Orson Welles' dramatization of "The War of the Worlds" is a Halloween favorite in the US. Photo from Wikimedia Commons (https://commons.wikimedia.org/wiki/File:Orson-Welles-Studio-1938.jpg)Orson Welles' dramatization of "The War of the Worlds" is a Halloween favorite in the US. Photo from Wikimedia Commons (https://commons.wikimedia.org/wiki/File:Orson-Welles-Studio-1938.jpg)Orson Welles' dramatization of "The War of the Worlds" is a Halloween favorite in the US. Photo from Wikimedia Commons (https://commons.wikimedia.org/wiki/File:Orson-Welles-Studio-1938.jpg)Orson Welles' dramatization of "The War of the Worlds" is a Halloween favorite in the US. Photo from Wikimedia Commons (https://commons.wikimedia.org/wiki/File:Orson-Welles-Studio-1938.jpg)奥森·威尔斯 (Orson Welles) 的戏剧化“世界大战”是美国万圣节的最爱。图片来自维基共享资源 (https://commons.wikimedia.org/wiki/File:Orson-Welles-Studio-1938.jpg) 1938 年，在奥森威尔斯的指导下，水星剧院播出了著名的（臭名昭著的？）由 HG 执导的“世界大战”戏剧 威尔斯（没有关系，尽管他们确实见过一次面）。 人们普遍认为广播的效果被夸大了，因为平面新闻试图诋毁广播作为可靠新闻来源的信誉（详情这里和这里). 然而，该广播已成为美国万圣节的最爱。全国各地的许多广播电台都会在万圣节前夜重播它，以向经典的美国音乐和构思并实现它的才华横溢的讲故事的人致敬。
对我来说，广播在我的万圣节传统中占有特殊的位置。 作为一个男孩，我错过了一年的不给糖就捣蛋，因为我们的家人在万圣节搬进了我们的第一所房子。 我当地的广播电台是重播该作品的广播电台之一。 我不知道他们是否仍然这样做。 但我记得那天晚上坐在我新房间的床上，听着广播剧的精彩范例。 于是乎，我就试着延续收听广播的传统（它是公共领域的，你可以在这里收听：世界大战) 万圣节。
作为一个有趣的旁注，1968 年的翻拍是在纽约州罗彻斯特制作的（说真的，纽约这里的人是怎么回事？）实际上做过引起小小的恐慌。 该广播电台试图通过广播免责声明来减轻任何潜在的恐慌。 惊慌失措的电话蜂拥而至后，电视台甚至提高了免责声明的频率！ 但损害已经造成。 它甚至导致一份报纸报道说入侵确实发生了。
总之，几周前我有一个想法：为什么不使用 Text Explorer 分析原始录音？ 诚然，这是一个相当随意的想法。 我的想法是探索数据，看看我是否可以梳理出故事中的不同情节点和主题。 原来有一个成绩单由演员打破台词。 稍作导入工作和微调后，我就可以开始了！ 让我们看看我发现了什么。
分析'世界大战'
可能最简单的事情就是从词云开始。 严格来说，词云并不是可视化文本信息的最佳方式。 例如，它们往往会扭曲术语的意义。 但我们只是在闲逛JMP ，那为什么不呢！
由于写作风格，说话人或被说话人的名字（记住，一开始是新闻广播）在数据集中有很高的代表性。 在第一个词云中，我们可以看到叙述者兼主角（我们不能真正称他为主角）皮尔森教授的代表性很高，仅此而已。 这是因为我还没有对停用词做任何处理，尽管此时我已将短语（例如 Grovers Mill）添加到术语列表中。
通过在 JMP 中进行一些修改（我在本文末尾提供了一个关于我如何着色的过程），我们可以开始剥离一些层并获得一些额外的信息（如下）。 我们现在可以看到皮尔森教授与普林斯顿大学有联系。 他还与那里的天文台有联系，在那里他是一名天文学家。 这些联想来自 CBS 现场记者 Carl Phillips，他经常告诉我们 Pierson 教授在故事的早期是谁。 我们还可以看到他突然出现在新泽西州格罗弗斯米尔（第一个火星坠毁地点）和纽约市周围的其他一些地方。 总而言之，这位好教授在广播活动期间的旅行情况非常清晰。
让我们再做几个。 从这一点开始，我将 Pierson 教授作为停用词，以使云中的其他主题更容易看到。 接下来，让我们去找卡尔·菲利普斯，他是 CBS 注定要失败的现场记者。
他的故事部分主要围绕 Grovers Mill，但他采访了 Pierson 教授（普林斯顿和天文学参考资料）。 作为正常 CBS 广播的一部分，他的所有台词都是通过特别公告发布的。 它有点隐蔽，但你也可以看到他是怎么死的——死于火星人用来保护他们的着陆点的黑烟。
如果我们看一下“圆柱体”，我们可以看到它们包含火星人标志性的入侵机器，其中第一台降落在新泽西州。
接下来让我们看看机器本身。 我注意到的第一件事是他们出现了很多其他的东西。 这是有道理的，因为机器是叙事中的主要情节设备（几乎是角色）。 你可以看到它们来自圆柱体。 他们有热射线（底部中心）。 还有一些迹象表明他们遭到了军队的袭击，这引发了第一次使用黑烟攻击士兵。
我可以继续说下去，看看哪些术语一起出现在词云中会很有趣。 由于该脚本属于公共领域，因此我已在本文中发布了我的数据集。 如果你想玩，只需要运行词云脚本，然后在你想探索的词云中右键单击术语。 从菜单中单击“选择文本”，术语将在词云中突出显示。
JMP Pro 中的主题分析
好吧，让我们拿出大炮。 主题分析JMP临会使人有点紧张，但它非常有用。 对于此分析，我将所有字符名称放回原处（我使用停用词将它们取出来表示词云）。 现在，主题分析采用术语列表中的术语，并查看每个术语在数据集的每一行中出现的频率（如果您想知道，它称为文档术语矩阵），同时考虑术语显示的频率在整个文档中向上（这在文本分析中称为 TF/IDF 比率）。 它对其执行一些多变量转换以生成一组倾向于一起出现的术语。 解释最多信息的组称为主题 1。 下一个最好的集合是主题 2，依此类推，这意味着在这种情况下“主题”有点用词不当。 但是所提供的信息（随便你怎么称呼）仍然非常有用。 让我们来看看前三个主题。 为了避免用数字淹没您，我将在这里使用 JMP 为每个主题生成的词云。 请注意，每个术语的大小基于这些词云中的主题加载，而不是它们在数据集中出现的频率！ 巨大差距。
主题 1 包含您所期望的重要内容：Pierson 教授、火星人和他们的战争机器、黑烟和攻击的全球性质（这不是我们从词云中得到的）。
主题 2 是与陆军试图抵御气瓶相关的术语摘要。 你会看到热射线和陆军关于其防御努力的公告的参考资料。
主题 3 只是 Pierson 教授和 Carl Phillips 的谈话，主要来自教授天文台广播早期的采访。
主题 4 是关于第一个着陆点的。 您可以看到描述陨石坑、谁在那里等的术语。
主题 5 包含 CBS 的最后一次官方广播，警告人们火星机器正在从新泽西州移动到纽约市。 这也是军团被火星热射线袭击的瞬间。
现在，让我们回到更数字化的话题。 我可以根据脚本与每个主题的紧密程度对脚本的每一行进行评分。 请注意，这里的比例有点奇怪，但我们只对相对大小感兴趣。 通过放置脚本每一行的文档分数以及说这些分数的人，我可以在 Graph Builder 中构建一个平行图。 我将这个上传到 JMP Public，这样您就可以使用本地数据过滤器了。
看看我们的一些主要人物，Pierson 教授通常与其他人一起留在主要人物中，但偶尔会有一些台词在主题 1 和主题 3 上得分很高。 播音员（实际上有三个）在主题 3 和主题 5 上得分很高。 在这两种情况下（Pierson 教授和播音员），这是有道理的，因为播音员会打断广播说他们正在切换到 Pierson 教授和 Carl Phillips 的最新消息，这也解释了为什么 Phillips 的台词倾向于与那些播音员。 不管怎样，玩一玩，看看还能弄出什么来！
总结一下
仅此而已。 万圣节的一个有趣的小分析。 没有什么惊天动地的，但在 JMP 和 JMP Pro 中进行文本分析仍然很有趣。 所以，借用大师本人的话：
女士们先生们，我是迈克·安德森，不合时宜地向你们保证，对“世界大战”的分析没有比节日产品更重要的意义。 JMP 博客自己版本的打扮和跳出灌木丛并说“嘘！”
从现在开始，我们不能肥皂全部你的窗户偷全部明天晚上你的花园大门，所以我们做了最好的下一件事。 我们分析了奥森威尔斯在你耳边毁灭世界并彻底摧毁哥伦比亚广播公司的那个晚上。
我希望你会松一口气，因为我们不是故意的，而且这两家机构仍在营业。
所以，再见大家，记住你们今晚学到的惨痛教训。 你客厅里那个咧着嘴笑的、发光的、球状的入侵者是南瓜地的居民，如果你的门铃响了，但没人在，那不是火星人；今天是万圣节。
祝万圣节平安快乐！
对词云着色的事后思考
发表前我在流传这篇文章的时候，有人问我词云的着色是怎么做的。 我想我会花点时间分享一段视频，向您展示如何完成这项工作的步骤。 这很简单。 你只需要使用选择（）命令在数据表的列中。 这是我的做法（最后有一个视频来展示步骤）：
- 从包含文本的数据表开始，创建一个新列。
- 使用“Selected()”作为公式在该新列中创建一个公式。 您需要输入它，因为它不是公式编辑器目录中的标准公式之一。
- 在公式编辑器中单击确定。
- 创建一个文本资源管理器（分析 > 文本资源管理器）并使用您的文本进行设置。 （可以找到有关 Text Explorer 的教程这里.)
- 打开词云（红色小三角菜单 > 显示选项 > 显示词云）。
- 在词云中选择要用于突出显示的术语（右键单击术语 > 选择行）。
- 在词云红色三角形菜单下，选择着色 > 按列值…，然后选择您在步骤 1 中创建的列。
- 根据自己的喜好调整词云的渐变。
