Exploring ESC Winners with Nested Diagrams

想象一下你是一名正在试图破解谜题的侦探，但你的线索不是指纹和不在场证明，而是数据中的模式。这就是**形式概念分析（Formal Concept Analysis, FCA）**的世界，它是数学的一个分支，旨在帮助我们将杂乱无章的信息组织成整齐、逻辑严密的结构。你可以将 FCA 想象成一个超级强大的文件柜，它不仅根据名称对文件进行分类，还能自动识别哪些文件因其共同特征而属于一类。如果你有一份歌曲列表和一份国家列表，FCA 可以告诉你：“嘿，所有来自 A 国的歌曲都具有这个特定的音乐特征，”或者“每当一首歌节奏很快时，它就会获得这群特定邻居的投票。”

我们今天要探讨的论文使用这种数学化的文件系统来研究欧洲歌唱大赛（Eurovision Song Contest）——这是一场规模宏大的年度音乐竞赛，各国通过互相投票来决定胜负。众所周知，欧洲歌唱大赛有着“投票集团”的名声——邻国或文化相似的国家往往会互相投出高分，有时甚至不顾歌曲本身的质量。但如果音乐本身也起到了作用呢？是否某些类型的歌曲只有在特定的投票联盟中才能获胜？作者们构建了一个全新的数字工具，旨在理清这两个世界：即人们投票背后的政治与文化原因，以及实际的音乐音符与节奏。他们想看看歌曲的听感是否与投票方式存在着某种隐秘的联系。

音乐侦探工具：ConceptFlow

作者 Anurag Sharma、Marcel Nöhre 和 Gerd Stumme 创建了一个名为 ConceptFlow 的新软件工具。你可以将这个工具看作是一个“嵌套图生成器”。想象一组俄罗斯套娃，但每一层代表的不是木头人，而是一张关系图。外层的套娃代表一个大图景（如投票模式），而在外层每一个部分的内部，都有一个更小的、详细的套娃，代表另一个不同的图景（如音乐特征）。

这个工具是基于 Python（一种流行的编程语言）构建的，并遵循一套标准规则（称为“scikit-learn”接口），以便其他科学家可以轻松地将其集成到自己的工作中。ConceptFlow 的主要任务是接收一个巨大的、复杂的列表——其中每个条目都包含许多不同类型的信息——并将其分解为两个层面：外层尺度（outer scale）和内层尺度（inner scale）。

50 位冠军的案例

为了测试他们的工具，团队研究了从 1975 年到 2025 年间欧洲歌唱大赛的获胜者。他们跳过了 2020 年（因为那一年比赛取消了），因此他们分析了 50 首获奖歌曲。

他们为每首获奖歌曲收集了两类信息：

1. 投票支持（外层尺度）： 他们观察了每位获胜者从与其有联系的国家获得的支撑程度。他们将这些联系分为四个类别：地域性（邻国）、文化性（共享历史或语言）、历史性（过去的联系）以及政治性（盟友）。如果一位获胜者从特定群体中获得了平均至少 8 分的支持，他们就会将其标记为“强联系”。
2. 音乐特征（内层尺度）： 他们研究了歌曲的节奏（tempo）（节拍快慢）和调性（key）（歌曲听起来是欢快的/大调还是忧郁的/小调）。他们将速度转化为简单的类别：节奏至少为 100 BPM（每分钟节拍数）的歌曲，以及节奏至少为 150 BPM 的歌曲。

嵌套图的魔力

通常，如果你尝试画一张同时展示投票模式和音乐特征的地图，它会变成一张混乱、纠缠不清且无法阅读的蜘蛛网。ConceptFlow 通过使用“嵌套线图”解决了这个问题。

想象一棵巨大的树（外层图），其中每个分支代表一种投票支持类型。现在，想象在这棵树的叶子内部，有许多微小的、完全相同的地图（内层图），展示着音乐特征。软件会在这些微型地图上填入真实存在的获胜者位置。如果某个位置是空的（中空的），则意味着该种“投票支持”与“音乐特征”的组合在数据中从未出现过。

作者使用了一种称为“概念缩放（conceptual scaling）”的方法，将原始数据转化为这两个层面。然后，他们使用一种数学技巧来确定嵌套图中哪些位置应该被填充。他们不仅仅是在画图，他们还计算了“已填充节点”（真实的获胜者）和“未填充节点”（缺失的组合）。

图表揭示了什么

当他们观察最终的图表时，一些有趣的模式浮现了出来，展示了投票与音乐是如何相互关联的：

• 快歌需要文化盟友： 每一首节奏非常快（至少 150 BPM）的获奖歌曲，也都拥有强大的文化支持。在图中，不存在任何一个“没有文化支持的快歌”被填充的位置。这表明，在这一数据集中，如果一首歌节奏极快，它似乎需要文化上的联系才能获胜。
• 忧郁的歌曲有最低速度限制： 在那些获得地域或文化支持的获胜者中，每一首具有“忧郁”或小调属性的歌曲，其节奏都至少达到了 100 BPM。图表显示，在拥有地域或文化支持的情况下，“缓慢且忧郁的歌曲”在获奖者中根本不存在。那个组合的位置是空的。
• 终极组合： 有一种特定的组合只出现在拥有所有类型支持的情况下。如果一位获胜者具有小调属性、快节奏（至少 150 BPM）以及文化支持，那么他也同时拥有政治和历史支持。图表显示，这种特定的音乐组合如果没有额外的政治和历史背景支持，就从未发生过。

为什么这很重要（以及它并不代表什么）

作者谨慎地指出，这并不是一项关于人们为何这样投票的完整研究。相反，这是对他们的工具 ConceptFlow 能力的一次演示。他们并不是声称已经永远解开了欧洲歌唱大赛的谜团。他们是在展示，通过使用嵌套图，你可以看到那些在电子表格中难以察觉的隐藏规则和联系。

这张图表就像一束聚光灯，向你展示了某些音乐组合是可能的，而哪些组合又被投票规则所阻挡。例如，它强调了你不能仅凭地域支持就让一首缓慢且忧郁的歌曲获胜；除此之外还需要别的东西。

未来，团队希望为 ConceptFlow 增加更多功能，比如自动列出图表所揭示的“规则”（蕴含关系），以便用户点击某个点时，能准确看到为什么某种组合会缺失。目前为止，他们成功地在投票模式的数学与歌曲结构的艺术之间架起了一座桥梁，证明了有时，理解一个复杂系统的最佳方式是通过一套嵌套的数学模型去观察它。