Steam游戏名称分析：开发商最喜欢给游戏取什么名字？

本文系用户投稿，不代表机核网观点
引言：互联网时代，大数据分析已成为了一项极为有用且有意思的学科。用马云的话来说，通过大数据分析，“全中国胸罩最大的是哪个省?我都知道！” 那么，我们也来小试牛刀一下，通过数据分析看一看，游戏开发商最喜欢给游戏取什么名字。
目标

通过分析Steam游戏库中的全部游戏名称，尝试罗列出出现频率较高的词汇。
范围

一开始，我便将数据采集范围锁定在了Steam游戏库之上。事实上，对于本文要研究的问题， Steam也许并不是一个非常理想的数据库。相比起VGchartz等包含全平台和全年代的游戏数据的网站来说，Steam的游戏库容量有些太小了，但是Steam作为一个现象级平台，有很多除了标题以外其他有意思的数据可供挖掘。而且其数据量较小，分析起来也比较节省时间。

另外，为了方便分析，本次统计过滤了Steam App库中所有DLC、软件和视频等。一开始我并没有过滤这些内容，但发现结果偏差太大，并不合理。例如Steam的视频栏目下有很多动画和剧集，一放就是好几季（死神和行尸走肉啥的，国区貌似没有），导致了这些剧集的标题单词高频出现，影响统计可靠度。至于DLC，其标题也会重复出现其游戏本体名称，影响结果。
工具/实现

分析程序基于Java语言，主要分为数据获取以及文本处理两大模块。程序引用了GSON与Jsoup两套API，分别用来解析Json以及HTML文本。

（对以下具体实现部分不感兴趣的同学请直接略过）
数据获取

Steam对爬虫是比较友好的，但是本弱鸡一直没有解决锁区和年龄限制的问题，导致大量数据遗漏。被迫无奈，我只能曲线救国，在获取了Steam全部APP的ID之后，改到SteamDB之上运行爬虫程序。

SteamDB有着相对比较严格的防机器人手段。在添加了Header伪装成浏览器访问之后，我又在每次访问之间加了个1.5s-2.0s的随机间隔时间，防止被Ban。即便如此，一开始我仍被Ban了一次，原因是原程序中有一个访问失败则休眠20s之后尝试再次访问该网页的功能,导致受限后继续频繁访问，最终被ban。在换了个新IP之后，我把这个功能删除了，访问失败之后手动关闭程序再开即可（有中断记录），最终成功获取了所有数据。

文本分析

在本程序中，我仅仅用了最简单且传统的单词分割方法作为统计标准。因为库中大多数游戏还是以英文名为主，所以对于每一个游戏名，首先将其中所有非A-Za-z的字符替换为空格，接着将改标题转化为小写，最后根据空格分割成单词。

当然，为了使统计更有意义，我添加了停用词列表（Stop Words），除了一般的“a,the, of, with”等介词冠词，我也在这个列表中加入了不少针对游戏的特殊高频词语，例如“edition, HD, remastered, episode”等等。

最后，我们就可以非常开心的把剩下的所有单词扔进HashMap中推算每一个单词的出现频率了。

统计结果

闲话少说，咱们书归正传（这就说的不少了）。不过，在谜底揭晓前，大家不妨先猜一猜，哪些词最受开发商的青睐？

第一名：War

“War! War never changes.”

“战争”名至实归的拿到了本次分析中的冠军席位。在还没有电子游戏的时代，“战争”就已经是最古老的桌面游戏甚至是真实博弈的题材之一。大到军事模拟沙盘，小到各类棋牌，无一不是对战争的模拟重现。在电子游戏问世之后，游戏制作者也尝试将“战争”这一永恒的题材带给玩家。无论是射击游戏，经营游戏，即时战略还是角色扮演，也不管是奇幻，历史，科幻，写实，都可以在“战争”这一框架下编织出精巧的玩法与剧情。所以，War斩获今天统计的榜首，真是不足为奇了。

第二名：Space

“人类的征途是星辰大海！”

事实上，我对“太空”出现在榜单的第二名是有些吃惊的。我相信这个结果带有了一些steam平台本身的气质。从坎巴拉太空计划（Kerbal Space Program），到太空工程师（Space Engineers），乃至无尽太空（Endless Space），都带着浓浓的Steam风格。对于这些游戏的制作人（很大一部分是独立游戏的开发者）来说，“太空”大概是他们最爱的题材之一。与第一名的真实感与厚重感不同，“太空”题材带有浓重的幻想精神与浪漫主义情怀。无论是太空歌剧，宇宙战争，还是太空飞船模拟，都可以在玩家群体中找到属于它们的一片天地。

第三名：World

“一花一世界，一叶一菩提。”

中文里，“世界”一词来源于佛经，追溯其源头乃出于佛教，“世”为时间，“界”为空间，涵盖了时间空间不可分隔的道理。

事实上，每一个游戏都有他们独特而富有魅力的世界，我们通常称其为“世界观”。对于一些以世界观为卖点的游戏，开发商自然而然地将游戏名取成《XXX World》亦或是《The world of XXX》，更别说还有一些游戏名为了标榜自己规模庞大，特意在前面加上“World”的限定语了。超级马里奥世界，魔兽世界，坦克世界，战舰世界。哇！真是拿脚趾头就能想出很多很多。该说是开发商起名偷懒呢，还是说“世界”这个词实在太好用了呢？:-D

Steam游戏名常用词汇前一百

篇幅关系，这里就着重分析一下我们的前三甲。而下面则是这次统计中排名前一百的单词条目。跟你们的预测是否一致呢？
内容因剧透、敏感不适等原因被隐藏
点击查看
排名.单词：频率
内容因剧透、敏感不适等原因被隐藏
点击查看

内容因剧透、敏感不适等原因被隐藏
点击查看
1. war:224
2. space:201
3. world:194
4. dark:153
5. heroes:140
6. super:137
7. battle:128
8. quest:127
9. lost:120
10. adventure:118
11. dead:118
12. star:110
13. wars:102
14. last:98
15. one:98
16. time:96
17. manager:91
18. island:88
19. escape:85
20. city:84
21. zombie:84
22. gold:83
23. life:83
24. dungeon:82
25. adventures:79
26. tales:77
27. red:75
28. black:74
29. magic:73
30. night:73
31. arena:72
32. hero:72
33. dragon:69
34. project:68
35. age:67
36. final:66
37. defense:66
38. death:65
39. legends:63
40. sky:62
41. call:62
42. planet:61
43. blood:61
44. tower:60
45. mystery:59
46. light:59
47. ultimate:59
48. racing:58
49. earth:57
50. shadow:57
51. journey:56
52. king:56
53. rise:56
54. story:55
55. day:54
56. puzzle:54
57. hunter:54
58. chronicles:54
59. die:53
60. legend:53
61. tycoon:53
62. fantasy:53
63. you:53
64. evil:52
65. pixel:52
66. kingdom:52
67. football:51
68. secret:49
69. man:49
70. tale:49
71. legacy:49
72. beyond:49
73. vs:48
74. force:48
75. your:48
76. empire:48
77. love:46
78. dream:45
79. dawn:45
80. storm:45
81. strike:44
82. warfare:44
83. run:44
84. fall:44
85. home:44
86. rogue:44
87. zero:44
88. up:43
89. rising:43
90. sam:43
91. no:42
92. master:42
93. darkness:42
94. survival:42
95. tactics:42
96. bit:42
97. order:41
98. classic:41
99. max:41
100. saga:41
内容因剧透、敏感不适等原因被隐藏
点击查看

内容因剧透、敏感不适等原因被隐藏
点击查看
把前五名融合到一个游戏名称里大概就是《黑暗太空世界：战争英雄》（World of Dark Space: War Heroes），简直是一个有着强烈既视感的大俗套名字。。。
内容因剧透、敏感不适等原因被隐藏
点击查看

改进建议

首先做自我检讨：不论是“语言分析”还是“信息检索”，我都不是专家。这篇文章也仅仅是一个兴趣使然的自我学习过程。如果有走过路过的大神，请原谅我的班门弄斧，多提宝贵意见。这次统计当然也有一些可以改进的地方:

1.在数据获取阶段，理想的目标对象应该是IP而非游戏本身。对于一个游戏系列，其续作出的越多，名字在库中出现频率也越高。对于我们想要研究的问题，这样的统计其实是不太合理的。但是另一方面，系列作品得多少从某种角度也代表了这个游戏的受欢迎程度，再加从Steam库中合并游戏系列确实有些困难，故本次统计分析仍然是针对游戏个体而非系列进行的。

2.在这次统计直接排除了所有DLC，这一做法其实也有待商榷，毕竟很多DLC都有自己独立的名称。这个问题其实可以通过从DLC标题中除去本体游戏名称的方式解决，但是由于我在处理阶段没有建立DLC与其本体的关系，这个功能最终没有实施。

3.我们知道很多游戏名称都是生造词，而在本次分析中，我没有对每一个单词的内部构造进行解析。比如最近的新游戏Hellblade就是由Hell与Blade两词拼接而成。同样，我也没有对单词的不同变形进行统一，比如同一名词的单复数以及动词的不同时态没有合并。虽然对于我们人类来说这种组合或者变形非常明显，但是让程序完全掌握这种规律则需要比较复杂的算法，故在本次分析中也不再做进一步研究。
注：数据截止于2017.08.23