Tras la publicación de mi análisis de text mining sobre las letras de las canciones de U2 y, espoleado por mi amigo Norman, me he lanzado a hacer un poco de minería de texto (text mining) con las letras del BOSS (Bruce Springsteen).
¿Qué es lo que busco con este estudio? En este caso dos cosas, ver si con el BOSS se confirma la idea de que gran parte de la música trata sobre el amor (love) y comparar los resultados con los obtenidos para U2.
Para empezar, me he hecho con las letras de todas las canciones del BOSS que tienen letra. 1.165 canciones en total. Las he descargado de forma automatizada de la página springsteenlyrics.com. Ha costado unos cuantos intentos pero lo he conseguido.
La primera aproximación ofrece los siguientes datos:
- 183.861 palabras utilizadas en las 1.165 canciones. Un promedio de 158 palabras por canción (mismo número que U2).
- 9.292 frecuencias (palabras únicas) utilizadas en las 1.165 canciones. Un 5%.
En el histograma se aprecia que las palabras más utilizadas son (the, you, and, love,…). Parece que se van cumpliendo los presagios pero hay una serie de palabras vacías (stopwords) que enmascaran el estudio. En forma de tabla se ve más claro:
Podemos utilizar una nube de palabras para representarlo de forma más visual.
En una segunda aproximación, elimino las stopwords del idioma inglés. Obtenemos los siguientes datos:
- 129.745 palabras utilizadas en las 1.165 canciones. Un promedio de 111 palabras por canción.
- 9.097 frecuencias (palabras únicas) utilizadas en las 1.165 canciones. Un 8%.
Probamos con la visualización en forma de tabla y comprobamos que, tal y como vaticinaba, el amor (love) ocupa un lugar destacado, aunque no el primero como ocurría en el caso de U2. Le quitan el primer y el segundo puesto “yeah” y “baby” respectivamente:
Volvemos a utilizar una nube de palabras para representarlo de forma más visual.
En una tercera y última aproximación, elimino los términos (can, get, got y dont) de forma manual y obtengo los siguientes resultados:
Tal y como sospechaba, el amor también es el tema fundamental de las canciones del BOSS, aunque en este caso la medalla de oro se la lleve la expresión “yeah“.
Gracias por lanzarme el guante Norman, me has tenido entretenido unas cuántas horas.