中国人为何爱给名人起外号？从周董到金三胖
中国人喜欢给明星起绰号。想想你在小学、初中、高中和大学时有过多少个绰号？你最喜欢的明星有周杰伦、小猪、奶茶和仓老师。他们使用绰号的频率比使用真名的频率还高。
中国人还爱给外国人起外号，美国是山姆大叔，日本是魔鬼，印度是阿三，俄罗斯是北极熊，韩国是棍子，欧洲的足球明星、美国的篮球明星，都逃不过中国人那丰富的想象力。
各国政客也是中国民众最喜欢嘲讽的对象。金正恩因为身材有些胖，恰好是金氏王朝第三代，所以被称为“金三胖”；奥巴马因为皮肤黝黑，所以被称为“普京”，因为看上去比较亲华，所以被党内人士称为“俄开海”；而普京则因为政治手段铁腕，先当总统，然后当总理，再当总统，所以被称为“普京大帝”。
现任美国总统特朗普是最近才出现在我们视线中的公众人物。但自去年参加美国总统大选以来，特朗普在中国社交媒体，尤其是知乎上受到了前所未有的关注。特朗普本人具有非常强烈的个人特征。无论是长相、发型还是说话方式，他都与以往美国政客的形象截然不同。这让中国人在给他起绰号时无法淡定。
我收集了知乎上关于“2016年美国大选”话题下的所有问题（2016年11月28日之前）和答案（2016年12月11日之前），得到了如下数据集：
这近8万条回答总字数超过1000万，希望能够找出中国人给特朗普起的绰号。
首先我们来看看这一千万词汇里有哪些高频词。
从上图中我们可以看出一些关于特朗普绰号的线索。“特朗普”是特朗普在中国的官方翻译带朗字的篮球明星，但从词云中可以明显看出，“特朗普”的使用是“特朗普”。具体来说，“特朗普”在我们的答案中一共出现了19692次，而“特朗普”出现了45080次，是“特朗普”的两倍多，是所有单词中出现频率最高的一个词。下图显示了前10个单词及其对应的频率。
知乎在2016年美国总统大选中扮演了中国互联网信息和观点来源的角色，因此特朗普的绰号应该在知乎上也有所体现。为了探究知乎用户给“特朗普”起的绰号，都取了哪些绰号？我用了一个比较新潮、比较时髦的技术。
它通常被认为是一种自然语言处理模型，通过训练可以将文本中的单词在K维空间中用向量表示出来，从而可以对单词进行比较和操作，在聚类、找同义词、词性分析等方面都有着不错的表现。
用它来查找某人的昵称显然更合理。因为它将单词表示为基于上下文的向量。如果某人的昵称和真实姓名经常互换使用，那么它们的上下文应该相似。例如：
“特朗普代表共和党竞选美国总统”和“特朗普代表共和党竞选美国总统”
这两句话都出现在我们的大量文本中，因此“特朗普”和“特朗普”的上下文非常接近，可以识别。
那么效果怎么样呢？利用知乎答案数据以及我们收集到的模块，我们训练了三个模型，这几个模型的区别只在这个参数上，用来表示上下文的跨度，分别是5、10和15。
我们来看看结果，下图是三个模型中与“特朗普”最接近的20个词。
主要昵称有“特朗普”、“破床”、“老唐”、“唐老庄”、“川皇”和“唐总”，其中“特朗普”大概是拼写错误。至于“特朗普”、“灯”应该是拼写错误或者分词器的问题。英文名“特朗普”、“特朗普”和“唐纳德”也被成功识别。
其他进入排行榜的还有“桑德斯”、“彭斯”、“奥巴马”。这三个人都和“特朗普”关系密切。桑德斯是希拉里的民主党候选人。彭斯是特朗普的竞选搭档，因此在某些语境中与特朗普相似度较高。彭斯是特朗普的竞选搭档，因此在某些语境中与特朗普相似度较高。奥巴马是特朗普之前的美国总统，所以他们很相似也是情理之中的事情。
而排在最前面的“他”，不知道是指“特朗普”还是“他”？
同样，我们也可以看看希拉里和奥巴马的情况。首先是希拉里。
希拉里的情况则更令人担忧，三种模式中，第一种是带有贬义的“希拉里”，其他一些绰号也带有贬义，如“老太太”、“老巫婆”、“老巫婆”，一些正常的中性名字被认可，包括“希拉里”、“HC”、“希拉里克林顿”、“希”、“女克”（我觉得有些贬义）和“”。
奥巴马的情况如下：
最常见的绰号是“奥黑”，这应该不足为奇。此外，党员们熟悉的名字“奥观海”也出现在三款车型上。
最后，还有一些很酷的能力。人们经常谈论的获得“女王”的能力是“国王”-“男人”+“女人”，这意味着：
“国王”-“男人”=“王后”-“女人”。
我们也尝试了一些东西。第一个是“特朗普”+“加利福尼亚”-“希拉里”，结果是：
排名靠前的词语有“得克萨斯州”、“南部”、“深蓝之州”等。这个结果还算令人满意。因为加州之于希拉里，就如同得克萨斯州之于特朗普。
“加利福尼亚”-“希拉里” = “德克萨斯”-“特朗普”
接下来，“希拉里”+“共和党”-“特朗普”，我们期望得到“民主党”，因为共和党之于特朗普应该相当于民主党之于希拉里，结果为：
这个结果不是很令人满意，因为GOP也就是共和党的意思，我们预计民主党会排在第二位。这可能是因为我们的语料库不够，或者模型没有预期的那么夸张。
最后要表示一下对的分词能力的惊讶，因为像“奥黑”、“唐老壮”这样的词我事先并没有放进字典里带朗字的篮球明星，但是的分词系统居然能识别出来，这很让人惊讶。
我把分词之后的数据文件和分析用到的代码放在上面带朗字的篮球明星，大家也可以玩一下。
/
