基于虎扑数据的中美篮球运动员热度统计
前言
作为一名运用自然语言处理（NLP）算法的用户，我利用自身技能和工具，对虎扑最近几个月的大量帖子进行了统计分析，试图为篮球运动员的热度提供一个客观的参考。通过识别帖子中的人名并统计其出现次数，我尝试捕捉篮球运动员在虎扑社区中的热度。这次分析使用的NER和分词算法来源于阿帕比技术公司的NLP工具包。
本文将围绕以下几点展开：首先介绍分析的目的和意义；其次，直接揭示中国男子职业篮球联赛（CBA）和美国职业篮球联赛（NBA）运动员的热度排行榜；接着，介绍从数据获取到得出结论的整个过程，包括软件系统设计与开发、数据的基本情况和统计方法，以确保结论的可靠性。
目的和意义
我的主要目的是了解中国男子职业篮球联赛在国内的影响力以及与美国职业篮球联赛的差距。通过这个项目，不仅能够探索篮球运动员在不同联赛中的热度对比，还能够在数据采集、目标定义、数据清洗、建模与可视化等多个环节中获得实践体验。工作虽然枯燥，但通过多样化的活动可以增加工作趣味性。同时，记录下当前的思维方式、方法论和技术水平，以便未来回顾与优化。最后，作为学术公益活动的一部分，分享成果有助于引导新手避雷，避免踩坑。
谁是虎扑篮球热度的王者？
在虎扑，谁是最受关注的篮球运动员？答案即将揭晓。
中美篮球职业运动员热度排行榜
如表所示，中国职业男子篮球联赛与美国职业男子篮球联赛本赛季注册运动员的热度排行榜前20名。中美篮球明星榜被NBA球员所统治，仅四位CBA球员跻身榜单，他们是新疆飞虎队的周琦、广东华南虎队的易建联、辽宁飞豹队的郭艾伦和北京鸭队的林书豪。
表：中美现役篮球运动员热度排行榜Top 20
从明星球员的公司情况可以看出，NBA球员在虎扑网的热度远超CBA球员。尽管虎扑作为中文体育网站，理论上应成为本土联赛的主场，但中职篮的流量生成能力较弱，无法与NBA的高经济水平、观赏性和运营推广能力相匹敌。中职篮在流量产生方面较为“平庸”，如同图所示。
中美普通球员热度对比
篮球是一项集体运动，不仅有明星球员，还有众多普通球员。中美普通球员之间的热度差异如何？如图所示，是中职篮和NBA球员热度的箱型图。普通球员的热度相对明星球员较低，箱体被压扁，难以直观显示大众球员的热度情况。
使用直方图分析，图中左边一列展示了中职篮和NBA全体球员的热度分布。我截取了热度值小于等于90分位数的球员数据，形成右边一列子图。图显示，中职篮和NBA都是明星球员主导，大部分热度集中在少数高水平球员身上，大部分球员为默默无闻的普通球员。从热度值的对比来看，中职篮的普通球员热度远低于NBA的普通球员。
总的来说，我国运动员在虎扑论坛的热度普遍低于NBA运动员。
CBA人物热度榜
如表所示，这是中职篮球员的热度排行榜。尽管我多年不关注篮球比赛，但部分名字相对熟悉。在CBA球员中，周琦的领先优势远大于他在NBA的表现。易建联、孙悦、周鹏等老将依然保持着明星级别的热度。易建联通过不懈努力，保持顶尖竞技水平，林书豪作为NBA的“亚洲之光”，在CBA中成为最火热的球星。这反映出我们联赛在推广方面的空间仍然很大。小霸王斯塔德迈尔凭借在NBA的野兽派+技术流打法，也收获了一定的人气。
值得关注的是，大部分球员是我们的本土球员，表明球迷主要支持国内球员，希望借此提升我国篮球竞技水平。
NBA人物热度榜
如表所示，这是NBA球员热度排行榜。勒布朗-詹姆斯在现役篮球运动员中热度最高。考虑到数据仅包含现役球员，未包括乔丹、科比等流量巨头。詹姆斯凭借其球场实力和场下影响力，热度大幅领先。雷霆三兄弟（威斯布鲁克、保罗-乔治、克里斯-保罗）不仅成为最有价值球员，也是最具热度球员。克里斯-保罗凭借高超技艺和争议性事件积累极高人气，甚至超越了威斯布鲁克，将雷霆三人分开。
特别提到的是，金州勇士队的库里热度排名在第76位，看似不寻常。主要原因是球员名字数据库构建不完整，遗漏了诸如“库日天”、“库昊”、“小学生”、“金州拉文”、“萌库”等绰号。库里的球迷特别喜欢为他起各种绰号，以表达对他的赞美。由于任务架构设计失误，没有保存人名抽取的中间结果，重算成本提高，这里不再重复计算。
特色球员简介
我研究了虎扑流量最高篮球运动员的背景，以期借机蹭一波热度。选择最具争议性的主题：“球星的梗”。
最具争议性的球员简介
流量皇帝勒布朗-詹姆斯
詹姆斯在现役篮球运动员中热度最高。没有统计退役球员数据，仅考虑现役球员。如果视为学术论文，会收录詹姆斯的几十个绰号。但这里作为技术讨论贴，只展示与生活和篮球相关的部分绰号。
易建联：中国男篮历史上的标志性人物，无论国内比赛还是国际比赛都能发挥出色。他从身体素质男成长为后姚明时代的领军人物，经历了从年轻到成熟的转变。
奇男子克里斯-保罗
保罗在篮球生涯中积累了无数绰号，体现了球迷对其关注程度之高。
数据处理系统的设计与开发
知乎和虎扑拥有类似的技术讨论区，对于高质量内容的追求使得混迹其中需要具备一定的技术素养。接下来将分享方法和技术方面的干货。
任务需求分析
为了了解谁是虎扑篮球热度的王者，我需要获取虎扑数据并识别命名实体进行简单计数。为此，需要以下工具：一个爬虫用于获取帖子数据、一个命名实体识别（NER）工具用于从文本中抽取人的名字、一个统计与可视化工具用于处理人名频数。
预估任务耗时
- 数据获取大约需要10天时间，期间可以完成命名实体识别和数据统计分析代码的开发调试，以及部分报告内容的撰写。
- 完成命名实体识别任务后，需要尽快处理大约300万篇帖子和1.2亿条回帖，耗时约两个月。为此，需要提高任务并行度以减少耗时。
- 最后的频率统计任务预计仅需3秒。
数据处理系统设计与开发
为了完成任务，我基于scrapy开发了一个爬虫，用于从虎扑获取帖子数据。爬虫结构简单，包含数据获取和存储到mongo数据库的步骤。虽然担心分享代码可能涉及法律问题，但这里不再展示代码。
爬虫获取了主贴和对应的回帖，其中主贴字数中位数为66，回帖字数中位数为19，体现了JRs在表达时的简洁。
命名实体识别工具选择
通过仔细选择和设计，我最终使用了一个基于词典的命名实体识别方法，以提高效率和准确性。词典构建包括篮球运动员的姓名全称和部分别称，以确保覆盖尽可能多的球员信息。
人名识别与统计方法优化
最初尝试使用基于神经网络的模型进行人名识别，但由于计算效率低且无法识别外文人名，导致统计结果包含大量非篮球运动员。经过改进，我选择了一个基于词典的方案，通过设计合理的词库和匹配方法，提高了人名识别的准确性和效率。
结束语
这个由好奇驱动的项目至此告一段落。值此春节之际，向所有人送上祝福。本文由李鹏宇原创，受著作权法保护。如需引用或转载，请在文中注明作者名（李鹏宇）和原始链接。如有疑问，请通过邮箱lipengyuer@126.com联系。
像徐杰、万圣伟这样的小将年薪有多少？
随着《这就是灌篮》、《我要打篮球》等篮球真人秀的成功，我们认识了很多草根篮球明星，比如“铁牛”张鸿林、“扣篮王”陈登星等。虽然这些天赋少年在另一块舞台上发光发热，但许多人认为他们同样具备实力进入职业联赛。但为何很多草根球员不向往职业联赛呢，除了实力之外，收入的差异也是一个重要原因。所以，问题来了：像徐杰、万圣伟这样的小将一年年薪有多少？草根球星打野球的收入又如何？接下来就让我们逐一分析。
徐杰和万圣伟的小将年薪解析
虽然CBA已经发展了25年，但球员的工资待遇差距依然显著。以今年的状元王少杰为例，他的年薪仅为50万；而新秀的工资通常随着选秀顺位递减。选秀出生的万圣伟的年薪在15-20万之间，而青训培养的徐杰由于还在新秀合同内，年薪大约在15万人民币左右。
小将的工资比草根球星高吗？
要想比较，我们需要了解草根球星的收入。随着草根篮球市场的迅速发展，草根球员的出场费逐渐水涨船高。在福建、广东等地，草根球员的出场费可达到3000-5000元/场，甚至有些参与CBA的球员出场费更高可达上万。此外，草根球员在春节等旺季的收入也非常可观，通常一个月内就能获得数万甚至上十万。
总结来看，如果仅看收入，草根球星的收入普遍高于徐杰和万圣伟。不过，虽然草根球星来钱快，但职业篮球却可以赋予他们更好的未来，如果能有机会进入国家队，未来的年薪或将惊人。
总结
徐杰在去年的总决赛中表现出色，场均9分；而他作为新秀在CBA的年薪大约在15万上下。万圣伟的状元合同在18万。虽然在CBA中，年轻小将的年薪低于一些草根明星，但这只是职业生涯的开始，未来他们依然有很大的发展潜力。即便目前的收入较少，他们在职业联赛中获得的经验和机会，都是无价之宝。
发表评论