扒完社交網路關係才明白,《權力的遊戲》憑什麼是神作
“Valar Morghuli,凡人皆有一死。” “沒錯,但那是‘凡人’。會資料的,都不是凡人。” ——恩威科技君
當你看冰火的時候,你在看什麼?
作為一個《冰與火之歌》的資深迷弟,看到如今的冰火電視劇完全脫離書本進度,在第七季裡更是拋棄了原作詭譎多變的氣質,開始轉向畫風浮躁、強調血脈噴張效果的好萊塢大片風格,這讓我一個原著黨深感不滿。
在起初追劇的時候,平心而論,我對其中華麗的戰爭場面、香豔鏡頭(此處“少兒不宜”)以及高傲的中世紀騎士文化最感興趣。但隨著劇集的發展,我的重心逐漸轉向了其中形象豐滿的人物身上。他們隱祕的複雜感情、鬥智鬥勇的角逐、詭譎多變的選擇以及背後神奇的魔幻設定,都讓我心曠神怡。遂從劇黨倒戈書黨,棄暗投明。
( 圖片說明:巨集大的戰爭場景是冰火這部戲最大看點之一,囧雪復活後的這場私生子大戰,高度還原了中世紀步兵、騎兵、弩手配合作戰的史實,令人窒息的逼真程度令人驚歎不已。)
電視劇在前五季其實是忠於原著的,但是到了第七季,夜王突變奧運會標槍選手;原最強謀略家小指頭墮落為北境第一大混子;囧雪和姑姑突然被愛情撞了一下腰;維斯特洛大陸上到處都是“任意門”…….
(圖片說明:由於受電視劇長度的限制,在第七季的冰火中,編劇為了火速推進劇情,拋棄了大量的伏筆和細節,導致bug無數。Instagram等社交網路出現了大量網友自制表情包,諷刺劇組的這種省事兒的做法。圖為諷刺囧雪的叔叔班揚史塔克,在第七季第六集莫名其妙地出現然後又犧牲的橋段;圖片來源:Instagram @thronesmemes)
對於HBO這種做法,我除了在社交網路上發帖諷刺以外,卻也不禁捫心自問:在編劇們已經放棄觀眾智商的情況下,我為什麼還要追劇呢?想來想去,答案只有一個:《冰與火之歌》講述了一個好故事。因為在看冰火的時候,我並不只是看打仗、香豔、CG的鏡頭,更吸引我的是這一整個充滿血和肉的史詩故事。
那麼問題來了,冰火作為一個公認的“好故事”,它的祕訣究竟在哪裡呢?
尤瓦爾·赫拉利在《人類簡史》中說:人類在演化中獲得的講故事(即描述虛構事物)的能力,是他們稱霸世界的關鍵。人類天生愛聽故事,而故事的核心則源於人本身。我認為冰火作為一個好故事,關鍵就在於其塑造的一個個真實可感的人物形象。所以,我決定從人物入手,分析一下冰火的故事套路,為自己下次吹水“打下堅實的理論基礎”。
先亮出我的結論。要寫好一個故事,冰火告訴你,需遵循三原則:
讓“主角”意想不到地死亡
給“配角”連珠成線地加戲
讓“陣營”有理有據地反轉
本文我主要從文字資料探勘入手,使用了“社交網路分析”的模型和方法(具體操作細節見附錄1說明),程式碼用R實現。資料來源為已出版的五本英文《冰與火之歌》小說。
“哎喲我去,主角領便當了!”
當我們剛開始看冰火的時候,相信很多人都和我一樣,以為狼家的Edd Stark是這個電視劇的主角,結果到第一季末尾,“哎呦我去”!咔嚓,被抹了脖子。
然後Edd的大兒子Robb領兵起義,揭開了五王之戰的帷幕。我以為:“啊,原來子承父業,Robb才是真主角!”結果到了第三季末尾,“哎喲我去!”咔嚓,狼少主帶著媳婦、老孃,一起被抹了脖子。
然後,一路上各色“主角”不是被抹脖子,就是在被抹脖子的路上。“主角便化當”成為了這個劇開始超神的最大利器。
不過,這只是讀者們的直觀感受而已。這裡面有兩個問題:第一,你們以為的主角真的是主角麼?第二,大部分故事中,主角有光環的設定是有道理的,因為故事線一般都在主角身上,一旦主角人物死了,故事就沒載體繼續了。那為什麼冰火敢這麼“抹主角脖子”呢(想想看,如果工藤新一當初在娛樂場被一棒子敲死了,柯南估計連載不了十幾年吧)?
Edd和Robb當然不是真主角。
我統計了已出版的五本書的英文原文,檢索了所有出現人物的名字(附錄2)。如果兩個人物的名字一起出現在14個單詞以內,我就認為人物A和人物B有了一次交集,就會在他們之間連一條線(附錄3)。然後依據這些人物關係繪製了下面這張《冰與火之歌》社交網路圖:
(圖片說明:點的大小代表角色的點度,即出現頻次;顏色代表walktrap聚類的結果;線的粗細代表聯絡的緊密程度,顏色與聚類方式一致。聚類問題將在本文第三部分具體講述。點選看清晰大圖!)
這張圖可以清晰地看出原著系列的主要角色。囧雪Jon和小惡魔Tyrion,Stannis,Robb,Robert,Jamie,Cersi的圓圈都很大,而且關係網路密集。相比之下,Robb和Edd就比較小了,而且與他們相似大小的角色還有辣麼多,顯然他們並不是真主角。
這裡面還有一個有趣的點是三眼烏鴉Bran。雖然他的圓圈不大,但是與他相連的關係線都很粗,說明Bran的故事線非常集中在某幾個人身上,非常呼應他的特殊使命角色。
我們再進一步細化一下主角們之間的人物關係。我用了社交網路分析中最簡單計算中心度(Centrality)的方法對主要角色們進行了對比。點度(Degree)表示對於某一個角色A,有多少角色和他有距離為1的直接聯絡;親密度(Closeness)表示對於某一個角色A,他與所有角色聯絡的最短路徑的均值;連線度(Betweenness)表示對於角色A,有多少對其他角色的聯絡必須通過它才能傳達。得出的結果如下:
(圖片說明:對106個所選角色進行中心性(Centrality)計算,然後對計算結果進行標準化處理,得出排名前20的角色名單。點選看清晰大圖!)
對比這三個主要指標,這麼看,Jon和Tyrion已經把其他人遠遠甩在身後。雖然在看書的時候,我也已經隱約猜到,但是從資料看,還是更加深了我的判斷——他們才是真主角啊!(附錄4:咦,龍母Daenerys怎麼排名這麼靠後?) 狼爸、狼少主、鹿國王等人雖然排名也很靠前,但是與他們相似的角色還有很多。所以你們就安心的領便當吧。
既然狼爸Edd他們不是真主角,為什麼我們還會對他們的死感到驚訝呢?
這也許與老馬丁的寫作方法有關。冰火採用的是POV視角寫法,每個章節都是以一個角色的視角來敘述的,而Edd是第一本書的最主要敘事者,佔了18.5%的篇幅,很容易讓人誤以為他是主角。
“龍套哥,這裡有個主角,你來客串一下”
不過,雖然不是主角,但是Edd好歹也是主要角色之一啊,怎麼敢說砍就砍呢?
這就涉及到了第二個原則:給配角們連珠成線地加戲。
讓我們挑一個我最愛的配角看一下——美人Brienne。
(圖片說明:與Brienne有關的社交人物關係圖。點選看清晰大圖!)
Brienne是劇中騎士精神的典型代表,可以說是黃金配角了。作為一個配角,你可以從圖中看出他的人物關係是多麼複雜,與狼家、鹿家、獅家都有聯絡(期待與詹姆的愛情戲)。在電視劇裡,他與其他配角獵狗、野人託蒙德等的對手戲也讓人津津樂道。
另外,敢砍主要角色,馬丁老爺子依託的是龐大複雜的人物線——少你一個根本不影響敘事。比如說,我們去掉上面那張圖裡的已經抹脖子的角色,看看這張關係圖有什麼變化。
(圖片說明:把已知死亡角色刪去後的社交網路圖。點選看清晰大圖!)
答案是變化不大,即使去掉了這些最主要的連線,整個社交網路仍然是一個整體,整個冰火的人物關係網路還是清晰、密集、複雜的。更重要的是,我麼能更清楚地看到誰可能是真正的核心人物了(囧雪?小惡魔?)。
所以回到我們剛開始提到的主配角問題:看到這兒,我想你也明白了:雖然凡人必有一死,但是死的確實都是“凡人”啊。
另外,只有網鋪的夠大,才能在製造“驚嚇”的同時不影響主線敘事。然後,讓所有的配角也形象豐滿、散發光彩,是這個故事好看的又一重要原因。
“我以前沒的選,現在我想做個好人”
最後一個原則:讓“各陣營”有理有據的反轉。分陣營、反轉永遠是觀眾最喜歡看的戲碼之一。陣營能夠有效梳理龐雜的人物關係,製造足夠有衝擊力的戲劇矛盾;人物的反轉則可以豐富角色形象,從多方面的減輕文藝作品中角色臉譜化問題。
來看看冰火是怎麼做的。
在我們最開始的全形色社交關係網路裡,共有106個角色節點,1254條人物聯絡,65024層關係鏈條。網路直徑Diameter為4,密度Density為0.225(附錄5)。從整體來看,這是一個不錯的社交網路,說人話,就是這個網路連通度發達,但是內部仍然有分離的可能,並不是渾然一體。所以,接下來,我們就用Walktrap演算法對網路進行聚類(附錄6),聚類的結果如下圖所示:
( 圖片說明:Walktrap演算法將106個角色主要分成了5類,modurality為0.38,分別用不同的顏色標出。點選看清晰大圖!)
在聚類的結果中,可以看到角色們基本按照劇情發生的地理位置被歸類。以囧雪為代表的守夜人故事線(黃色);狼少主、小剝皮代表的北境故事線(紫色);布蘭代表的長城之外故事線(藍色);龍媽代表的海外故事線(橙色);以及最大最密集的小惡魔、瑟後、詹姆、三傻、斯坦尼斯為代表的君臨故事線(綠色)。
冰火對於分陣營的套路是一個典型的分總模式。在最大聚類裡(綠色),幾乎聚集了狼、獅、鹿、龍等各大家族的核心人物,還包括小指頭、瓦里斯公公等獨立角色。所以君臨故事線是冰火各色門派博弈的主戰場, 各陣營的衝突在這裡集中地發生。同時,圍繞君臨,還有其他四個其他陣營。
至於角色的反轉,如果再把上圖加一個時間維度,則角色反轉的效果就更加清晰了(附錄7)。例如小惡魔的俄狄浦斯式轉變。由於時間原因,這一部分就不再詳述,大家可以代入一下獵狗、詹姆的經歷感受之。尤其是當你看到第七季詹姆單騎屠龍的鏡頭,人們感嘆他騎士精神的衝鋒時,已經忘記他也曾經犯下一手將布蘭摔殘的罪。如今他想做個“好人”,那當然是選擇原諒詹姆啦。
“野雞版”劇透預警—— 冰火大結局
百聞不如一見,百說不如一練。鑑於我用視角網路分析的結果,我秉承老馬丁的寫作套路,提前為大家草擬的一份“大結局”。
我預測,在劇集結尾,長城轟然倒塌,異鬼大舉入侵。所有維斯特洛的城市居民開始抗擊異鬼,最後退守君臨,進行君臨保衛戰。君臨融合所有家族和角色,各家族暫時放下成見,一致攘外,暫停安內(聚攏陣營,對外反轉)。
(圖片說明:HBO已經放出了最終季的海報,圖中夜王騎著龍爬上了長城。異鬼最終突破長城大舉入侵的情節,應該已經不難預測了。)
在戰鬥過程中,黃金配角山姆通過科學研究,發現異鬼重要弱點,在最後關頭引導囧雪、小惡魔和龍媽等人類對抗異鬼的主力軍,最後艱難地取得勝利(配角的故事線要發揮重要作用)。
但勝利的代價是如此之大,以至於他們最終全部力戰而亡(沒錯,全都要領便當,因為反正要完結了,當然更需要意想不到地死亡了!)。
人類雖然最終擊退了異鬼,但是內部的紛爭再起。各大家族又開始為了權力而無休止地爭鬥。綠先知布蘭在洞悉了這一切後,終於看透:不論時間過多久,人類總會重複犯下相同的錯誤,這是一個終極西西弗斯困局。人類始終無法相互理解,能讓他們停止爭鬥的方法就只有一個,那就是適時再次從外部施加壓力,讓一切從頭再來。
於是他用魔法重新築起長城,然後,自己走出長城之外,將龍晶插入了自己的心臟,變身成為新的夜王。
“凜冬將至。”
附錄
社交網路分析(Social Network Analysis)是指基於資訊學、數學、社會學、管理學、心理學等多學科的融合理論和方法,為理解人類各種社交關係的形成、行為特點分析以及資訊傳播的規律提供的一種可計算的分析方法。社交網路(或社會網路)的概念在1954年由J. A. Barnes最先提出。
在分詞統計人物關係時,我手動修改了兩個引數:第一是人物代號,例如Tyrion在劇中還經常被稱作小惡魔(Imp)、侏儒(halfman)等,我將其統一為官方名稱,統一的標準參考冰火維基;第二是邊緣人物,在全書中有全名的角色過多,我手動刪除了其中關係數過小的人物,最後保留了106個核心人物。
統計人物關係的方法來自於Andrew.J.Beveridge教授,他是瑪卡萊斯特學院(Macalester College)數學系副教授。2016年的時候他與他的學生Jie Shan就用網路科學分析了《冰與火之歌》的人物關係(Network Of Throne),但是資料樣本僅僅是第三卷A Storm of Swords。我增加了樣本量,將統計範圍擴大到了已出版的全部5卷。Andrew教授用的是15個單詞的標準。我統計了全書文字,發現全書平均句長約為14個單詞,於是將範圍修改為14。
從主觀感覺來說,龍媽Daenerys確實是書中最重要的角色之一。但是資料的統計結果並沒有顯示出來。主要原因是龍媽常年在維斯特洛大陸以外的地區活動,與主要角色們的交集過少,所以在統計中不算顯眼。使用Pagerank演算法的話可以有效減少地域的影響,但是本文沒有更深入探討。
Density網路密度,即刻畫網路中節點之間聯絡的密集程度,數學意義為網路中實際存在的邊數與可容納的邊數上限的比值。
Walktrap演算法是一種隨機遊走演算法,基本的聚類思想是:從一個頂點向下一個頂點移動時,以相等的概率來選擇當前頂點的一個鄰居作為下一個頂點。
由於時間有限,就沒有新增時間維度的分析。Teradata資料網站的作者們在這方面做了一些研究,他們以冰火中大事件為時間節點,進行了時間序列的相關分析。雖然主題是預測角色死亡,但是方法值得借鑑。
天府送福利:本文資料處理和分析部分使用了R和python完成,涉及到的主要package是igraph。為了避免重疊效果,最後社交網路製圖用gephi呈現。更多的分析過程、資料、程式碼,已經儲存在github中,關注DT資料俠(DTdatahero)後臺回覆“冰火”,獲取github連結,一起來探索研究吧!(恩威科技&天府雲創&成都融合創新&盛威軟體&阿里雲)
相關文章
- 什麼是網際網路時代的新僱傭關係?
- 讓你明白——什麼才是網路遊戲?(轉)遊戲
- 元宇宙是什麼,和遊戲有什麼關係元宇宙遊戲
- 漫畫版:什麼是神經網路?神經網路
- 人工神經網路初學:是什麼以及為什麼?神經網路
- 社交網站中的人際關係鏈是現實關係鏈的延伸網站
- FT中文:中國網際網路的“權力遊戲”遊戲
- GNU是什麼?和Linux是什麼關係?Linux
- 人工智慧的神經網路到底是什麼?人工智慧神經網路
- 為什麼基礎協作是物聯網革命成功的關鍵驅動力
- 人工智慧教程 - 1.1.1 什麼是神經網路人工智慧神經網路
- 圖神經網路,這到底是個什麼?神經網路
- GitClub和GitHub是什麼關係Github
- Java 和 JavaScript 是什麼關係?JavaScript
- 微博跟微軟是什麼關係?微軟
- openssh和openssl是什麼關係
- 什麼是反對稱關係?
- Chronicles 和 IRIS 是什麼關係
- IRIS 和 Caché 是什麼關係
- 社交網路如何影響了人際交往的關係?
- UnGoogleable:為什麼Pinterest是最讓人失望的社交網路GoREST
- DDD和Microservices的關係是什麼?ROS
- Flex 是什麼? flex和flash是什麼關係?flex 解決什麼問題?flex和j2ee/.net是什麼關係?Flex
- 你憑什麼做好網際網路 --讀書心得
- JDK、JRE、JVM,是什麼關係?JDKJVM
- 什麼是Yottachain和YTA幣,它們是什麼關係?AI
- 預習三 微機結構與作業系統是什麼,又有什麼關係?作業系統
- 作業系統SUID提權是什麼?計算機網路安全學習作業系統UI計算機網路
- 【網路安全】什麼是暗網?暗網的特點是什麼
- 為什麼說BP神經網路就是人工神經網路的一種?神經網路
- 什麼是Cython?和Python有什麼關係?Python
- 人工智慧、機器學習、深度學習、神經網路的關係人工智慧機器學習深度學習神經網路
- 神經網路權值為什麼不能初始化為零(1)神經網路
- 扒一扒移動網際網路裡的流氓
- 使用基於時間的關係加權標準來改善社交網路中的連結預測
- REST是什麼?RESTFul又是什麼?這二者的關係是怎樣的?REST
- 什麼是SVN? 什麼是CVS? SVN跟CVS又有什麼關係呢?
- 社交遊戲報告:促進我們的關係遊戲