《红楼梦》弹幕及其文本挖掘和可视化（基于Python）

概述

作为中国古典文学中具有里程碑意义的章回体巨著，《红楼梦》位列四大经典之首，在清代作家曹雪芹创作的前八十回与高鹗续写的后四十回共同构成通行版本共计120回的基础上，其艺术成就已获得广泛认可。该作品以贾史王薛四大家族兴衰为叙事背景框架，在富贵公子贾宝玉的独特视角下展开叙述主线——即其与林黛玉及薛宝钗之间的情感纠葛所引发的命运悲剧。通过对社会百态的全景式描摹，《红楼梦》展现出极高的文学价值体系；然而由于其精密复杂的叙事结构特征（包括草蛇灰线式的伏笔设置、错综交织的人物关系网及情感线索），使得普通读者仅凭有限次数的阅读难以把握章节间的逻辑关联性以及人物关系网络的整体架构特征。因此本文借助文本挖掘技术手段从量化分析维度重新审视这部经典著作。

本研究选取程乙本《红楼梦》作为基础材料建立文本数据库，在数据分析层面实施双重研究路径：一方面聚焦于章节间关联性的系统解析；另一方面致力于揭示不同角色之间的互动模式特征。在完成文本整合工作后开展数据清洗与标准化处理流程（涵盖停用词过滤、特殊符号清除及分词操作等环节），通过统计各章节词频分布规律、段落数量变化及字符总量波动等指标参数来验证前八十回与后四十回作者归属差异的可能性问题；随后运用TF-IDF特征提取算法构建关键词特征矩阵，并采用层次聚类分析方法对全书120个章节内容实施聚类操作过程，在可视化呈现形式上清晰展现各章节之间