羽·凌风

来放上翻译，中间有几段英文，因为……实在是翻不动了WWWWWWW
比分子和生态统计还要难懂啊我是认真的！作者的思路清奇！（炸）
原文链接可以在公网下载，内附非常多非常多的图表，想看的可以下来看看，我这里就省略了

---

The emotional arcs of stories are dominated by six basic shapes
小说情感轨迹的六种基本模式

Andrew J. Reagan,1 Lewis Mitchell,2 Dilan Kiley,1 Christopher M. Danforth,1 and Peter Sheridan Dodds1
1 Department of Mathematics & Statistics, Vermont Complex Systems Center,
Computational Story Lab, & the Vermont Advanced Computing Core, The University of Vermont, Burlington, VT 05401
2 School of Mathematical Sciences, The University of Adelaide, SA 5005 Australia

原文：http://arxiv.org/abs/1606.07772

随着计算机技术的发展，我们已经可以利用计算机来把自然语言、文本数字化用以分析文化的发展。由于人类的感情是共通的，所以我们的故事也往往会形成一些各有特色的情感模式。本研究搜集了1737本小说（来自Project Gutenberg's fiction collection），并用这些复杂的文章归类出了六种情感轨迹的核心模式。我们对样本分别进行优化、线性分解、有监督学习和无监督学习，得到了这些结果。对每一种核心模式，我们还分别找出了最符合的一套小说，并且分析了它们的下载量，看看哪一种模式是最成功的。

故事，是人类传递信息和自己经历的一种重要手段[1 - 5]。甚至连上古时候的早期人种（Homo narrans 之类）也深谙此道。人们用绘画、文章甚至是肢体语言来讲述故事，用既简单又复杂的方式来讲述我们对世界的观察和理解。在科学上，我们基本恪守着一个原则：附加条件最少、最简单的假说就是最正确的。而在故事这方面，我们也相信存在一个类似的原则[6]。

如今信息技术发展日新月异，人类用来传播故事的方式也越来越多[7]。而小说和其它的传播方式不同，你看不到明确的语气、表情和肢体语言，而是只能通过文字来取得故事想要表达的所有信息。因此，用文字描述引起读者的情感共鸣成了小说的主要组成部分。在本文中，我们使用了一种简单但是功能强大的情感分析程序来分析小说中那些引人共鸣的内容。

我们客观地检测了一些民俗学方面的理论[8, 9]，尤其是广为传播的故事所具有的共性[4, 10]。民俗学的一个主要研究方向就是通过分析文学作品来研究社会和文化。这有点像叙述文的研究方式：通过分析一个真实或虚幻的故事，定义叙述方法和剧情节点[11]。在本研究中，我们将“剧情节点（plot）”定义为“在故事时间线上具有里程碑意义的事件”。我们首先发现这些故事基本都符合亚里士多德的叙事理论，即首先在故事的第一部分展现冲突、接着在第二部分出现转折、最后在第三部分提出最终的解答。总之剧情节点是用来划分剧情脉络的，而对于情感轨迹，我们则是通过搜索特定的字眼来进行分析。情感变化本身并不是故事的剧情，但也是故事不可分割的组成部分。有关情感脉络和剧情脉络的区别，其他研究中对此有详细的介绍[12]。由于主题[13]和叙事理论[14]是放之四海而皆准的，因此我们还可以通过研究译本，来比较和分析世界各地的文学作品[15]。我们发现，用程序来自动提取情感脉络，这不仅可以验证以往的理论，还可以帮助我们从过去只能一本本研究的境况中解放出来，短时间即可获得大量的数据[16, 17]。

目前已经有一些理论通过剧情节点来大致给故事进行分类，这里面既有很粗糙的也有比较精准的分类系统。而我们反过来，用情感轨迹来分类故事，而非用剧情。以下是目前的一些剧情分类理论：

        三种剧情模式理论：Foster-Harris于1959年出版的书中提到，他认为剧情脉络有三种模式：美好结局、非美好结局和悲剧[18]。这三种剧情模式分别对应三个中心主题，即高尚、自私和命运。

        七种剧情模式理论：这个理论就像美国小学教育一样基础，我们认为它的分类标准是以人和人/物的关系，各分类尺度分别为(1)人与他/她、(2)人与自然、(3)人与其他人、(4)人与生活环境、(5)人与科技、(6)人与超自然之力、以及(7)人与超人之力[19]。

        另一个七种剧情模式理论：这是Christopher Booker研究了三十多年得到的七种剧情模式理论[20]：
　　        杀怪类（例：贝奥武夫）
　　        白手起家类（例：灰姑娘）
　　        任务类（例：所罗门的宝藏）
　　        游历与回归类（例：时间机器）
　　        喜剧类（例：仲夏夜之梦）
　　        悲剧类（例：安娜•卡列尼娜）
　　        重生类（例：美女与野兽）
Booker的这个分类系统可以把所有的非美好结局（非悲剧）也给包含进去。

        二十种剧情模式理论：这是Ronald Tobias提出的理论，包括“任务类”、“失败者类”、“变态类”、“提升类”和“下降类”等[21]。

        三十六种剧情模式理论：这是Georges Polti重建的由Gozzi最初所提出的理论[22]。这个理论非常的具体，包括“亲属纷争类”、“为爱牺牲类”、“爱与罪恶类”、“追求梦想类”和“坠入不幸深渊类”等等。

黑色幽默作家库尔特•冯内古特首先将故事以情感脉络进行分类[23]。他发现灰姑娘和故事和基督教旧约的起源故事有着非常相似地方（图S18），这也是我们选择以情感进行分类的动机。YouTube上还有一段他的视频[24]，他表示：“故事当然可以用计算机来进行处理分析，他们就像几何形状一样美丽。”

A. 建立情感变化曲线 Emotional arc construction

为建立情感变化曲线，我们以一万字为一个单元，浏览整部小说的情感（图1）。我们判断这一万字包含的情感词汇，并为每个单元打情感分[25, 26]。如果逐字分析的话，可能会对句子原意存在一些误解[12]，因此我们采用的是分析随机分析句子里某个词汇的情感[26]。图2显示的是《哈利波特与死亡圣器》的情感轨迹，这是J.K.罗琳的哈利波特系列小说的最后一本。尽管整本书的剧情很复杂，但是每个情节的情感轨迹却非常清晰。我们只分析了已完结的长篇故事，因为短篇小说字数太少、单元数据太少会影响我们的结论。情感曲线的具体计算方式见附录A。


B. 小说库 Project Gutenberg Corpus

Gutenberg是一个可以免费使用的小说库[29]。我们经过粗略的搜索从这个数据库里找出了1737部英文小说。这些书籍的字数和下载数见图S1。我们选出的样本都是字数在一万至二十万之间的小说，并且在Gutenberg小说库中的下载量都超过150次。当然，在搜集样本的时候我们排除了字典和其他工具书。样本列表在此：http: //compstorylab.org/share/papers/reagan2016b/


C. 主成分分析 Principal Component Analysis (SVD)

We use the standard linear algebra technique Singular Value Decomposition (SVD) to find a decomposition of stories onto an orthogonal basis of emotional arcs. Starting with the sentiment time series for each book bi as row i in the matrix A, we apply the SVD to find

A = U∑VT = WVT ; (1)

where now U contains the projection of each sentiment time series onto each of the right singular vectors (rows of V T , eigenvectors of ATA), which have singular values given along the diagonal of fi, with W = Ufi. Difierent intuitive interpretations of the matrices U;fi; and V T are useful in the various domains in which the SVD is applied; here, we focus on right singular vectors as an orthonormal basis for the sentiment time series in the rows of A, which we will refer to as the modes. We combine fi and U into the single coeficient matrix W for clarity and convenience, such that W now represents the mode coeficients.

在图3中，我们展示了十二种不同的模式（深色示加权结果、浅色示不加权结果）。总的来说，这十二个模式可以分别解释80%和94%的均值和时间线的离散情况。这些模型的中值就是整本书情绪的平均值，因此不会受到作者文风本身的感情色彩影响[25]。由于每一条曲线都可以具有正负两种形式，因此我们在分析其中一种模式的时候还需要同时考虑和它趋势相反的另一种模式。看到这些图像，我们马上就可以分辨出一些情感变化模式也对应着典型的剧情模式，例如白手起家类（模式1，正）、悲剧类或从盛及衰类（模式1，负）、洞中人类（模式2，正）、伊卡洛斯类（模式2，负）、灰姑娘类（模式3，正）和俄狄浦斯类（模式3，负），模式5和6看起来也是从这些基础模式组合而成。模式7-12的构成就要相对复杂一些，这些复杂模式的占比较小，而且没有合适的剧情模式与之对应。

需要注意的是，由于主成分分析方法的特性，这些模型可正可负，因此对每一个模型我们都要从正负两面来进行解释。我们将所有1737部小说的情感轨迹和图3中的前六种模式进行拟合，计算它们的相关系数并标示在模式图右侧。模式1的相关系数显著高于0，而模式3和4的相关系数显著低于0。我们将每本书都按照对每个模型的相关系数进行排序。详细的处理过程见附录B。

We show labeled examples of the emotional arcs closest to the top 6 modes in Figs. 4 and S2. We present both the positive and negative modes, and the stories closest to each by sorting on the coeficient for that mode. For the positive stories, we sort in ascending order, and vice versa. Mode 1, which encompasses both the \Rags to riches" and \Tragedy" emotional arcs, captures 30% of the variance of the entire space. We examine the closest stories to both sides of modes 1{3, and direct the reader to Fig. S2 for more details on the higher order modes. The two stories that have the most support from the \Rags to riches" mode are Alice's Adventures Under Ground and Dreams. Among the most categorical tragedies we find A Primary Reader and The House of the Vampire. The top 5 also includes perhaps the most famous tragedy: Romeo and Juliet by William Shakespeare. Mode 2 is the \Man in a hole" emotional arc, and we find the stories which most closely follow this path to be Typhoon and Teddy Bears. The negation of mode 2 most closely resembles the emotional arc of the \Icarus" narrative. For this emotional arc, the most characteristic stories are The Yoga Sutras of Patanjali and Stories from Hans Andersen. Mode 3 is the \Cinderella" emotional arc, and includes The Consolation of Philosophy and The Scarecrow of Oz. The negation of Mode 3, which we refer to as \Oedipus", is found most characteristically in The Wonder Book of Bible Stories, The Serpent River, and A Hero of Our Time. We also note that the spread of the stories from their core mode increases strongly for the higher modes.

我们在Gutenberg小说库里找到并分析了1737本小说。采用主成分分析，我们得到了六种情感轨迹模式：
        “白手起家类”（持续上升）
        “悲剧类/由盛及衰类”（持续下降）
        “洞中人类”（下降→上升）
        “伊卡洛斯类”（上升→下降）
        “灰姑娘类”（上升→下降→上升）
        “俄狄浦斯类”（下降→上升→下降）
而且，我们用其他分析方式（Ward算法和无监督学习）得出的结果也是类似的。

接下来我们发现这六个基础模式里的前四种，也出现在八大最有特异性的聚类簇里（图S9）。这个聚类方法把“洞中人类”故事分割成了好几种类型（图S9中的E、F和G），这几个类型总共包含了小说库中23%的文章。其余的故事则集中在“伊卡洛斯类”、“白手起家类”和“悲剧类”。更详细的分析结果请见附录C。

最后，我们还是用Kohonen自组织映射（SOM）方法处理计算机通过无监督学习找出的这些情感轨迹核心模式（图S11和附录D）。用这个方法我们也在二维坐标系中得到了三个空间相干组。这些空间组分别对应前面研究出来的各类基本模式。9个最活跃的节点，包括了占全部总数19%的“白手起家类”、占三个节点总数6%的“悲剧类”和12%的“伊卡洛斯类”、占其中一个节点3%的“洞中人类”。

在我们研究的范围内还有很多其他可能的情感轨迹模式。为了证明这些故事的基本情感模式分类确实是可信的，我们把每本书的词汇位置都进行了随机打乱重组，再比较这些重组版本。图S12示其中一本书的10个重组版本的相互比较。对这些重组版本，我们也进行了和分析原始版本时相同的线性分解、机器学习、主成分分析等方法，以验证原书的情感轨迹的人为性。对原书的主成分分析显示原书情感轨迹的总离散度有45%（见图S14和图S15）。对重组版本的分析显示这些重组书的情感轨迹的离散性较低，且剧情节点缺乏连贯的自组织映射结构（详见附录E的S15和S17）。

图5所示的每种情感轨迹模式和最符合该模式的小说的下载数量（更多信息请见附录F的图S19）。我们发现前四种模式虽然符合的小说总数很多，但并不是下载量最多的。模式3和模式4的下载量明显较高，虽然不同小说的下载量离散度也很大。这些数据表明，成功的小说确实有能引读者共鸣的感情脉络为支撑。我们发现，灰姑娘类（SV 3）、俄狄浦斯类（-SV 3）、洞中人类（SV 4）和最后再加上一个悲惨结局的灰姑娘类（-SV 4）小说是比较成功的。

我们用了三种方法都得出了小说的情感轨迹具有六种基础模式的结论。这些不同的方法和分析方式涉及很多方面，因此考虑到这些方法相互的作用，我们的分析结果还是可信的。而且我们的研究还说明了，感情轨迹对于小说是否成功也是非常重要的。

我们的研究方法甚至还可以用在相反的方向：即给出一个小说开头的情感基础，就可以用程序辅助获得剩下整部故事的情感脉络[30]。这些故事情感轨迹的基本模式还可以作为基础用来构建人工智能系统[31, 32]。

我们分析的都是完本小说的整体情感脉络，因此这个结果还可以总结出哪一类小说可以经久不衰或是广为传播[10]。由于小说全文数据库[35]和分析程序的发展，往后我们还可以做更多这种大尺度上的文学作品分析[36]，比如对故事的人物角色性格也进行更多的详细分析[11, 33, 34]。甚至还可以考虑用程序数字化和分析电影，分析目前电影的叙事模式[37]。

信息时代，数据的产生速度越来越快，书籍、电视和新闻上都充满了各种各样的故事、知识和娱乐信息。利用科学的数据化方式，我们可以从一个大尺度上看故事的发展、更全面地理解故事。

[1] T. Pratchett, I. Stewart, and J. Cohen. The Science of Discworld II: The Globe. Ebury Press, London, UK, 2003.
[2] J. Campbell. The Hero with a Thousand Faces. New World Library, California, third edition, 2008.
[3] J. Gottschall. The Storytelling Animal: How Stories Make Us Human. Mariner Books, New York, NY, 2013.
[4] S. Cave. The 4 stories we tell ourselves about death. http://www.ted.com/talks/stephen ... elvesfiaboutfideath, Jul 2013.
[5] P. S. Dodds. Homo Narrativus and the trouble with fame. Nautilus Magazine, 2013. http://nautil.us/issue/5/fame/ho ... -trouble-with-fame.
[6] R. S. Nickerson. Confirmation Bias; A ubiquitous phenomenon in many guises. Review of General Psychology, 2:175{220, 1998.
[7] J. Gleick. The Information: A History, A Theory, A Flood. Pantheon, New York, 2011.
[8] V. Propp. Morphology of the Folktale. 1928. Texas University Press, Texas, 1968.
[9] M. R. MacDonald. Storytellers Sourcebook: A Subject, Title, and Motif Index to Folklore Collections for Children. Gale Group, Michigan, 1982.
[10] S. G. da Silva and J. J. Tehrani. Comparative phylogenetic analyses uncover the ancient roots of Indo-European folktales. Royal Society Open Science, 3(1), 2016.
[11] S. Min and J. Park. Narrative as a complex network: A study of Victor Hugo's les misfierables. In Proceedings of HCI Korea, 2016.
[12] M. Jockers. A novel method for detecting plot. http://www.matthewjockers.net/20 ... for-detecting-plot/, June 2014.
[13] A. Dundes. The motif-index and the tale type index: A critique. Journal of Folklore Research, pages 195-202, 1997.
[14] S. K. Dolby. Literary Folkloristics and the Personal Narrative. Trickster Press, Indiana, 2008.
[15] H.-J. Uther. The Types of International Folktales. A Classification and Bibliography. Based on the System of Antti Aarne and Stith Thompson. Part I. Animal Tales, Tales of Magic, Religious Tales, and Realistic Tales, with an Introduction (FF Communications, 284). Finnish Academy of Science and Letters, Helsinki, Finland, 2011.
[16] M. G. Kirschenbaum. The remaking of reading: Data mining and the digital humanities. In The National Science Foundation Symposium on Next Generation of Data Mining and Cyber-Enabled Discovery for Innovation, Maryland, 2007.
[17] F. Moretti. Distant Reading. Verso, New York, 2013.
[18] W. F. Harris. The basic patterns of plot. University of Oklahoma Press, Oklahoma, 1959.
[19] H. P. Abbott. The Cambridge introduction to narrative. Cambridge University Press, Massachusetts, 2008.
[20] C. Booker. The Seven Basic Plots: Why We Tell Stories. Bloomsbury Academic, New York, 2006.
[21] R. B. Tobias. 20 Master Plots: And How to Build Them. Writer's Digest Books, Ohio, 1993.
[22] G. Polti. The Thirty-Six Dramatic Situations. James Knapp Reeve, Ohio, 1921.
[23] K. Vonnegut. Palm Sunday. RosettaBooks LLC, New York, 1981.
[24] K. Vonnegut. Shapes of stories. https://www.youtube.com/watch?v=oP3c1h8v2ZQ, 1995.
[25] P. S. Dodds, E. M. Clark, S. Desu, M. R. Frank, A. J. Reagan, J. R. Williams, L. Mitchell, K. D. Harris, I. M. Kloumann, J. P. Bagrow, K. Megerdoomian, M. T. McMahon, B. F. Tivnan, and C. M. Danforth. Human language reveals a universal positivity bias. PNAS, 112(8):2389{2394, 2015.
[26] A. Reagan, B. Tivnan, J. R. Williams, C. M. Danforth, and P. S. Dodds. Benchmarking sentiment analysis methods for large-scale texts: A case for using continuumscored words and word shift graphs. Preprint available at https://arxiv.org/abs/1512.00531, 2015.
[27] P. S. Dodds, K. D. Harris, I. M. Kloumann, C. A. Bliss, and C. M. Danforth. Temporal patterns of happiness and information in a global social network: Hedonometrics and Twitter. PLoS ONE, 6(12):e26752, 12 2011.
[28] D. J. Tenenbaum, K. Barrett, S. Medaris, and T. Devitt. In 10 languages, happy words beat sad ones. http://whyfiles.org/2015/in-10-l ... ords-beat-sad-ones/, February 2015.
[29] Various. Project Gutenberg.
[30] B. Li, S. Lee-Urban, G. Johnston, and M. Riedl. Story generation with crowdsourced plot graphs. In AAAI, 2013.
[31] F. J. Bex and T. J. Bench-Capon. Persuasive stories for multi-agent argumentation. In AAAI Fall Symposium: Computational Models of Narrative, volume 10, page 04, 2010.
[32] M. O. Riedl and B. Harrison. Using stories to teach human values to artificial agents. 2015.
[33] X. Bost, V. Labatut, and G. Linarfies. Narrative smoothing: dynamic conversational network for the analysis of tv series plots, 2016.
[34] S. D. Prado, S. R. Dahmen, A. L. C. Bazzan, P. M. Carron, and R. Kenna. Temporal network analysis of literary texts, 2016.
[35] A. Nenkova and K. McKeown. A survey of text summarization techniques. In Mining text data, pages 43{76. Springer, Berlin, Germany, 2012.
[36] P. H. Winston. The strong story hypothesis and the directed perception hypothesis. 2011.
[37] R. Munroe. Movie narrative charts. http://xkcd.com/657/, 11 2009.
[38] J. H. Ward Jr. Hierarchical grouping to optimize an objective function. Journal of the American statistical association, 58(301):236{244, 1963.

---

哦不但是我还是想要放一张图表！
这是图5君

再让我们看一下图5君的文字

图5所示的每种情感轨迹模式和最符合该模式的小说的下载数量（更多信息请见附录F的图S19）。我们发现前四种模式虽然符合的小说总数很多，但并不是下载量最多的。模式3和模式4的下载量明显较高，虽然不同小说的下载量离散度也很大。这些数据表明，成功的小说确实有能引读者共鸣的感情脉络为支撑。我们发现，灰姑娘类（SV 3）、俄狄浦斯类（-SV 3）、洞中人类（SV 4）和最后再加上一个悲惨结局的灰姑娘类（-SV 4）小说是比较成功的。

喂喂喂，模式1和模式2看起来明明水平更平均一些啊！研究者你都不考虑一下模型3和模型4那几本下载量高的是因为作者写得好而不是因为套路吗！！！
还有说好的模型4下载量高、总数也可观呢，怎么最后结论直接就把它去掉了！模型4要哭了哦！
最后采纳的基础模式只有前六种（模型1、模型2和模型3），加起来……1306本……
也就是说……这个研究……为了证明套路文果然是套路(?)，扔掉了25%不符合六大套路的样本！

是说，虽然正文有一种满满的“不符合的我们就不管它了”的感觉，但是至少……
附录还是把被去掉的一些情况以及看起来很扯的拟合曲线也放出来了WWWWWWWW
不然我们还不知道他的拟合有多夸张啊，正文里的图可是很好看的呢！WWWWWWW

其实这篇文献，才是一个套路文吧！那么深的套路！WWWWWWWWWWW

羽·凌风

回复 3# 狼狗傑

咦，不知道具体的文献情况，那个黑色幽默作家提出的理论其实脑洞向居多吗？WWWWWWWWW

至于说到这篇论文是怎么过审的……
感谢熊搜了一下这个期刊 arVix，发现——

http://zhidao.baidu.com/link?url ... g4xpMQ9EuBRTbvbYBFa
大概它根本就没有被审核过！WWWWWWWWW
这样居然也可以被报出来，果然是想要搞个大新闻WWWWWWWW（哎）

羽·凌风

这个研究有新进展了！团队不仅拟合了小说，还去拟合电影了！
并且和电影的销量、评价、成本和题材这些做了比较，得到了一些相关性

https://zhuanlan.zhihu.com/p/41540961

虽然用套路来做分类工具，大致判断哪类作品最受欢迎是不错的方法
但是毕竟他们这帮人在分析小说的时候就做过在只把套路作为唯一变量，不管作品自身水平、导演倾向、强行拟合曲线、并直接扔掉不符合期望的样本的事……
进步一点的大概是电影他们计算了平均数（X）
鬼知道他们对电影数据的处理方式是不是也和对待小说一样

羽·凌风 于 2018-8-17 10:21 补充以下内容

原文找到了：https://arxiv.org/abs/1807.02221

发表的期刊是arXiv，和之前一样
但作者不是同一帮人耶，真的不是学生毕不了业了于是套了一下师兄的模板吗？（？？）