图灵汇官网

经过漫长的等待，备受期待的《复仇者联盟4：结局之战》终于上映了。许多影迷在清晨守候在影院，见证了超级英雄们再次拯救世界的情节。这部历时十年（甚至更久）的超级英雄系列故事也随着《复联4》的上映而告一段落。

尽管观众对《复仇者联盟3：无限战争》的剧情感受各异，但数据提供了最真实的见证。我们将通过自然语言处理（NLP）技术来回顾这部电影的剧本，不仅聚焦于剧情本身，更注重探讨电影中使用的语言元素。

在本文中，我们将使用NLP工具spaCy来处理和分析电影脚本，探索以下几个方面：

• 电影中出现频率最高的动词、名词、副词和形容词。
• 特定角色使用的动词和名词。
• 电影中出现频率最高的实体名称。
• 角色之间的台词相似度。

这些分析不仅能够揭示电影的整体情感和情节走向，还能帮助我们更好地理解各个角色的特点和动机。

处理数据

在进行分析之前，我们需要对原始剧本进行清理。主要步骤包括删除描述动作的句子和角色名字（这些信息主要用于识别角色，而不是分析文本的核心部分）。此外，我们还忽略了停用词（如“I”、“you”、“an”等常见单词），并且只使用词根形式进行分析。

在spaCy中处理文本时，首先需要加载语言模型，然后将文本传递给模型。结果是一个Doc对象，包含了处理后的文本信息。

```python import spacy

加载语言模型

nlp = spacy.load("encoreweb_md")

读取剧本文本

with open('cleaned-script.txt', 'r') as file: text = file.read()

处理文本

doc = nlp(text) ```

动词、名词、副词和形容词

首先，我们来看电影中出现频率最高的动词、名词、副词和形容词。这些词汇能够帮助我们了解电影的整体动作和情感基调。

动词

• “know”、“go”、“come”、“get”、“think”、“tell”、“kill”、“need”、“stop”和“want”。这些动词反映出电影中角色们的行为动机和情感状态。

副词

• “right”、“exactly”和“better”。这些副词体现了角色们在关键时刻的态度和决心。

名词

• “stones”、“life”、“time”等。这些名词反映了电影的核心主题和冲突。

形容词

• “good”、“right”、“okay”和“sure”。这些形容词突显了角色的情感状态和态度。

特定角色的动词和名词

接下来，我们关注特定角色的动词和名词使用情况，以便更好地了解他们的个性和动机。

钢铁侠（Tony Stark）

• 经常提到“kid”（指蜘蛛侠）。
• 使用“Earth”（地球）和“save”（拯救）等词汇。

奇特博士

• 提到“stones”（宝石）和“protect”（保护）等词汇。

雷神（Thor）

• 反复提到“Thanos”（灭霸）的名字。
• 使用“vengeance”（复仇）和“destroy”（摧毁）等词汇。

实体名称

我们还需要了解电影中的实体名称，这些名称包括人名、地名和物品名称等，帮助我们更好地理解角色的背景和故事的发展。

主要实体

• 灭霸（Thanos）
• 格莫拉（Gamora）
• Groot
• Tony Stark及其他复仇者
• 地点如纽约、阿斯加德和瓦坎达
• 时间之石（Time Stone）和灵魂之石（Soul Stone）

角色台词相似度

最后，我们计算角色之间台词的相似度，以了解他们在电影中的互动关系。

相似度分析

• 通过计算不同角色台词之间的相似度，我们可以发现角色之间的联系和差异。
• 例如，蜘蛛侠（Spider-Man）与其他角色的相似度较低，反映了他在电影中的独特地位。

结论

通过以上分析，我们能够更加深入地理解《复仇者联盟3：无限战争》这部电影中的角色行为和情感状态。这些分析不仅帮助我们了解电影的整体情节，还揭示了每个角色的独特性格和动机。

期待《复仇者联盟4：结局之战》带来更多的惊喜和感动！