Exploring the Emerging Type of Comment for Online Videos: DanMu

题目：Exploring the Emerging Type of Comment for Online Videos: DanMu

作者：MING HE等，中科大

发表：2018 ACM Transactions on the Web

一、数据与统计：分析弹幕评论在自然时间和视频时间上的分布，以及它们与传统评论的分布有何不同

作者从acfun抓取数据，总计6506个视频，1704930个弹幕,32万作者和155455个传统评论。数据集中详细信息包括:(1)每个视频的上传时间，从2014年1月1日到2015年1月1日;(2)每个弹幕的自然时间、视频时间、作者ID、文本内容;(3)每篇传统评论的自然时间和作者ID

总量分布

弹幕总量远大于比传统评论

弹幕作者更活跃

弹幕功能比传统评论更能吸引用户发表意见

时序分布

自然时间：传统评论头几日较多，后期变少；弹幕后期也会有急剧增多现象

视频时间：弹幕分布包含多爆发现象。

二、识别和测量弹幕相对于自然时间和视频时间的羊群效应

【观察→建模→验证→结论】

验证方法：采用Christie和Huang(1995)的羊群效应模型来量化弹幕的羊群效应，因为可以很自然地将视频集类比为股票市场，将每个视频类比为股票，将#弹幕类比为股票收益。

结果表明：羊群效应对视频时间的影响与自然时间的影响呈正相关.

三、弹幕的爆发模式

验证方法：采用Vlachos等人(2004)提出的突发检测方法来检测弹幕的爆发。这种方法(称为VTBM)是基于移动平均(MA)的计算

四、先导弹幕识别

为了探索弹幕爆发的前因和羊群效应，作者提出了在弹幕爆发中寻找起主导作用的、对弹幕爆发的发生贡献最大的先导弹幕。先导弹幕下图为示例：先导弹幕能够激发后续弹幕。

在介绍了弹幕内容(内容相似度、内容新颖度、弹幕位置)、用户信息、弹幕时间信息三种因素后，提出一个综合考虑这三种因素的先导弹幕检测框架，并给出了实验结果

五、预测弹幕增长

基于识别出的弹幕特征，提出预测未来弹幕在视频和视频片段上的分布，可为理解视频流行度和网络流量的趋势提供重要的指示。对视频分布的预测是预测未来弹幕会发布哪些视频。对视频片段分布的预测是预测未来弹幕将在视频的哪些片段上发布。作者开发了两个复杂的模型来解决这两个问题，这两个模型都考虑到了弹幕的独特特性【略】