相比以前，流行乐为什么更丧了？

Alberto Acerbi 利维坦

© Youtube

利维坦按：

盛行一种说法，称：人类欢乐总是相似的，而悲伤各不相同。但是换个角度思考，悲伤的情绪似乎又比快乐更能引起共鸣，这或许会是题设所示问题的某个可能答案。因此，相较于积极情绪走向的音乐，在社交媒体上分享一首悲伤的歌，似乎有着更切实际的潜在可能动因：引发同情与关注——这好像是我们的本能行为，就像小孩子的哭泣。

但是按这样的方式去附会解释，避不开一个逻辑上的遗憾，即从结果推论原因。这样的做法往往难以判断“原因”的真实情况与可信程度，但聊胜于无。

比起半个世纪以前的流行歌曲，今天的流行歌曲到底是更欢快了，还是更悲伤了呢？

借助近年来的技术进步，特别是在线处理海量数据集（Datasets）成为可能，以及处理这些数据的难度不断降低，今天的我们可以给出更精准、更有根据的答案。至于如何评定一段文本所包含的情感，最为直接的方法就是测算文本中包含的情感词语数量。

换句话说，包含负面情感的词语“痛苦”、“憎恨”、“悲伤”出现了多少次？与欢快情绪相关的词汇“爱”、“喜悦”、“快乐”又出现了多少次？

虽然听起来很简单，但是在特定条件下，这样的方法极为有效——比如需要被评估的文本越长，这类测评方法就越准确。这就是所谓文本情感分析（Sentiment Analysis）的一种实用技巧。这种分析方法通常被用于分析社交媒体信息发布情况，或者分析当今的政治信息。但其实它也适用于时间跨度更长的样本，比如几十年之间的新闻报道，或者几百年间的文学作品。

该技术还可以被用于分析歌词，在本次研究中，我们用到了两组数据集。其一囊括了50年之间《公告牌》百强单曲榜（Billboard Hot 100 charts）的年度歌曲。这些都是取得了巨大成功的流行歌曲，至少在美国如此。我们从1965年的榜单开始录入，截止到2015年的榜单，因此该数据集既包含滚石乐队（The Rolling Stones）的《(I Can’t Get No) Satisfaction》，也包括马克·荣森（Mark Ronson）的《Uptown Funk》。

第二组数据集囊括了歌词记录网站“Musixmatch”中用户自发上传的歌词。在这一组数据集中，我们分析了15万首英文歌曲的歌词。这些歌来自全球每一个角落，因此也就提供了一个更广泛、更丰富的样本。在这一组数据集中，我们发现了与第一组数据集相一致的趋势，因此我们有理由认为这些结论绝对超越了“金曲”范畴，适合几乎所有的英语流行歌曲。

的确，英语流行歌曲正变得越来越消极。今天歌词中与负面情绪相关的词语已经比50年前多了三分之一甚至更多。以《公告牌》百强单曲榜数据集举例，我们不妨先假设，平均每首歌的歌词包括300个单词，那么每年的百大热门歌曲一共就有30000个单词。在1965年，当年的歌词中大约有450个单词与负面情绪相关，到了2015年，这个数字超过了700个。

不仅如此，与积极情绪相关的单词也大大减少了。1965年，百大热门歌曲中一共有1750个单词与积极情绪有关，到了2015年这个数字缩减到1150个。

请注意，在绝对数量上，与积极情绪相关的单词总是比消极情绪单词要多。这是人类语言的一个普遍特征，被称为波丽安娜效应（Pollyanna Principle），得名于同名小说主人公，一个完美的乐观主义者。在这次研究中，我们并不期待发现消极情绪单词的数量反超积极情绪单词，真正说明问题的是这些词语的数量变化趋势。

1965至2015年，《公告牌》百强单曲榜中历年歌曲所包含的积极词汇的数量分布（点状）与变化趋势（线条）图。横轴代表年份，纵轴代表次数。（下同） © Alberto Acerbi

1965至2015年，《公告牌》百强单曲榜中历年歌曲所包含的消极词汇的数量分布（点状）与变化趋势（线条）图。 © Alberto Acerbi

甚至当我们观察某个特定单词时，仍然能发现这一现象：比如“爱”这个单词，今天它在歌曲中的出现频率实际上只有50年前的一半，从400多次锐减到200多次。而“恨”这个词正相反，直到上世纪90年代，在百大热门歌曲中几乎都没有提及这一单词，但是如今每年的百大歌曲中都会提及20多次甚至30多次。

1965至2015年，《公告牌》百强单曲榜中历年歌曲所包含“爱”（Love）这一单词的数量分布（点状）与变化趋势（线条）图。 © Alberto Acerbi

1965至2015年，《公告牌》百强单曲榜中历年歌曲所包含“恨”（Hate）这一单词的数量分布（点状）与变化趋势（线条）图。 © Alberto Acerbi

我们的分析结果与其他独立的歌曲情绪分析研究结果一致，这些研究中有些使用了完全不同的分析方法，而且侧重于除歌词以外的其他歌曲特征。比如，一些研究人员分析了英国自1985年至2015年出版发行的超过50万首歌曲，同样发现歌曲表现的“幸福”、“欢快”程度在下降，而这些歌曲表现的“悲伤”程度在缓慢上升。

这些结论来自于大量计算，通过计算分析歌曲中某些初级的乐理特征，比如节拍的快慢或者音调。在我们的研究中，我们同样对历年“《公告牌》百强单曲”的节拍速度及音调进行了分析——百强单曲的节奏正变得更慢，小调（Minor Scale）的应用更频繁了。

与大调相比，小调会让听众获得更阴暗、悲伤的感受。如果想体验明显的对比，读者可以在各大视频网站上找到大量大调与小调相互转换的音乐视频。在Youtube上，每隔几年就会有那么一个把REM乐队那首《Losing My Religion》改成大调的视频被疯狂转发，这种修改的结果就是得到一首欢快又诡异的歌。

将涅槃乐队（Nirvana）的《Smells Like Teen Spirit》整首歌转变为大调。值得一提的是“Youtube”用户“Another Guy”对该音频留言：“Minor: Smells Like Teen Spirit. Major: Smells Like You're Watching Disney Channel.” © Youtube / Rudie Obias

回到我们今天讨论的话题，今天的流行音乐到底发生了什么？尽管发现并描述一个趋势很重要，也足够令人满意，但我们还是要试图理解、解释这个现象背后的原因。换句话说，不仅要有大数据，还要有大理论来解释。

比如，能解释该现象的一个宏大概念就是文化演化理论（Cultural Evolution）。顾名思义，该理论认为文化会随着时间的流逝不断演化，很大程度上就像达尔文提出的自然选择学说。换句话说，如果文化也会像生物那样变异、选择、生殖，那么我们可以认为成功的文化特性会逐渐在人群中扎根，而其他的文化特征会逐渐消亡。

1974年，瑞典流行乐队ABBA在演唱《滑铁卢》（Waterloo）。© Redferns / Getty

但是说到文化，我们所指代的是一种通过社会传播其特性的主体，而非通过基因遗传来进行传播。举个简单的例子，我们讲述的语言取决于我们出生的地理位置，还有我们习惯的烹饪方式，更包括我们喜爱的音乐。这些文化特征是通过社会实现传播的，身处社会中的个体需要通过观察、模仿其他个体习得这些文化特征。与之相反的是头发的颜色、眼睛的颜色，这些特征都是父母通过基因遗传给后代的。

当然了，人类个体的诸多行为都需要后天从社会中习得，这并不是多么令人惊叹的绝妙推断。但别忘了这一点，如果个体希望自身的这种社会学习具备适应性（Adaptive），换句话说，通过这些社会学习提升个体在该社会中的生存、繁殖机会，那么这种社会学习就必须是有选择性的。就拿做饭来说，比起那些自己还在学习如何做饭的兄弟姐妹，和一位熟练掌握烹饪技巧的长辈学习做饭显然就合理得多。

在文化演化理论的术语中，优先选择成功的个体并习得他们的行为，这被称为“成功偏差传播”（Success Biased Transmission）。与之相似的还有其他学习偏差影响着个体的社会学习，比如一致性偏差（Conformity Bias）、声望偏差（Prestige Bias）或者内容偏差（Content Bias）。多年来，学者通过各种学习偏差来理解人类及非人动物族群中的众多文化特征。而这个概念也为人们理解复杂的文化传承模式提供了切实可行的研究通道。

因此，为了试图解释为什么几十年间的流行歌词正在传递更多的负面情绪、更少的积极情绪，我们也在研究中引入了文化演化理论中的社会学习偏差概念。

我们考虑到这样一种可能：如果前几年榜单上前10名的歌词中出现了表达消极情绪的歌词，那么成功偏差是否会促使后续创作的歌曲出现更多的消极词汇？换句话说，流行歌曲的词作者是否会被之前的成功歌词所影响？同理，我们还考察了声望偏差是否在发挥作用：名望更高的音乐家是否先于其他音乐家发行了包含消极情绪词汇的歌曲。

© Tenor

在此需要明确我们对“有名的音乐家”如何界定，即该音乐家的作品出现在《公告牌》百强单曲榜的次数明显不成比例，比如麦当娜（Madonna），她就有36首歌选入百大榜单。（译注：准确地说，共计57首歌入选历年《公告牌》百强单曲榜，其中38首进入十强单曲榜、12首夺冠。）不仅如此，通过分析那些包含消极歌词的歌曲是否真的处于百强单曲榜中更高的排位，我们还考察了内容偏差是否存在——如果分析结果确实如此，那么这说明那些带有消极歌词的歌曲传递了某些特定内容，从而使得歌曲更容易广为流传。

在分析中，我们几乎没有发现能证明成功偏差、声望偏差的证据，但是在上述三个猜测中，内容偏差是最可靠的解释。这与文化演化理论中的其他研究成果一致，即相较于中性信息以及积极信息，负面信息似乎更容易传播并被记住。

但是我们也意识到，这次研究过程中使用的分析模型极大地降低了成功偏差、声望偏差两种效应的出现概率，特别是我们分析模型中包含的无偏差传播（Unbiased Transmission）。对于歌词呈现出的趋势，也许这才是最可靠的解释。

所谓无偏差传播，在这里可以理解为一种类似于基因漂变（Genetic Drift）的文化传播方式。在基因漂变的过程中，遗传特征似乎是以随机性极高的方式被确定下来，而且在遗传过程中并无明显的选择压力，这种遗传方式也因此得名“漂”变。

这种随机性强的文化传播方式已经被其他的文化学者用于解释某些文化特征的传承与流行，从新石器时代的陶器装饰，到当代婴儿的乳名命名，甚至是今天人们驯养犬类发展出的犬种文化。

重要的是，找到无偏差传播的证据并不意味着这些文化传播模式不可被解释，也不能说明它是完全随机发生的。正相反，这意味着很可能存在大量而复杂的中间过程可以解释这些模式。但在本次研究中，我们检验的三种效应都不足以形成足够强力的证据。

不管怎么说，英语流行歌曲中的负面情绪词汇正在激增，这是个令人着迷的有趣现象。而我们的研究至少证明了这可能是由于负面内容更容易被广泛接受，另外，该现象背后还存在一些其他尚未被发现的原因。

除了一句简单的“大众总是偏好负面内容”，对于为什么上世纪80年代以前的流行歌曲要比现在的流行歌曲更积极？我们还有更进一步的解释。

这一时期的唱片行业出现了更为集中化的唱片公司，为了更好地生产和销售，唱片公司对歌曲的内容也就有了更多的控制权。另外，该时期出现了一种个性化传播扩散方式，比如可以自行转录的空白磁带，以及声田公司（Spotify）当年推出的“定制专辑服务”，这些都可能进一步扩大市场反馈对唱片行业的影响。也许还有其他社会变化促使这些包含负面歌词的歌曲进一步被传播开来，并最终回馈给唱片公司一个明确的信息：表达负面情绪吧。

以上假设都可以用本文列举的这种文本情感分析方法进行检验，并作为新的研究起点。不管怎么说，意识到某个问题仍然是个谜，仍然需要更多研究才能揭开其面纱，这在科学领域永远是个好兆头。这意味着我们还有很多提升空间，无论是微调理论模型，还是改进分析方法，甚至是推翻一切重新回到最初的思维导图上，然后提出一个全新的问题。

文/Alberto Acerbi

译/高坂穗乃果

校对/东条希

原文/aeon.co/ideas/why-are-pop-songs-getting-sadder-than-they-used-to-be/

本文基于创作共同协议（BY-NC），由高坂穗乃果在利维坦发布

文章仅为作者观点，未必代表利维坦立场

原标题：《相比以前，流行乐为什么更丧了？》

阅读原文