Research on the Rules of Short Video Online Reviews in Mainstream Media

With the continuous optimization of mobile intelligent mode,the internet has gradually entered the era of visualization.This paper briefly summarizes the reasons and current situation of the rapid development of mainstream media short films,analyzes the composition and functions of mainstream media short video online reviews,and probes into the rules of mainstream media short video online reviews.

在线视频社区知识交流效果比较测度研究——以哔哩哔哩网站的结构化评论功能为参照

从知识交流视角出发,围绕在线视频社区中的结构化评论功能,测量视频社区中的知识交流效果,为促进视频社区高质量知识交流提供有效参考。选取代表性在线视频社区哔哩哔哩,采集其中的视频、评论及行为数据,利用主题聚类、相关性分析等方法,测量结构化评论与一般评论在知识交流方面的效果,同时分析行为属性数据、视频文本数据及评论文本数据之间的关联关系。相较于一般评论,结构化评论的数量与视频播放量关联不大,更多取决于视频内容质量和用户的知识交流意愿。此外,结构化评论在提升知识交流深度方面具有优势,尤其对拥有特定观众群体的小众视频效果显著。因此,结构化评论功能具备增强在线视频社区知识交流的能力。

基于云计算的短视频媒体资源个性化推送方法

为提高短视频媒体资源推送的匹配度,提出基于云计算的短视频媒体资源个性化推送方法。设计基于Hadoop的短视频媒体资源个性化推送框架,以采集的信息为基础,采用隐含狄利克雷分布(latent Dirichlet allocation,LDA)模型按主题分类短视频类型,并通过基于注意力机制的卷积神经网络模型识别精彩瞬间短视频主题;短视频媒体资源推荐模块根据用户的历史短视频浏览行为,确定用户对未浏览短视频的兴趣值,根据其值大小生成推荐列表,通过数据展示层将推送结果呈现给用户。实验结果表明:该方法可实现用户感兴趣主题短视频媒体资源的个性化推送,当各弹幕文本提取的最佳主题数量为2、推荐列表长度为3时,推送效果最突出;该方法能提高短视频媒体资源个性化推送的性能,推送的内容更加符合用户的兴趣度。

李子柒文化短视频评论情感分析对国际中文教学的启示

文化短视频已成为中华文化国际传播的重要媒介。其中李子柒文化短视频是较为典型的个案,因其独特的文化表现力深受外国受众青睐,其丰富的评论内容能够直接反映受众的情感态度和认知评价。通过对Bilibili平台李子柒账号下播放量前20位短视频的111433条评论进行分析,发现其总体情感倾向趋于中性略偏积极,且存在一定情感差异;通过对视频《螺蛳粉》的情感词语分析,发现李子柒短视频在文化真实性、臻美感、感染力等方面的正向特征,以及对话交流内容欠缺、深层文化解读不足等负向特征。通过上述分析,可以得到文化短视频助力国际中文和中华文化教学的有益启示。

短视频传播受众情绪预判研究

在短视频传播中,用户情感分析是探索视频媒体传播规律的基础。短视频弹幕包含了分析用户情感倾向的重要信息。因此,通过短视频弹幕识别受众的情感倾向对视频媒体传播具有重要意义。本文利用视频媒体中弹幕信息来分析传播受众的情绪态势,以计算机深度学习模型为核心设计一个新型的面向短视频弹幕情绪识别的预测模型,通过将短视频传播受众的情绪分成5类,构建用户情绪空间,并借助浅度学习模型来实时预判受众群体的情绪倾向。

基于弹幕情感分析的视频片段推荐模型

针对传统的视频情感分析方法计算效率较低且结果不易解释等问题,提出一种基于弹幕文本的视频片段情感识别算法,并以此作为视频片段的推荐依据。首先对基于情感分析的视频片段推荐问题提出形式化描述。其次,通过构建基于隐含狄利克雷分布(LDA)的弹幕词语分类,评估弹幕词语在视频片段中的多维情感向量,同时,根据视频片段之间的情感依赖关系推荐视频的情感片段。所提方法的推荐准确度比基于词频-逆文档频率(TF-IDF)的推荐算法提高了28.9%,相对于传统LDA模型提高了43.8%。实验结果表明所提模型可有效应用于信息繁杂的不规则文本情感分析。

视频时间轴的弹幕评论:特点与局限刍议

弹幕评论是一种不同于其他网络评论的较为独特的评论形式,它紧密依托于视频本身,基于视频时间轴呈现,针对视频中此时此刻正在播放的内容。这使得弹幕评论具有三大特点:不存在固定意见领袖的扁平化传播;粘性强但向外扩散难度大的受众群体;同时承载收视数据与文本评论两种信息,是了解受众对视频接受状况的新途径。此外,虽然弹幕评论可以营造出一种陪伴感,但由于时空的阻隔与用户匿名机制,也经常会产生交流假象,具有一定的局限性。总之,弹幕评论的传播过程还存在种种局限,但作为年轻一代所偏爱的新型网络评论形式,弹幕评论仍有很大发展空间,前景值得憧憬。

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。

中国大学视频公开课评价——基于爱课程网“精彩评论”的内容分析研究

采用分层抽样的方法,通过对爱课程网中国大学视频公开课中的"精彩评论"进行内容分析发现:在线学习者来源广泛,他们对讲课教师、课程内容、学习帮助等评价较高,且期望能够持续共享这些优质学习资源。不过中国大学视频公开课目前也还存在着开放性程度不够、师生网上交互较少、与国外高校公开课差距较大、课程学习资源还很缺乏等不足之处。因此,中国大学应在新技术媒体革新背景下,努力探索教学范式的转型,以满足广大社会学习者的终身学习需求。

非遗短视频用户信息需求特征及其参与行为研究——以“黄梅戏”短视频在线评论为例

[目的/意义]短视频作为非物质文化遗产传播最具影响力的新媒体平台,对其用户非遗信息需求特征、参与因素以及各因素对用户参与行为作用关系进行探索,有助于提升短视频情境下非遗文化用户参与体验,并推动短视频平台中非遗文化垂直内容的良好发展。[方法/过程]本研究选取“黄梅戏”非遗短视频为例,以用户热门评论内容及用户统计学特征信息作为数据基础,基于信息生态学理论和卷入度文献,利用扎根理论提取“信息人、信息、信息环境和信息技术”4个信息生态因子维度作为影响因素,感知卷入及认知卷入作为用户机体中介变量,线上行为和线上迁移线下行为作为结果变量,人口统计学特征中如地域、年龄等作为调节变量,挖掘了用户信息需求特征,共同构建了非遗短视频用户参与行为模型。[结果/结论]结果发现,本研究范畴逻辑与S-O-R理论框架具有一致性,各因素及作用关系有效拓展了S-O-R框架;其次,卷入度受信息人、信息维度影响最大,用户的非遗信息需求特征聚焦在“信息人—唱功实力”“信息—内容剧情”“信息环境—距离拟近”及“信息技术—社交互动”方面;且情感和认知卷入度对用户参与行为均产生积极影响,其中参与行为对情感卷入存在较大依赖;此外,非遗文化短视频呈现出特有的“虚—实”类情境应用属性,反应R维度的探究需突破影响因素均来自线上,实际线下因素,如线下打卡,同样具有效用影响。

同课异构 精彩纷呈 视频研究 促进发展——对“直线与圆的位置关系”公开课视频的点评

中学特级教师李兴怀、陶维林及青年教师彭科3位老师同课异构分别主讲了“直线与圆的位置关系”的录像公开课．李老师在该课视频中展示了其善于搭建知识台阶、精心设计板书、完美流畅地徒手作图、同步精当的小结等教学特色．陶老师在该课视频中展示了其善于营造主题鲜明的教学情境，对话沟通揭示思考的心路历程，活用多媒体使问题的呈现与解答准确生动，幽默亲切的教学风格等教学特色．彭老师在该课视频中展示了其教学环节齐全，以问题为中心，积极促进学生构建解题模型，教学效果直接且明显高效等教学特色．观看和研究教学实况视频有利于教师博采众长，从而促进教师改进教学和专业化发展．

新媒体环境下视频弹幕的使用动机及传播模式

新媒体环境下,视频网站之间的竞争愈演愈烈,弹幕视频网站在行业内异军突起。弹幕评论是在网络评论基础上产生的新鲜事物。通过对弹幕使用者进行问卷调查,针对弹幕的使用及传播原因进行分析,厘清用户参与和使用弹幕的动机,即信息需求、表达需求、娱乐需求以及陪伴需求,并总结出弹幕的三种传播模式。

网剧喜好度与线上评论体验叠加的愉悦感

视频网站的发展非常迅速,且已改变了人们的观影习惯,人们可以在视频网站观看视频的同时或之后与他人进行线上评论、互动。这一由媒介形态所提供的娱乐性与社交性促使研究者将信息和体验两个层面同时纳入受众愉悦感的研究中。对此,本研究基于自我决定理论和自我知觉理论,采用网络实验法(N=140),探讨接受并参与评论的受众所产生的'联系感''喜好度'和'愉悦感'之间的关系和差异。研究发现,网络观影的整体娱乐行为叠加了两方面的受众感受。一方面,由于线上评论体验而来的联系感显著预测愉悦感;而另一方面,结合视频内容的评论基调会影响到受众的喜好度和愉悦感,参与正向好评会使得意见同质的受众更加喜欢该视频。

融合评论分析和隐语义模型的视频推荐算法

针对网络视频元数据信息缺失严重和多媒体数据本身特征难以提取等问题,提出了融合评论分析和隐语义模型的网络视频推荐算法。从视频评论入手,通过分析用户对不同视频的评论内容以判断其情感倾向并加以量化,继而构建用户对项目的虚拟评分矩阵,弥补了显式评分数据稀疏性问题。考虑到网络视频的多元性和高维度特性,为了深度挖掘用户对网络视频的潜在兴趣,针对虚拟评分矩阵采用隐语义模型(LFM)对网络视频分类,在传统的用户—项目二元推荐系统基础之上添加虚拟类目信息以进一步发掘用户—类目—项目关联关系。实验在多重标准下进行,对You Tube评论集的实验表明,所提推荐方法获得了较高的推荐精度。

视频弹幕与字幕的情感分析与比较研究

[目的/意义]利用情感分析技术提取视频弹幕与字幕中包含的情感信息并对其进行可视化,分析网络视频内容特征和用户情感特征以及二者之间的关系,可以为视频内容制作、检索途径提供建议。[研究设计/方法]构建基于情感词典的视频弹幕与字幕的情感分析与比较模型,对视频弹幕与字幕进行情感词抽取、情感种类划分、情感值计算,并结合时间序列研究其变化趋势。[结论/发现]实验表明:①弹幕的情感强度普遍高于字幕;②弹幕与字幕的情感种类分布规律大致相同,但二者的情感种类占比大小不同;③字幕与弹幕的情感关系可分为四种情况。利用视频弹幕与字幕情感种类分布的异同,可以从宏观上评判视频内容传达的情感与观众实际产生情感的异同;利用视频弹幕与字幕的情感随时间的变化曲线,分析二者之间的影响关系,可以从微观上了解视频某个片段的质量。[创新/价值]从影视作品本身内容与用户观影感受两个方面进行情感分析与比较,能够发现两者的情感契合和差异现象,为影视作品的质量评估、制作和推荐等任务提供新的方法和工具。

视频实时评论的深度语义表征方法

随着互联网技术的进步,以视频实时评论为代表的众包短文本(又称弹幕)逐渐流行,对在线媒体分享平台和娱乐产业都带来了重要影响.针对此类短文本展开研究,为推荐系统以及人工智能等领域的发展提供了新的机遇,在各行各业都具有巨大价值.然而在弹幕带来机遇的同时,理解和分析这种面向视频的众包短文本也面临诸多挑战:视频实时评论的高噪声、不规范表达和隐含语义等特性,使得传统自然语言处理(natural language processing, NLP)技术具有很大局限性,因此亟需一种容错性强、能刻画短文本深度语义的理解方法.针对以上挑战,在"相近时间段内的视频实时评论具有相似语义"假设的基础上,提出了一种基于循环神经网络(recurrent neural network, RNN)的深度语义表征模型.该模型由于引入了字符级别的循环神经网络,避免了弹幕噪声对文本分词带来的影响.通过使用神经网络,使所得的语义向量能够表达弹幕的隐含语义.在此基础上,进一步设计了基于语义检索的弹幕解释框架,同时作为对语义表征结果的应用验证.最后,设计了多种对比方法,并采用不同指标对所提出的模型进行充分的验证.该模型能够精准地刻画弹幕短文本的语义,也证明了关于弹幕相关假设的合理性.

弹幕视频网站用户从众信息评论行为驱动因素探索

弹幕视频网站用户从众发表弹幕评论的行为是从众信息评论行为的一种表现形态。采用半结构化访谈法搜集了用户使用弹幕视频网站发表弹幕的相关数据,利用扎根理论并借助质性分析软件NVivo11,对数据进行了三级编码。在开放式编码中,先选择了访谈中的典型陈述语句,通过分析归纳出隐含的概念以形成自由节点,再对自由节点进行范畴化处理以形成子节点;在主轴编码中,对子节点进行定义和辨析,归纳出树节点;在选择式编码中,基于访谈数据将从众信息评论行为构建为二阶变量,并提出它与其他树节点之间的关系,从而构建出弹幕视频网站用户从众信息评论行为驱动因素的理论模型。

基于互动点评的教学质量评价机制研究

高校在质量工程和各级精品课建设过程中,积累了大量优秀的多媒体教学资源,尤其以视频教学资源为主。近年来随着慕课的兴起,使得优秀的多媒体教学资源更是迅速增长。如何充分利用这些视频资源、发挥其在教学环节中的重要作用,成为高校教学质量工程建设迫切需要解决的问题之一。针对视频教学资源传统使用方式的局限性进行探讨,提出一个基于互动点评的教学质量评价机制。该机制在传统视频教学资源中引入互动点评机制,可以实现实时的视频点评、音频点评和文字点评。调查和实践表明,该机制为学生之间,师生之间的交流提供了有效的手段,充分调动了学生的参与积极性,从而提高了教学质量,也成为评价教学质量的一个有利机制。

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。

基于在线评论的网络视频情感分类平台设计与实现

基于读者情感分析模型对网络视频情感分类时,未能计算在线评论的情感相似性,仅能分类新闻书评类的网络视频情感,存在一定局限性。设计基于在线评论的网络视频情感分类平台,根据HowNet的语义共同点获取观点词同褒义词和贬义词的语义共同点,确定观点词的情感极性,通过基于在线评论的网络视频的情感程度与否定副词判断情感强度,采用在线评论情感相似性计算方法计算情感极性和情感强度得出最终情感得分,通过情感得分分类网络视频情感。实验结果表明,当在线评论中基准词的取值为10对时,所设计平台可实现最佳情感极性的判断结果,该平台对于积极情感和消极情感平均分类正确率都达到98%、平均分类召回率都低于10%。