基于文本挖掘的游戲在線評論數(shù)據(jù)分析

關(guān)鍵詞：游戲；在線評論；文本挖掘；詞頻分析；關(guān)鍵詞共現(xiàn)分析

中圖分類號：TP311 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2024）28-0052-04

0 引言

中國游戲市場是全球最大的游戲市場之一，擁有龐大的用戶基礎(chǔ)和高度發(fā)展的游戲產(chǎn)業(yè)。根據(jù)《2023 年中國游戲產(chǎn)業(yè)報告》，2023年中國游戲市場實(shí)際銷售收入達(dá)到3 029.64億元，同比增長13.95%。用戶規(guī)模達(dá)到6.68億人，同比增長0.61%，占全球游戲用戶總數(shù)的近四分之一。這導(dǎo)致中國游戲市場競爭激烈，主要的游戲開發(fā)商和發(fā)行商包括騰訊、網(wǎng)易、完美世界等。這些公司通過自主研發(fā)和收購合作等方式來推出各類優(yōu)質(zhì)游戲，爭奪市場份額。在激烈的市場競爭中，游戲廠商需要不斷創(chuàng)新和優(yōu)化游戲品質(zhì)，以吸引和留住玩家。在此情況下，游戲廠商需要結(jié)合國外游戲精華，為中國游戲市場創(chuàng)造更具針對性的高品質(zhì)游戲。因此，通過對年度最佳游戲的在線評論進(jìn)行自然語言處理，挖掘游戲玩家的潛在需求，并借助數(shù)據(jù)挖掘和分析結(jié)論來尋找提升游戲玩家滿意度的關(guān)鍵因素。這不僅可以擴(kuò)展海外市場，提升中國游戲產(chǎn)業(yè)的國際影響力，也為國內(nèi)游戲廠商帶來了更多的商業(yè)機(jī)會和收入來源，推動中國游戲市場的持續(xù)發(fā)展。

目前，基于文本挖掘的研究已在許多場景下取得了有效的成果。在電商領(lǐng)域，劉佳鍇等人[1]以京東商城為例，針對蠶絲被在線評論進(jìn)行文本挖掘研究分析，有效地挖掘出了消費(fèi)者的關(guān)注因素和差評原因?？道椎萚2]通過對俄羅斯羽絨服進(jìn)行文本挖掘研究，能夠快速識別消費(fèi)者的偏好和反饋，為產(chǎn)品設(shè)計(jì)的改進(jìn)和生產(chǎn)提供改良建議。董爽等人[3]針對B2C購物網(wǎng)站在線評論內(nèi)容進(jìn)行特征分析，反映出不同網(wǎng)站消費(fèi)者關(guān)注點(diǎn)或感受的相似性和差異。在安全領(lǐng)域，田水承等人[4]針對我國煤礦頂板事故現(xiàn)狀進(jìn)行網(wǎng)絡(luò)分析，明確頂板事故致因因素，可以更有效遏制煤礦頂板事故的發(fā)生。在教育領(lǐng)域，邱均平等人[5]對高校環(huán)境在線評論進(jìn)行文本挖掘研究，其結(jié)果有利于相關(guān)學(xué)校增強(qiáng)對自身網(wǎng)絡(luò)評論的了解。肖婉等人[6]對什么樣的在線課程受學(xué)習(xí)者歡迎這一問題進(jìn)行文本挖掘研究，找到了在線學(xué)習(xí)者的兩大內(nèi)在動機(jī)。在旅游領(lǐng)域，查敏[7]通過對旅游景區(qū)在線評論進(jìn)行文本挖掘研究，發(fā)現(xiàn)歡樂谷景區(qū)的游玩項(xiàng)目和風(fēng)景氛圍給游客帶來更多的正向體驗(yàn)。綦方中等人[8]采用BERT和LDA模型對酒店評論進(jìn)行文本挖掘研究，挖掘出酒店客戶最為關(guān)注的問題。而對于游戲領(lǐng)域，缺少相關(guān)研究對游戲在線評論進(jìn)行文本挖掘分析。因此，本研究選取Steam平臺上5款年度最佳游戲的在線評論數(shù)據(jù)，進(jìn)行文本挖掘分析，找出玩家對于游戲的關(guān)注點(diǎn)，并提出改進(jìn)建議。

1 游戲在線評論的數(shù)據(jù)挖掘

1.1 數(shù)據(jù)來源與獲取

本研究聚焦于解析年度最佳游戲的在線評論，旨在探索并把握國內(nèi)玩家的實(shí)際需求與滿意度水平。為達(dá)成此目標(biāo)，關(guān)鍵數(shù)據(jù)來源于各大游戲平臺上玩家提供的真實(shí)評價反饋。在全球數(shù)字游戲銷售領(lǐng)域，Steam、Epic、GOG、Wegame等平臺以其高效與便捷著稱，它們不僅降低了游戲發(fā)行的成本，也拓寬了玩家的選擇范圍。其中Steam在中國市場占有率最高，擁有超過3 000萬的國內(nèi)用戶基礎(chǔ)。根據(jù)Steam 2020年的數(shù)據(jù)顯示，使用簡體中文的玩家比例首次超越了英文用戶，占據(jù)了37.87%的顯著份額，這標(biāo)志著中國玩家群體已成為Steam平臺上最龐大的用戶群。因此，深入分析Steam平臺上中國玩家的評價數(shù)據(jù)，對于精準(zhǔn)把握國內(nèi)玩家的游戲偏好與需求，具有重要的指導(dǎo)意義?；诖耍狙芯窟x擇Steam平臺上被“游戲界奧斯卡”的The Game Awards（簡稱TGA） 評選出的5個年度最佳游戲作為研究對象。

當(dāng)前，獲取網(wǎng)頁數(shù)據(jù)較為主流的是網(wǎng)絡(luò)爬蟲技術(shù)，能夠有效地完成年度最佳游戲在線評論數(shù)據(jù)的采集。在網(wǎng)絡(luò)爬蟲工具方面，本研究主要利用Python的Scrapy框架來獲取數(shù)據(jù)。Scrapy是一個功能強(qiáng)大的爬蟲框架，其設(shè)計(jì)初衷是為了方便、快速地開發(fā)網(wǎng)絡(luò)爬蟲，以抓取Web頁面上的數(shù)據(jù)。Scrapy框架具有高效穩(wěn)定、易于擴(kuò)展、靈活可定制和支持多種數(shù)據(jù)格式等特點(diǎn)，使得它成為Python爬蟲開發(fā)領(lǐng)域的佼佼者。

最終，本研究爬取了Steam平臺上5個年度最佳游戲的在線評論，表1描述了爬取評論樣本的相關(guān)信息。

爬取了5款年度最佳游戲的95 105條評論數(shù)據(jù)，主要是關(guān)于評論內(nèi)容本身的數(shù)據(jù)，由“評論時間”“評論內(nèi)容”和“覺得評測有價值的人數(shù)”3個數(shù)據(jù)組成。具體的內(nèi)容樣本如表2所示。

1.2 數(shù)據(jù)預(yù)處理

處理龐大的文本數(shù)據(jù)集時，需要預(yù)先剔除其中的冗余與無效信息，如重復(fù)評論及空白內(nèi)容等，這些元素對后續(xù)的文本挖掘與深入分析并無實(shí)質(zhì)性貢獻(xiàn)。因此，在正式開展分析工作之前，須對原始文本數(shù)據(jù)進(jìn)行清洗：去除重復(fù)評論、無效評論、表情符號，并刪除評論內(nèi)容為空的評論。完成數(shù)據(jù)預(yù)處理環(huán)節(jié)后，共剩余89 135條有效數(shù)據(jù)，如表3所示。

1.3 特征提取

游戲產(chǎn)品的形象特征認(rèn)知是玩家體驗(yàn)游戲內(nèi)容后的直觀感受。玩家通過體驗(yàn)游戲的畫面、音樂、劇情、系統(tǒng)、操作等元素，逐漸形成對該游戲產(chǎn)品的特征認(rèn)知，并通過在線評論在網(wǎng)絡(luò)社區(qū)平臺上發(fā)表出來，這直觀地反映出玩家對游戲的關(guān)注焦點(diǎn)和滿意程度。為了深入了解玩家關(guān)注的游戲內(nèi)容及需求反饋，本研究選取了Steam 平臺上5款年度最佳游戲的在線評論，通過關(guān)鍵詞提取和高頻詞分析法，挖掘玩家的意見反饋和體驗(yàn)需求。在進(jìn)行在線評論的特征挖掘時，采用了北京大學(xué)語言計(jì)算與機(jī)器學(xué)習(xí)研究組推出的一套全新的中文分詞工具包——pkuseg[9]。pkuseg在中文分詞領(lǐng)域具有顯著的優(yōu)勢，包括高準(zhǔn)確率、多領(lǐng)域支持、自定義詞典、多種分詞模式、高效性與輕量級、易于集成與使用以及持續(xù)更新與社區(qū)支持等。這些優(yōu)勢使得pkuseg成為許多開發(fā)者在進(jìn)行中文文本處理時的首選工具之一。因此，本研究通過使用pkuseg 對游戲評論的文本進(jìn)行分詞，并進(jìn)行詞性標(biāo)注，然后依據(jù)文本分詞的結(jié)果，去除無意義的高頻詞匯，最終從游戲評論總數(shù)據(jù)中提取出30個關(guān)于游戲的高頻詞匯，如表4所示。

通過對表4特征詞的詞頻和詞性分析可以發(fā)現(xiàn)，在高頻詞類型分布中，名詞占據(jù)了很大比例，如“劇情”“世界”“支線”等，這些名詞主要描述了游戲或體驗(yàn)的核心元素和組成部分。動詞也較多出現(xiàn)，如“體驗(yàn)”“戰(zhàn)斗”“喜歡”等，這些動詞反映了玩家對游戲或體驗(yàn)的互動和感受。形容詞和狀態(tài)詞，如“好玩”“最佳”“豐富”“優(yōu)秀”等，用于形容游戲或體驗(yàn)的品質(zhì)或特征。在詞頻分布上，高頻詞如“好玩”和“劇情”的詞頻遠(yuǎn)超過其他詞匯，顯示出它們在玩家反饋中的突出重要性。

1.4 基于詞頻統(tǒng)計(jì)技術(shù)的游戲在線評論數(shù)據(jù)詞云圖可視化

詞云圖（Word Cloud） ，也被稱為文本云或標(biāo)簽云，是一種直觀展示文本數(shù)據(jù)中詞匯頻率的圖形化表示方法。它通過對文本中單詞的出現(xiàn)頻率進(jìn)行統(tǒng)計(jì)，然后將這些單詞以不同的大小、顏色、字體或排列方式顯示在一個圖片中，以此來突出顯示文本中最重要或最頻繁出現(xiàn)的詞匯。本研究將經(jīng)過處理后的有效分詞進(jìn)行詞頻統(tǒng)計(jì)，然后在Python中導(dǎo)入詞云圖模塊及pyplot模塊，繪制出的詞云圖如圖1所示。

從圖1可以發(fā)現(xiàn)，玩家對于該5款游戲的關(guān)注點(diǎn)主要是劇情、世界、故事、結(jié)局等詞匯，反映了玩家對游戲故事情節(jié)和劇情發(fā)展的高度關(guān)注。同時，好玩、喜歡、最佳、神作、優(yōu)秀等高頻詞匯的出現(xiàn)，表明了玩家對游戲的正面情感和喜好。

1.5 基于語義關(guān)系的游戲在線評論數(shù)據(jù)關(guān)鍵詞共現(xiàn)分析

本研究借助高頻詞提取與詞云圖分析，獲取了玩家最為關(guān)注的多項(xiàng)要素。但高頻詞分析雖能揭示玩家的關(guān)注焦點(diǎn)，卻難以直接展現(xiàn)這些要素之間的內(nèi)在聯(lián)系與相互影響。因此，需要進(jìn)一步對關(guān)鍵詞進(jìn)行共現(xiàn)分析。共現(xiàn)分析的核心理念在于，它首先基于詞頻統(tǒng)計(jì)的數(shù)據(jù)，進(jìn)一步運(yùn)用聚類分析的方法，以深入挖掘并揭示文本中潛藏的主題結(jié)構(gòu)。在關(guān)鍵詞共現(xiàn)分析的具體實(shí)踐中，整個流程主要包含三個關(guān)鍵步驟：提取游戲在線評論數(shù)據(jù)關(guān)鍵詞、構(gòu)建關(guān)鍵詞共現(xiàn)矩陣、構(gòu)建關(guān)鍵詞語義網(wǎng)絡(luò)圖。

基于預(yù)處理后的在線評論數(shù)據(jù)，利用Python 中textrank4zh 庫的TextRank4Keyword 函數(shù)提取前20 個有效關(guān)鍵字，分別是：世界、動作、內(nèi)容、支線、問題、優(yōu)化、劇情、戰(zhàn)斗、體驗(yàn)、設(shè)計(jì)、角色、任務(wù)、主線、朋友、系統(tǒng)、故事、畫面、人物、地圖、結(jié)局。TextRank[10]算法提取關(guān)鍵詞是一種基于圖的排序算法，主要用于從文本數(shù)據(jù)中自動提取出關(guān)鍵信息。該算法由Mihalcea和Tarau于2004年提出，是PageRank[11]算法在文本處理領(lǐng)域的改進(jìn)版本。

根據(jù)上述提取出的20個關(guān)鍵詞，構(gòu)建關(guān)鍵字共現(xiàn)矩陣。共現(xiàn)矩陣是一個二維矩陣，其行和列代表一個關(guān)鍵詞，矩陣中的元素則表示對應(yīng)關(guān)鍵字之間的共現(xiàn)次數(shù)，如圖2所示。

最后，使用GooSeeker軟件構(gòu)建關(guān)鍵詞語義網(wǎng)絡(luò)圖，如圖3所示。

從圖2和圖3可以發(fā)現(xiàn)，共現(xiàn)次數(shù)較高的關(guān)鍵詞對包括（劇情，體驗(yàn)）、（戰(zhàn)斗，體驗(yàn)）、（故事，體驗(yàn)）、（朋友，體驗(yàn)）、（劇情，故事）、（劇情，問題）、（故事，結(jié)局）、（世界，設(shè)計(jì)）等。這表現(xiàn)出玩家在游戲過程中注重主觀感受，包括游戲性、劇情、畫面等多個方面的綜合體驗(yàn)，以及玩家對游戲內(nèi)容的高度關(guān)注。

2 結(jié)論

本研究使用文本挖掘技術(shù)對5款年度最佳游戲的89 135條在線評論數(shù)據(jù)進(jìn)行了詞頻分析和共現(xiàn)網(wǎng)絡(luò)分析，結(jié)論如下：

本研究對5款年度最佳游戲的在線評論進(jìn)行了高頻詞分析，并通過關(guān)鍵詞提取構(gòu)建共現(xiàn)矩陣進(jìn)行網(wǎng)絡(luò)分析。研究確定了“好玩”和“劇情”是整個游戲評論中最具影響力的關(guān)鍵詞，是最受玩家關(guān)注的因素。該分析結(jié)果對于游戲開發(fā)者來說具有重要的參考價值，可以幫助他們更好地了解玩家的需求和期望，從而改進(jìn)游戲設(shè)計(jì)和提升游戲體驗(yàn)。

本研究還存在不足之處。文章中的游戲在線評論可能存在不易識別的虛假評論，這對研究結(jié)果的可靠性產(chǎn)生一定影響，未來研究須更注重?cái)?shù)據(jù)的質(zhì)量和真實(shí)性。此外，后續(xù)可以引入文本情感分析方法，了解游戲在線評論的情感傾向，及時把握游戲行業(yè)的情感趨勢。