龍媽非主角？AI告訴你下一個誰便當：機器學(xué)習(xí)解讀《冰與火之歌》

魚羊 2019-04-16 16:20:11 來源：量子位

魚羊 發(fā)自 紐凹非寺

量子位 報道 | 公眾號 QbitAI

“我每次覺得一個人是主角，他就死了！”

永遠不知道誰會下一個領(lǐng)便當?shù)摹稒?quán)力的游戲》迎來了最終季。就在昨天，在全球粉絲的熱切期盼下，HBO播出了《權(quán)力的游戲》第八季第一集，這首冰與火之歌終于奏響終章了。

“凡人皆有一死”，道理我都懂，但主角到底是誰？大概每一個權(quán)游粉都想抱住馬丁老爺子的大腿求大（keng）神（wang）給個準話。

其實想要知道這個答案，或許機器學(xué)習(xí)還更靠譜一些。AI都窺見了哪些機密？此處紅燈警告：以下內(nèi)容是機器學(xué)習(xí)分析出來的，但內(nèi)含劇透！內(nèi)含劇透！內(nèi)含劇透！

龍媽非中心，囧雪是主角

雖然小說還坑著，但《權(quán)力的游戲》劇集已隱隱透出三龍之勢，權(quán)游粉中目前最主流的觀點，就是丹妮莉絲、瓊恩、提利昂為龍的三個頭。

但機器學(xué)習(xí)似乎不太認同這個觀點。

有個名叫 Peter Vesterberg 的小哥哥用機器學(xué)習(xí)的方法對《冰與火之歌》系列小說進行了文本分析?？梢钥吹?，龍媽的戲份到了第五部《魔龍的狂舞》才有了顯著提升。而在第四部《群鴉的盛宴》當中，雖然三人都沒有POV章節(jié)，但囧雪和小惡魔在別人的視角里戲份還挺多。

Peter還進一步對人物之間的關(guān)系進行了挖掘。

很顯然，AI認定囧雪就是主角中的主角，畢竟啥也不懂還能死而復(fù)生，憑著一臉正直就撐到了最終季，在維斯特洛大陸實屬不易。

其次是蘭尼斯特兩兄弟提利昂和詹姆。獅家的粉絲這回可開心了，雖然家有豬隊友，攔不住兩兄弟實力優(yōu)秀啊。

至于龍媽，榜單上甚至沒有她的名字。

AI從百萬字文本當中窺見了故事的發(fā)展脈絡(luò)，不過，這也可能是馬丁老賊在誘敵深入，坑人不見血這招，怕是AI也輕易躲不過。

波隆登死亡榜第一名

Winter is coming，異鬼大軍來襲，下一份便當發(fā)給誰，或許比誰是主角更讓粉絲揪心。

慕尼黑工業(yè)大學(xué)（TUM）的權(quán)游粉絲們用機器學(xué)習(xí)預(yù)測了最終季人物的死亡可能性。

不幸登上榜首的竟然是深諳生存法則的波隆。傭兵波隆憑借跟蘭尼斯特兩兄弟的互動人氣一路飆升，對陣龍媽一役彎弓射大龍的表現(xiàn)可謂吸粉無數(shù)，更不用說他舍身救詹姆給觀眾帶來的震撼。

這位能登上維斯特洛毒舌TOP榜的黑水河爵士在AI眼里死亡可能性高達93.5%，讓人不經(jīng)擔(dān)憂要是沒有了波隆，誰還能勝任騎士吐槽第一人的角色呢？

而史塔克家族似乎要繼續(xù)擔(dān)綱最慘家族一角，開局沒多久就家破人亡的狼家又有兩位上榜?！叭豪巧?，孤狼死”，這可讓囧雪這個大主角怎么活。

除了死亡榜，還有生存榜。

對比狼家，獅家簡直是AI真愛。繼主角認定之后，AI又表示，小惡魔和詹姆都最不可能狗帶。看來狼家在這場獅狼大戰(zhàn)中是全面落敗了呀。

看了這些分析，可能有人會質(zhì)疑，AI可別是張口就來。那么AI到底是怎么得出這些結(jié)論的呢？

數(shù)據(jù)分析+網(wǎng)絡(luò)理論，找出真主角

在誰是真主角的分析當中，Peter主要使用了三種方法來對《冰與火之歌》進行數(shù)據(jù)分析：

• 通過測量詞匯多樣性來評價詞匯的豐富度
• 故事主線的人物足跡和詞頻分析
• 運用網(wǎng)絡(luò)理論計算角色的重要性

文本處理是由Python來實現(xiàn)的。NLTK用于自然語言處理，Seaborn實現(xiàn)可視化，Networkx進行網(wǎng)絡(luò)計算。

人物足跡和詞頻分析

《冰與火之歌》的章節(jié)是通過不同的視角（POV）呈現(xiàn)的，選擇主要的POV角色名，就可以繪制出單詞分散圖，從而了解到這些名字都在小說中的哪個部分出現(xiàn)過。

而詞頻分析則為《冰與火之歌》正名，冰與火的主題詞可不是【和諧】和【和諧】，這是一個圍繞著“死亡”（1690次提及）、“血（緣）”（1629次提及）和“愛”（703次提及）的故事。

網(wǎng)絡(luò)理論

對于《冰與火之歌》這樣擁有兩千多個出場人物的巨著來說，人物之間的相互關(guān)系推動著故事的發(fā)展。

Peter引入了網(wǎng)絡(luò)理論來描述角色之間的關(guān)聯(lián)性。

以這個句子為例，Eddard（奈德·史塔克）和Jon（瓊恩·雪諾）之間隔著4個單詞，因此在故事里他們是“相近”的。

兩個名字越相近且越頻繁地出現(xiàn)在一起，就可以假設(shè)在故事中他們彼此交織，構(gòu)成一組名稱對。

使用一個包含25個單詞的窗口并計算此窗口中所有名稱對共同出現(xiàn)的次數(shù)，就能得到這組名稱對的“權(quán)重”。

引入網(wǎng)絡(luò)理論，判斷一個角色與其他角色的關(guān)聯(lián)性主要用到了四個關(guān)鍵概念：

• 度中心性——與該節(jié)點直接連接的節(jié)點占節(jié)點總數(shù)的比例
• 接近中心性——對于一個結(jié)點而言，它距離其它結(jié)點越近，那么它的中心度越高
• 中介中心性——量化該節(jié)點充當其他兩個節(jié)點之間最短路徑的橋梁的次數(shù)
• 特征向量中心性——一個節(jié)點的重要性既取決于其鄰居節(jié)點的數(shù)量，也取決于其鄰居節(jié)點的重要性

鑒于作者傾向于以穩(wěn)定的速度殺死關(guān)鍵人物，Peter認為中介中心性更有參考價值，它能衡量殺死一個人物的難度。

可以看到網(wǎng)絡(luò)理論認為龍媽處在邊緣位置，重要性不僅不如囧雪和小惡魔，甚至連二丫也沒比過。

機器學(xué)習(xí)實力預(yù)測死亡率

慕尼黑工業(yè)大學(xué)（TUM）的團隊則是雙管齊下，用兩種方法來預(yù)測角色的死亡概率。

一個方法是從冰與火之歌和權(quán)力的游戲的維基百科中提取角色特征數(shù)據(jù)集，使用pymc3封裝的MCMC方法來訓(xùn)練BAYESEAN生存分析模型。

另一個方法是在Python的Keras框架下訓(xùn)練神經(jīng)網(wǎng)絡(luò)。比起B(yǎng)AYESEAN生存分析模型，神經(jīng)網(wǎng)絡(luò)能夠囊括更多“意外”死亡。

具體的訓(xùn)練方法他們寫在了這個項目的官網(wǎng)中，而權(quán)游里每一個角色的死亡百分比也都可以在官網(wǎng)中查詢到。想知道自己關(guān)注的角色會不會活到最后，熬夜追劇的同時，不妨也看一看機器學(xué)習(xí)的結(jié)論吧~

傳送門

TUM: https://got.show/

—?完?—