视频网站热门视频快速发掘系统
- 格式：pdf
- 大小：306.67 KB
- 文档页数：2
移动信息 2016年1期 57 视频网站热门视频快速发掘系统 姜 明 朱开诚 王兴起 杭州电子科技大学，浙江 杭州 310018
摘要：随着互联网视频网站的蓬勃发展，观看网络视频已经成为了广大网民日常生活的一部分。热门视频能够为网站带来巨大流量和经济效益。因此，如何快速发掘热门视频是一个新的研究热点。根据中国最大的视频分享网站优酷网的特点，分析了影响热点视频的因素，在常规的热点视频发掘方法上加入了账号质量和话题热度这两个热度计算参数，根据这两个参数设计了一个热点视频快速发掘系统，并通过性能测验证实了相比于传统方法该系统能够有效提高热点视频的发掘效率。 关键词：视频网站；互联网 中图分类号：TP311.52 文献标识码：A 文章编号：1009-6434（2016）01-0057-02
1 研究背景和现状 随着互联网各大视频网站的发展，观看网络视频已经成为了中国网民日常生活的一部分。互联网每天有数万新视频发布，视频的播放量达到一定量就成了热门视频。热门视频是网民的关注点，往往会与网络热点事件相关。因此，设计一个快速发掘热门视频的系统有非常大的价值，一方面，热点推送能快速抓住用户的眼球，吸引大量网络流量，为视频网站推广盈利带来很大的效益；另一方面，拥有大量评论的热门视频能够为网络舆情的研究者提供更多的资源。
2 视频热度 网络热点的特点是时效性强，互联网每天都将产生新的热点话题，而这些热点话题存活的时间也短，很快网民的注意力会被新的话题所吸引，经过我们的统计，不论视频播放数量多高，到第三天，往往新增的播放数量就下降到比较低的水平，在第七天以后，总播放数量趋于平稳，每日播放量增量非常小。所以，热门视频要在视频发布后一天内就发掘出来进行监控，排除热度已经下降到一定程度的视频，预警可能成为热点的视频。 视频播放量是视频热度计算的重要指标，对于视频分享网站，一方面，因为有社交因素的存在，每个用户新上传的视频首先会被推送到每个粉丝那里，粉丝们也会经常性的收看自己订阅的帐号的视频，因此，我们认为一个帐号受关注的程度往往能对其上传的视频热度产生影响；另一方面，社交网站往往存在热点话题，多个相同主题的热门视频能够聚合成热点话题，那么如果新上传的视频与当前的热点话题相关，那会对视频热度造成影响，所以我们要探究的第二个影响视频热度的因素是话题热点。
3 帐号质量 我们在研究帐号与视频播放量的关系时，根据帐号受欢迎的程度，提出来计算帐号的“质量”，我们将计算一个帐号的平均总点击量来判定一个帐号的质量。计算公式是：
nCm
（3-1）
其中m表示该帐号的平均总播放量，C表示该帐号的总播放量，n表示该帐号的总视频个数。我们对质量较高的帐号建立“帐号质量库”。并对“帐号质量库”中的账号赋予不同的值M。值M表示一个账号的质量，经过计算，我们认为M值取：
xlgTmM
（3-2）
m是公式3-1中的m值，T表示该帐号的粉丝数，x为系数，取值需要一定的实验来确定。由于帐号质量会随着时间变化而变化，我们根据其变化幅度，认为每一个月更新一次账号质量库比较合适。
4 热门话题 热门话题是指一段时间内特别受人关注的事件，当一个事件成为热门话题后，如果有新的与该话题有关的视频出现
时，会立刻吸引人们的观看，这样的视频是潜在的热门视频候选，所以，我们在计算热点的时候，可以将现有的热点话题生成一个库，话题热度相应的提升视频热度。 这里，我们通过在视频的名称、标签等文字信息中提取出关键字，使用了基于知网（Hownet）的同义词词林[1]来作为我们的聚类词典，选择将关键字通过向量空间模型[2]进行聚类，使用了增量组合与弱跟踪器的组合方法[3]作为话题检测跟踪的方法，最后得出话题检测的结果，形成一个话题热度表，在热度表中每一个话题有对应的热度P，P是一个相对热度值，P的取值在0～2之间，取0～1时表示话题热度有所降低，取1～2时表示话题热度有所提高，我们每一次数据更新都会同时来更新我们的话题热度表，使其保持热度准确性。
5 热度计算 在研究视频的热度时，我们确定了影响视频热度的因素，在视频网站，视频播放量是最为明显的判断视频热度的因素，所以通常将视频播放量作为视频热度计算的标准。常用的热度计算标准是： 1）绝对热度 绝对热度表示到一时刻该视频总的热度值，其表达式为： Ha=xV（3-1） Ha 表示绝对热度值，V 表示视频点击量x 表示系数，为简便，x取 0～1 之间。 2）相对热度 由于绝对热度只是一个总量值，不能体现热度的变化情况，所以我们引入了相对热度，其表达式为：
t△Ha△Hd
（3-2）
Hd 表示热度在一段时间内的变化率，数值越大，表示该视频在某一时间段内观看数量越多，可以反映出热度变化的情况；△Ha 表示两个时刻的热度变化差，△t表示间隔时间。 通过前面两节的分析，我们加入了帐号质量和话题热度两个参数，因为帐号质量相对在一定时间内较为固定，所以作为绝对热度参数计算，而话题热度在一段时间内变化较为平凡，所以作为相对热度参数，那么我们最终的热度计算公式为：
Pt△HakM)(1HOT
（3-3）
其中HOT为热度值，k为系数，Ha为绝对热度值，△t表示间隔时间，P表示话题热度值，通过我们的计算，当kM取0到0.1之间，P取0到2之间时，预测效果比较好。
6 模型设计 我们设计的模型总体框架如图1所示，分为数据采集模块、话题热度模块、热点发掘模块、数据显示模块。 科技前沿 58 2016年1期 图1 6.1 数据采集 数据采集模块的核心功能是爬虫程序，这个模块的主要任务是分析网页源码，抓取网页中有需要的信息，是系统数据的主要来源。种子网址指的是爬虫的起始爬行地址，爬虫任务的调度功能可以根据不同的需求开始、暂停、终止爬虫程序，保证多个爬虫同时进行。爬虫每访问一张页面，就要对这张页面的HTML源码进行分析。将其中有用的数据根据我们的要求保存到数据库中，同时标记已经访问过的网页，每隔一定时间进行重爬获取更新数据。 6.2 话题计算 话题计算模块根据前面介绍的中文处理方法，将所有视频内容进行话题向量提取，然后通过话题聚类方法计算出话题的热度，生成一份“话题热度表”，话题热度表包含了近期热点词汇，是如果新的视频的内容在话题热度表中，那么相应的会提升视频的热度值，话题热度表是一个动态的，通过已有的热点发现新的潜在热门视频，通过新的视频关键词生更新热点词汇表，计算话题的热度变化。 6.3 热点发掘 热点发掘模块的功能就是发掘新视频中潜在的可能成为热门的视频。新的视频会根据基础播放数量、话题热度、
和帐号质量得到一个初始热度，然后每过一定的时间更新视频的播放数量，并计算出其热度，当热度值达到我们预设的阀值后，就将其列入疑似热点视频进行跟踪。 帐号质量库记录了帐号的质量，如果新视频由帐号质量库的帐号提供，那么其热点会根据帐号的热度值相应的提升热点水平。热门帐号库每月会自动更新一次，来确保帐号质量的可靠性。 6.4 结果显示 显示模块会显示在一段时间内的热门视频排行、每个热点视频的详细信息。同时对疑似热门视频进行预警，在结果显示模块体现了所有需要观察的数据。我们可以通过检索和统计功能来进一步分析热门视频的相关信息。
7 性能测验 我们通过对优酷网资讯类栏目新上传的视频进行四个小时的抓取，然后对抓取的每个视频进行二十四小时的跟踪，同时，我们设置一个对比组，在不加入话题热度参数和帐号质量参数的情况下进行热度计算，当播放量大于10000时进行预警。最终实验得出加入了参数的热度计算在预测效率上提高了22%。同时，热门视频的召回率为100%，证实了我们的模型的可靠性和高效性。
8 总结 本文我们具体讨论了帐号质量和话题热度两个影响视频热度的因素，通过实验比较证实了在热门视频发掘阶段这两个参数对发掘效率的正面影响。最终我们设计出来的系统能够有效的进行热门视频的发掘，在接下去的工作中，我们可以对系统进行拓展，来满足更多的需求。 参考文献
[1]熊德兰，程菊明，田胜利.基于HowNet的句子褒贬倾向性研究[J].计算机工程与应用，2008（22）：143-145. [2]姚清耘.基于向量空间模型的中文文本聚类方法的研究[D].上海交通大学，2008. [3]祁磊.话题检测与跟踪及趋势预测研究[D].杭州电子科技大学，2014.
（上接第 56 页） 安排，将新闻消息、新闻报道和新闻评论等进行合科学化的安排。 3.7 树立节目品牌 成熟的节目品牌对于公众的吸引作用是非常大的，在电视新闻编辑创新过程中，要重点关注新闻节目的品牌树立问题。并以高精准的定位确定节目形式以及节目风格，同时在主持人的打造与观众的培养方面也要加大力度。 3.8 直播节目进行常态化创新 新媒体时代，观众对于新闻的时效性要求越来越高，这就要求在对电视新闻进行编辑过程中，必须缩短新闻事件与播出之间的时间差，而对直播节目进行常态化创新，正是解决这一问题的重要方法。这样才能提高电视新闻的竞争力。 总之，新媒体时代下，面对日益激烈的竞争，电视新闻想要更好的生存和发展，就必须不断进行探索和创新，这样才能全面提高电视新闻编辑能力，更好地服务于公众。 参考文献
[1]喻琳.研究新媒体时代电视新闻编辑的技巧和创新[J].西部广播电视，2014（11）：27. [2]曹佳艺.新媒体环境下电视新闻编辑的创新能力研究[J].科技传播，2015（05）：21-22. [3]韦嘉奇.创新思维指导下电视新闻编辑的时代转型[J].新闻研究导刊，2015（11）：113. [4]赵爽.电视新闻编辑的创新意识培养路径探讨[J].科技传播，2015（12）：203-204.
