无厘头研究
近五十年来，西方流行音乐的歌词变得更加简单和重复
在日常生活中，音乐无处不在，歌词在我们聆听音乐时扮演着重要角色。然而，歌词内容与其在过去几十年的演变以及特定流派之间的复杂关系，尚未被完全理解。本研究探讨了过去五十年间，五种西方流行音乐流派的英文歌词动态，并使用了一套广泛的歌词描述符，包括歌词复杂性、结构、情感和受欢迎程度。我们发现，流行音乐的歌词随时间变得简单易懂：不仅歌词的词汇复杂性降低(例如，通过词汇丰富度或歌词的可读性捕捉)，我们还观察到结构复杂性(例如，歌词的重复性)也有所下降。此外，我们确认了先前的分析，即歌词所描述的情感变得更加消极，且歌词变得更加个人化。最后，通过比较歌词浏览次数和听歌次数，我们发现在听众对歌词的兴趣方面，例如，摇滚乐迷更喜欢老歌的歌词；而乡村音乐迷对新歌歌词更感兴趣。
我们每天都被音乐所包围；它在当今社会中无处不在，并发挥着多种功能。例如，人们听音乐来解除无聊，填补尴尬的沉默，促进社会凝聚力和交流，或调节情绪。当谈到听众喜欢或不喜欢一首歌曲时，除了歌曲唤起情感的能力和歌声外，最显著的音乐组成部分是歌曲的歌词。同样，旋律与歌词之间的互动至关重要，因为歌词已被证明会影响音乐的情感价值；特别是，歌词可以增强愤怒和悲伤音乐中的负面情绪。含有歌词的音乐也已被证明会激活与不含歌词的音乐不同的大脑区域。
从另一个角度来看，歌词可以被视为一种文学作品。通常以诗歌形式书写，歌词使用诸如押韵、重复、隐喻和意象等诗歌手法，因此可以被视为与诗歌相似。这也体现在鲍勃·迪伦2016年获得诺贝尔文学奖，“因为他在美国歌曲传统中创造了新的诗意表达”。正如文学可以被视为对社会的描绘，歌词也反映了一个社会随时间变化的规范、情感和价值观。
为此，理解音乐歌词内容的趋势在近年来变得重要：计算歌词描述符已被用来揭示和描述歌曲之间的差异，无论是在流派方面，还是在分析歌词描述符的时间变化方面。流派之间的歌词差异已被Schedl以重复性(节奏与布鲁斯音乐拥有最多重复的歌词，重金属音乐拥有最少重复的歌词)和可读性(说唱音乐最难理解，朋克和蓝调最容易)来识别。通过对2014年至2016年三年内七个主要流派(基督教、乡村、舞蹈、流行、说唱、摇滚和节奏与布鲁斯)的1879首独特歌曲的研究，Berger和Packard发现，歌词主题与其流派差异更大的歌曲在Billboard数字下载排行榜上更受欢迎。Kim等人使用从歌词中提取的四组特征和从音频信号中提取的一组音频特征，用于流派识别、音乐推荐和音乐自动标记的任务。他们发现，虽然音频特征显示出最大和最一致的效应大小，但语言和心理学清单特征也在所研究的任务中显示出一致的贡献。
研究歌词的时间演变主要集中在追踪多年来情感线索的变化上。例如，Dodds等人识别了从1961年到2007年歌曲歌词平均情感价值的下降趋势。Napier和Shamir研究了1951年至2016年间6150首Billboard 100歌曲歌词的情感变化。他们发现积极情感(例如，喜悦或信心)有所下降，而消极情感(例如，愤怒、厌恶或悲伤)有所增加。Brand等人使用包含1965年至2015年间4913首和159015首流行歌曲歌词的两个数据集，来调查负面情感歌词内容的扩散。他们发现，这种扩散部分可以归因于内容偏见(排行榜倾向于偏爱消极歌词)，部分可以归因于文化传递偏见(例如，成功或声望偏见，即复制最畅销的歌曲或艺术家)。DeWall等人调查了1980年至2007年间美国Hot 100年终排行榜上最流行的10首歌曲的歌词，发现与自我相关的词汇(例如，我或我的)和指向反社会行为的词汇(例如，恨或杀)随时间增加，而与社会互动相关的词汇(例如，谈话或伙伴)和积极情感(例如，爱或美好)的词汇随时间减少。
除了情感线索的变化，Varnum等人发现，流行音乐歌词的简单性在六个十年间(1958年至2016年)增加了。同样，Choi等人研究了歌词复杂性的演变。他们特别调查了歌词的具体性(具体性描述一个词是否指的是具体或抽象的概念)，因为已经显示出与可读性相关，并发现在过去四十年中具体性有所增加。此外，还有研究歌词内容演变(即所谓的主题)的文献。例如，Christenson等人分析了1960年至2010年间美国Billboard前40单曲的主题演变。他们发现，描述浪漫关系的歌词比例没有变化。然而，与性有关的关系方面的歌词比例大幅增加。
除了歌词的时间演变外，音乐的时间演变研究还研究了歌词以外的声学描述符的时间变化。Interiano等人调查了1985年至2015年间500,000首歌曲的声学描述符。他们发现“幸福”和“明亮”呈下降趋势，以及“悲伤”的轻微上升趋势。他们还将这些描述符与成功相关联，并发现成功的歌曲展现出不同的动态。特别是，它们比其他歌曲更“快乐”，更“派对化”，更不“放松”。
尽管先前的努力旨在理解歌词的功能、目的、演变和预测品质，但在揭示歌词描述符之间的复杂关系、它们在流派之间的变化，以及它们在过去几十年的时间演变方面的完整画面方面，仍然存在研究空白。早期的研究集中在特定的描述符、流派或时间框架上，并且通常调查的是较小的数据集。在本文中，我们基于一个大型数据集，调查了歌词复杂性、情感和相应歌曲受欢迎程度的(联合)演变，这个数据集涵盖了五十年(1970年至2020年)的英文西方流行音乐，包括多种歌词描述符和多种音乐流派。我们衡量了曲目和歌词的受欢迎程度，其中我们区分了听歌次数(即自平台开始以来的听歌事件数量)和歌词浏览次数(即在Genius平台上的歌词浏览数量)。在本文中，我们调查了以下研究问题：(RQ1)在过去50年中，我们可以观察到哪些关于流行音乐歌词的趋势，利用多方面的歌词描述符？我们期望与发行年份相关性更强的描述符能够带来更好的回归模型表现。(RQ2)在这个情景中，歌曲和歌词的受欢迎程度扮演了什么角色？我们期望歌词浏览次数在流派之间有所不同，并且这些变化可以归因于歌词随时间的变化。
我们的探索性研究在几个方面与现有研究不同：(1)我们首次联合分析了多个歌词描述符和受欢迎程度的演变；(2)我们调查了捕捉歌词复杂性、结构和情感的多种歌词描述符；(3)我们提供了这些描述符演变的深入分析，不仅随时间变化，而且关注不同流派；(4)我们利用了一个比大多数现有作品更大的数据集。
为了我们的分析，我们创建了一个包含353,320首英文歌曲歌词的数据集，这些歌词来自Genius平台，涵盖了五个十年(1970年至2020年)，根据歌曲的发行年份。基于这些歌词的收集，我们提取了每首歌的广泛歌词描述符和受欢迎程度数据。特别是，我们提取了词汇、语言、结构、押韵、情感和复杂性描述符，并专注于五种流派：说唱、乡村、流行、节奏与布鲁斯和摇滚，因为根据广泛使用的音乐流媒体平台last.fm，这些是最受欢迎的流派，忽略了歌词较少出现的流派(例如，爵士和古典音乐)。我们的分析基于两个互补的分析，如图1所示。在第一组分析中，我们关注流行音乐歌词的演变和描述符在回归任务中的影响(即，我们旨在找到最适合模拟发行年份回归任务中线性趋势的预测因子)。第二组分析调查了歌词浏览次数、描述符和相应歌曲发行年份之间的多重线性回归分析关系。评估歌词浏览次数，除了通常分析的听歌播放次数之外，使我们能够从另一个角度考虑音乐受欢迎程度。特别是，歌词浏览次数使我们能够富有表现力地调查歌词在音乐消费模式随时间变化中的作用(通过歌曲的发行年份)，以及将这些模式与歌词特征(通过歌词描述符)联系起来。请注意，虽然听歌播放次数没有提供任何关于听众对歌词的兴趣的信息，但歌词浏览次数是歌词重要性的明确指标，这可能不一定与音乐流派的普遍受欢迎程度相关。