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)奧森·威爾斯 (Orson Welles) 的戲劇化“世界大戰”是美國萬聖節的最愛。圖片來自維基共享資源 (https://commons.wikimedia.org/wiki/File:Orson-Welles-Studio-1938.jpg) 1938 年，在奧森威爾斯的指導下，水星劇院播出了著名的（臭名昭著的？）由 HG 執導的“世界大戰”戲劇 威爾斯（沒有關係，儘管他們確實見過一次面）。 人們普遍認為廣播的效果被誇大了，因為平面新聞試圖詆毀廣播作為可靠新聞來源的信譽（詳情這裡和這裡). 然而，該廣播已成為美國萬聖節的最愛。全國各地的許多廣播電台都會在萬聖節前夜重播它，以向經典的美國音樂和構思並實現它的才華橫溢的講故事的人致敬。
對我來說，廣播在我的萬聖節傳統中佔有特殊的位置。 作為一個男孩，我錯過了一年的不給糖就搗蛋，因為我們的家人在萬聖節搬進了我們的第一所房子。 我當地的廣播電台是重播該作品的廣播電台之一。 我不知道他們是否仍然這樣做。 但我記得那天晚上坐在我新房間的床上，聽著廣播劇的精彩範例。 於是乎，我就試著延續收聽廣播的傳統（它是公共領域的，你可以在這裡收聽：世界大戰) 萬聖節。
作為一個有趣的旁注，1968 年的翻拍是在紐約州羅徹斯特製作的（說真的，紐約這裡的人是怎麼回事？）實際上做過引起小小的恐慌。 該廣播電台試圖通過廣播免責聲明來減輕任何潛在的恐慌。 驚慌失措的電話蜂擁而至後，電視台甚至提高了免責聲明的頻率！ 但損害已經造成。 它甚至導致一份報紙報導說入侵確實發生了。
總之，幾週前我有一個想法：為什麼不使用 Text Explorer 分析原始錄音？ 誠然，這是一個相當隨意的想法。 我的想法是探索數據，看看我是否可以梳理出故事中的不同情節點和主題。 原來有一個成績單由演員打破台詞。 稍作導入工作和微調後，我就可以開始了！ 讓我們看看我發現了什麼。
分析'世界大戰'
可能最簡單的事情就是從詞云開始。 嚴格來說，詞云並不是可視化文本信息的最佳方式。 例如，它們往往會扭曲術語的意義。 但我們只是在閒逛JMP ，那為什麼不呢！
由於寫作風格，說話人或被說話人的名字（記住，一開始是新聞廣播）在數據集中有很高的代表性。 在第一個詞云中，我們可以看到敘述者兼主角（我們不能真正稱他為主角）皮爾森教授的代表性很高，僅此而已。 這是因為我還沒有對停用詞做任何處理，儘管此時我已將短語（例如 Grovers Mill）添加到術語列表中。
通過在 JMP 中進行一些修改（我在本文末尾提供了一個關於我如何著色的過程），我們可以開始剝離一些層並獲得一些額外的信息（如下）。 我們現在可以看到皮爾森教授與普林斯頓大學有聯繫。 他還與那裡的天文台有聯繫，在那裡他是一名天文學家。 這些聯想來自 CBS 現場記者 Carl Phillips，他經常告訴我們 Pierson 教授在故事的早期是誰。 我們還可以看到他突然出現在新澤西州格羅弗斯米爾（第一個火星墜毀地點）和紐約市周圍的其他一些地方。 總而言之，這位好教授在廣播活動期間的旅行情況非常清晰。
讓我們再做幾個。 從這一點開始，我將 Pierson 教授作為停用詞，以使雲中的其他主題更容易看到。 接下來，讓我們去找卡爾·菲利普斯，他是 CBS 注定要失敗的現場記者。
他的故事部分主要圍繞 Grovers Mill，但他採訪了 Pierson 教授（普林斯頓和天文學參考資料）。 作為正常 CBS 廣播的一部分，他的所有台詞都是通過特別公告發布的。 它有點隱蔽，但你也可以看到他是怎麼死的——死於火星人用來保護他們的著陸點的黑煙。
如果我們看一下“圓柱體”，我們可以看到它們包含火星人標誌性的入侵機器，其中第一台降落在新澤西州。
接下來讓我們看看機器本身。 我注意到的第一件事是他們出現了很多其他的東西。 這是有道理的，因為機器是敘事中的主要情節設備（幾乎是角色）。 你可以看到它們來自圓柱體。 他們有熱射線（底部中心）。 還有一些跡象表明他們遭到了軍隊的襲擊，這引發了第一次使用黑煙攻擊士兵。
我可以繼續說下去，看看哪些術語一起出現在詞云中會很有趣。 由於該腳本屬於公共領域，因此我已在本文中發布了我的數據集。 如果你想玩，只需要運行詞云腳本，然後在你想探索的詞云中右鍵單擊術語。 從菜單中單擊“選擇文本”，術語將在詞云中突出顯示。
JMP Pro 中的主題分析
好吧，讓我們拿出大砲。 主題分析JMP臨會使人有點緊張，但它非常有用。 對於此分析，我將所有字符名稱放回原處（我使用停用詞將它們取出來表示詞云）。 現在，主題分析採用術語列表中的術語，並查看每個術語在數據集的每一行中出現的頻率（如果您想知道，它稱為文檔術語矩陣），同時考慮術語顯示的頻率在整個文檔中向上（這在文本分析中稱為 TF/IDF 比率）。 它對其執行一些多變量轉換以生成一組傾向於一起出現的術語。 解釋最多信息的組稱為主題 1。 下一個最好的集合是主題 2，依此類推，這意味著在這種情況下“主題”有點用詞不當。 但是所提供的信息（隨便你怎麼稱呼）仍然非常有用。 讓我們來看看前三個主題。 為了避免用數字淹沒您，我將在這裡使用 JMP 為每個主題生成的詞云。 請注意，每個術語的大小基於這些詞云中的主題加載，而不是它們在數據集中出現的頻率！ 巨大差距。
主題 1 包含您所期望的重要內容：Pierson 教授、火星人和他們的戰爭機器、黑煙和攻擊的全球性質（這不是我們從詞云中得到的）。
主題 2 是與陸軍試圖抵御氣瓶相關的術語摘要。 你會看到熱射線和陸軍關於其防禦努力的公告的參考資料。
主題 3 只是 Pierson 教授和 Carl Phillips 的談話，主要來自教授天文台廣播早期的採訪。
主題 4 是關於第一個著陸點的。 您可以看到描述隕石坑、誰在那裡等的術語。
主題 5 包含 CBS 的最後一次官方廣播，警告人們火星機器正在從新澤西州移動到紐約市。 這也是軍團被火星熱射線襲擊的瞬間。
現在，讓我們回到更數字化的話題。 我可以根據腳本與每個主題的緊密程度對腳本的每一行進行評分。 請注意，這裡的比例有點奇怪，但我們只對相對大小感興趣。 通過放置腳本每一行的文檔分數以及說這些分數的人，我可以在 Graph Builder 中構建一個平行圖。 我將這個上傳到 JMP Public，這樣您就可以使用本地數據過濾器了。
看看我們的一些主要人物，Pierson 教授通常與其他人一起留在主要人物中，但偶爾會有一些台詞在主題 1 和主題 3 上得分很高。 播音員（實際上有三個）在主題 3 和主題 5 上得分很高。 在這兩種情況下（Pierson 教授和播音員），這是有道理的，因為播音員會打斷廣播說他們正在切換到 Pierson 教授和 Carl Phillips 的最新消息，這也解釋了為什麼 Phillips 的台詞傾向於與那些播音員。 不管怎樣，玩一玩，看看還能弄出什麼來！
總結一下
僅此而已。 萬聖節的一個有趣的小分析。 沒有什麼驚天動地的，但在 JMP 和 JMP Pro 中進行文本分析仍然很有趣。 所以，借用大師本人的話：
女士們先生們，我是邁克·安德森，不合時宜地向你們保證，對“世界大戰”的分析沒有比節日產品更重要的意義。 JMP 博客自己版本的打扮和跳出灌木叢並說“噓！”
從現在開始，我們不能肥皂全部你的窗戶偷全部明天晚上你的花園大門，所以我們做了最好的下一件事。 我們分析了奧森威爾斯在你耳邊毀滅世界並徹底摧毀哥倫比亞廣播公司的那個晚上。
我希望你會鬆一口氣，因為我們不是故意的，而且這兩家機構仍在營業。
所以，再見大家，記住你們今晚學到的慘痛教訓。 你客廳裡那個咧著嘴笑的、發光的、球狀的入侵者是南瓜地的居民，如果你的門鈴響了，但沒人在，那不是火星人；今天是萬聖節。
祝萬聖節平安快樂！
對詞云著色的事後思考
發表前我在流傳這篇文章的時候，有人問我詞云的著色是怎麼做的。 我想我會花點時間分享一段視頻，向您展示如何完成這項工作的步驟。 這很簡單。 你只需要使用選擇（）命令在數據表的列中。 這是我的做法（最後有一個視頻來展示步驟）：
- 從包含文本的數據表開始，創建一個新列。
- 使用“Selected()”作為公式在該新列中創建一個公式。 您需要輸入它，因為它不是公式編輯器目錄中的標準公式之一。
- 在公式編輯器中單擊確定。
- 創建一個文本資源管理器（分析 > 文本資源管理器）並使用您的文本進行設置。 （可以找到有關 Text Explorer 的教程這裡.)
- 打開詞云（紅色小三角菜單 > 顯示選項 > 顯示詞云）。
- 在詞云中選擇要用於突出顯示的術語（右鍵單擊術語 > 選擇行）。
- 在詞云紅色三角形菜單下，選擇著色 > 按列值…，然後選擇您在步驟 1 中創建的列。
- 根據自己的喜好調整詞云的漸變。
