看着好悲情

啧啧

（一）亲密度矩阵的构造
1.共现分析（Co-occurrenceAnalysis）介绍

2.影视作品中的“共现”
由此我们可以想到，我们可以把这种分析方法引入到故事中人物关系的分析上来。我们只要把1中的“文档”替换为“场景”，“关键词”替换成“角色”，共现分析就成了“共登场分析”——如果两个角色在同一个场景中出现，意味着两者发生了联系。我们可以把包容度重新定义为亲密度，包容矩阵成为亲密度矩阵。
3.场景划分与角色登场表的建立
角色登场表，我们可以这样设置：纵轴是角色，横轴为场景，如果一个角色在一个场景中出现，我们就在对应的位置写上1.如果我们有秦时的剧本的话，建立登场表就简单许多了，剧本一般会分出场景，每个场景有谁登场都十分清楚。然而我们没有。
因此，我们只能自己来分。我观看了秦时明月之君临天下第45集到第66集的内容，做成了下表。


角色共计43个，场景共有86个。
由于本人没有学过编剧或导演，因此场景的划分我都是按照自己对秦时明月中空间的理解来进行的。并且为了方便，不同集数的相同场景，我都按不同场景来算；同一集中的相同场景，在没有相连的情况下（秦时的剪辑你们是知道的），如果没有新人物登场，算同一场景，有新人物登场，算不同场景。这就是我划分场景的基本原则。
在有了这张表之后，我们就可以生成亲密度矩阵了。我们把这张表导入R来做这件事。代码如下：

写代码本人并不擅长，如果写复杂了，望诸位莫取笑。解释一下这段代码：我们任意找到两行，将两行对应的元素相加，新的向量中2的个数就是对应的两个角色的共登场的次数。我们再找出两个角色的总登场次数中小的那一个，二者相除，就是两角色的亲密度。确实如大家所说，R运行for比较慢，这段代码R运行了将近30秒才完成。
于是，我们得到亲密度矩阵如下图。

让我们把它做得更漂亮些。（1.07M，建议下载查看）

至此，我们本应该利用CiteSpace软件生成亲密度图谱，奈何本人之前从未用过该软件，目前还玩不转，只好就此作罢。
但本文不会就此结束！
二.农家线秦时角色社交网
实际上，只要我们将之前的代码稍作修改，就可以得到邻接矩阵。

这里我们生成的是带权邻接矩阵。
什么是邻接矩阵？
我们把一个角色看成一个节点，如果两角色发生过联系，即共同登场过，则用一条线连接两点，这样便能生成一张图。

上图左边是一个无向图，右边是它的邻接矩阵，若左图两点之间有连线则右图矩阵对应的位置上就写上1。这样，一个邻接矩阵就可以描述一张图。如果连接两点的边是有权重的，就用带权邻接矩阵来描述，权重是多少就在对应的位置写多少。
我们生成的矩阵x就是一个无向图的带权邻接矩阵。

实际上，这个矩阵，跟共现分析中的共现矩阵几乎一样，区别仅仅是对角线相同角色的位置，一个要求为0，另一个就是原来的频次。可以说，这两个东西，从原理上讲是一样的。
下面，我们借助R语言中的igraph包来生成秦时农家线角色的社交关系图，代码如下。

这图不错，楼主高明。

66

这样一看第五部多了好多新人物

生成的图如下。（1.23M，点击查看大图）

该图中，每一个角色用一个圆代替，圆越大登场次数越多。线的宽度反映权重，线越宽，两角色间权重越大，即共登场次数越多。

我们还可以来个聚类分析，或者说社区发现，方法我选随机游走，结果如下。（1.23M，点击查看大图）

蒙恬那一部分和赵高那一部分我就直接省略了，我们可以明显看到分出了两个大类，而田言、大铁锤、高渐离这一小类起到了连接和纽带的作用。这个图和之前的社交网络图都非常直观，我就不多解释了。

秦时分析学新方法前两部分见：
https://tieba.baidu.com/p/5093622440

楼主一定是学霸级的人物

仔仔细细看完了，虽然还是似懂非懂。
楼主这么细致认真，一定用了不少时间和精力来仔细看，想必也能看到一些我们没有注意到的地方，请问你对剧情有什么高论呢？

貌似没什么大用