Личности Славы КПСС: Слава КПСС, Валентин Дядька, Воровская Лапа
Введение
Тексты Славы КПСС существуют в постоянном напряжении между искренностью и ролью. Они звучат как исповедь, но при этом почти всегда маска — нарочитая, гротескная, иногда саморазоблачающаяся.
Один и тот же автор говорит разными голосами. Слава КПСС, Валентин Дядька и Воровская Лапа — это не просто псевдонимы, а способы говорить о мире, о себе и о слушателе разным языком. Где-то это прямая эмоциональная атака, где-то ироничный рассказ, где-то — театральная криминальная фантазия.
В этом проекте тексты рассматриваются не как поэзия в привычном смысле, а как структуры: с ритмом, повтором, плотностью слов и внутренней логикой. Эти структуры можно измерять, сравнивать и визуализировать, не обесценивая их художественную природу.
Когда текст перестаёт быть только высказыванием, он становится формой.
Анализ данных здесь не пытается объяснить, «о чём» эти песни. Он показывает, как они устроены — и почему одни формы становятся массовыми, а другие остаются нишевыми.
Выбор данных и источник
В данном проекте анализируются тексты песен Славы КПСС, а также данные о популярности его различных художественных личностей на платформе Яндекс Музыка.
Использованы следующие данные:
- Тексты песен — собраны в табличном формате (CSV). Каждый трек представлен отдельной строкой с названием и текстом.
- Таблица соответствия личностей (persona_map.csv) — вручную составленный файл, где каждому треку сопоставлена одна из трёх личностей: • Слава КПСС • Валентин Дядька • Воровская Лапа
- Прослушивания в месяц — публичные данные Яндекс Музыки: • Слава КПСС — 1 398 264 • Валентин Дядька — 174 197 • Воровская Лапа — 65 712
Все данные были приведены к табличному виду для анализа с помощью Pandas.
Почему именно эти данные?
Слава КПСС — редкий пример артиста, который использует псевдонимы не формально, а как полноценные художественные роли. Каждая личность отличается манерой письма, ритмом, лексикой и способом взаимодействия с аудиторией.
Этот кейс представляет особую ценность, потому что позволяет: • количественно сравнить художественные образы; • исследовать связь формы текста и массовой популярности; • показать, как методы анализа данных применимы к культурным явлениям.
Тексты здесь — не просто стихи, а структуры, которые можно измерить и сравнить.
Стилистическое решение
Визуальное оформление проекта выполнено в тёмной, контрастной эстетике, вдохновлённой музыкальными зинами и афишами. Такой стиль подчёркивает эмоциональную напряжённость материала и позволяет воспринимать графики как цельную инфографику, а не как технический отчёт.
Для цветового кодирования личностей использована устойчивая система: Слава КПСС — голубой, Валентин Дядька — оранжевый, Воровская Лапа — зелёный. Эти цвета сохраняются во всех графиках и помогают быстро различать персонажей.
В проекте применяется лаконичный шрифт без засечек с высокой читаемостью, что поддерживает аналитический характер визуализаций и не отвлекает от содержания данных.
Выбор типов графиков
Для анализа использованы разные типы визуализаций, так как каждый отвечает своей задаче: • Столбчатые диаграммы — сравнение величин • Круговые диаграммы — доли аудитории • Гистограммы — распределения • Скрипичные диаграммы — форма и плотность распределений • Точечные диаграммы — взаимосвязи между параметрами • Радарные диаграммы — комплексный «вайб» • Кривые Лоренца — концентрация словаря • Итоговый постер — синтез всех выводов
Этапы работы
Подготовка и обработка данных
Анализ выполнялся в среде Google Colab с использованием библиотеки Pandas.
Основные этапы:
- Загрузка CSV-файлов с текстами.
- Очистка текстов: • удаление служебных пометок (куплеты, припевы), • удаление лишних символов, • приведение к нижнему регистру.
- Токенизация — разбиение текста на слова.
- Расчёт метрик: • длина текста, • количество уникальных слов, • TTR (лексическое разнообразие), • hapax ratio (доля редких слов), • экспрессия (восклицательные и вопросительные знаки).
- Объединение текстовых данных с таблицей популярности.
Анализ и визуализации данных
Прослушивания в месяц
Столбчатая диаграмма подчёркивает резкий разрыв между личностями.
Разница между массовым и нишевым проектом оказывается кратной, а не постепенной.
Доля аудитории
Круговая диаграмма отображает распределение аудитории между личностями. Слава КПСС занимает подавляющую долю, в то время как Валентин Дядька и Воровская Лапа формируют нишевые сегменты.
Массовость здесь — это форма узнаваемости, а не показатель художественной сложности.
Распределение длины слов
Гистограмма показывает, какие слова доминируют по длине у каждой личности. • Слава КПСС чаще использует короткие слова. • Валентин Дядька склоняется к средней длине. • Воровская Лапа выделяется длинными и необычными словами.
Язык Воровской Лапы разрастается, тогда как язык Славы КПСС рубит короткими ударами.
Длина текстов популярных треков
Сравнение самых узнаваемых треков показывает, что длина текста не определяет успех напрямую.
Хит — это не количество слов, а их организация.
Распределение длины строк
Скрипичная диаграмма показывает плотность длины строк (в словах). • Слава КПСС использует более длинные строки. • Валентин Дядька балансирует между короткими и средними. • Воровская Лапа чаще использует короткие, разговорные конструкции.
Ритм строки — это дыхание текста.
Популярность Х разнообразие
Bubble chart объединяет популярность, лексическое разнообразие и длину текста. • Высокая популярность Славы КПСС сочетается с низким TTR. • Валентин Дядька демонстрирует высокую сложность при умеренной популярности. • Воровская Лапа остаётся нишевой, но выразительной.
Чем проще форма, тем легче ей стать массовой.
Концентрация словаря
Кривые Лоренца показывают, насколько тексты держатся на повторе одних и тех же слов.
Повторяемость оказывается важным инструментом запоминания и эмоционального воздействия.
Финальный постер
Итоговая композиция объединяет: • популярность, • текстовые метрики, • визуальный «отпечаток» каждой личности.
Это визуальное резюме всего исследования.
Итоговые выводы
Анализ показал, что личности Славы КПСС различаются не только концептуально, но и структурно. • Массовая популярность коррелирует с простой и повторяемой формой. • Экспериментальные тексты формируют устойчивую нишевую аудиторию. • Методы анализа данных позволяют работать с культурным материалом без утраты его смысла.
В итоге стало видно, что разные личности Славы КПСС — это не просто разные имена, а реально разные способы говорить с аудиторией. У Славы КПСС тексты проще и повторяемее, за счёт чего они легче запоминаются и находят массового слушателя. Валентин Дядька и Воровская Лапа, наоборот, больше работают с историей, иронией и экспериментом, поэтому остаются более нишевыми проектами. Визуализация помогла наглядно показать эти различия и связать особенности текстов с популярностью, доказав, что анализ данных может быть полезным даже при разборе музыкального и культурного материала.
Материалы проекта
• CSV-датасет с текстами • Таблица persona_map.csv • Jupyter Notebook с кодом • Данные Яндекс Музыки
Использование нейросетей
В проекте использовалась генеративная модель ChatGPT (GPT-5.2 Thinking).
Она применялась для: • подбора метрик анализа текста, • консультаций по библиотекам Pandas и Matplotlib, • генерации и оптимизации кода, • структурирования аналитического текста.
Все вычисления, разметка и финальные выводы были проверены вручную.
Библиография
Яндекс Музыка. Слава КПСС: страница артиста // Яндекс Музыка. — Режим доступа: https://music.yandex.ru/artist/4622988?ref_id=2A1190F3-991D-4DCD-B387-8FA293C235D5&utm_medium=copy_link (дата обращения: 19.12.2025).
Яндекс Музыка. Валентин Дядька: страница артиста // Яндекс Музыка. — Режим доступа: https://music.yandex.ru/artist/5589842?ref_id=6C3C9999-3FEC-4AA2-8069-86849AB2EC9E&utm_medium=copy_link (дата обращения: 19.12.2025).
Яндекс Музыка. Воровская Лапа: страница артиста // Яндекс Музыка. — Режим доступа: https://music.yandex.ru/artist/5005825?ref_id=BD59F92D-1A48-4275-8F1A-B13DAA5BF50B&utm_medium=copy_link (дата обращения: 19.12.2025).
Источник изображений
Канал antihype_kpss // Telegram. — Режим доступа: https://t.me/antihype_kpss (дата обращения: 19.12.2025).
