nba贴吧人数为什么少(大数据分析NBA贴吧网友-第一章科比的球迷会跟什么一起出现？)

现在玩贴吧的人估计越来越少了，不过百度贴吧确实是一个相同兴趣和爱好的人在一起聚集的少有的平台。记得学生时代，大家一起看球，刷贴吧，吐槽，喷人还是一件很有趣的事情把。所以有了这样一个想法，利用一些比较新的NLP方法缅怀下贴吧吧友们的言论。这个估计是一个系列的文章，感兴趣的话记得订阅我，不然看到这篇靠运气，下篇就看不见啦～

首先我们需要NBA贴吧数据对吧，写了个爬虫取搞数据，先定一个小目标，搞他10000个帖子吧。让它跑着，第二天再来看。

度娘真好，没被封ip，10000个帖子有多大？看下左下角，没错，流量200G......幸亏流量有包月，吓死宝宝了。要分析就清洗一下吧，英文日文火星文什么的都擦掉：

貌似什么都看不出来，除了密集恐惧症患者已经用头撞键盘了，呜哈哈～

用一下最近（其实也有好久了好伐）比较火的word2vec搞一搞。神马，你不知道啥是word2vec，嗯嗯，这就是一个很NB的算法，这不影响我们愉快地玩耍，不要在意这些细节。

这样搞完会找到一些高频词，还有他们的向量表示，比如 唠嗑 粉丝 喷子 = 科黑 这样的计算估计就可以进行了。我生成了300维的向量，估计大部分的读者并不能想象这个空间，所以我用t-SNE把这些东西映射到二维空间。神马，你不知道啥是t-SNE，嗯，这就是一个很NB的算法，这不影响我们愉快地玩耍，不要在意这些细节。恩直接给你看图吧。

前方高能，密集恐惧症患者务必散退

这一坨并不是word2vec的全部，给你放大一些看看：

像科密会跟什么一起出现呢，没错是科黑，詹密，詹黑...喷，太监，脑残是什么鬼，看来是一个相爱相杀的故事。看看库密会跟谁在一起出现？

勇密，高潮，招黑，跟风，酸...我脑补出了一段很完整的故事。像左上角的坐等 打脸 远古 球迷什么的，想想也是很6啊...仿佛回到了青葱的学生时代。

右下角的务和封，没错，有骂战的地方一定有吧务，封号十天，毅种循环！

好不容易，我从黑乎乎一坨里找到了一些球星：

看这黑乎乎的一团眼快瞎了，下一篇接着分析。

有奖问答，石佛到邓肯的距离，诺维茨基到天王的距离，还有奥尼尔到鲨鱼的距离哪个会更近呢？

下一期揭晓答案。

订阅一下，下次我的文章会在关注里出现。