十二个“一”的大五人格分析
十二个“一”的大五人格分析
一、 研究背景
上学期我们就十二个“一”进行了大量研究，其中有一项非常重要的数据，即对于十二个“一”的大五人格※感受，本次研究基于上学期的158人实验样本，对这十二个“一”进行进一步分析。
※大五人格：
开放性（openness）：具有想象、审美、情感丰富、求异、创造、智能等特质。
责任心（conscientiousness）：显示胜任、公正、条理、尽职、成就、自律、谨慎、克制等特点。
外倾性（extroversion）：表现出热情、社交、果断、活跃、冒险、乐观等特质。
宜人性（agreeableness）：具有信任、利他、直率、依从、谦虚、移情等特质。
神经质性（neuroticism）：难以平衡焦虑、敌对、压抑、自我意识、冲动、脆弱等情绪的特质，即不具有保持情绪稳定的能力。
二、 数据整合
（下列数据取自158人样本的平均值）
通过这组数据，对影响十二个“一”的五大人格因素进行猜测：
书法艺术作为我国独特的艺术表现形式,蕴含了丰富的深刻的民族精神。书法是一种以文字为载体的艺术形式,其中蕴含的艺术形式以及意义表现都体现着很强的审美价值。将文字作为载体,书法中具体的线条以及字体结构,是表达书法艺术的重要元素，充分体现了书法艺术的美，同时，这些线条，结构在某种程度上可以作为给人大五人格感受的依据。
线条是构成书法的基本元素，同时也是形成书法的重 要介质，书写者通过书法传达自己的思想与情感。书法中 的线条能够将作者与欣赏者连接起来，形成一种无形的沟 通。线条体现了书法作者想要表达的内容，是具有生命特 征的。中国汉字本身就是由多种线条组成，具有千变万化 的特性，如粗与细、轻与重、虚与实等等。在书法艺术中， 书法家通过不同的线条表达将丰富的情感蕴含其中，本质 上讲，书法艺术的线条体现的就是书法家的心境，中国书 法艺术通过运用变化多样的线条，把中国近几千年的书法 史演绎得有声有色 。
结构美就是通过毛笔字的不同结构，进而将多种多样的 形体结构美进行展示。将平正、参差和匀称以及黑白等多种 因素进行有机融合，形成了汉字的结构之美。其中平正是书 法艺术的重要表现形式之一，给人一种心情舒适的感觉。而 匀称指的就是在字体笔画之间，各部分组合所形成的舒适感 与整齐感。参差就是不同角度产生的落差层次美，笔画与笔 画之间，各个结构部分之间都应相互协调、衔接。书法艺术 从某种角度看，反应的是一种意识形态，最终是由现实的生 活所决定的，不同环境、不同时代下，人们的审美观念以及 意识形态各不相同 。
书法艺术的章法美主要指的就是结构方面的问题，结构又体现在字与字之间，行与行之间，段落与篇幅之间。体中 体现的就是结构的相互对称与照应。书法艺术的章法美，主 要通过体势上的承接，运用虚实相互促进。通过设计章法充 分体现了作者的心血作品，使作者思的想以及情感得以充分 展现，具有一定的章法的书法作品是有生命的，是充满一定 的活力的，将书法中蕴含的力量、节奏、立体等多种感觉进 行有机融合，将书法艺术的真正魅力体现了出来。在书法中通过线条表现的字体，呈现出多种变化，有笔墨的地方就是实，而虚则是字在内部框架中的空白之处。 虚实的结合可以充分体现作者所要表达的思想，通过书法 要表达的意境。在进行章法布置中，书法作者充分运用眼睛、 手、心灵，将三者进行充分融合，从而将黑白布局实现合 理构造。再有，书法作品中的题款字体呈现的变化，题款 在书法作品的位置以及整体书法中所占的篇幅，共同形成 了一种章法美 。
（1）作者自身风格影响
蔡襄
开放性：5.607595
责任心：5.689873
外倾性：5.474684
宜人性：5.632911
神经质性：4.670886
蔡襄擅长正楷、行书和草书。其书法浑厚端庄，淳淡婉美，自成一体。展卷蔡襄书法，顿觉有一缕春风拂面，充满妍丽温雅气息，但是他的书法恪守晋唐法度，创新的意识略逊一筹。呈现的数据较为平均，与他本人的性格有相似之处。
褚遂良
开放性：6,018987
责任心：5.158228
外倾性：5.835443
宜人性：5.734177
神经质性：4.892405
褚遂良的作品均用方笔，起笔露锋，钩等笔画的收笔直出未回锋，字画提按不明显，在运笔和结体上，大量掺入了隶书的体势，但也并非照搬硬套，而是选择性的吸收创新、化为己用，可以看到他的大五人格数据开放性数据最高，体现了其创新性，与时俱进，为后世书法的延续和创新提供借鉴。
黄庭坚
开放性：4.696203
责任心：5.696203
外倾性：4.981013
宜人性：5.71519
神经质性：4.063291
黄庭坚的书法其撇捺开张、字形扁阔、字势向右上扬，与苏轼的书法特征相似，而黄庭坚以禅悟书当与苏轼互为影响。从大五人格数据可以看出，各项数据都在平均线之下，是规规矩矩的行书感觉。
柳公权
开放性：3.227848
责任心：6.411392
外倾性：3.5
宜人性：4.778481
神经质性：3.474684
柳公权是楷书书体的总结者和创新家，他的字取匀衡瘦硬，追魏碑斩钉截铁势，点画爽利挺秀，骨力遒劲，结体严紧。“书贵瘦硬方通神”他的楷书，较之颜体，则稍均匀瘦硬，故有“颜筋柳骨”之称。由于均匀瘦硬的缘故，大五人格数据中的开放性，外倾性数据偏低，责任心数据偏高。
米芾
开放性：5.202532
责任心：6.272152
外倾性：5.291139
宜人性：4.810127
神经质性：4.417722
米芾对书法的分布、结构、用笔，有着他独到的体会。要求“稳不俗、险不怪、老不枯、润不肥”，大概姜夔所记的“无垂不缩，无往不收”也是此意。即要求在变化中达到统一，把裹与藏、肥与瘦、疏与密、简与繁等对立因素融合起来，也就是“骨筋、皮肉、脂泽、风神俱全，犹如一佳士也”。章法上，重视整体气韵，兼顾细节，成竹在胸，书写过程中随遇而变，独出机巧。大五人格数据中责任心的数据最高。
姚孟起
开放性：3.797468
责任心：6.670886
外倾性：3.867089
宜人性：5.5
神经质性：3.234177
姚孟起楷法精妙，体势俊逸，这个“一”字写得中规中矩，横平竖直，所以开放性和外倾性都偏低，责任心数据很高。
宋徽宗
开放性：6.348101
责任心：4.227848
外倾性：6.21519
宜人性：4.360759
神经质性：6.468354
宋徽宗书法在学薛曜、褚遂良的基础上，创造出独树一帜的“瘦金体”，瘦挺爽利，侧锋如兰竹，与其所画工笔重彩相映成趣。瘦金书的意思是美其书为金，取富贵义，也以挺劲自诩。由于瘦金体是宋徽宗自创的字体，在开放性和外倾性上偏高，宋徽宗一生热爱艺术创作却当了皇帝，统治腐朽，他神经质的特点在书法上也稍有体现。
苏轼
开放性：5.664557
责任心：6.278481
外倾性：5.588608
宜人性：6.297468
神经质性：3.987342
苏轼书法用墨丰腴，结字扁平，左低右高，笔画恣意，落字错落，率意天真。这个“一”字线条流畅自然，宜人性较高，但是又不失沉稳，所以责任心数据也偏高。
王羲之
开放性：7.56962
责任心：3.898734
外倾性：7.689873
宜人性：5.02316
神经质性：6.816456
采用平动使转和绞转使转笔法的横折角度一般都大于90度，采用转折笔法的横折角度一般都小于等于90度，因而圆转一些的使转在气象、审美上代表的是宽博、内敛，方折一些的转折在审美上代表的是劲挺、锋芒。这个“一”字明显与前者都不同，所以在十二个“一”中，开放性与外倾性是最高的，体现了王羲之的书法艺术整体审美风格是中和的。
颜真卿
开放性：4.221519
责任心：6.651899
外倾性：4.474684
宜人性：5.227848
神经质性：3,841772
颜真卿被使用圆笔的书法家奉为开创者。他和使用方笔的王羲之,都对后世产生既深且远的影响。 他的书法,既有以往书风中的气韵法度,又不为古法所束缚,突破了唐初的墨守成规,自成一格,称为“颜体”。从这个“一”字可以看出沉稳大气，有安全感，所以责任心数据较高，神经质性数据很低。
赵孟頫
开放性：5.006329
责任心：6.132911
外倾性：5.06962
宜人性：6,291139
神经质性：3.867089
赵孟頫在继承传统书法的基础上，削繁就简，变古为今，其用笔不含浑，不故弄玄虚，起笔、运笔、收笔的笔路十分清楚，外貌圆润而筋骨内涵，其点画华滋遒劲，结体宽绰秀美，点画之间彼引呼应十分紧密。外似柔润而内实坚强，形体端秀而骨架劲挺。从这个
“一”字的收尾中可以看出圆润的笔法，所以宜人性很高，加上粗笔带来的稳重感，导致责任心数据偏高，而神经质性偏低。
钟繇
开放性：4.968354
责任心：4.632911
外倾性：4.892405
宜人性：4.740506
神经质性：5.227848
钟繇在笔画的提按顿挫上,很多笔画都是尖锋入笔,或下笔略停后行笔,笔画完成后提笔出锋,在转折处,自然圆转,到弯处略重按即成，在用锋上,由中锋、侧锋并用,逐步过渡到纯用中锋，大五数据中前四项都十分平均。
（2）笔画倾斜角度
（3）入笔，收笔与笔画粗细
（未完成分析，待续）
三、 PCA降维
使用python编程，产生一系列的三维随机数组，将其表示出来，计算它们的协方差矩阵、特征值、特征向量，对特征 值进行排序，选取 Top-2 个特征值，将三维数组降维到二维，最后将降维后的数组表示出来。
计算协方差矩阵：
计算特征值，特征向量：
对特征值进行排序
选出最大的两个特征值，并找出相应的特征向量，对原向量组矩阵进行变换 将 2 个最大的特征值对应的特征想想作为列向量，组成特征向量矩阵 W。特征向量矩阵 W 的转置与原 三维向量组矩阵与相乘，就可以得到降维后的二维向量组矩阵。
最后得出结果：
所得协方差矩阵：
保留两个最大的特征值，并将其对应特征向量组成变换矩阵。
通过左乘变换矩阵的转置，将三维向量样本转换为二维向量样本，实现了降维的目的。