“使用新奇但谨慎的形式不仅是一种一场冲击，也是一种必要，通过高频率的极限冲击，我们帮助读者增加可视化词汇量。”
——《不只是美》
数据新闻报道从策划到实现，往往需要较长的时间投入和往复的试错调整，因此，长线选题往往是实践过程中比较重要的一部分。长线选题往往不能保证时效性，而更多的追求对于常规的公共议题与流行现象的新解读。同时，为了避免“撞题”，对于数据分析的把握至关重要。Pudding网站在前年发布的《The Language of Hip Top》就属于这一类选题。
Part1：开篇——群像
作品的起始由美国嘻哈歌手们的头像排布而成，点击会显示歌手的名字并放大图片。作者针对308位嘻哈歌手的音乐内容进行统计，并通过对乐曲中的核心词汇进行统计，按照其中交叠的情况设定歌手的位置。这里的设计并不能说明什么具体的问题，但将整篇作品的研究对象一目了然地铺排出来，设计的风格很吸引人，截取头像的方法也比较贴合这个流行音乐的主题类型。
下滑后会出现两个例子：“skrrt”是这一个单词同时出现在Migos, Kodak Black, and Lil Yachty三位歌手的用词top10之中；而“Wu-Tang”这一美国黑人嘻哈乐队的新老成员中用词的相似度非常高。
Part2：什么词汇最“嘻哈”？
作者首先介绍了文章的数据来源——Billboard嘻哈排行榜上前500名艺人歌曲中的2600万字的歌词以及275905首其他类型歌曲的歌词。通过对这些数据的分析，先用一条数轴体现出嘻哈歌曲中的四个高频词汇“悲伤、挣扎、游戏和爱”，再生成纵轴，体现出这四个词汇在其他歌曲中的出现频率，由两者之间的差异引出所有词汇在这个坐标系中的分布情况。
在这个图片中，蓝色部分为在“嘻哈”中经常出现，而在其他歌曲中并不常见的歌词词汇，红色相反，灰色词汇的呈现情况持平。随后，作者着重列举了一些更为特殊的词汇——只出现在嘻哈中的、几乎从未出现在嘻哈中的，在这里并没有仅凭借两者的比值下结论，而是同时摆出了不同词汇出现的数量，有些数值虽然出现的比例低但次数并不少，这样呈现更为客观。坐标系中加入了tooltip，鼠标滑过每个词汇时都会出现它在嘻哈歌曲（或其他种类）出现的倍数、在两类歌曲中每万个词中出现的频率。
这个排名里“微笑、叹息、破碎、心脏、孤独”这种倾向于表达个人情绪（往往是负面）的词汇在嘻哈歌曲里出现的比较少，反之，“真实”、“兄弟”、“脱衣舞”这类相对有些粗鲁的词语几乎只出现在嘻哈歌曲里。此外，统计中还出现了一些只出现于嘻哈歌曲中的“俚语”，这些特殊的词汇也是嘻哈文化的表征之一。而读者也可以搜索自己感兴趣的词语，查看它在两者之间的出现频率状况。
Part3：对于特定艺术家，是什么样子？
NWA歌曲中使用警察这个词汇的频率远高于这个流派中的其他歌手——作者从这一现象引出第三部分。分析发现，所有歌手都会在歌词里用到警察，只不过NWA的频率更高，而他在用词过程中更为极端的是 “康普顿”这个城市名称——其余75%歌手从未使用过这个词汇，作者基于这一特征将“康普顿”作为概括歌手风格特征的一个因素。
作者举这个例子，是为了引出对于这些嘻哈歌手的群像分析——体现出对于数据集中500位歌手独特的用词特征。文中提到，作者使用tf-idf（term frequency–inverse
document frequency，一种用于信息检索与数据挖掘的常用加权技术）对语料进行分析，主要通过“使用情况超过平均值”和“罕见词汇”两个维度进行评判，得出了每一位嘻哈歌手的十个核心词汇。歌手按照首字母和年代进行分类。
由此，作者回到了文章最开端的嘻哈歌手群像，并解释了画出这个图的依据——每位歌手的中心词。同时，作者不仅完整的排布出每一位歌手的词汇使用情况，还对每两位嘻哈歌手用词详尽程度进行比较并量化，使用t-分布领域嵌入算法将这些歌手进行分组。在此基础上绘制出这个网络。在鼠标悬浮时，图中会出现与匹配度最高的另一位歌手的连线，同时也实现了首尾呼应。文章结束后，作者还邀请机器学习和数据科学领域的专家致信提供建议。
这个数据报道着眼于人们感兴趣的嘻哈文化，运用数据统计和机器学习的技术，单纯通过文本分析展开内容，用一种全新的方式展示数据，则必须包含对其分布情况的解释，新鲜、独特，并且会让人在阅读之后对嘻哈歌手的文化形态有更直观的感受。虽然在一定程度上缺乏新闻价值，但用《Truthful Art》中提及的“表现可靠信息、拥有引人注意的视觉元素、适当延伸、保持真实、清晰与深度”的标尺来衡量，这无疑是一件优秀的视觉化作品。
