A268-黑神话悟空游戏舆情分析

【购买前必看】

1、关于我们

深度学习乐园是由python哥全职技术团队组建运营【团队成员为：复旦大学博士、华东理工爱丁堡博士、格拉斯哥博士、纽约大学硕士、浙江大学硕士】。

我们只做python业务，精通sklearn机器学习/torch深度学习/django/flask/vue全栈开发。

2、关于项目

我们从2018年开始，就专注于深度学习sci、ei、ccf、kaggle等，至今已有7年，共发表过10多篇顶刊顶会。

官网累积了数百个项目，已有3000多学员付费购买，圈子内有口皆碑：www.zzgcz.com （更多高级私密项目无法对外，联系微信定制：zzgcz_com）

3、售后承诺

包远程安装调试，所有项目均在本地运行通过，大部分都有截图和录屏。

支持二次修改，所有项目都是我们自己写的，改起来也非常容易。

加急定制1-2天可完成，这就是实力证明，远程验收满意后再付全款！

所有客户终身售后。兼职的人家都有主业，谁愿意持续服务你？

黑神话悟空上线初期舆情分析

背景

《黑神话：悟空》在上线首日便创下了全球游戏行业的多项新纪录，包括Steam同时在线人数超过222万，全渠道总销量超过450万份，总销售额超过15亿元。本项目旨在对 3A 游戏《黑神话：悟空》的上线初期评价进行分析，分析评论用户的特征、分层及评论内容。

基本信息：

类型	内容
游戏名	黑神话：悟空
上线时间	2024年8月20日
模型：用户标签系统、K-Means聚类模型、SnowNLP、jieba

数据说明

数据字段及描述有：

评论文本分析

SnowNLP 是一个用于处理中文文本的 Python 库，提供了多种自然语言处理（NLP）功能，能够执行诸如分词、词性标注、情感分析、文本摘要等功能，适合中文文本的分析和处理。

jieba 是一个用于中文分词的 Python 库，是中文文本处理中非常实用的工具。在分词的准确性和可靠性上，jieba 的分词效果更优于 SnowNLP。

故本次使用 jieba 进行中文分词并统计词频，用 SnowNLP 进行文本情感分析。

评论角度倾向

在 Steam 平台购买游戏时，用户评价主要可能涉及：游戏性能、画面、音效、剧情、游戏机制、重玩价值、DLC、性价比、系统要求等。

总结

评价基本情况

主线游戏时长大致在35\~40小时之间，故21日评价比20日评价更具有参考性。但因为根据测评员透露，游戏时长超过70小时，数据集时间未达到普遍游戏玩家的游戏时长，故后续评价无法用模型预测。

KMeans 用户聚类

根据用户等级 user_level、用户徽章持有数量 user_badge、用户游戏持有数量 user_games、是否推荐 recommend，生成 簇K=4 的 K-Means 模型，生成的类别及特点如下：

通过常理，游戏时间长、游戏等级高、游戏数量多、游戏成就多等，对应的游戏用户更为资深，其评论更具有权威性和可靠性。故可以依靠用户权重对评论权重进行调整。

可以通过聚类结果看出，用户的权重排序应该为：类别2>类别3>类别1>类别0

用户标签系统

以上形成用户标签系统，其中特征如下：

详见“用户标签系统-kmeans聚类.csv”。

评论角度分析

可以看出，评价中最多涉及的是剧情、文化方面的内容

• 剧情方面：更多涉及“国产游戏”、“神话”、“中式”

• 游戏性能方面：更多涉及“画质”、“音乐”、“美术”（黑神话悟空在这几个方面都做的非常出色）

• 游戏机制方面：更多涉及“地图”、“迷路”（黑神话悟空没有地图系统）、“战斗”（黑神话悟空战斗，特别是BOSS战）较为困难

与该游戏在多个网站的评价基本符合。

评论情感分析

设定情感评分在0\~0.4为负面评价、0.4\~0.6为一般评价、0.6\~1.0为正面评价。正面评价的评分主要集中在1.0，负面评价主要集中在0\~0.01，一般评价分布较为均匀，0.5出现峰值。

推荐和不推荐该游戏的评价中都有正面、一般、负面三方面的评价。推荐的评价中正面评价明显高于负面评价，二者明显高于一般评价数量。不推荐的评价中正面和负面评价数量几乎相同。

其它

该游戏的游戏受众主要为有一定徽章数量基础、一定游戏持有量基础的，对游戏性能有一定要求的，对国产游戏、国产文化有较为明显兴趣的游戏用户。