武汉大学团队在数字人文SSCI发表最新研究

｜前言｜

近日，武汉大学团队在权威语言学SSCI期刊Digital Scholarship in the Humanities发表题为“From romance to reality: lexical and topic evolution in Chinese popular lyrics through digital humanities approaches“的最新研究。

音乐不仅是娱乐，更是社会情感和文化趋势的晴雨表。流行歌曲的歌词作为一种广泛传播的文化媒介，能够敏锐地捕捉并反映特定历史时期的集体心理和社会价值观。过去的研究表明，歌词中的情感趋势可以折射出宏观层面的社会心理变化 。然而，现有的歌词量化研究主要集中在英语等西方语境，针对中文流行歌词的大规模历时性研究相对匮乏 。

随着“大数据+人工智能”时代的到来，数字人文（Digital Humanities, DH）为歌词研究提供了新的工具和视角。尽管已有研究指出了流行歌词在词汇复杂度和情感表达上的变化趋势（如西方歌词趋向简单化和负面化），但中文歌词是否遵循同样的规律仍未可知 。特别是在2000年至2025年这25年间，中国社会经历了剧烈的经济文化转型，歌词内容也从早期单纯的“为爱而生”转向了对“内卷”、“躺平”等现实生存状态的描绘 。本研究旨在填补这一空白，通过构建“中国流行音乐历时语料库”（CPMD），结合数字人文方法，系统探究中文流行歌词在词汇、句法和主题层面的演变规律。

｜Methods｜

本研究主要基于数字人文（Digital Humanities）的研究范式，结合了语料库语言学、自然语言处理（NLP）和文化进化理论。研究视歌词为可计算的文化文本，认为对其语言模式的量化分析可以揭示潜在的社会文化变迁 。理论上，研究参考了关于文化产品（如歌词）反映社会集体主义/个人主义转向、情感两极化以及注意力经济影响的现有文献 。

基于此框架，研究提出了以下三个核心研究问题（RQs）：

词汇特征： 过去25年间，中文流行歌词中高频词的分布特征和类别是什么？它们如何反映歌词的核心内容？

文本形式： 2000年至2025年间，中文流行歌词的可读性指标（如词汇丰富度、文本复杂度）发生了怎样的变化？

主题演变： 这一时期中文流行歌词中存在哪些核心主题？这些主题的结构是如何组织并随时间动态演变的？

1. 语料库构建（CPMD）： 研究构建了包含1,560首中文流行歌曲的“中国流行音乐历时语料库”。样本选自2000年至2025年间的主流音乐排行榜（如百度、网易云、QQ音乐），按五年一个阶段进行分层抽样，确保了数据的代表性和时间上的平衡 。

2. 数据处理与分析工具：

•      预处理： 使用Python的Jieba库进行分词和词性标注，并结合自定义停用词表和同义词词典进行清洗 。

•      词频分析： 计算不同时期的归一化词频，生成词频热力图以观察高频词变化 。

•      文本复杂度计算： 采用了类符/形符比（TTR）来衡量词汇丰富度，并使用CNText和CRIE工具包计算文本复杂度、难词率和Dale-Chall可读性分数 。

•      主题建模： 采用BERTopic模型进行无监督主题聚类。该模型结合了Transformer嵌入（MiniLM）、UMAP降维和HDBSCAN聚类算法，能有效识别潜在的语义结构。研究最终确定了12个核心主题，并利用层次聚类和时间序列分析追踪其演变 。

1. 词汇特征：情感为核，意象为媒 高频词分析显示，中文歌词的核心围绕“情感表达”（爱、想、离开）、“内心世界”（心、梦、眼泪）和“人际关系”（我、你、我们）展开。虽然“爱”始终是最高频的词汇，但其语义从早期的宏大叙事（如爱国、博爱）逐渐转向更个体化、感官化的表达（如《乌梅子酱》中的具体描写） 。

2. 文本演变：词汇丰富度显著上升 与西方歌词趋向简单化的发现截然不同，本研究发现中文歌词的词汇丰富度（TTR）在过去25年间呈显著上升趋势 。这表明中文歌词正变得越来越多元和复杂。然而，为了适应短视频时代的传播需求，歌词中的“重复词数”也在增加，呈现出“内容复杂化”与“形式重复化”并存的特征 。

3. 主题结构与演变：从浪漫到现实 BERTopic模型识别出12个主题，如“浪漫爱情”、“未来时光”、“城市生活”、“孤独寂寞”等 。

早期（2000-2010）： 侧重于宏大的“时间叙事”和“自然意象”（如四季风景），风格较为抽象唯美 。

中期（2010-2020）： “城市生活”和具体的人际关系成为焦点，反映了社会化和具象化的趋势 。

近期（2020-2025）： 心理内省类主题（如“孤独寂寞”、“悲伤情绪”）和艺术自指类主题（如“歌声旋律”）显著上升 。特别是后疫情时代，歌词中充满了对负面情绪的宣泄和对自我存在状态的反思。

研究发现中文歌词并未完全追随西方的“简单化”趋势，这可能归因于中国深厚的诗歌传统（注重意象和隐喻）以及专业作词人主导的创作生态 。然而，近年来负面情绪词汇的激增与西方趋势一致，这不仅与疫情等全球性事件有关，也与短视频平台偏好传播强烈情感内容（如“丧文化”、“emo”）的算法机制密切相关 。此外，歌词主题从“自然/时间”向“心理/现实”的演变，生动地记录了中国社会从理想主义向现实主义的集体心态转变，以及年轻一代在“内卷”压力下的心理图景 。

歌词是社会变迁的镜像。近期歌词中“孤独”、“眼泪”的增多，提醒我们关注当代青年的心理健康和社会疏离感。

本研究证明了将计算方法（如BERTopic）与传统文本分析（如意象解读）相结合，能有效揭示文化产品的深层结构，为数字人文研究提供了新的范式 。

中文歌词在现代化进程中依然保留了“寓情于景”的古典美学特征，这种独特的叙事方式值得在跨文化传播中进一步挖掘 。

亮点：

构建了首个大规模的“中国流行音乐历时语料库”（CPMD），填补了中文歌词量化研究的空白 。

揭示了中文歌词词汇丰富度“逆势上扬”的独特现象，挑战了全球流行音乐“傻瓜化”的普遍观点 。

创新性地将中文歌词的叙事模式归纳为“内在抒情”与“外在意象”两条路径，深刻剖析了中式审美的结构特征 。

不足：

受版权保护影响，原始语料库无法完全公开共享，限制了后续研究的直接复现 。

仅关注普通话歌词，未包含粤语、闽南语等方言歌曲，可能遗漏了中国流行音乐的重要组成部分 。

研究仅基于文本，未结合旋律、节奏等音频特征，无法全面反映歌曲的整体艺术表现 。