Reaction视频中用户弹幕信息交互行为的情感反应生成机理研究

深入挖掘Reaction视频中弹幕信息交互行为的情感反应机理有助于理解用户弹幕创作背后的情感生成原因及情感变化过程。本文基于情感反应模型,利用定向内容分析法对哔哩哔哩网站中11个热门视频的弹幕信息资源、视频内容以及reactor反应情况展开编码研究,构建了Reaction视频中用户弹幕信息交互行为的情感反应生成机理模型。研究发现,Reaction视频弹幕信息交互行为中的情感反应生成机理总体上遵循“信息刺激-情感反应”的路径,信息刺激有时会独立唤醒情绪或特定情感态度,有时也会通过唤醒特定情感态度进而影响情绪或内化情感态度的生成。该模型有助于提升情感反应理论在计算机协助交流中的情境化探索,也将为社交媒体中用户与信息交互提供优化建议。

基于大规模用户视频弹幕的颜文字自动化发现

作为网络时代产生的新型表情符号,颜文字不仅受到了网络用户与社会主流媒体的青睐,被广泛应用于网络文本中,而且在情感表达、文化宣传等方面具有独特的价值。鉴于颜文字具有丰富的语义情感信息,结合颜文字对网络文本进行研究,能够促进对网络文本的分析与理解,提高多项自然语言处理任务的效果。对文本中的颜文字进行检测与提取,是结合颜文字进行文本分析的首要步骤;然而,由于颜文字具有结构灵活、种类丰富、更新换代快等特点,现有工作大多缺乏对颜文字的整体分析,具有准确率低、边界确定困难、时效性差等局限性。文中通过深入分析颜文字的特征,提出了一种基于大规模弹幕文本的颜文字检测与提取算法Emoly。该算法通过预处理方法提取出初步候选字符串,将多种改进的统计指标与过滤规则相结合,用于筛选出最终候选字符串,并通过文本相似度对其排序,输出最终结果。实验结果表明,Emoly算法在百万规模的弹幕文本中达到了91%的召回率,能够全面而准确地将文本中的颜文字检测并提取出来,具有稳健性、优越性与通用性。同时,该算法还为中文分词、情感分析、输入法词库更新等任务提供了新的解决思路与方法,具有广泛的应用价值。

基于脑电的弹幕视频用户体验质量评估研究

弹幕视频是一种近年来发展迅速的新兴媒体传播形式,备受大众喜爱,但根据调查显示,部分用户认为弹幕严重影响了视频观看。为改善弹幕视频服务,用户体验质量(Quality of Experience,QoE)的评估迫在眉睫。然而,现有用户体验质量评价方法存在主观因素导致的虚假反馈、反馈不够及时、数据度量关系难以衡量等局限性。在这种情况下,脑电图(electroencephalogram,EEG)因具有无法伪装、高时间分辨率、数据更具统计学意义等优势,已经初步应用于视听刺激的主观评估。结合以上优势,本文提出将EEG突破性地应用于弹幕视频的QoE评估。本研究基于相锁值构建了功能连接特征脑网络,提取了高/低两种QoE水平下的成对差异网络,并基于该网络通过机器学习方法构建评估模型。该评估模型平均分类准确率达到80%,揭示了对于不同类型视频用户产生不同QoE时大脑区域协作的变化模式,并提出与QoE高度相关的额叶为主要会聚区域。以上研究结果表明,该评估模型能真实记录用户观看视频时的生理和心理活动,研究结果为改善弹幕视频服务提供了神经生理学依据。

弹幕视角下健康视频需求主题特征及其对视频播放的影响

[研究目的]探究健康视频需求主题特征及其对弹幕视频播放影响的组态效应,揭示健康视频弹幕信息行为规律,促进弹幕信息资源优化配置。[研究方法]采集哔哩哔哩视频网站的28470条弹幕,从中提取用户信息需求主题及其网络关系,并采用fsQCA研究健康视频需求主题特征对播放量的影响,识别各影响因素的组态效应。[研究结论]健康视频需求包括3类共8个主题,这些主题特征对视频播放量具有重要影响,共识别出情感需求及其与社交需求组合的2个影响组态。深化认识健康视频需求主题特征及其与视频播放量之间的因果关系,丰富健康视频弹幕信息行为研究,为健康弹幕视频服务提升与有效利用提供指导。

面向有效交互的在线教育视频课程弹幕智能实时管理机制设计

弹幕的引入为转变当前在线教育中实时交互性弱的现象带来了契机,但是,其娱乐性以及管理机制不健全等问题导致其教学应用效果不佳。针对如何智能实时管理弹幕以促进有效交互这一问题,文章首先依据教学交互层次塔、探究社区、学习共同体等理论构建了在线异步交互描述框架,深入揭示基于弹幕的在线异步有效交互的发生机理;其次,从可干预的角度,以促进框架中信息交互层的群体互动(包括教学交互、社会交互、情感交互、知识交互四个方面)为目标,提出了基于弹幕促进有效交互的九条路径;最后,在九条路径的基础上,基于文本挖掘等技术,从预设机制、激励机制、个性化呈现机制、智能反馈机制四个方面设计了在线教育视频课程弹幕的智能实时管理机制。研究从理论框架、路径分析、机制设计几个方面提出了系统的弹幕智能实时管理方案,能够为基于弹幕促进有效交互的研究和实践提供依据与参考。

基于弹幕评论的在线知识社区用户关注度与情感度联合分析

试图分析知识社区用户弹幕评论中的关注度与情感度之间的关系,并尝试构建一种关联二者的坐标系,以此为知识视频的分类与推广提供新方法。通过获取一定数量的弹幕评论,利用Sentence-LDA模型与XLNet预训练模型对弹幕评论文本进行分析。通过抽取视频弹幕评论的主题和关键词,对其进行情感估计。根据用户对不同弹幕主题的关注度和情感度,建立用户关注度-情感度坐标系。结果表明,随着视频的播放,在线知识社区用户对视频中不同主题的关注度和情感度发生明显变化。用户对视频的不同主题有不同的情感评价,即使是对同一主题,用户也会随着视频的播放而改变情感态度。依据情感与主题的演变,可以构建新的知识视频内容标签。

基于扎根理论的弹幕视频网站用户使用行为驱动因素研究

[目的/意义]探析弹幕视频网站用户使用行为的驱动因素,既能为社会深入理解弹幕视频网站用户使用行为动机提供一定的理论支持,也能为弹幕视频网站探索和优化弹幕功能提供一定的参考与借鉴。[方法/过程]文章采用半结构化访谈法收集21名用户弹幕视频网站使用行为的相关数据,运用扎根理论研究方法,借助质性分析软件NVivo 11归纳出弹幕视频网站用户使用行为的9个主范畴并聚焦为3个核心范畴,并在此基础上建构弹幕视频网站用户使用行为驱动因素理论模型。[结果/结论]研究发现,情感需求是弹幕视频网站用户使用行为最重要的驱动因素,认知需求是最关键的驱动因素,社交需求对弹幕视频网站用户使用行为起到重要的驱动作用。

融合协同过滤和主题模型的弹幕视频推荐算法

针对弹幕视频网站通常不为用户提供评分功能并且使用弹幕池策略以降低存储压力导致的缺少用户评分和无法准确建模用户主题的问题,提出融合主题模型和协同过滤的弹幕视频推荐算法(DRCFT)。首先根据用户行为构造隐式评分矩阵,并得到项目评分相似度;其次建立LDA主体模型,生成项目主题,计算项目主题相似度;再加权生成综合项目相似度,由此结合评分矩阵计算用户—项目预测评分;然后对项目主题相似度矩阵进行sigmoid惩罚,结合用户历史记录得到用户—项目主题相似度;最后将用户—项目主题相似度作为权重,与预测评分相乘,得到最终的预测评分。对比实验表明,该算法能够得到合理的推荐结果,提高推荐的准确性。

在线教育视频用户评论行为比较研究——以Bilibili网站视频评论为例

[目的/意义]视频评论是在线教育视频中用户交互的重要途径。分析在线视频不同评论方式中用户的行为差异对于理解用户行为规律,并促进视频平台评论功能的设计与优化具有重要意义。[方法/过程]文章搜集Bilibili网站200个在线教育视频的弹幕与传统评论数据,结合定量统计分析和定性内容分析方法,从视频特征、用户特征和评论内容特征三方面比较用户弹幕与传统评论行为的异同。[结果/结论]弹幕有利于提升用户的参与感,增长活跃周期,能更好地支持用户与视频内容的实时互动;传统评论可有效支持用户之间的直接互动,并帮助其开展深层次的知识交流。二者应充分结合,相互补充,提高用户在线学习的互动性和参与感。

“双一流”高校图书馆运用弹幕视频现状探讨

随着大数据时代的到来,媒体传播方式也迎来改变,其中弹幕视频正成为图书馆传播推广服务的新渠道。本文基于哔哩哔哩(Bilibili)网站,对137所“双一流”高校图书馆的认证情况、开通情况、作品总数、粉丝总数、关注数量及等级等进行统计,并对视频内容、类型及推广效果进行分析。目前“双一流”高校图书馆应用弹幕视频平台(以Bilibili网站为例)传播推广主要存在官方账号开通率低、主题类型趋同、传播力欠缺等不足。“双一流”高校图书馆应积极应对新媒体发展趋势,加强新媒体团队建设,定期更新视频作品,打造品牌账号,增加新媒体用户黏性,拓展高校图书馆服务内容。

促进学习还是干扰学习——弹幕对学习影响的元分析

弹幕(Danmaku)作为在线视频课程中的一种新型交互方式,能够让学习者与视频内容实时互动,因而受到广大学习者和研究者的关注。为了探讨弹幕是否能够真正促进学习发生,文章采用元分析的研究方法,对生成的25个效应量(被试2578人次)进行分析,考察弹幕对学习过程及学习结果的影响。研究结果表明:(1)弹幕对学习者学习的总效应量显著,弹幕对学习过程的影响不显著,弹幕对学习结果的影响显著;(2)弹幕嵌入的视频时长对学习过程及学习结果没有预测作用;(3)视频课程的知识类型、弹幕类型及有无字幕对弹幕影响学习过程及学习结果不起调节作用。

基于内容分析法的弹幕视频网站用户使用动机和行为研究

文章以 Bilibili 弹幕视频网站为例,选取 2017 年 12 月 33 个热门视频的弹幕信息资源作为分析样本,采用内容分析法对该弹幕样本进行分析,探究弹幕视频网站用户的动机和行为。编码结果显示,用户的弹幕动机主要包括信息需求、娱乐需求和社交增强需求三类,在此基础上衍生出 14 种相关的弹幕行为。结合已有文献和原始弹幕文本对编码结果进行分析,进一步探究上述动机和行为的深层次原因。

基于弹幕情感分析和主题模型的视频推荐算法

针对互联网上大量自制视频缺少用户评分、推荐准确率不高的问题,提出一种融合弹幕情感分析和主题模型的视频推荐算法(VRDSA)。首先,对视频的弹幕评论进行情感分析,得到视频的情感向量,之后基于情感向量计算视频之间的情感相似度;同时,基于视频的标签建立主题模型来得到视频标签的主题分布,并使用主题分布计算视频之间的主题相似度;接着,对视频的情感相似度和主题相似度进行融合得到视频间的综合相似度;然后,结合视频间的综合相似度和用户的历史记录得到用户对视频的偏好度;同时通过视频的点赞量、弹幕量、收藏数等用户互动指标对视频的大众认可度进行量化,并结合用户历史记录计算出视频的综合认可度;最后,基于用户对视频的偏好度和视频的综合认可度预测用户对视频的认可度,并生成个性化推荐列表来完成视频的推荐。实验结果表明,与融合协同过滤和主题模型的弹幕视频推荐算法(DRCFT)以及嵌入LDA主题模型的协同过滤算法(ULR-itemCF)相比,所提算法推荐的准确率平均提高了17.1%,召回率平均提高了22.9%,F值平均提高了22.2%。所提算法对弹幕进行情感分析,并融合主题模型,以此来完成对视频的推荐,并且充分挖掘了弹幕数据的情感性,使得推荐结果更加准确。

弹幕信息协助下的视频多标签分类

文中探究了弹幕信息协助下的视频多标签分类任务。多标签视频分类任务根据视频内容从不同角度赋予视频多个标签,与视频推荐等应用紧密相关。多标签视频数据集的高标注成本和对视频内容的多角度理解是该研究领域面临的主要问题。弹幕是一种新近出现的用户评论形式,受到了众多用户的欢迎。由于用户参与度高,弹幕视频网站的视频拥有大量用户自发添加的标签,这些标签是天然的多标签数据。文中以此构建了一个多标签视频数据集,并整理出了视频标签间的层级语义关系,该数据集在未来将公开发布。同时,弹幕文本模态包含大量与视频内容相关的细粒度信息,因此在以往视频分类工作融合视觉和音频模态的基础上,引入弹幕文本模态进行视频多标签分类研究。在基于聚类的NeXtVLAD模型、注意力Dbof模型和基于时序的GRU模型上进行实验,在增加弹幕模态后,GAP指标最高提升了23%,证明了弹幕信息对该任务具有辅助作用。此外,还探索了如何在分类中利用标签层级关系,通过构建标签关系矩阵来改造标签,进而将标签语义融入训练。实验结果表明,加入标签关系后,Hit@1指标提升了15%,因此其能优化多标签分类的效果。此外,MAP指标在细粒度小类上提升了4%,说明标签语义的引入有利于预测样本量较少的类别,具有研究价值。

弹幕教学视频中学习者的眼动行为模式及其作用机制研究

教学视频中的弹幕可为学习者带来良好的社会性交互体验,因此其应用愈加广泛,而视频画面中弹幕的出现将改变学习者的视觉认知行为,进而影响情绪体验和学习效果。为了探究弹幕教学视频中学习者的眼动行为模式及其对视频学习体验和效果的影响,借助眼动仪采集54名大学生被试学习弹幕教学视频时的眼动数据;同时,使用情绪测试仪和量表测量被试的过程性和结果性情绪状态、认知负荷和学习效果。通过K-means聚类数据挖掘,发现有关注内容型、关注弹幕型、两者兼顾型三种眼动行为模式。组间差异分析结果表明,不同眼动行为模式学习者的学习体验和效果,也呈现出不同的特征:两者兼顾型学习者的结果性积极情绪和迁移测试成绩均显著更高,关注弹幕型和关注内容型学习者的结果性消极情绪显著更高,关注内容型学习者的感知难度显著更高。结构方程模型的分析结果表明,不同眼动行为模式对学习效果的影响,通过过程性积极情绪、认知负荷以及结果性积极情绪来调节和介导,并呈现出三条作用路径。最后,依据研究结果提出两条教学视频中弹幕设计与管理的建议:个性化调整弹幕显示,满足学习者的个体需求;智能化调整弹幕情绪,激发学习者的积极情绪。

双模态情感分析的弹幕网络视频平台营销策略

随着互联网飞跃发展,弹幕视频应运而生。这种新型的用户与视频交互方式具有新特性,如用户情感表达实时动态性、情感分布多峰性。同时,新特性也给实际研究工作带来挑战,如用户画像刻画难度增大,视频推荐和广告推送所需精度提高。现有研究尚未对弹幕视频的新特性进行深入分析,也没有充分挖掘其本身所蕴含的学术研究价值。本文利用深度学习、自然语言处理技术、系统动力学方法,结合心理学、市场营销学等多学科交叉前沿知识,从数据驱动角度对弹幕视频数据进行分析和建模,深度挖掘视频大数据潜在的商业价值。重点研究弹幕与视频双模态融合的情感识别方法;构建带有用户情感特征的动态用户画像,并建立基于用户画像的网络视频粘性营销机制;分析用户情感与视频广告插播方式的相关性,提出视频广告动态插播策略。丰富现有研究的同时,为网络视频企业准确定位与分析用户需求,创建高品质的智能营销平台供理论与决策支持。

弹幕视频网站信息组织优化研究——以哔哩哔哩为例

文章从网站信息构建的理论出发,结合弹幕文化和用户信息需求特征,以描述性分析的方式分析弹幕视频网站“哔哩哔哩”在信息组织、信息标识和信息检索、用户信息自组织等方面的表现,探讨其信息组织的优化方式和改进方向,以期能提高网站的易用性和用户忠实度。

弹幕助力人文图书馆建造——以《国家宝藏》第三季为例

[目的/意义]在文化认同理论下对弹幕内容进行分类,揭示人文视频用户展现出的各种类型的民族文化的认同程度,认同的类型,将文化认同理论结合人文视频弹幕用户的行为特征及规律为未来人文图书馆改进提出建议,以此来增强人文图书馆用户的文化认同感增进用户的文化自信。[方法/过程]为研究人文视频弹幕用户在人文视频中展现的交互行为的特征,并在文化认同的视域下分析弹幕内容,选取bilibili网站《国家宝藏》第三季的弹幕信息资源作为样本,利用Python技术对弹幕数据进行挖掘,利用SPSS软件对数据进行分析,综结人文类视频弹幕用户的行为规律,同时结合文化认同理论对弹幕进行人工编码针对研究空白提出四个研究问题。[结果/结论]研究结果表明弹幕用户在发送时间和发送相对位置上呈现出一定的规律,同时弹幕用户的弹幕交互行为受到视频内容、期数、视频长度的影响,对弹幕内容的研究结果证实了人文视频对文化领域是有积极影响的,所以通过结合人文视频弹幕用户的行为规律去提升人文视频的质量,促进人文图书馆的发展在文化领域是有正向意义的。

弹幕对学生在线视频学习效果的影响——基于22项实验和准实验研究的元分析

弹幕交流,是一种新型的互动交流手段,其独特的匿名性、即时反馈、强烈的互动性和高临场感赢得了广大学习者的青睐。然而将弹幕融入教学视频中是否具有正面影响,目前学术界对此还未形成统一的意见。本研究采用了元分析的方法,汇总并分析了国内外22项关于弹幕对视频学习效果影响的实证研究数据。研究结果表明,弹幕对在线视频学习中学生整体成绩、迁移成绩有显著的促进作用,且弹幕在轻微程度上增加了学生的认知负荷,但对保持成绩无显著影响。调节效应分析发现弹幕类型、知识类型、学科属性以及教育学段均显著调节弹幕对整体成绩的影响;学习风格、教师在屏与否显著调节弹幕对保持成绩的影响;弹幕类型、教学视频有无字幕、学科属性、教师在屏与否、教学视频时长显著调节弹幕对迁移成绩的影响;弹幕类型显著调节弹幕对认知负荷的影响。这些发现为弹幕在教学视频中的应用提供了科学依据,也为未来的教学设计提供了参考。

Reaction视频的用户弹幕评论行为生成机制探索——基于认知-情感系统理论

【目的】探索Reaction视频(简称反应视频)用户的弹幕评论行为生成原因,并为弹幕视频内容创作中的价值共创提供理论支撑。【方法】以哔哩哔哩视频网站的反应视频为例,选取不同分区的11个热门视频的弹幕信息资源作为分析样本,利用扎根理论开展编码研究。同时,结合认知情感系统理论(CAPS)框架,构建反应视频弹幕评论行为生成机制理论模型。【结果】基于CAPS理论视角的反应视频用户弹幕评论行为总体遵循“情境-认知情感单元-行为”的路径。同时,用户的知识积累也会直接影响弹幕评论行为。【局限】基于扎根理论构建的模型可能存在一定主观性偏差,仍需进一步对大样本反应视频进行分析以检验模型的普适性。【结论】该模型为促进新兴数字内容的传播与弹幕视频内容创作中的价值增值、转化和共创提供了参考。