范冰冰可是当下红遍天下的演艺界女皇式巨星，粉丝遍及海内外。她是社会媒体大数据赞誉和吐槽的经久不衰的话题人物。

深度挖掘和解析大数据淹没下的范冰冰，应该是一件既符合娱乐精神又有启发意义的工作。准备做一个系列来，用我们的深度挖掘引擎，看看社会媒体口水大数据的一片混沌中到底隐含了几多信息，哪些是众所周知的，哪些是出人预料的。

华裔女星中，一直不太喜欢范冰冰，主要是觉得她的形象不接地气：女神或妖精，总之不似人类，与我们喜欢的 邻家女孩（girl next door）类型（如 徐静蕾 高圆圆 这类）相距甚远。然而，伊人的《武媚娘传奇》热播以后，惊艳叹服之余，遂亦加入粉丝行列。尤其是年轻时的武媚娘扮相，美得简直不像话，还让不让人活？

先报告一下这次挖掘的基本数据：

时间跨度是过去 27 个月（2013年二月到2015年五月）的中文社会媒体（包括繁体和粤语文字）。

下图是挖掘总览：

计 113万 数据点，70 多万条帖子，可达近 73 亿的眼球浏览，可以算是大数据了吧。（关于此话题两年多来的社媒数据量当然远远大于此数，可自家库里现在的样本就这么多，再多就要给内容分销商追加额外的数据购买费了。这个样本量比起传统的问卷调查高出至少两个数量级，作为情报挖掘，已经足以满足统计意义上的代表性要求了。）

冰美人的社会媒体形象相当不错，褒贬指数（Net Sentiment）高达 62%，这在娱乐圈公众人物中也算是高高在上了，八万五千条赞誉远多于 一万九千条吐槽。范爷威武！

下图是范冰冰话题过去27个月的热度（数据点和眼球数）和褒贬的曲线图。热度起伏较大，应该与她主演的影视节目的宣传和开播期相关。反映形象消长的褒贬指数变化不大，基本能保持高位，范冰冰仍然处于事业鼎盛期，显然极受大众欢迎。

下图是这次自动调查的数据来源。最大的来源是 twitter，14万4，其次是天涯论坛（两万四千条）和百度贴吧（两万出头）。再往下依次是香港 discuss.com.hk 网站，tumblr，club.kdnet.net, bbs.hupu.com, kaixin001.com, 西祠，豆瓣等，大名鼎鼎的脸书（facebook）和新浪微博 (weibo.com) 只有两三千的帖子来源。（很遗憾，不包含微信，微信数据由于隐私限制，在可预见的将来，我们的挖掘还够不着：其实微信当下才是社会媒体的旗舰，其他所有中文社会媒体全加起来也没有微信所达到的规模、代表性和影响力。腾讯的老爷们，你何时开放哪怕是部分的数据？）

下图给数据来源做了分类，其中论坛占 60% ，新闻网站 20%，微博数据只有 8%。

这是数据来源地的地理分布。

欲知挖掘出来冰美人究竟有哪些有意思的信息，且听下回分解。

【冰美人社媒大数据挖掘系列】

大数据淹没下的冰美人（之二） 2015-05-13

大数据淹没下的冰美人（之三）: 喜欢的理由 

大数据淹没下的冰美人（之四）: 流言蜚语篇（慎入）

大数据淹没下的冰美人（之五）:  星光灿烂谁为最？

【置顶：立委科学网博客NLP博文一览（定期更新版）】