Python文本分析技术在中华文化对外传播中的应用研究——以YouTube留言数据为例

张 敏，李万佳

(1.西南民族大学外国语言文学学院，四川 成都 610041；2.四川新闻网传媒集团中国西部网，四川 成都 610096)

1 引言

在当今经济全球化的时代，国家之间的竞争已经从军事、经济、科技等体现“硬实力”的领域扩展到国家文化等体现“软实力”的领域.中国作为“世界第二大经济体”，文化的世界影响力远落后于经济的世界影响力.因此，提升我国文化软实力，增强中华文化在世界范围内的影响力，是当前一项紧迫并且有着巨大发展空间的战略任务.在中华文化“走出去”的大背景下，尤其是随着新媒体技术的发展，推动基于新媒体的中华文化对外传播具有重要意义.国内针对中华文化对外传播的相关研究可以总结为如下几方面:

1.1 中华文化对外传播受众的相关研究

李敏杰[1]根据模因理论指出中华文化对外译介只有译者做到“知己知彼”，才能使自己的译作被他文化中的读者所接受.张志安[2]指出，对外传播是典型的跨文化传播活动，对受众异质性及其认知心理的把握是对外传播的重点，也是当前我国对外传播实践的短板.目前中华文化对外传播形式单一，以文字书籍居多，传播效果常常不尽如人意，有时候甚至与传播目标背道而驰.究其原因，一是受众定位宽泛，无法真正把握受众需求；二是以传者利益为导向，缺乏对受众的深层洞察和理解.胡邦胜[3]提出对外传播需实现四大战略转型，分别是:了解对象国政治经济社会状况；了解对象国使用新媒体状况；了解受众需求；使用受众者母语.

1.2 基于新媒体的中华文化对外传播相关研究

新媒体传播是依托数字媒介和数字技术手段产生的新型传播方式，其传播优势是速度快、受众面广、信息组织和呈现方式生动，谈国新[4]，曹韵[5]都明确指出运用新媒体在传播中华文化的重要性，张红芸[6]以该短视频创作者的短视频为例总结了基于国外新媒体的中华文化对外传播的经验.利用新媒体传播非物质文化遗产也是目前学界研究热点，黄永林[7]，薛可[8]都指出了目前非物质文化遗产传播渠道单一，并强调新媒体传播在非物质文化遗产的重要作用.虽然现有的研究无一例外都强调新媒体传播中华文化的重要性，但也有研究指出新媒体传播非遗可能存在的问题，例如常凌翀[9]就指出如何保持独特的文化生态环境也是利用新媒体传播非遗需要引起高度重视的问题，为新媒体传播非遗明确了需要注意的方向.虽然已有研究对新媒体传播非遗的重要性和可能存在的问题进行一定探讨，但未涉及如何具体实践和部署以及如何检验新媒体传播效果，相关研究还有待进一步深入.

随着新媒体的普及，部分学者开始关注新媒体对外传播的相关理论.周庆安[10]从场域理论关注中国政治对外传播，但未涉及中华传统文化.李欣人[11]关注交往理论在中国对外传播的理念，为解决当前中华文化对外传播形式单一问题提出有针对改进措施.相关研究均指出新媒体在对外传播的重要性，但针对中华文化对外新媒体传播，尤其是基于国外的新媒体传播的相关理论与实践研究均较少.

综上所述，学界对基于新媒体传播中华文化均给予高度认可.但目前学界还缺乏从国外读者的反馈数据分析如何有效通过新媒体传播中华文化.因此，本文将围绕国内某知名优质短视频制作者展开研究，该短视频制作者2021年9月就在YouTube上拥有1 530万用户关注，创下“YouTube中文频道最多订阅量”的吉尼斯纪录.同时该短视频制造者2019年就开始担任“成都非物质文化遗产推广大使”，被央视新闻给予高度评价“没有一个字夸中国好，但她讲好了中国文化、中国故事”.因此，总结该短视频制作者在海外成功传播的经验对推动中华文化“走出去”战略具有积极作用，本文将围绕其制作的视频在YouTube上评论数据展开研究，总结中华文化基于新媒体对外传播的新策略和新方法.

2 基于YouTube视频的国外读者留言数据文本数据分析

文本数据分析主要有获取数据、数据预处理、数据分析三个主要步骤.基本思想是先爬取国外用户在YouTube该短视频创作者的视频评论数据，然后筛选出情感词，并进一步分析.具体解决思路如下:

1)数据收集:通过网络爬虫收集评论数据；

2)多语言统一:本文通过百度翻译API将不同语言都统一翻译成英文；

3)文本预处理:使用NLTK工具对英文文本分词和去除停用词等；

4)情感分析:用AFINN定义的情感词表，筛选出情感词，分析国外用户的情感趋向；

5)数据分析:通过情感词分析普遍的情感趋向，并分析背后原因为中华文化对外传播积累经验.

2.1 基于网络爬虫的评论数据收集

1)数据来源:由于该短视频创作者在YouTube上发布的视频多达127个，平均每条视频观看次数为1 960万，评论数据量更是惊人.本文选择“Liziqi channel——snacks for Spring Festival花生瓜子糖葫芦，肉干果脯雪花酥——年货小零食”下的评论数据作为分析对象，因为这条视频播放次数最多，达到9 735万次，评论数据有51 984条(截止时间为2022年3月25日)，如图1所示.

图1 国外用户多语言评论数据Fig.1 Multi language review data of foreign users

2)数据获取:基于Xpath-helper定向采集数据.由于已经明确了目标数据源，本文在Google Chrome基础上，使用Xpath-helper工具采集留言数据，这种方式采集网上数据非常便捷，且所得到的数据干净，避免前期大量的清洗任务.具体流程如下:定位到You-Tube网站下的“snacks for Spring Festival”的国外用户留言数据；由于网络数据中含有大量标签等无用信息，本文使用Xpath语法解析出本文所需要的留言数据.最后把采集到的数据放入Excel文档保存，待下一步对该数据分析和处理.

2.2 多语种文本预处理

YouTube是很大的视频共享网站，每个月有超过20亿登录用户.由于YouTube是面向全球用户，评论数据包括英语、中文、意大利语、泰语、俄语、法语等各种语言.要对这些评论数据进行分析，首先需要解决的问题是如何将其他语言全部转换为英文.

经过研究和反复实验发现，百度翻译提供的通用翻译API能较好的解决上述问题.百度通用翻译API可以提供200＋语种互译的在线文本翻译服务，支持多达4万多个语言方向，且能实现多语种自动检测.本文通过调用百度翻译API，指定要翻译的源语言(支持源语言语种自动检测)和目标语言，输入被翻译的文本就可得到翻译结果.具体流程如下:

第一步:登录百度翻译开放平台(http://api.fanyi.baidu.com)；

第二步:注册成为开发者，获得APPID；

第三步:开通通用翻译API服务；

第四步:然后调用API函数对其他语言进行识别并统一翻译成英文并存储，具体代码如图2所示，最终结果如图3所示.

图2 基于百度翻译API的多语种翻译代码Fig.2 Multilingual translation code based on Baidu Translation API

图3 其他语言被翻译成英文后的结果Fig 3 Examples after other languages are translated into English

2.3 基于NLTK库的文本数据分析

对文本数据分析首先要解决的是分词、词干转换、词性还原、去除停用词等基础工作.本文用到NLTK库进行分词和去除停用词.NLTK英文的全称是Natural Language Toolkit，是目前处理英文文本最常用的包，并且有开发接口供Python调用.本项目的开发平台是Jupyter Notebook和Anaconda，这也是目前主流开发环境之一.

分词:单词是语言中重要的基本元素.一个单词可以代表一个信息单元，有着指代名称、功能、动作、性质等作用.分词(tokenization)的任务是将文本以单词为基本单元进行划分.本文使用NLTK中的word_tokenize对英文单词进行分词.

词形还原(Lemmatization):词形还原是把单词还原成本身的形式:比如将‘cars’还原成car，把‘ate’还原成‘eat’，把‘handling’还原成‘handle’.在NLTK库中，主要使用WordNetLemmatizer方法，对单词词性进行还原.

去除停用词:由于一些常用字或者词使用的频率非常高但没什么实际意义，例如a，the，he等单词.本文使用stopwords.words()方法去除英文中的停用词，部分代码如图4所示.

图4 基于NLTK库的文本数据分析代码Fig.4 Text data analysis code based on NLTK

2.4 情感词筛选及情感分析

经过前面工作后，所爬取的文本数据经过清洗后，可以进一步情感分析和识别.如果要将有效的情感词提取出来进一步分析和展示，需要一个完整的情感词表.本文拟使用AFINN情感词表，AFINN是一个英文单词列表，为收录的单词标记一个取值范围在-5至＋5之间的整型值，可用于词汇情感分析类的应用场景.本文通过AFINN定义的情感词表从评论数据中筛选出情感词，部分代码如图5所示.

图5 情感词提取的部分代码Fig.5 Partial code of emotional word extraction

2.5 数据结果分析

在前面提取情感词基础上，本文对情感词词性进一步分类，主要涉及“正面评价”和“负面评价”两大类，剔除明显带有感情色彩且跟视频本身无关的评论，精选出具有代表性的评论数据合计730条进行深入分析，其中负面评价19条，正面评价共计711条，具体占比如图6所示.其中正面评价的范围涉及“田园生活，主角评价，视频质量，中华文化，亲情，美食，自然风光”七大类，具体占比如图7所示.

图6 正面评价和负面评价的占比Fig.6 Proportion of positive and negative comments

图7 正面评价涉及的主要领域及占比Fig.7 The main areas and proportion of positive evaluation

从最终提取的情感词分析可知，绝大部分国外用户评论都趋于正向.涉及的评论主题包括美食制作过程、视频内容本身、短视频创作者的容貌和服饰等、视频周围的环境、该短视频创作者的祖母、视频中的田园生活和乡村美景等等都是大家关注的热点，部分有代表的评价如下:

关于美食制作过程的评价有:Beautiful dinner；关于该短视频创作者的评价有:Beautiful、amazing woman；视频中的田园生活评价:Such a peaceful and beautiful lifestyle、I want to live like her；对视频中的自然环境评价:Those Location is like heaven on earth；关于该短视频创作者祖母的评价:Always happy to see grandma is healthy and laugh happy；从用户的评论数据分析结果可知，大家喜爱该短视频创作者的视频原因可以总结为如下几点:

1)美丽的自然风光:国外用户对视频所展示的良好自然环境都给予高度评价；

2)恬静的田园生活:长期生活在大都市的人们充满了对田园生活的向往，而该短视频创作者的视频给了他们最直观的田园生活感受；

3)浓浓的亲情共鸣:该短视频创作者的视频经常会出现自己慈祥的奶奶，这让视频观看者会自然联想起自己的亲人，这从评论中也能有所体现；

4)接地气的选题:该短视频创作者的众多视频中，涉及美食的通常关注率都很高，这因为任何国籍和肤色的人们都无法抵挡美食的诱惑；

5)美丽优雅的主角:该短视频创作者在视频中展示了东方女性的勤劳和优雅，评论数据从她的服饰和装扮都给予了高度评价；

6)高水平的视频制作:该短视频创作者的视频无论背景音乐、视频色彩、拍摄细节都经过仔细打磨，毫不突兀跳跃，给观众较强美感.

当然，关于该短视频的评论文本也有部分负面评价数据，大多都涉及视频质量，包括无英文字幕，例如“we′d like to request for an English subtitle in the ingredients of your home cooking”.同时，也需要看到国外用户评论数据中反应的一些问题，例如有人评论“Do china have cities and big building or only this beautiful place?”；还有对该视频制造者会开汽车表示惊讶“When she was driving a car，I just realized that real China is the magic place where modern technology and ancient culture/lifestyle can exist at the same time”.这正说明国外普通大众对中国的现状还不了解，也从侧面说明国外主流媒体不愿意正面报道中国翻天覆地的变化.

而中华优秀文化反映了各族人民在中国共产党领导下生产生活发生的日新月异变化.加强新媒体对外传播中华文化，有利于国外普通民众更客观公正了解我们国家和民族地区所取得的成就，更有利于国家文化软实力的提升.

3 中华文化对外传播路径研究

在经过上述国外用户评论数据的情感词提取和分析后发现，国外用户对该短视频创作者的在You-Tube上的视频评价都非常高，表明基于新媒体的中华文化对外传播具有较强可行性.在已有研究和数据分析基础上，本文对中华文化基于新媒体对外传播建议如下.

3.1 学界应改变中华文化对外传播重视文本翻译而不重传播的现状

当前中华文化对外传播主要是外语专业人员完成，也主要以翻译中华文学作品作为重点内容.笔者前期在国外亚马逊购书网站上，查阅一些经典的中华文化外译书籍，例如葛浩文版的《格萨尔王》在国外购买的人非常少，仅仅一百多本，因此传统方法仅以书籍和文本的翻译对外传播中华文化的效果并不好.而该短视频创作者的成功经验告诉我们，制作高质量的视频然后通过国外诸如TikTok和YouTube等主流社交媒体对外传播效率更高且效果更好.

3.2 学界应充分认识新媒体在对外传播中华文化中的重要作用

实践证明，通过传统媒体向西方传播中华优秀文化非常困难，而新媒体给我们提供了传播中华优秀文化很好的契机.例如TikTok作为传播短视频的新媒体，在全球成为了最受欢迎的应用程序之一，这为通过以视频形式对外传播中华文化提供了前所未有的机遇.学界应该抓住这个机遇，将中华优秀文化的对外传播提升到一个新的高度.

3.3 学界应重视短视频在传播中华文化中的重要作用

即使新媒体也包含多种媒介形式，例如Twitter主要以文本为主，YouTube以视频为主，TikTok以短视频为主.但从目前流行趋势来看，TikTok进入西方最晚，但是增长迅猛，这充分说明短视频传播形式更能吸引西方民众.因此，将优秀中华文化中的经典故事或案例，拍摄成短视频投入主流新媒体中，对助推中华文化对外传播有积极作用.

3.4 翻译学界应重视短视频字幕的翻译

前期数据收集发现，该短视频创作者的视频有些有英文字幕，有些无英文字幕.但统计数据显示，有英文字幕的视频阅读量是无英文字幕1.32倍.因此，以短视频形式对外传播中华文化，视频辅以必要的文本翻译至关重要.然而，翻译学界更多关注典籍的翻译，对短视频字幕的关注较少.

3.5 国家应出台政策，培育基于新媒体的中华文化对外传播创作团队

随着乡村振兴和国家推动民族地区现代化建设等战略的实施，助力我国丰富文化旅游资源基于新媒体方式对外传播，不但可以吸引国外民众实地旅游，也可以促进民族地区特产海外销售，这对民族地区经济水平的发展具有重要作用.

但短视频的设计和制作需耗费大量时间和精力，在关注人数较少的时候收益也非常少.政府相关部门应出台一系列政策扶持有意向的年轻人能够将这些公众号做大做强，助力新媒体对外传播中华优秀文化.

4 总结与展望

本文围绕国内某知名短视频创作者在YouTube上的留言数据展开研究，运用Python文本数据分析技术对留言数据进行情感词提取和情感分析.数据结果表明，国外大众对该视频创作者的视频评价非常高，这增强了我们基于国外新媒体传播中华优秀中华文化的信心.同时，本文针对中华文化对外传播给出了具体的建议.相信通过各界努力，一定会有越来越多的优秀中华文化借助国外新媒体对外传播，必将有力提升国家文化软实力.