有訪問(wèn)限制，無(wú)法獲取到舊的文章，因此得到的當(dāng)時(shí)熱門(mén)影視作品的影評(píng)，從而呈現(xiàn)出信息跟當(dāng)時(shí)熱播作品比較相關(guān)　

再對(duì)先前獲取到的 1萬(wàn)個(gè)用戶(hù)的近60萬(wàn)篇文章內(nèi)容 ，運(yùn)行相應(yīng)的Pipeline進(jìn)行電影情緒數(shù)據(jù)的提取。

可視化數(shù)據(jù)后得到圖表：

現(xiàn)在可以看看，上用戶(hù)給予好評(píng)的電影有哪些，使用「詞云圖」展示如下：

用戶(hù)給予差評(píng)的電影有哪些：

現(xiàn)在也可以精準(zhǔn)了解每一個(gè)用戶(hù)的電影口味了，以 『毒舌電影 - 』 為例子：

注3：本文發(fā)表時(shí)上“毒舌電影”經(jīng)歷過(guò)被封事件后已改名為“Sir電影”；專(zhuān)題“影視天堂”已改名為“電影”

以后做電影個(gè)性化推薦可就不要推薦錯(cuò)了 😉。

四、現(xiàn)在最流行的歌曲都有哪些？

(都是精選精挑的好聽(tīng)歌曲)

李玖哲《想太多》，《你好嗎》，《圍墻》，《退后》，《快點(diǎn)來(lái)愛(ài)我》

潘瑋柏《玩酷》，《愛(ài)不離》

周蕙《學(xué)會(huì)》

唐禹哲《最?lèi)?ài)還是你》，《吻到一公里之外》,《愛(ài)我》

蘇打綠《無(wú)與倫比的美麗》

蔡景佑《我可以》

歷娜

灰色幸福

張惠妹《如果你也聽(tīng)說(shuō)》

張韶涵《不想懂得》

陶喆:《普通朋友》《自導(dǎo)自演的悲劇》《黑色柳丁》《寂寞的季節(jié)》

張靚穎:《個(gè)人秘密》

蔡依林/陶喆:《今天你要嫁給我》

F.I.R:《天天夜夜》

容祖兒:《愛(ài)情復(fù)興》

王心凌:《彩虹的微笑》

花兒樂(lè)隊(duì):《我的果汁分你一半》

蔡依林:《乖乖牌》

蔡健雅:《Beautiful

Love》

古巨基:《愛(ài)得太遲》

何潔:《發(fā)光體》

陳綺貞《旅行的意義》

周筆暢《別愛(ài)我像愛(ài)個(gè)朋友》

周杰倫&溫嵐《屋頂》

五月天《溫柔》

TANK《給我你的愛(ài)》《三國(guó)戀》.

如果你也聽(tīng)說(shuō)

張惠妹

月牙灣

f.i.r

↑

玩酷

潘瑋柏

↑

G大調(diào)的悲傷

張靚穎

↓

酷愛(ài)

張敬軒

↓

新專(zhuān)輯《酷愛(ài)》

出神入化

飛輪海

↑

窮開(kāi)心

花兒樂(lè)隊(duì)

↓

特務(wù)J

蔡依林

↑

蔡依林一貫的風(fēng)格，熟悉的那段前奏

1

百度網(wǎng)友點(diǎn)評(píng)

愛(ài)的期限

薛之謙

純音樂(lè)

Kiss

The

Rain

神秘園之歌

天空之城

再見(jiàn)警察

卡農(nóng)

夏日香氣

迷情仙境

Tears

dream

catcher

被遺忘的天使

我在那一角落患過(guò)傷風(fēng)

很流行的韓日歌曲

rain-sadtango

李孝利

TOC

TOC

TOC

李孝利

不要愛(ài)上他

所以

冰淇淋

MC夢(mèng)

愛(ài)情過(guò)后

勁舞歌曲

30次左右

question

ha,yoo

sun

i

believe

勁舞歌曲

堅(jiān)持

us

never

say

goodbye

u

superjunior

聽(tīng)我說(shuō)

papaya

不能遺忘你

tonight,i

feel

close

to

you

倉(cāng)木麻衣&孫燕姿

我的人

sg

wannabe

試著說(shuō)

WaWa

2年零2月

fod

一個(gè)人/兩個(gè)人/只有你

蔡妍

花樣

松隆子

Come

on/飛機(jī)

烏龜

relove

徐智英

最流行的英文歌：

I'm

Gonna

Getcha

Good!--Shania

Twain

<一定要聽(tīng)這首哦>

Never

Had

A

Dream

Come

True--S

Club

7

最近開(kāi)始聽(tīng)這首歌的,太好聽(tīng)了

Any

Man

Of

Mine--Shania

Twain

還有這個(gè)

My

name

is

--Emimem阿姆的經(jīng)典之作

Happy

Boys

&

Girls---Aqua

他\她們的歌很活潑

Barbie

Girl--Aqua

When

You

Say

Nothing

At

All--Alison

Krauss細(xì)心品味,我很喜歡這首歌的

Candy

Shop--50

Cent

相信很多人聽(tīng)過(guò)吧

Back

to

you--Bryan

Adams

The

Power

Of

Love--Celine

Dion

yellow--coldplay

I

COULD

BE

THE

ONE--Donna

Lewis

聲音很甜

Without

Me--Eminem

又一首阿姆的經(jīng)典之作

Don't

Turn

Off

the

Light--Enrique

Iglesias

Any

one

Of

Us--Gareth

Gates

經(jīng)典

American

Idiot--Green

Day

朋克樂(lè),我很喜歡

Boulevard

of

Broken

Dreams--Green

Day

Moonlight

Shadow

--Groove

Coverage

Yesterday

Yes

A

Day--Jane

Birkin

Because

You

Live--Jesse

McCartney

人又帥歌又好

When

You

Believe--Mariah-Carey

很多地方介紹這首經(jīng)典的

Nothing

gonna

chang

my

love

for

you

We

Will

Rock

You--Queen

搖滾中的經(jīng)典

better

man--Robbie

Williams

第一首:Stand

第二首:peerless

第三首:floorfiller

第四首:sosforlove(又名:愛(ài)情求救號(hào))

第五首:hey-oh

第六首:OneForDaMoney

第七首:Ein

Kleines

Lied

第八首:la

isla

alizee

第九首:groove

coverage

第十首:LET'S

TALK

ABOUT

A

MAN

第十一首:Human

Sacrifice

第十二首:Wet

Wet

Wet

第十三首:

冰河時(shí)代2

第十四首:i

saw

you

walking

in

the

rain

第十五首:You`re

Not

Gonna

Score

第十六首:Self

Control

Laura

Bran

第十七首:doo

be

di

boy

第十八首:dreams

come

true

``

第十九首:I

Saw

You

Walking

In

The

Rain

``

第二十首:sound

of

my

dream

``

DJ舞曲：

TIME

TO

ROCK

舞曲大帝國(guó)

大爆炸

lalalove

Its　Ok

i'm

gonna

getcha

good

!

仙尼亞

唐恩

辛巴達(dá)

皇冠一刻鐘

AU堅(jiān)持

ARE

YOU

DJ

talala

walking

in

the

sun

one

for

da

money

move

somethin

do

somethin

Close

to

You

Radio

Jay

Delano

DJ

Let

s

Talk

About

A

Man

La

Club

king

chipz

in

black

我敢保證一定很好聽(tīng)，只選好聽(tīng)的，不選多的，樓主聽(tīng)下吧。好聽(tīng)記得加分哦！謝謝

以上就是關(guān)于排行榜書(shū)名號(hào)相關(guān)問(wèn)題的回答。希望能幫到你，如有更多相關(guān)問(wèn)題，您也可以聯(lián)系我們的客服進(jìn)行咨詢(xún)，客服也會(huì)為您講解更多精彩的知識(shí)和內(nèi)容。

推薦閱讀：

裝飾公司排行榜

菏澤美食排行榜（菏澤美食排行榜最新）

漢朝小說(shuō)排行榜（漢朝小說(shuō)排行榜前十名）

紅色在logo中的含義（紅色的logo有哪些）

草的排行榜（草品種大全）