“Valar Morghuli，凡人皆有一死。” “没错，但那是‘凡人’。会数据的，都不是凡人。” ——恩威科技君

当你看冰火的时候，你在看什么？

作为一个《冰与火之歌》的资深迷弟，看到如今的冰火电视剧完全脱离书本进度，在第七季里更是抛弃了原作诡谲多变的气质，开始转向画风浮躁、强调血脉喷张效果的好莱坞大片风格，这让我一个原著党深感不满。

在起初追剧的时候，平心而论，我对其中华丽的战争场面、香艳镜头（此处“少儿不宜”）以及高傲的中世纪骑士文化最感兴趣。但随着剧集的发展，我的重心逐渐转向了其中形象丰满的人物身上。他们隐秘的复杂感情、斗智斗勇的角逐、诡谲多变的选择以及背后神奇的魔幻设定，都让我心旷神怡。遂从剧党倒戈书党，弃暗投明。

（ 图片说明：宏大的战争场景是冰火这部戏最大看点之一，囧雪复活后的这场私生子大战，高度还原了中世纪步兵、骑兵、弩手配合作战的史实，令人窒息的逼真程度令人惊叹不已。）

电视剧在前五季其实是忠于原著的，但是到了第七季，夜王突变奥运会标枪选手；原最强谋略家小指头堕落为北境第一大混子；囧雪和姑姑突然被爱情撞了一下腰；维斯特洛大陆上到处都是“任意门”…….

（图片说明：由于受电视剧长度的限制，在第七季的冰火中，编剧为了火速推进剧情，抛弃了大量的伏笔和细节，导致bug无数。Instagram等社交网络出现了大量网友自制表情包，讽刺剧组的这种省事儿的做法。图为讽刺囧雪的叔叔班扬史塔克，在第七季第六集莫名其妙地出现然后又牺牲的桥段；图片来源：Instagram @thronesmemes）

对于HBO这种做法，我除了在社交网络上发帖讽刺以外，却也不禁扪心自问：在编剧们已经放弃观众智商的情况下，我为什么还要追剧呢？想来想去，答案只有一个：《冰与火之歌》讲述了一个好故事。因为在看冰火的时候，我并不只是看打仗、香艳、CG的镜头，更吸引我的是这一整个充满血和肉的史诗故事。

那么问题来了，冰火作为一个公认的“好故事”，它的秘诀究竟在哪里呢？

尤瓦尔·赫拉利在《人类简史》中说：人类在演化中获得的讲故事（即描述虚构事物）的能力，是他们称霸世界的关键。人类天生爱听故事，而故事的核心则源于人本身。我认为冰火作为一个好故事，关键就在于其塑造的一个个真实可感的人物形象。所以，我决定从人物入手，分析一下冰火的故事套路，为自己下次吹水“打下坚实的理论基础”。

先亮出我的结论。要写好一个故事，冰火告诉你，需遵循三原则：

让“主角”意想不到地死亡

给“配角”连珠成线地加戏

让“阵营”有理有据地反转

本文我主要从文本数据挖掘入手，使用了“社交网络分析”的模型和方法（具体操作细节见附录1说明），代码用R实现。数据源为已出版的五本英文《冰与火之歌》小说。

“哎哟我去，主角领便当了！”

当我们刚开始看冰火的时候，相信很多人都和我一样，以为狼家的Edd Stark是这个电视剧的主角，结果到第一季末尾，“哎呦我去”！咔嚓，被抹了脖子。

然后Edd的大儿子Robb领兵起义，揭开了五王之战的帷幕。我以为：“啊，原来子承父业，Robb才是真主角！”结果到了第三季末尾，“哎哟我去！”咔嚓，狼少主带着媳妇、老娘，一起被抹了脖子。

然后，一路上各色“主角”不是被抹脖子，就是在被抹脖子的路上。“主角便化当”成为了这个剧开始超神的最大利器。

不过，这只是读者们的直观感受而已。这里面有两个问题：第一，你们以为的主角真的是主角么？第二，大部分故事中，主角有光环的设定是有道理的，因为故事线一般都在主角身上，一旦主角人物死了，故事就没载体继续了。那为什么冰火敢这么“抹主角脖子”呢（想想看，如果工藤新一当初在娱乐场被一棒子敲死了，柯南估计连载不了十几年吧）？

Edd和Robb当然不是真主角。

我统计了已出版的五本书的英文原文，检索了所有出现人物的名字（附录2）。如果两个人物的名字一起出现在14个单词以内，我就认为人物A和人物B有了一次交集，就会在他们之间连一条线（附录3）。然后依据这些人物关系绘制了下面这张《冰与火之歌》社交网络图：

（图片说明：点的大小代表角色的点度，即出现频次；颜色代表walktrap聚类的结果；线的粗细代表联系的紧密程度，颜色与聚类方式一致。聚类问题将在本文第三部分具体讲述。点击看清晰大图！）

这张图可以清晰地看出原著系列的主要角色。囧雪Jon和小恶魔Tyrion，Stannis，Robb，Robert，Jamie，Cersi的圆圈都很大，而且关系网络密集。相比之下，Robb和Edd就比较小了，而且与他们相似大小的角色还有辣么多，显然他们并不是真主角。

这里面还有一个有趣的点是三眼乌鸦Bran。虽然他的圆圈不大，但是与他相连的关系线都很粗，说明Bran的故事线非常集中在某几个人身上，非常呼应他的特殊使命角色。

我们再进一步细化一下主角们之间的人物关系。我用了社交网络分析中最简单计算中心度（Centrality）的方法对主要角色们进行了对比。点度（Degree）表示对于某一个角色A，有多少角色和他有距离为1的直接联系；亲密度（Closeness）表示对于某一个角色A，他与所有角色联系的最短路径的均值；连接度（Betweenness）表示对于角色A，有多少对其他角色的联系必须通过它才能传达。得出的结果如下：

（图片说明：对106个所选角色进行中心性（Centrality）计算，然后对计算结果进行标准化处理，得出排名前20的角色名单。点击看清晰大图！）

对比这三个主要指标，这么看，Jon和Tyrion已经把其他人远远甩在身后。虽然在看书的时候，我也已经隐约猜到，但是从数据看，还是更加深了我的判断——他们才是真主角啊！（附录4：咦，龙母Daenerys怎么排名这么靠后？） 狼爸、狼少主、鹿国王等人虽然排名也很靠前，但是与他们相似的角色还有很多。所以你们就安心的领便当吧。

既然狼爸Edd他们不是真主角，为什么我们还会对他们的死感到惊讶呢？

这也许与老马丁的写作方法有关。冰火采用的是POV视角写法，每个章节都是以一个角色的视角来叙述的，而Edd是第一本书的最主要叙事者，占了18.5%的篇幅，很容易让人误以为他是主角。

“龙套哥，这里有个主角，你来客串一下”

不过，虽然不是主角，但是Edd好歹也是主要角色之一啊，怎么敢说砍就砍呢？

这就涉及到了第二个原则：给配角们连珠成线地加戏。

让我们挑一个我最爱的配角看一下——美人Brienne。

（图片说明：与Brienne有关的社交人物关系图。点击看清晰大图！）

Brienne是剧中骑士精神的典型代表，可以说是黄金配角了。作为一个配角，你可以从图中看出他的人物关系是多么复杂，与狼家、鹿家、狮家都有联系（期待与詹姆的爱情戏）。在电视剧里，他与其他配角猎狗、野人托蒙德等的对手戏也让人津津乐道。

另外，敢砍主要角色，马丁老爷子依托的是庞大复杂的人物线——少你一个根本不影响叙事。比如说，我们去掉上面那张图里的已经抹脖子的角色，看看这张关系图有什么变化。

（图片说明：把已知死亡角色删去后的社交网络图。点击看清晰大图！）

答案是变化不大，即使去掉了这些最主要的连线，整个社交网络仍然是一个整体，整个冰火的人物关系网络还是清晰、密集、复杂的。更重要的是，我么能更清楚地看到谁可能是真正的核心人物了（囧雪？小恶魔？）。

所以回到我们刚开始提到的主配角问题：看到这儿，我想你也明白了：虽然凡人必有一死，但是死的确实都是“凡人”啊。

另外，只有网铺的够大，才能在制造“惊吓”的同时不影响主线叙事。然后，让所有的配角也形象丰满、散发光彩，是这个故事好看的又一重要原因。

“我以前没的选，现在我想做个好人”

最后一个原则：让“各阵营”有理有据的反转。分阵营、反转永远是观众最喜欢看的戏码之一。阵营能够有效梳理庞杂的人物关系，制造足够有冲击力的戏剧矛盾；人物的反转则可以丰富角色形象，从多方面的减轻文艺作品中角色脸谱化问题。

来看看冰火是怎么做的。

在我们最开始的全角色社交关系网络里，共有106个角色节点，1254条人物联系，65024层关系链条。网络直径Diameter为4，密度Density为0.225（附录5）。从整体来看，这是一个不错的社交网络，说人话，就是这个网络连通度发达，但是内部仍然有分离的可能，并不是浑然一体。所以，接下来，我们就用Walktrap算法对网络进行聚类（附录6），聚类的结果如下图所示：

（ 图片说明：Walktrap算法将106个角色主要分成了5类，modurality为0.38，分别用不同的颜色标出。点击看清晰大图！）

在聚类的结果中，可以看到角色们基本按照剧情发生的地理位置被归类。以囧雪为代表的守夜人故事线（黄色）；狼少主、小剥皮代表的北境故事线（紫色）；布兰代表的长城之外故事线（蓝色）；龙妈代表的海外故事线（橙色）；以及最大最密集的小恶魔、瑟后、詹姆、三傻、斯坦尼斯为代表的君临故事线（绿色）。

冰火对于分阵营的套路是一个典型的分总模式。在最大聚类里（绿色），几乎聚集了狼、狮、鹿、龙等各大家族的核心人物，还包括小指头、瓦里斯公公等独立角色。所以君临故事线是冰火各色门派博弈的主战场， 各阵营的冲突在这里集中地发生。同时，围绕君临，还有其他四个其他阵营。

至于角色的反转，如果再把上图加一个时间维度，则角色反转的效果就更加清晰了（附录7）。例如小恶魔的俄狄浦斯式转变。由于时间原因，这一部分就不再详述，大家可以代入一下猎狗、詹姆的经历感受之。尤其是当你看到第七季詹姆单骑屠龙的镜头，人们感叹他骑士精神的冲锋时，已经忘记他也曾经犯下一手将布兰摔残的罪。如今他想做个“好人”，那当然是选择原谅詹姆啦。

“野鸡版”剧透预警—— 冰火大结局

百闻不如一见，百说不如一练。鉴于我用视角网络分析的结果，我秉承老马丁的写作套路，提前为大家草拟的一份“大结局”。

我预测，在剧集结尾，长城轰然倒塌，异鬼大举入侵。所有维斯特洛的城市居民开始抗击异鬼，最后退守君临，进行君临保卫战。君临融合所有家族和角色，各家族暂时放下成见，一致攘外，暂停安内（聚拢阵营，对外反转）。

（图片说明：HBO已经放出了最终季的海报，图中夜王骑着龙爬上了长城。异鬼最终突破长城大举入侵的情节，应该已经不难预测了。）

在战斗过程中，黄金配角山姆通过科学研究，发现异鬼重要弱点，在最后关头引导囧雪、小恶魔和龙妈等人类对抗异鬼的主力军，最后艰难地取得胜利（配角的故事线要发挥重要作用）。

但胜利的代价是如此之大，以至于他们最终全部力战而亡（没错，全都要领便当，因为反正要完结了，当然更需要意想不到地死亡了！）。

人类虽然最终击退了异鬼，但是内部的纷争再起。各大家族又开始为了权力而无休止地争斗。绿先知布兰在洞悉了这一切后，终于看透：不论时间过多久，人类总会重复犯下相同的错误，这是一个终极西西弗斯困局。人类始终无法相互理解，能让他们停止争斗的方法就只有一个，那就是适时再次从外部施加压力，让一切从头再来。

于是他用魔法重新筑起长城，然后，自己走出长城之外，将龙晶插入了自己的心脏，变身成为新的夜王。

“凛冬将至。”

附录

社交网络分析（Social Network Analysis）是指基于信息学、数学、社会学、管理学、心理学等多学科的融合理论和方法，为理解人类各种社交关系的形成、行为特点分析以及信息传播的规律提供的一种可计算的分析方法。社交网络（或社会网络）的概念在1954年由J. A. Barnes最先提出。

在分词统计人物关系时，我手动修改了两个参数：第一是人物代号，例如Tyrion在剧中还经常被称作小恶魔（Imp）、侏儒（halfman）等，我将其统一为官方名称，统一的标准参考冰火维基；第二是边缘人物，在全书中有全名的角色过多，我手动删除了其中关系数过小的人物，最后保留了106个核心人物。

统计人物关系的方法来自于Andrew.J.Beveridge教授，他是玛卡莱斯特学院（Macalester College）数学系副教授。2016年的时候他与他的学生Jie Shan就用网络科学分析了《冰与火之歌》的人物关系（Network Of Throne），但是数据样本仅仅是第三卷A Storm of Swords。我增加了样本量，将统计范围扩大到了已出版的全部5卷。Andrew教授用的是15个单词的标准。我统计了全书文字，发现全书平均句长约为14个单词，于是将范围修改为14。

从主观感觉来说，龙妈Daenerys确实是书中最重要的角色之一。但是数据的统计结果并没有显示出来。主要原因是龙妈常年在维斯特洛大陆以外的地区活动，与主要角色们的交集过少，所以在统计中不算显眼。使用Pagerank算法的话可以有效减少地域的影响，但是本文没有更深入探讨。

Density网络密度，即刻画网络中节点之间联系的密集程度，数学意义为网络中实际存在的边数与可容纳的边数上限的比值。

Walktrap算法是一种随机游走算法，基本的聚类思想是：从一个顶点向下一个顶点移动时，以相等的概率来选择当前顶点的一个邻居作为下一个顶点。

由于时间有限，就没有添加时间维度的分析。Teradata数据网站的作者们在这方面做了一些研究，他们以冰火中大事件为时间节点，进行了时间序列的相关分析。虽然主题是预测角色死亡，但是方法值得借鉴。

天府送福利：本文数据处理和分析部分使用了R和python完成，涉及到的主要package是igraph。为了避免重叠效果，最后社交网络制图用gephi呈现。更多的分析过程、数据、代码，已经保存在github中，关注DT数据侠（DTdatahero）后台回复“冰火”，获取github链接，一起来探索研究吧！（恩威科技&天府云创&成都融合创新&盛威软件&阿里云）