？到2020年，网飞将有大约3712部电影和1845个电视节目。假设你正在学习英语，有很多内容可以选择，但你可能并不总是读完所有的内容。这就是为什么需要数据科学技能来分析关于网飞的1500部最佳电影和电视节意向文本。本意是给你提供很多好的选择，让你找到自己喜欢的电影或者电视节目，这对学习英语也很有帮助，而不是强迫你看自己不喜欢的电视节目。
为了找到网飞最好的电影和电视节目，我比较了对话中使用的词汇。在为网飞的英语学习者展示最好的内容之前，让我们比较一下最好的内容(假设英语不是你的母语，那么它是最差的内容)。
以及最好和最差的网飞自制产品。
以下图片展示了网飞自己的电影，这些电影在英语词汇难度上排名前十和后十。如你所见，他们之间使用的词汇有很大的不同。比如电影《Bird Box》中94.5%的单词你只需要知道最多的1000个英语单词就可以理解，但是电影《Spelling The Dream》中94.5%的对话你至少需要3000个单词才能理解。剩下的2000个单词可以是为什么你不明白对话在说什么，即使你的英语水平很高！
因此，我们可以从看小词汇量的电视节目和电影开始。让我们从网飞最简单最酷的内容开始吧！
网飞最佳电视节目。
当然，关于网飞的美剧和英剧是为以英语为母语的人制作的。这就是为什么，假设英语不是你的母语，你可能会发现在某些场景中很难理解对话。幸运的是，根据词汇的难易程度，我在网飞目录中排名了大约500个一级电视节目(223个网飞自创产品)。
因为词汇量短，《老友记》《Friends》被认为是学习英语最好的电视节目之一。但是，这个电视节目在网飞目录中排名只有第78位，这意味着其他77个电视节目和老友记一样好，甚至非常好！比如根据我的发现，电视剧中的词汇比如《The End Of The F*ing World》(第13位)或者《13 Reasons Why》(第40位)更简洁。
通过在下面的方框中搜索词汇，你可以在你喜欢的电视节目中找到词汇的难度。你会发现他们的排名和词汇量。在整个网飞目录中，前10名电视节目的词汇最简单。
假设你正在寻找一个适合你英语水平的完美电视节目，那么这对你来说是个好消息！我还对所有英语水平进行了排名(初级、中级和高级)。最右边的程序在每个级别使用更多的单词。掩盖率越高，越能对电视节目中的剧集有一个简要的了解。
这些是网飞目录中的顶级电视节目。网飞不能播放一些你喜欢的电视节目，但是；现在分析了一些电视节目，比如《权力的游戏》或者《辛普森一家》。此外，您所在地址国家的网飞目录可能略有不同。因此，我只列出了最能在全球范围内销售的网飞自创产品。
以下是网飞十大英语学习项目：
神灵
早上好
潮淹区
容易的
黑色的夏天
夏季
婴儿
顶级男孩
血统
世界末日
网飞最佳影片目录。
如果你更喜欢电影，网飞也有很棒的电影供你学习英语。我根据词汇难度对网飞最受期待的950部电影(173部网飞电影)进行了排名。排名前100的热门电影有《Bird Box》 (30)、《Spiderman Into The Spiderverse》 (84)和《The Pursuit Of Happyness》 (81)。
你可以通过以下场景找到最适合你英语水平的电影。最右边的电影为初学者、中级和高端水平提供了更多的词汇。记住，这些是在网飞目录中找到的顶级电影。你不会在网飞找到像《哈利波特》、《阿凡达》或《玩具总建议》这样的电影。
我还列出了网飞自己的电影，以防你们地址国家的网飞目录不同，它们最有可能在全球范围内播出。
以下是十部最适合学习英语的网飞电影：
在高高的草丛中(2019)
暗恋(2020)
《阳光下》(2020)
危险的谎言(2020)
鸟盒(2018)
你会带谁去荒岛(2019)
地震鸟(2019)
爱情婚礼重演(2020)
帕德尔顿(2019)
6个气球(2018年)
使用数据。
在这次分析中，我使用了三个主要数据集，包括文本、网飞目录和网飞原件列表。我谷歌了一下，发现了很多分析记录。使用目录将录制的文本与网飞的标题进行匹配。您可以在Kaggle()上找到网飞目录数据集。它包括2019年在网飞可以看到的电影，所以今天在网飞看不到一些电影或电视节。最后，我找到了网飞在2020年之前发布的自创剧集(IMDB)列表，对我的分析非常有用。
分析方法。
我已经用Python完成了所有这些分析。下面是我如何准备数据：
为了分析课文中的单词，我用符号表示了人物所说的所有单词。Python中用于符号化的东西很多，但是我用的是CountVectorizer，因为它把收集到的记录转化成符号计数的数据表，简化了分析。
我有必要找到引理化：分词后每个符号的词根方法。您可以通过使用像引理化这样的技巧来做到这一点，这可以在NLTK库中找到。不过我用的是词库列表，功能差不多，也是按词频列出每个词的难度。到2020年，这里有一个29个字的家庭列表，你可以在这里找到一些()。这些清单与语言学和学习英语作为第二语言有关。
题前评价。
数据：我删掉了电影或者电视剧里听不到的词，比如场景描述，说话人名字。我还清理了跨越对话中3.5%的单词，与单词族列表不匹配的文本(可能是异常值或损坏的数据)。
不完整的代码：
一些分析和发现问题。
我在电视节目中用来给单词分类的大部分词汇都是由语料库构成的。词汇等级是基于语料库中发现的单词的频率，这意味着这些文本中最常见的单词被标记为等级1。虽然早期的研究已经证明了这个列表是可靠的，但是对于各种意思的单词并不是很准确。例如，单词“draw”在列表中被标记为级别1。之所以会出现这种情况，是因为这个词一般用在指“制作图像”的时候，但如果意思是“取出袭击者或人的武器”或“得出结论”，可能就不是一级了。
我花了几个星期找太阳清理，处理数据，然后了解结果。然而，结果并不完美。电影中的发现可能比电视节目中的更准确。电影的书面记录只有，但电视节的意向不同，再加上每个电视节的意向书面记录数量。这就是为什么我从每个节目的3到10集收集样本，以获得包含在统一的电视节目集中的词汇。
总的来说，查询结果建议了很多非常适合每个词汇层次的内容，但其中有些内容还是让我很惊讶。比如我发现第62名《酒囊饭袋》让我很惊讶。我不是电视节的忠实支持者，但我不认为有僵尸的虚拟节目会在对话中使用简单的词语。查了一下文字记录，我承认《酒囊饭袋》中的词汇要求在整个剧情中有很多层次。也就是说，有些情节可能比其他情节更难理解。
作者弗兰克安德拉德。
Deephub翻译组
原始地址：