數字解析專欄：藍海裡面有什麼？

數字解析系列專欄的第二篇就在大年初六開工日登場啦～

這次要來探討的是新月出版社藍海書系的文案，雖然是數字解析專欄，但這篇比較接近「文字解析」，用數字告訴大家藍海書系的文案都寫了些什麼。

只能說人在逃避工作的時候潛能真的無限啊！（眺望遠方）

這次的研究動機很直白：有看內曼的同學們應該知道，藍海書系以穿越重生古代稿聞名，所以想來研究看看，究～竟～藍海系列的文案裡有多少穿越重生。

且待我們繼續看～下～去～（盛竹如語氣）

不過讓我離題一下，不知道有沒有同學曾經注意過，其實最一開始的藍海書系，是有現代稿的XDDDDDDDDDDD

藍海 E1101、E1102 是現代稿，編輯推薦的地方還如此寫道：

老實說，他的作品讓編輯們著實頭痛過一陣，不知該把它分類到哪一個書系去，就像《哈利波特》裡的分類帽遇到哈利波特時那樣苦惱，「嗯，是個愛情故事沒錯，但它的文筆和結構太特別了，不像一般主流的羅曼史小說，文字風格散發青春日劇浪漫氛圍，毫不堆疊造作，人物清新自然，看完後，心裡也開始嚮往著書中所說之處，甚至被勾起年少時的回憶……該把它放到哪一個書系好呢？」
終於，我們為它在「藍海」裡找到了一座小島，那裡有長崎的夏天與青春、記憶，你可以在島上女主角的奶奶家裡長廊上，吃著西瓜、吹著涼爽的風，耳邊傳來陣陣別具風情的島歌歌聲，享受一段酸澀中帶甜的愛情。

如此清新超級不藍海的XDDDD

回歸正題，先來定義一下資料範圍：「以臺灣作家為主的新月出版社藍海書系作品」，排除掉中國原創授權在臺灣發行的作品，而以大家比較熟悉的內曼臺灣作家為主。

首先要做的工作依然是收集資料。

從新月出版社的網站上可以看到，藍海系列目前有 180 頁的資料共 2150 筆資料，總之全部都先抓下來再進行資料清理。

這次的清理工作比較冗長，因為有些作者實在很難辨識是臺灣作家還是中國作家。（臣妾做不到啊.jpg）

除了早期就待過新月甜檸檬、花園、春天等等其他書系的作家（像子紋、寄秋、艾佟、佟芯等人）外，其他我幾乎不認識。

一邊清資料一邊查資料，看作者簡介、看新月專訪、看出版社活動，還拿主角名字去 google，總之花了一大把時間最後成功地篩出了 383 件作品，此時血條也差不多要歸零了。

（因為我平常比較少碰原創那一塊，看一些中國原創作者的作者介紹覺得很有趣，很多都是九零後甚至還有九五後，好多人都強調自己筆耕不輟，日常生活則是什麼焚香穿漢服彈古箏，實在開了我的眼界XDDDD）

整理好的資料大致上長這樣。

整理完畢之後捲起袖子來動工！這次的術語比較多，所以我們簡單帶過～ XD

**內沒有程式，但有資料前處理解釋**

1. 使用中研院的斷詞系統（CKIP）進行斷詞
2. 斷詞之後移除停用字（stopword） 
3. 計算詞頻（term frequency）之後進行主題類別分群

看不懂不要緊，我們用實例看看所謂斷詞是什麼東西～

節錄雷恩那《三生三世小桃源》的原文案：

「

三生三世又相逢，只為成全這段情緣……

宇宙洪荒浩瀚無窮，

許是冥冥當中，他們種下了一顆情種，

／

蘇練緹不知道自己為什麼會一再重回十八歲，

／

從此夜闖她香閨夜宿她房中都是家常便飯，

甚至為了向皇上求賜婚，他竟不惜以身犯險……

」

斷詞（並去除標點）後會變成：

「

三生三世　又　相逢　只　為　成全　這　段　情緣　宇宙　洪荒　浩瀚　無窮　許　是　冥冥　當中　他們　種下　了　一　顆　情種

蘇練緹　不　知道　自己　為什麼　會　一再　重回　十八　歲

從此　夜　闖　她　香閨　夜宿　她　房　中　都　是　家常便飯　甚至　為了　向　皇上　求　賜　婚　他　竟　不惜　以　身　犯險

」

希望這樣舉例有比較好懂一點 

首先，用簡單的統計數據來看看幾個大家比較關心的字(?)的出現頻率吧！

是不是一看就很有藍海的特色呢哈哈哈哈哈。

（順帶一提藍海有夠愛用「…」的，出現率高達 333/383，為之驚人XD）

接著進行主題類別的分群，使用的是 Latent Dirichlet Allocation（LDA），過程不太重要沒關係，直接來看結果～XD

我們試試看分別取 4 類、5 類、6 類來看看結果有無差異。

這四類主題我可能會標記成：主僕+將相類、穿越類、宮鬥類、宅鬥類。

看來四類有點不夠藍海發揮，那麼來看看五類的結果。

五類主題我可能會標記成：？類、穿越類、宅鬥類、事業類、宮鬥類。（第一類分得好醜XD）

最後是六類。

懶得想了給大家自由發揮XDD

大年初六我就懶

這篇差不多整理到這裡，其實應該要做其他比較的，像是：藍海和其他書系的文案差異等等，但依然基於「我就懶」的理由，我們留待以後有緣再說吧～

希望這次的主題大家會喜歡 >////<