GamePulse

缘起

拿不到游戏内部数据的时候，公开评论是离玩家最近的声音。GamePulse 从 Steam 抓取评论，清洗之后分析情绪、话题和玩家类型，结果放在一个前端工作台里。

过程

第一版看上去什么都有，可很多结论没有验证过。第二轮我只做了一件事：给每个结果补上“凭什么可信”。

先出问题的是主题模型。查下去发现，语料里混着二十多种语言，LDA 其实在按语言分组：主题和语言的归一化互信息高达 0.42，十个主题里有四个，分别是俄语、西班牙语和葡萄牙语的评论。按 Steam 的语言标签分开建模以后，这些语言簇就消失了。

有一个结果和直觉相反。过滤之后，NPMI 主题连贯性从 0.26 降到了 0.11，因为 NPMI 会奖励同一种语言的词聚在一起。所以这个指标不能单独看，要和主题与语言的互信息放在一起看。

情感模型用 Steam 自带的“是否推荐”做弱标签来检验：英文评论的一致率是 70.3%，西班牙语、葡萄牙语和俄语降到 32% 到 44%。用英文单语模型处理多语言的评论，代价就是这二三十个百分点。

结果

工作台能说明口碑、痛点和评论者的类型；留存、付费和 ROI，公开评论说明不了，工作台也就不去回答。样本少于 300 条时，它只给预览，不下完整结论。代码已在 GitHub 公开。