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】
Exploring the Emerging Type of Comment for Online Videos: DanMu相关推荐
- DanmuVis: Visualizing Danmu Content Dynamics and AssociatedViewer Behaviors in Online Videos
目录 作者:北京大学可视化与可视分析研究小组,一作陈帅 发表:EuroVis2022 一.弹幕数据的优势与特点 二.本文的切入点 三.工作难点 四.本文解决方案:DanmuVis系统 系统包含数据处理 ...
- 全面理解Python中的类型提示(Type Hints)
众所周知,Python 是动态类型语言,运行时不需要指定变量类型.这一点是不会改变的,但是2015年9月创始人 Guido van Rossum 在 Python 3.5 引入了一个类型系统,允许开发 ...
- wordpressPHP实现ajax评论,wordpress无刷新评论:无需插件ajax实现wordpress comment无刷新机制...
/** * 这个文件是从根目录下拷贝过来的comment-posts.php文件,主要功能就是提交评论,同时增加了显示出结果的功能. */ if ( 'POST' != $_SERVER['REQUE ...
- #pragma comment和#pragma 预处理指令详解
该宏放置一个注释到对象文件或者可执行文件. 例如,#pragma comment(lib,"Ws2_32.lib")表示链接Ws2_32.lib这个库. 和在工程设置里写上链入 ...
- 《Oracle comment on注释信息方法论》
更多精彩内容尽在leonarding.blog.51cto.com <Oracle comment on注释信息方法论> 引言:在DBA日常工作中写注释信息可能会经常有,但用Oracle命 ...
- oracle comment on用法,《Oracle comment on注释信息方法论》
<Oracle comment on注释信息方法论>引言:在DBA日常工作中写注释信息可能会经常有,但用Oracle命令来写和使用我想应该不是很多,其实Oracle给我们提供了非常丰富的语 ...
- cnn卷积神经网络应用_卷积神经网络(CNN):应用的核心概念
cnn卷积神经网络应用 In this tutorial, we'll work through the core concepts of convolutional neural networks ...
- ios 地图 省市轮廓_iOS 14中的新增功能:视觉轮廓检测
ios 地图 省市轮廓 WWDC20 (WWDC20) Apple's WWDC 2020 (digital-only) event kickstarted with a bang. There we ...
- 使用Keras,TensorFlow.js,Node.js和Firebase构建,训练和部署Book Recommender系统(第2部分)
Welcome back to the second part of our recommender engine tutorial series. In the first part, you le ...
最新文章
- 搞垮服务的20条原则
- 机房重构(个人版)——类图
- eeglab教程系列(17)-DIPFIT对独立成分进行等价偶极子定位
- 前端学习(1373):构建模块化路由2
- java水果超市mysql_Java基础 | 项目实战之水果超市
- IDEA导入项目笔记二
- qemu a fast and portable dynamic translator——大致翻译
- 【Flink】IncompatibleClassChangeError: Found class org.apache.flink.streaming.runtime.tasks.Processing
- 大家一起用gtk编程4(使用GDB调试程序)[zt]
- ghost还原固态硬盘_解决方法:SSD可以使用Ghost软件吗?最后说清楚了
- 利用SPI编写类似sockscap的代理工具
- python单例模式数据库连接池_Python单例模式的实现
- ps怎么去掉框框不伤字体_PS如何去掉和替换图片中的文字? 照着学就行了
- SQL SERVER2000安装挂起问题
- python token_bytes_Python secrets.token_bytes方法代码示例
- HTTP中 referer 什么意思
- TOLUA的文件结构
- “网络侦探”基础教程
- (4) epics 中新建一个ioc的整体过程
- 微软愿景:未来工作, 也可以这样,强