基于弹幕数据分析的热门短视频评价研究

3.电子科技大学数字文化与传媒特色研究中心，四川成都6100)摘要 近年来，web数据挖掘在软件类教学中变得日益重要。该文以哗哩畔哩弾幕视频网为平台，以Python爬虫为工 具，搜集大量弹幕数据并做挖掘分析来间接对视频内容进行评价。首先，根据弹幕在视频中出现的时间分布分析视频最受

关注的部分；然后，结合百度AI自然语言处理中的情感倾向分析工具和MATLAB单因素一元方差分析研究视频开头部分的 弹幕特征；其次，利用AI语言情感分析和关键词分析方法研究弹幕的情绪和类别，进而分析视频的内容特征。实验最终结

果展示了对热门短视频的独特评价，对于短视频作者和平台有一定的参考价值。以弹幕为基础的研究方法也为视频内容自

动化识别及评价提供了 一条新思路。关键词视频；弹幕；视频内容评价；A语言情感分析中图分类号 TP391

文献标志码 A doi：10.3969/j.issn,1672-4550.2019.03.032Popular Short-video Evaluation Research Based on Barrage AnalysisCUI Nan1, GUO Yu23, and ZHANG Huixiong23(1. School of Information and Software Engineering, University of Electronic Science and Technology of China, Chengdu 6100, China;

2. School of Life Science and Technology, University of Electronic Science and Technology of China, Chengdu 6100, China;3. Digital Culture and Media Research Center, University of Electronic Science and. Technology of China, Chengdu 6100, China)Abstract In recent years, web data mining has became increasingly important in software-based teaching. This paper takes the

Bilibili screen video network as the platform, takes the Python crawler as a tool to collect a large amount of barrage data, and conduct

mining analysis to indirectly evaluate the video content. Firstly, the research shows that the most popular part of videos based on the

time distribution of barrages appearing. Secondly, it analyzes the most interesting part of the video based on the time distribution of

the barrage in the video. Then, combined with the sentiment orientation analysis tool in Baidu Al natural language processing and

one-way analysis of variance in MATLAB, the characteristics of the barrage at the beginning of the video are studied. Thirdly, the Al

language sentiment analysis and keyword analysis methods are used to study the emotions and categories of the barrage, and then the

content characteristics of the video are analyzed. The final result of the experiment shows a unique evaluation of popular short videos,

which has certain reference value for short video authors and platforms. The barrage-based research method also provides a new idea

for the automatic identification and evaluation of video content.Key words video; barrage; video content evaluation; Al language affective analysis随着便携式摄影设备，视频剪辑技术的普及, 越来越多的“短视频”风靡网络。相对于传统视

等主打短视频文化的APP也相继走红。B站每日有数以万计的短视频发布，但成为热 门的短视频实为凤毛麟角。一个视频是否能成为

频类型，“短视频”时间短，制作相对简单，发行 方便，极易观看和传播。近年来，在哗哩哗哩弹

热门的影响因素有很多，目前对于此问题的研究 主要有以下几类：根据已有播放量数据来预测视 频未来播放量⑴，进而预测视频是否热门；针对

幕视频网(以下简称B站)，新浪微博等媒体平台上

产生了大量具有社会影响力的短视频作品，抖音

收稿日期：2018-07-29;修回日期：2019-03-24基金项目：电子科技大学2018年度本科教学改革项目(2018XJYJ-ZD74);电子科技大学2017年度本科教学改革项目

(2017XJYS57);电子科技大学2016年教师实验教学研究项目(bksjy-2016-)。作者简介：崔楠(1997-),男，本科，软件工程专业。通信作者：张会雄(1980-),男，博士，副教授，主要从事医学信息学方面的研究。E-mial: johnzhangchi-

na2007@gmail.com• 134 •实验科学与技术2019年6月短视频平台整体播放量的分析⑵，来总结热门视 序，连续一段时间对每天更新的排行榜进行爬取, 最后对数据进行分析处理、图表绘制。频的特征；基于神经网络对影响短视频播放量的

许多因素进行定量分析[3],或通过对视频内容的

为了对数据进行有效的分析处理，爬取的数 据内容包括：作品最终排名、视频网址、排名、

更新时间、弹幕总量、弹幕在视频中出现的时间

整体宜观把握⑷，分析视频火爆的因素。一些研

究还加入了账号质量和话题热度等特殊变量来预 测视频热门程度[勺，或是单纯地根据账号质量、

粉丝数量级别、话题热度来判断视频是否热门[6]o和弹幕内容。1.2研究流程在不断获取数据的基础上，本研究的流程

综上，目前的研究大多避开了对视频内容较

为精确的分析，原因在于缺少对视频内容较为简 易的定量分析工具。如下：1） 研究弹幕时间分布，对全体视频和各不同

目前针对视频内容自动化识别，主要通过建

立特征库并对关键帧进行特定内容识别，如黄暴 内容排查切，或是通过时空特征的提取分析来较为

挡次的视频集合分别做弹幕发送时间点分布的

研究；准确地判断视频内容閃，并利用类似深度学习的工

具来进行数据收集分析及利用図。这类识别方式难

2） 研究视频开头部分的弹幕特征，分析开头 弹幕数量占比，以及其情感倾向；3） 视频整体内容评价，基于弹幕数据，使用 AI分析和关键词捜索两种方法进行情感倾向评价;4） 研究其他有价值的弹幕特征，如独特的视 频内容对自身热门程度的影响。以提取除特征库内容以外的视频内容，难以用于

对视频内容进行广泛的分析，也难以对其作出

评价。本文通过研究B站一定时间内全站播放量排行

靠前的原创短视频，得出比较普遍通用的结论， 即拥有怎样内容特征的短视频能成为热门。以此 来为短视频创作者提供创作思路和技巧，为平台

2研究过程2.1数据获取本文利用编写的爬虫程序，爬取2018年7月

筛选推荐视频，广告投放提供依据，也为自动分

析评价视频内容提供一条新思路。10日至2018年7月21日间每天B站原创视频排行

榜前100名视频的弹幕，爬取了 467个视频计

735 340条弹幕，视频涵盖B站大部分视频类别，

1研究方法弹幕数据量足，具有代表性。B站排行榜每日更新，但登榜的视频可能会逐

渐降低名次，在登榜一段时间后宜接下榜，因此

1.1方法概述“弹幕”系统是B站的特色之一。“弹幕”是指 实时显示在视频播放窗内的观众评论。观众可以

可能出现爬取时排名与真实排名不符的情况。而 且此排行榜排名算法涉及许多因素，不单一表示

在对视频内容有想法时输入“弹幕”，并且其他观

众在观看到本视频的同一时刻也能看到他人的评 论“弹幕” [10]o视频热门程度。因此，本研究以弹幕数量高低来

表示视频的热门程度。越热门的视频，弹幕数越 多，这基本符合客观规律和现实情况。考虑到视频弹幕的播放效果，B站在加载单

弹幕与视频内容联系极为密切，相当于是实 时为视频内容做出的注释，这给本研究提供了有

力工具。本文通过爬虫爬取大量弹幕数据，分析

弹幕发送频率，峰值出现时间、次数、内容特征

等数据，较精确地找到热门短视频的弹幕共性，

个视频的同时只会加载并播放大约1 000条的弹 幕（网页版），并在大约一分钟后更新对用户提 供的可加载弹幕库。因此，爬虫程序在每天晚上 6 : 30~7 : 30间爬取两次弹幕，尽可能地获取更多

进而找到视频内容共性，为视频评价提供依据。因为本研究目的之一是为视频创作者提供思 路，所以爬取的视频类型应为原创视频，而不是 转载视频。的弹幕信息。2.2对于弹幕时间分布的研究搜集大量弹幕数据，取得每条弹幕出现时间 在整个视频中的相对位置，最后制作图表进行

综上，本实验使用Python语言实现一个针对

B站原创视频排行榜前100名视频弹幕的爬取程

分析。第17卷第3期崔 楠，等：基于弹幕数据分析的热门短视频评价研究・135・取得相对位置的具体方法如下。1） 将每条弹幕出现时间除以视频总时长，获 得出现时间占总时长的百分比位置，即相对位置。由此可知，视频排名越高，“视频开头部分为 弹幕高峰”的特性越明显。越普通的视频，其弹 幕发送分布越均匀。一方面，热门视频的开头的

2） 选取相对步长，即在视频整体长度上选取

一个较小的区间值（如0.1%）,计算在这个区间附

确非常吸引观众；另一方面，许多观众通过各种

渠道了解到此热门视频的可能性更高，其开头被

近的弹幕数量（如 0.05%~0. 15%, 0. 15%~0.25% 等时间段内的弹幕数量）。观看到的概率比普通视频高得多。需要特别说明的是，在图2中，第2挡的弹幕

量明显小于第3挡的弹幕量，这是因为单个视频弹

3） 对每个视频进行遍历，计算并显示各个步 长内的弹幕数量，进而显示整体弹幕时间分布的 情况。例如，对于一个5 min的视频，选定0.1%的

相对步长，就是计算该视频每个0.3 s时间区间内

的弹幕数量，具体而言，就是分别计算该视频0~

0. 15 s, 0. 15~0.45s, 0. 45-0. 75 s等区间内的弹 幕数量，最后进行汇总绘图。通过这种方法可获得每条弹幕出现时间在整

个视频中的相对位置，如图1所示，其中X轴表示 相对位置，Y轴表示弹幕数量。由此可知，除了视频开头部分为弹幕高峰，其

他时段弹幕数量基本稳定，并没有出现非常突出的

弹幕高峰，在视频末尾处，弹幕也有小幅上升。原

因可能是：“开头结尾发弹幕”是观众的习惯，而

且许多观众在看完开头部分后可能会退出此视频。再做进一步分析，将视频根据热门程度（弹幕

数量）由高到低分为4挡，分别对4挡视频做0.1% 步长的弹幕时间分布分析，如图2所示。幕量排名在第3挡的视频数量较多，因而在图中显

示的数量较大。本部分实验仅研究弹幕发送频率

的变化趋势，因而此现象并不影响最终结果。综上，视频的开头部分是最关键的部分，为

保证观众留存度，必须做得精彩，体现此视频的

独到之处。其他时间段也应需要继续保持视频质

量，而不是完全希望某部分的高质量能吸引到非

常多的观众。2.3对于视频开头部分的研究考虑到开头部分比较特殊，针对开头部分做

一些具体分析。2.3.1开头部分弹幕数的实际占比依然使用0. 1%的步长对开头弹幕量进行采

集，将视频分为4挡，统计3种开头长度内，弹幕 数占总弹幕数的比例，结果如表1和图3所示。表1开头部分弹幕数的实际占比开头长度第1挡第2挡第3挡第4挡2. 5%0. 0 6030. 067 1380. 046 7020. 034 1615.0%0. 101 2060. 112 0930. 087 4760. 065 70510. 0%0. 162 8320. 174 6120. 1 8070. 128 906o.20

a1186o.a2412o.a10a0a08a0a020

图3开头部分弹幕数的实际占比由此可知，越热门的视频，开头弹幕所占比

重越高。但比较异常的是，前两挡的视频中，一

挡的开头弹幕比例反而比第二挡的少。这可能是

因为一挡的视频质量以及弹幕数量总体更高，导 致了开头弹幕比例的相对下降。这也再次说明了

・136・实验科学与技术2019年6月在视频的其他时间段也应需要继续保持视频质量, 2.3.2开头部分与其他部分的弹幕情感显著性检验

利用AI进行文本的情感倾向分析是当下的热

才更可能使视频成为热门。ANOVA TableSource

SS

MS 仇 05523 仇 05思11F Prob>F门技术3。本研究利用百度AI开放平台-自然语

Columns Error Total 0.0552 1 53. 9301 928 53.9853 9290.95 O'. 3299言处理-情感倾向分析API来分析弹幕情绪，此

API可将文本情绪分为“积极”“中性”和“消极”

三类。由于机能，仅根据均匀分布随机选取

图9积极情绪p=0. 329 9一定数量的弹幕进行分析。首先分析3种情绪在整体的占比情况，如图4~ 图6所示。定义视频时长前10%为视频开头部分。图4整体弹幕情绪占比图5开头部分情绪占比图6后部情绪占比由此可知，视频前后部的情绪比例和整体情 绪比例是基本一致的。然后根据单个视频中，3种弹幕情绪在视频开

头与其他部分的占比，使用MATLAB单因素一元

方差来分析每种情绪的比例在视频前后部有无统 计显著的差异，结果如图7~图9所示。ANOVA Table

SourceSSdfMSF Prob>FColumns0. 721810. 7217719. 1.10199e-05Error34. 279280. 03694Total35. 0015929图7消极情绪尸1. 1 019 9X10 5ANOVA TableSourceSSdfMSF Pr0b>FColumns0.12S310.128332. 73

0. 0987Error43. 59739280. 04698Total43. 7256

929图8中性情绪p=0. 098 7在显著性水平a=0. 05的情况下，积极情绪和

中性情绪的弹幕数量占比在开头部分和其他部分

有不存在显著性差异，消极情绪的弹幕数量占比

在前后部差异明显。由此可知，具体到单个视频，整体情绪保持 为偏向积极的视频较多，整体情绪持续消极的视

频很少，这表明一个内容积极的视频更容易吸引

观众。2.4对于视频内容类别的研究为了找出视频内容所包含的类型，本研究采

取AI分析和关键词搜索这两种方式来对弹幕进行

评价，进而得出弹幕出现时视频内容的评价。

2.4.1 AI情感倾向分析由2.3.2节可得，整体上，“积极情绪”的弹 幕占多数，“中立情绪”和“消极情绪”分居第二

第三。这说明观众更愿意看到积极向上的视频，

也更愿意表达积极向上的情绪。进一步利用百度AI开放平台一自然语言处

理-情感倾向分析API,比较第1挡视频和其他

三挡视频的弹幕情绪，如图10〜图11所示。图11其他挡情绪占比因“消极情绪”在两图中占比基本一致，而

“中性情绪”既可能偏向积极，也可能偏向消极，

所以本研究认为，各个挡位的视频的积极情绪占

比与总体占比基本一致，再次说明比较热门的视

频总体上来说是情绪积极的。2.4.2关键词搜索法因为AI分析只有3种情绪结果，不足以对多 样的视频内容进行比较详细的分析，因此使用关

第17卷第3期崔楠，等：基于弹幕数据分析的热门短视频评价研究• 137 •键词搜索弹幕来进一步分析评价视频内容。关键 词可以通过分析弹幕中出现频率较高的词语来

系列的视频具有了关联性，并在弹幕中有所体现。5） 出乎意料：视频内容出人意料，甚至是

获得。基于对Python处理自然语言的相关研究「⑵，

本文首先对弹幕数据进行中文词频统计，以得到 高频词汇。利用Python的\"jieba\"库对467个视频

惊悚。6） 感谢：视频内容令观众自发地感谢作者。7） 主动性：视频内容有一定的讨论性，使观

众愿意主动去表达自己的建议。8） 负面情绪：视频内容使观众感到难受与

的弹幕数据进行中文词频统计，在分析中去掉部

分无意义词汇，如“我” “的”以及部分标点符 不安。9） B站特色：B站等各大视频网站都会有自

己的特色，并在视频中有所体现。号，结果如表2所zNo表2出现频率较高的弹幕词语（部分）词语哈哈哈哈哈哈哈出现次数512 44187 86178 4710）其他：前9类属于视频通用分类，但每个 视频必定有一定特色，有一定数量的弹幕无法完

全归类至以上9类之中，所以设置“其他”类来啊啊啊归纳。表3关键词设置类型弹幕生日快乐829 2778 7高能哈哈可爱喜欢游戏关键词'233',，哈哈,,k,，笑；噢,滇香，'66',，不错,,赞,，投币「硬币,,'收藏,,'V,

-yeah；，强，，，人才,，，牛；，厉害,，6013高兴内容与操作55136 2534 9466 7'福利'良心'，'打call，,，喜欢,,，可爱,,，萌；'

画面感好看,,-dalao；，大佬,,燃,漢,，火，'哇'漂亮，啊啊啊,,&。卩,，酷'由此可见，经过词频统计后，一些高频弹幕

词语仍可能是意义不明的、重复的，或是无法被

关联性，终于,,'leile\\ 來了,, HeiT','期待'，'失踪人口'好久不见係列'更了'高产归纳到某种分类之中的，所以还需要进一步对高

'来晚了生日快乐'出乎意料频词语进行筛选、分类，得到弹幕类型和对应的 关键词。因为分类过程涉及观众的主观感受，本研究

憶外'惊'没想到'卧槽'妈耶'巧了'，'心脏'吓'高能'社会'妙'憾谢'辛苦'心疼'泪谢'爱'支持'感谢主动性基于高频词汇，结合B站视频分类，一般热门短视 频的内容类型以及相关研究冋等，假设弹幕类型

'干'，'肝'，'？ '，'？'，'了解一下'，'emm',

，BGM，, -bgm-,，额二，想，，憾觉,，，嘤'

有以下10大类别，并将合适的高频词汇归入其中，

如表3所示。这些分类满足MECE分析法，即“相

负面情绪'夭寿难受骂完了''别'， '麻烦'，'。。'，'gg', 'GG，,，恶;，活该,,，死'

，up，, 'Up\\，UP，,，空降,,，字幕,,，计数,,'互，完全穷尽”。1） 高兴：视频内容幽默风趣。B站特色1. 25', '1. 5； Q 5\\，开头,,，火钳刘明,,，每 0

'自由'，'那个男人'欢迎回来'弹幕'鬼

2） 内容与操作：视频内容思路独特，或视频

作者的行为令人赞叹，如游戏操作、运动技术等。其他畜，3） 画面感：相对于“内容与操作”，此分类

更倾向于如画面唯美，出镜演员令人喜爱这样的

内容。在具体计算中，一条弹幕若包含某类型的关 键字，则令对应类型的计数加一，最后统计各个

4） 关联性：一些知名视频作者或是作品系列 本来就拥有一定量的关注者，使视频更有可能收 到更多的关注，这使得一个视频的内容与其他同

类型的计数在总数中的占比。若一条弹幕包含多

种类型的内容，则对每种被包含的类型分别加一 计数。但鉴于弹幕一般较短，单条弹幕包含多种

・138・实验科学与技术2019年6月类型的情况并不多见。结果分析如图12所示。1) “其他”(51. 045 1%)约占视频内容的一半, 表明热门视频必定有一定特色，可令观众发出只

在此视频内会发出的弹幕。这一部分的弹幕内容 差别很大，无法继续分类。2) “内容与操作”(13.955 0%)在通用分类中

(除“其他”)排名第一，表明观众更想看到平时自

己无法做出或体验到的独到内容。3) “高兴” (10. 0614%)和“主动性”(8. 1129%)

在通用分类中分居二三。一方面表明观众比较喜

欢令人高兴的视频内容；另一方面表明能激发观

众思考，表达的视频更容易成为热门。这与当下 网络中“娱乐至上”和“人人发言”的风气相符。4) “画面感”(4.871 8%)和“负面情绪”

(3.798 5%)在通用分类中并列第四。一方面表明

视频画面，演员优秀能带动一些人气；另一方面

表明一些令人不愉悦的内容也能激发观众的观看 欲望。此现象十分有趣，原因可能在于人对美好

和丑恶这两种极端的事物都会给予关注。5) “感谢”(2. 394 8%)、“B站特色”(2. 147 0%)、 “关联性”(1. 914 5%)、“出乎意料\"(1.699 0%)所

占比例较低，表明这些指标并未成为视频热门的

主要条件。这与前期的假设有一定的差异。2.5对于“其他”类的研究在前面10个视频分类中，除“其他”类以夕卜

的其他9类占比49%,可以称之为“普通内容”,

或是比较符合大众口味的视频内容。“其他”类代

表了视频独具特色的内容。虽然在“其他”这一分类中难以再进行分类, 但可以通过考察各个视频中“其他”内容的比例,

来调查热门视频的内容中“普通内容”和“特色

内容”的关系。首先取得各视频中“其他”内容的比例，再

通过和计算弹幕分布类似的方法，计算以“其他” 内容比例为指标的视频数量分布。结果如图13所

示，X轴表示视频数量，Y轴表示“其他”内容在 单个视频内的比例。o.o97.O9.815蛋O.79孤O»

.73O.670»;.610粼.550.40迴•.490«

.33O.371O「

.25O.19O.13O.07O.

0 1 图13 “其他”类的占比和视频数量的关联情况由此可得，大部分热门视频的“其他”内容

比例在40%~70%之间，表明视频内容既需要一定 的独特性，也要迎合大众口味，拥有一定的通用

内容类型。这两者的比例尽可能维持在相等状态。 原因可能为特别独特的视频往往需要投入比较大

的精力去查看，与短视频“用较短的时间获取资

讯”的理念相反，不利于成为热门视频。进一步分析，根据排名将视频分为4挡，再次

分析，结果如图14〜图17所示。由此可知，在整体分布基本稳定的情况下，越

受欢迎的视频，其弹幕为“其他”类的部分所占

比例反而越少。这可能是因为热门视频的观众弹

幕存在“人云亦云”的效应，也有可能是热门视 频本身就符合更多成为传统热门视频的潜在条件。097蛋O.81孤O.73»O.65潘O.57O.49粼41迴•O.O.33«O.O.25「O.17O.09O.

01

图14第1挡第17卷第3期崔 楠，等：基于弹幕数据分析的热门短视频评价研究・139・0

0.5

1.0

1.5 2.0 2.5 3.0 3.5 4视频数量图15第2挡0

2

4

6 8视频数量图16第3挡0

1

2

3

4 5 6 7视频数量图17第4挡3结束语经过上述研究，热门短视频的内容应具有以

下5点特征。1） 视频开头部分必须做得精彩，但其他时间

段也需要继续保持视频质量。视频持续高质量比

拥有几个视频高潮点更能吸引观众。2） 视频应具有独特性，展示给观众自己难以 经历的事件，比如绝美的风景，极佳的处事方法等,

营造观众的代入感。视频是否出自知名作者，是否

和平台风格密切联系与是否热门无绝对联系。4） 视频内容应该积极向上，少走歪门邪道。5） 视频内容既需要一定的独特性，也要迎合

大众口味，过于平庸或是特立独行的视频难以成

为热门。通过以弹幕为基础的视频内容识别，本研究

得到了一些传统内容识别难以得到的信息，如单 个视频前后部分的情绪差异、观众的观看重点等。另外，影响一个短视频是否热门的因素是多

样的，一个视频好坏的评判标准也并非只有“是

否热门”这一条。本文仅讨论短视频内容对其热

门程度的影响，在内容方面给予追求高播放量的

视频作者和平台一些帮助。同时，用弹幕来定量分析评价视频内容是一 个较为创新的思路，一定程度上解决了当前利用

机器学习分析视频内容较为困难的问题，可以根 据该思路进行更多关于视频内容的研究，如通过 弹幕分析识别水军等。参考文献[1]

刘艳.基于SARIMA模型的视频播放量预测软件设计

与实现[D].成都:电子科技大学,2012.[2]

谭亦男•提升视频网站视频播放量的策略研究——基 于A视频网站的分析[D].北京:对外经济贸易大学,

2014.[3]

李鉴桥，关虎，张树武.基于神经网络的视频网站自

制节目播放量的预测建模[J].中国传媒大学学报（自 然科学版），2017（6）： 5.[4]

董兰兰.资讯短视频的内容生产策略——基于对“梨

视频”发布的热门资讯短视频的分析[J].新闻研究导 刊，2017, 8（2）： 38-39.[5]

姜明，朱开诚，王兴起.视频网站热门视频快速发掘

系统[J].移动信息，2016（1）:57-58.[6] 朱开诚.视频分享网站热门视频快速挖掘预测 模型[D].杭州:杭州电子科技大学,2016.[7] 齐振国.视频内容识别算法研究[D].北京:北京交通

大学，2014.[8]

冯冰.基于时空特征和词袋模型的多模态视频内容识

别算法研究[D].上海:上海交通大学,2011.[10] 谢梅，何炬，冯宇乐.大众传播游戏理论视角下的弹

幕视频研究[J].新闻界，2014, 2（37. 40）： 37-40.[11] CAMBRIA E. Affective computing and sentiment analysis[J]. IEEE Intelligent Systems, 2016, 31（2）： 102-107.[12] BIRD S, KLEIN E, LOPER E. Natural language pro­

cessing with Python: analyzing text with the natural lan­

guage toolkit [M]. [S. 1. ] : 0'Reilly Media, Inc.,2010, 44： 421-424.[13] 罗淼，晏辉.弹幕的语言特征研究——以哗哩哗哩弹

幕网为例[J].人文论谭，2016（0）： 7.

编辑张俊