我用AI分析了《赛博朋克 2077》的评价，发现真爱粉都是来吸猫的

量子位2020-12-16

CDPR三度延期《赛博朋克 2077》，可把玩家憋坏了。

12月10日上线当天，网上一夜间流行起各种赛博朋克的梗：

前期预售800万份，上线首日就收回成本，3天时间就有17万留言评价…..

尽管CDPR不给游戏加密，默许盗版，但绝大部分玩家毫不介意为《2077》掏钱。

从来没有哪家厂商能像「波兰蠢驴」这样被玩家拥戴。

但是，《赛博朋克 2077》刚上线，按照Steam的评分规则，得到了「多半好评」。

好评率仅有73%，今天也只达到79%。

分数不低，但对于有《巫师》系列在前的CDPR来说，这个成绩还是有些意外。

谁在给《赛博朋克 2077》差评？大家在吐槽什么？

一位最硬核玩家Kamil Czarnogórski，用AI分析了Steam上的评价，看看大家在讨论《赛博朋克2077》的时候，都在说什么。

《赛博朋克 2077》，你还好吗？

Kamil使用Transformer，对抓取的Steam评论页有效信息进行向量化，并使用UAMP来对数据进行可视化，最后用k均值算法对关键词进行聚类分析，得出了下面的结果。

先看吐槽部分。《赛博朋克 2077》，对于玩家吐槽最多、给出差评最集中的两个点，一是配置要求高、二是游戏优化差、bug多。

在配置方面，出现频率最高的词汇是游戏硬件配置相关，比如RTX、1080P、DLSS等等。

一波高配置玩家，秀了一把流畅运行的配置清单：

RTX2060、i7 8700、16GB内存，感觉画面就像一部电影。

45-65帧，RTX 2080、i9-9900K与32GB的内存，光追效果全开，运行流畅。

2080ti和9700k没有问题，可以开最高画质，帧率稳定60帧。

3080 FE和5800X，可以达到到80-100帧率，分辨率1440p，其他设置都是最高。

可以看出，要想较为流畅地运行《赛博朋克2077》，一块2060或更好的N卡是必须的。

目前，2060国内电商售价在2500-3000左右，而2060只能算将将满足最高画质要求，要想玩的「从容」，还得更高配置。

加上i7 8700处理器，要开最高画质玩《赛博朋克2077》，整套设备至少8000-10000元起步。

原来第一时间阻止我们玩《赛博朋克2077》的不是工作\学业，而是钱。

有了真金白银，攒起了高配置电脑，但游戏的bug和崩溃情况还是令人头疼。

吐槽出现频率最多的词是崩溃（crashes），且玩家反映，崩溃情况多数出现在启动时、角色创建，以及镜头转场，比如过场动画和玩家视角的衔接。

其它小bug也频频出现。一位名叫staigerd89的玩家分享说，他的角色一直被一个特定NPC不明原因尾随：

崩溃和各种小bug，是目前这款游戏被吐槽最多的情况。

此外，有大量玩家反映，主机平台优化太差，远不如PC。

甚至有真爱粉先买了主机版，发现效果不好后，又花钱买了PC版。

在游戏性方面，玩家也提到打击和射击感比较生涩和迟滞，子弹打在物体上力量不突出，像是打海绵一样。

不可避免的，负面评价中另一个高频词是退款。

尽管被大量吐槽，但游戏本身精良的画面，和用心的制作细节还是让大家对它充满了期待。

给出差评的玩家，大部分认为目前的问题不影响整体质量，未来随着版本更新、bug修复，优化会越来越好。

这一类评价中，出现最多的词是wait、patch、better。

「波兰蠢驴」向来不在意盗版传播，也不给游戏加密，因为总有真爱粉支持正版。大家对CDPR的耐心和期待，也远超其它游戏厂商。

而且，游戏上线一天后，英伟达方面也立刻更新460.79版驱动，针对《赛博朋克 2077》做了全方位的支持和优化，几天下来，好评率从73%上升到79%。

好评最多：撸猫

「配置要求高」、「前期bug多」、「感谢Steam给我退款」……《赛博朋克 2077》，你还好吗？

其实，仍然有多数玩家给出了好评。

好评中出现最多词汇，竟然是撸猫（petting the cats）。

大家纷纷表示，这是年度最佳撸猫游戏。

此外，玩家赞誉的点集中在画面效果好、游戏世界细节到位、夜城沉浸感强。

所以总的来说，《赛博朋克 2077》细节还不完善，前期bug较多，会出现崩溃。

但总体制作精良，未来更新令人期待。

3步走，用AI解析Steam评论

那么，从「优化」、「退款」到「撸猫」，这些精准的关键词分析结果，Kamil是怎么得出的呢？

数据处理

首先，获取上面这些（吐槽、撸猫等）评论的文本数据。

Steam有一套游戏的配置工具包Steamworks，其中一项功能是获取Steam游戏的评测，可以筛选时间、语言、正负面评价等，每次获取20条。

只需要写个Python脚本，就能迭代获取《赛博朋克2077》的所有英文评论。

这些评论是一组组句子，接下来要将它们切分成token（字，包括单词和标点符号），用NLP的Python工具包NLTK，通过sent_tokenlize对所有句子进行字词分割。

在那之后，再对输入进行向量化（embedding），这里用到的框架是Sentence Transformers（BERT和XLNet结合的多语言句子向量框架）。

分析数据的目的，是为了寻找句子的语义相似度，因此采用了框架中的预训练模型roberta-large-nli-stsb-mean-tokens。

这里的语义相似度，就是将相似的句子聚集在一起的关键，例如这些吸猫评论：

用这种模型对数据进行处理后，就能将输入的评论转换为高维向量（便于聚类分析）。

数据可视化

接下来，是将这些向量可视化，更好地看清评论的分布。

但经过Transformer获得的高维向量，还不能直接可视化。

因此，需要将这些1024维向量（转换出来的高维向量，是将语义编码成1024个数字的序列），先降维成二维向量。

这里会用到一种名为UMAP （统一流形逼近和投影）的技术，能将高维向量转变成二维向量。

在二维向量的可视化图中，彼此接近的点表示具有相似含义的句子，如果发生簇分离，则代表评价的内容并不相同。

如下图，经过处理后的可视化评论中，绿色代表正面评价，红色代表负面评价，颜色越深，表示负面评价的占比越大。（例如上面那些有关退款的评价，就可以组成一个退款群了）

而在离集群很远的左上角，有一小撮人在“自说自话”，这群人给出的140条评价，全都是好评。

没错，这就是刚刚那群沉迷吸猫的玩家……（毕竟，连水下也能吸猫）

当然，快乐吸猫只是游戏中的一个细节。

为了更全面地搜集有关游戏的整体评价，还需要对这些数据进行聚类分析。

聚类分析

聚类分析，是对评价进行整体分类的方法，也就是对这些处理后的二维向量进行分组。

例如被分到「游戏会更好」的评价组里，就会看到大量的wait、patch、better，这些词共同组成了这个评价。

这里的聚类分析，采用的是k均值算法（k-means）。

k均值算法唯一需要的参数是簇数（将这些二维向量分成多少组），这里盲猜75。

簇数越大，分类就越细，反之则越普遍。运用k均值算法后的75个分类如下：

其中，每一簇都会有一个质心（centroid），是一句最能代表集群的“虚构”的话。

为了做出像上面评价那样的可视化关键词，会在簇中选取与质心最接近的句子，并分析句子作者的游玩时间：

在那之后，会将分析后的字词进行可视化：

至此，就完成了对《赛博朋克2077》Steam上评论的分析。

这次筛选出来的的评论，主要是作者精选的15类评论，包括5个讨论最多的话题、5个评价最高的话题和5个评价最低的话题。

如果你还有更好的分类方法的话，可以自己上手操作起来了~

作者介绍

Kamil Czarnogórski，毕业于格但斯克大学（University of Gdańsk）计算机科学系，这是一个位于波兰的大学。

《赛博朋克2077》的开发商CDPR也来自波兰。

Kamil Czarnogórski表示，这次做的评论分析，只针对发行后的24小时内的游戏评价。

在他进行分析的这段时间里，Steam上对于《2077》的评价已经上涨到了80%，截至12月14日，有关《2077》的评价已经达到了81%。