基于數(shù)據(jù)挖掘算法的“B站”用戶行為數(shù)據(jù)分析（最終）

摘要經(jīng)過多年的發(fā)展，網(wǎng)絡(luò)視頻已經(jīng)成為互聯(lián)網(wǎng)上的主要應(yīng)用之一。目前，網(wǎng)絡(luò)視頻具有數(shù)量大、發(fā)布快、影響多、影響力大的特點(diǎn)。BililiBarrageVideoNetwork(簡稱B站)作為當(dāng)下國內(nèi)首屈一指的彈幕視頻網(wǎng)站。對全平臺的視頻調(diào)查可知，B站用戶創(chuàng)作的視頻數(shù)量所占比例高達(dá)85%。而對于其中的視頻創(chuàng)作者而言，如何在互聯(lián)網(wǎng)繁雜的數(shù)據(jù)海洋中，進(jìn)一步分析和研究熱點(diǎn)視頻則成為了研究的難題所在。本文的數(shù)據(jù)取自2020年8月的B站，其主要涉及有關(guān)生活版塊的熱點(diǎn)視頻數(shù)據(jù)，并選取了大量熱點(diǎn)詞、評論等數(shù)據(jù)進(jìn)行分析和研究，并最終實(shí)現(xiàn)了數(shù)據(jù)的可視化研究，不僅可以了解這段時間網(wǎng)絡(luò)輿情的總體趨勢，掌握用戶的心理態(tài)度，加強(qiáng)受眾的互動反饋，還可以激發(fā)用戶對于B站文化探索的興趣。關(guān)鍵詞嗶哩嗶哩；用戶行為分析；熱點(diǎn)視頻；ABSTRACTAfteryearsofdevelopment,onlinevideohasbecomeoneofthemainapplicationsontheInternet.Atpresent,onlinevideoshavethecharacteristicsoflargequantity,quickrelease,largeinfluenceandgreatinfluence.BililiBarrageVideoNetwork(abbreviatedasStationB)iscurrentlytheleadingbarragevideowebsiteinChina.Accordingtothevideosurveyonthewholeplatform,theproportionofvideoscreatedbyusersofstationBisashighas85%.Forthevideocreatorsamongthem,howtofurtheranalyzeandstudyhotvideosinthecomplexdataoceanoftheInternethasbecomeadifficultresearchproblem.ThedatainthisarticleistakenfromstationBinAugust2020,whichmainlyinvolveshotvideodatarelatedtolifesections,andselectedalargenumberofhotwords,commentsandotherdataforanalysisandresearch,andfinallyrealizedthevisualizationofthedata.Understandingthegeneraltrendofonlinepublicopinionduringthisperiod,graspingthepsychologicalattitudeofusers,andstrengtheningtheinteractivefeedbackoftheaudiencecanalsostimulateusers'interestinculturalexplorationatstationB.Keywords：Bilibilib;Userbehavioranalysis;Hotvideo;

目錄第1章緒論 第1章緒論1.1選題背景與意義 國內(nèi)用戶將Bilibili簡稱為B站，該平臺是自AcFun之后，國內(nèi)的第二家彈幕視頻網(wǎng)站。隨著平臺地不斷發(fā)展與壯大，B站已經(jīng)逐漸發(fā)展為集video、broadcast、game、blog、vlog等于一體的內(nèi)容分享化平臺。其不僅擁有國內(nèi)最大的視頻平臺體量，更是在questmobile評選的多項(xiàng)榜單中榮膺桂冠。2021年3月29日，嗶哩嗶哩第二次正式在港上市。嗶哩嗶哩的高互動性、時效性、娛樂性和較強(qiáng)的二級語言風(fēng)格使其不斷擴(kuò)大用戶群，成為中國最大的青年文化社區(qū)。該網(wǎng)站的前身是mikufans，該平臺創(chuàng)立于2009年，并于一年后改名為嗶哩嗶哩。2018年，經(jīng)過了近8年的努力之后，B站在美國納斯達(dá)克成功上市并發(fā)行配額股票。B站在權(quán)威網(wǎng)站alexa的排名也是水漲船高，在躋身全球前百名的基礎(chǔ)上仍然保持著穩(wěn)步上升。而在中國top網(wǎng)站排行榜中，B站作為碩果僅存的四家視頻網(wǎng)站之一，已經(jīng)成功闖入了前二十名，僅次于國外視頻分享平臺youtube，而與國內(nèi)的同類型網(wǎng)站對比中，B站更是超越了傳統(tǒng)視頻平臺霸主愛奇藝和youku。在其設(shè)計(jì)之初，B站的初衷僅僅在于視頻分享領(lǐng)域。而隨著平臺的發(fā)展和逐步升級，B站的觸手也廣泛地深入到了傳統(tǒng)的電影、音樂等領(lǐng)域。本文將B站作為研究對象的主要原因可以歸納為以下幾點(diǎn)：市場潛力廣闊：通過數(shù)據(jù)可知，B站在國內(nèi)的視頻網(wǎng)站排行里獨(dú)占鰲頭，而根據(jù)其官方數(shù)據(jù)可知，僅2018年的前兩個季度，月活躍用戶的總量已經(jīng)高達(dá)近7700萬，而2017年的月上傳視頻數(shù)量更是高達(dá)近90萬。而就其移動端匯總的數(shù)據(jù)來看，僅2017年一年，每天使用移動端的用戶點(diǎn)擊次數(shù)更是高達(dá)約2億人次，而實(shí)際的用戶轉(zhuǎn)化率維持在80%上下。年輕群體的占比高：18歲—28歲之間的青年用戶在使用本站的總用戶中占比高達(dá)約82%，而該目標(biāo)群體在我國人口中所占比例更是高達(dá)約24%，18-28歲青年用戶被視作未來我國網(wǎng)絡(luò)消費(fèi)領(lǐng)域的主力軍。使用者互動水平較高：通過B站過去發(fā)布的ipo報(bào)告可知，2017年全年積極參加平臺設(shè)計(jì)的月活躍用戶人數(shù)在1500萬人次上下波動，其中互動次數(shù)更是高達(dá)近2.3億次。該報(bào)告細(xì)致分析了用戶互動的深層原因，即B站優(yōu)異的網(wǎng)站交互設(shè)計(jì)模式。該模式旨在讓用戶可以借內(nèi)容實(shí)現(xiàn)社交層面的基本互動。B站作為國內(nèi)最為成功的內(nèi)容分享網(wǎng)站之一，其用戶群體有著鮮明的用戶畫像，商業(yè)價(jià)值極高。而作為中國最大的彈幕網(wǎng)站，B站的用戶在使用過程中也保持了極為活躍的互動習(xí)慣。故而，本文選擇具有天然大數(shù)據(jù)屬性的B站作為研究對象。而視頻網(wǎng)站中也專門設(shè)立了包括動漫專區(qū)在內(nèi)的近12個專區(qū)以供研究。1.2研究目的及意義隨著互聯(lián)網(wǎng)技術(shù)的日益普及，人們的娛樂化需求也發(fā)生著悄然改變，其中在線視頻網(wǎng)站正扮演者愈發(fā)重要的角色。根據(jù)國外知名機(jī)構(gòu)emarket的預(yù)測，截止到2018年，在線視頻用戶數(shù)量將在2017年的基礎(chǔ)上井噴至22億。而到2020年年尾，在線視頻流量之于總流量的占比也會從現(xiàn)在的60%上升到80%。根據(jù)國家互聯(lián)網(wǎng)信息中心發(fā)布的一項(xiàng)報(bào)告顯示，中國互聯(lián)網(wǎng)用戶的近八成都是在線視頻用戶，用戶數(shù)高達(dá)約5.5億人次。而與國內(nèi)同類型的視頻網(wǎng)站進(jìn)行比較的過程中，其競爭也愈發(fā)激勵，為了提升服務(wù)品質(zhì)并維系新老用戶，B站等平臺開始逐步挖掘并推廣高質(zhì)量、高權(quán)重視頻內(nèi)容。與此同時，視頻博主也有意識的隱藏視頻中的關(guān)鍵信息，以獲取來自用戶的真實(shí)反饋數(shù)據(jù)，這種手段極大的增強(qiáng)了用戶同up主之間的交互，并有利于視頻博主創(chuàng)作更高質(zhì)量的視頻內(nèi)容。它還可以激發(fā)用戶探索彈幕文化的興趣。使用戶保持新鮮感，延長軟件的使用壽命。1.3國內(nèi)外研究現(xiàn)狀當(dāng)下的學(xué)術(shù)界中，如雨后春筍般的涌現(xiàn)出了多種對于用戶的分析方式，其中較為常見的有用戶行為分析方式。由于該方式較為新穎，受眾相對較少，使得大多數(shù)研究人員對其認(rèn)知不足。然而這不能掩蓋其作為一項(xiàng)分析用戶行為的方式的特殊價(jià)值。作為研究用戶的手段之一，通過大量的數(shù)據(jù)作為佐證來驗(yàn)證該理論的可行性。美國IllinoisInstituteofTechnology的學(xué)者指出，通過觀察并研究人們的日常表現(xiàn)，而進(jìn)行的一種新穎且特殊的設(shè)計(jì)研究方式。在我國香港進(jìn)行的一個項(xiàng)目，通過觀察記錄人們的日常，了解不同人群在生活過程中的興趣愛好，以此來挖掘人們的實(shí)際需求。這也是很多企業(yè)在進(jìn)行產(chǎn)品設(shè)計(jì)過程中的必由之路。這樣不僅可以吸引到用戶的注意力，更能按照用戶的實(shí)際需求開發(fā)令其滿意的產(chǎn)品。在進(jìn)行開發(fā)和設(shè)計(jì)的過程中，客戶的實(shí)際需求將成為產(chǎn)品設(shè)計(jì)的重中之重，而提升用戶的滿意度也將成為考核的環(huán)節(jié)之一。著名學(xué)者亨特曾經(jīng)深入研究用戶的行為并撰寫文章，其認(rèn)為心理學(xué)的變化從傳統(tǒng)的辯論時代發(fā)展到以實(shí)踐為基礎(chǔ)的實(shí)驗(yàn)時代，有必要從客觀的角度來研究和分析人類的行為。心理學(xué)系統(tǒng)地論述了有機(jī)體的定義和行為，描述了當(dāng)前社會環(huán)境下有機(jī)體的外顯行為?；趪鴥?nèi)的研究情況，江湘蕓教授在有關(guān)用戶行為分析的著作中也指出，用戶的行為模式可以與用戶的思維進(jìn)行深度融合，并引出一種嶄新的模式。這種模式的特點(diǎn)在于其對于產(chǎn)品的主體進(jìn)行了嚴(yán)格的劃分，一個是在其使用情境上運(yùn)用了大量的革新手段，一個是深化其具體的操作流程。

第2章關(guān)鍵技術(shù)1.1爬蟲技術(shù)基本上所有Python爬蟲初學(xué)者都會接觸到兩個工具庫，requests和BeautifulSoup，這二者作為最為常見的基礎(chǔ)庫，其使用方式也截然不同，其中request工具庫主要是用來獲取網(wǎng)頁的源代碼，其需要向服務(wù)器發(fā)送url請求指令；而beautifulsoup則主要用來對網(wǎng)頁的源語言，包括且不限于HTML\xml進(jìn)行讀取和解析，提取重要信息。這兩個庫模擬了人們訪問網(wǎng)頁、閱讀網(wǎng)頁以及復(fù)制粘貼相應(yīng)信息的過程，可以批量快速抓取數(shù)據(jù)。流程如圖1所示。圖1數(shù)據(jù)獲取及解析流程圖2.2PythonPython是荷蘭科學(xué)研究學(xué)會的GuidovanRossum的設(shè)計(jì)語言，其面世于1990年代，主要用于c語言的備選語言，Python語言本身具有顯著的特點(diǎn)，其不僅提供了結(jié)構(gòu)嚴(yán)謹(jǐn)?shù)臄?shù)據(jù)結(jié)構(gòu)，也可以如java、c++等語言進(jìn)行面向?qū)ο蟮拈_發(fā)與設(shè)計(jì)。Python的語法結(jié)構(gòu)和解釋器類型注定了其可以在多種平臺上進(jìn)行腳本的開發(fā)與設(shè)計(jì)，也注定了其是一款用于進(jìn)行高效開發(fā)的程序語言。隨著python語言版本的不斷更新，越來越多項(xiàng)目的開發(fā)過程中，也開始選用高效便捷的Python語言進(jìn)行獨(dú)立化的開發(fā)設(shè)計(jì)。Python豐富的標(biāo)準(zhǔn)庫為各主要系統(tǒng)平臺提供了合適的源代碼或機(jī)器碼。第3章模塊設(shè)計(jì)本平臺的結(jié)構(gòu)如圖2所示：圖2平臺結(jié)構(gòu)圖3.1數(shù)據(jù)爬取模塊用python進(jìn)行數(shù)據(jù)挖掘的過程中，主要是通過爬蟲程序和數(shù)據(jù)的預(yù)處理來收集相應(yīng)的用戶數(shù)據(jù)信息。網(wǎng)絡(luò)爬蟲的實(shí)現(xiàn)往往是利用用戶在視頻上傳過程中使用到的aid碼進(jìn)行，并通過request來選擇B站的網(wǎng)址，從而最終收集到相關(guān)的數(shù)據(jù)。數(shù)據(jù)預(yù)處理很大程度上市用來爬取視頻收集過程中的基本數(shù)據(jù)信息，并進(jìn)行相關(guān)的操作。（1）數(shù)據(jù)清洗技術(shù)主要是通過使用python語言中的正則表達(dá)式技術(shù)，通過其大量收集目標(biāo)數(shù)據(jù)，并進(jìn)一步進(jìn)行提取。（2）數(shù)據(jù)轉(zhuǎn)換技術(shù)主要是通過加載法，將源數(shù)據(jù)中收集到的字符串按照相應(yīng)的規(guī)則和序列轉(zhuǎn)換成字典。（3）數(shù)據(jù)去重即用unique方法，返回沒有重復(fù)元素的數(shù)組或列表。預(yù)處理后保存到CSV文件中。3.2數(shù)據(jù)的挖掘與分析模塊數(shù)據(jù)挖掘主要是通過運(yùn)用設(shè)計(jì)好的算法對已有的數(shù)據(jù)進(jìn)行分析和匯總，并按照數(shù)據(jù)的特征進(jìn)行情感分析。統(tǒng)計(jì)數(shù)據(jù)過程中多使用snownlp類庫來實(shí)現(xiàn)這一基本的情感分析的操作，通過計(jì)算彈幕的數(shù)據(jù)值，來分析其中的傾向性。情感分析中長用sentiment來指明實(shí)際的情感值。其中，數(shù)據(jù)一旦越靠近1則越表明其正面屬性，越接近0越負(fù)面，相關(guān)的結(jié)果數(shù)據(jù)可以作為情感分析的基礎(chǔ)數(shù)據(jù)而得到。3.3數(shù)據(jù)可視化模塊數(shù)據(jù)可視化模塊主要采用餅圖、詞云和折線圖等手段來實(shí)現(xiàn)最終的數(shù)據(jù)可視化。并通過matplotlib庫等技術(shù)來進(jìn)一步地研究和分析數(shù)據(jù)的特點(diǎn)，最終通過圖表的模式來展示數(shù)據(jù)的深層含義?？梢暬K包括各時段視頻播放量比例圖、熱詞統(tǒng)計(jì)圖、每周不同時間視頻播放量線圖、情緒比例圖等可視化圖形。

第4章數(shù)據(jù)挖掘和分析4.1樣本選取與數(shù)據(jù)來源因?yàn)橐髷?shù)據(jù)集，所以不考慮熱榜排名，因?yàn)樗械膮^(qū)域加起來也就一千左右。本研究樣本來源于2020年8月嗶哩嗶哩網(wǎng)站搞笑生活領(lǐng)域視頻流行度排名，2020年8月1日至8月31日的30天的總數(shù)據(jù)。從視頻流行度排行中選擇時間段，查看熱點(diǎn)視頻信息，同時分析各種因素對視頻播放量的影響。雖然只是一個小分區(qū)的月度熱度排名，不包括所有視頻，但是數(shù)據(jù)量也是巨大的，近23萬條數(shù)據(jù)。4.1.1數(shù)據(jù)爬取首先webanalytics發(fā)現(xiàn)這里有一個難點(diǎn)，就是雖然瀏覽器可以查看web源代碼，并且包含視頻相關(guān)信息，但是請求后web源代碼中沒有相關(guān)信息。所以前兩個版本我用的是selenium庫方法獲取信息，但是這種方法有一個缺點(diǎn)，速度慢(因?yàn)樾枰駷g覽器一樣加載整個頁面信息)，信息少(只有標(biāo)題、作者、視頻介紹、視頻頁面、個人主頁URL)，非常麻煩。所以這次我切換到API調(diào)用的方法。當(dāng)我們選擇一個特定的號碼進(jìn)行搜索時，我們可以找到一個接口。點(diǎn)進(jìn)去后可以發(fā)現(xiàn)結(jié)果中有20條數(shù)據(jù)，正好對應(yīng)每頁20個視頻?？梢钥闯?，它包含了作者、標(biāo)題、標(biāo)簽、播放等一系列數(shù)據(jù)。接口是/cate/search?callback=main_ver=v3&search_type=video&view_type=hot_rank&order=click©_right=-1&cate_id=138&page=1&pagesize=20&jsonp=jsonp&time_from=20200801&time_to=20200831,view_type是排名類型，page是頁數(shù)，pagesize是頁面上視頻的最大數(shù)量，上限好像是100。是時候結(jié)束了。但是我還是需要投幣、點(diǎn)贊和收藏的數(shù)據(jù)和UP的粉絲數(shù)。通過同樣的分析，得出得到三連的API接口：/x/web-interface/archive/stat?aid=371876135其中aid由BV轉(zhuǎn)換。粉絲數(shù)為/x/relation/stat?vmid=32172331mid可以在第一個界面獲得。這時候雖然可以啟動抓取，但是如果數(shù)據(jù)量稍微大一點(diǎn)，訪問稍微頻繁一點(diǎn)，IP就會被屏蔽。這時候就需要用代理IP了。雖然有免費(fèi)的代理IP，但是GITHUB上有專門的項(xiàng)目來搭建代理IP池。不過免費(fèi)IP畢竟麻煩，所以我選擇用日租專用的IP。/，將視頻數(shù)據(jù)與上傳者數(shù)據(jù)相結(jié)合，最終形成研究所需的樣本數(shù)據(jù)集。按照上面的數(shù)據(jù)采集流程，在近一個月的數(shù)據(jù)采集過程中，通過采集技術(shù)收集到了近23萬條視頻數(shù)據(jù)。其中，每個視頻數(shù)據(jù)都包含著其視頻的基本信息，比如視頻的實(shí)際播放次數(shù)、視頻的收藏次數(shù)、視頻的分享記錄、上傳者的基本信息、上傳者的好友動態(tài)、上傳者的粉絲列表等基本信息（見表1）。而對于收集到的具體數(shù)據(jù)，則可以按照以下表1的描述方式進(jìn)行。包括作者ID和粉絲數(shù)。信息描述如表1所示：表1視頻主要信息描述原始信息描述視頻基本屬性日期視頻投稿日期標(biāo)題視頻標(biāo)題BV視頻BV號Mid標(biāo)簽視頻所屬范圍視頻互動屬性播放數(shù)視頻當(dāng)前的播放次數(shù)彈幕數(shù)視頻當(dāng)前的彈幕總條數(shù)評論數(shù)視頻當(dāng)前的用戶評論總條數(shù)點(diǎn)贊數(shù)視頻當(dāng)前的點(diǎn)贊總數(shù)硬幣數(shù)視頻當(dāng)前的投硬幣枚數(shù)收藏?cái)?shù)視頻當(dāng)前的收藏人數(shù)分享數(shù)視頻當(dāng)前的分享總次數(shù)當(dāng)前排名視頻當(dāng)前達(dá)到的排名（1-1000）上傳者特征作者上傳者ID粉絲數(shù)上傳者當(dāng)前的粉絲總?cè)藬?shù)接下來爬一下彈幕的詳細(xì)信息：一般情況下，在用戶瀏覽視頻的過程中，彈幕會自動浮現(xiàn)在視頻的觀影窗口。實(shí)際上，在技術(shù)操作層面，程序員會將彈幕內(nèi)置于源代碼中，通過xml來進(jìn)一步的加載，可以簡單理解為記錄數(shù)據(jù)的格式。XML和描述網(wǎng)頁的HTML很像。彈幕文件網(wǎng)址是：/92542241.xml它由一個固定的網(wǎng)址+視頻的cid+.XML組成，在實(shí)際抓取過程中，如果你想搜索到目的視頻的cid碼，你可以通過更換xml的方式來獲取視頻的彈幕信息，其中需要注意，B站網(wǎng)頁進(jìn)行數(shù)據(jù)挖掘過程中，彈幕的數(shù)據(jù)一般小于1000.獲取cid的方法相對簡單，選擇任意的瀏覽器（一般建議選擇Googlechrome），打開瀏覽器并進(jìn)入目標(biāo)網(wǎng)頁，在設(shè)置中逐一檢查網(wǎng)頁的源代碼，用“Ctrl+f”打開網(wǎng)頁自帶的搜索框并鍵入“cid”，發(fā)現(xiàn)cid是網(wǎng)頁源代碼中非常常見的短語，而我們實(shí)際尋找的cid通常會直接以“cid”數(shù)據(jù)串的模式出現(xiàn)。為了進(jìn)一步的減少范圍，通過標(biāo)準(zhǔn)通配符加引號進(jìn)行搜索可以提升搜索的效率，在獲取到了準(zhǔn)確的cid碼之后，就可以開始進(jìn)行基本的爬蟲操作。將視頻窗口內(nèi)的所有的彈幕信息內(nèi)置于tag之下，故而就需要設(shè)計(jì)一個專門的程序獲取視頻窗口下的標(biāo)簽信息：第一，通過request工具庫，來進(jìn)入彈幕網(wǎng)頁的網(wǎng)址url，從而獲取頁面數(shù)據(jù)。導(dǎo)入bs庫，使用lxml解析器解析頁面。因此你需要提前用安裝lxml庫，查詢所有頁面的d標(biāo)簽并打印出來。這個操作之后，d標(biāo)簽中隱藏的彈幕內(nèi)容全部被python抓取，對收集到的彈幕進(jìn)行數(shù)據(jù)分析，通過整理將收集到的彈幕信息、網(wǎng)址信息等編制成字典，并按照固定的格式添加到相應(yīng)的任務(wù)欄中，共計(jì)可以收集到近千條數(shù)據(jù)，保存為CSV文件。做完數(shù)據(jù)后，我們還可以分析，比如詞匯出現(xiàn)的頻率等。，可以根據(jù)需要自由處理。示例:《花丸幼稚園》第六集url：/bangumi/play/ep17617，彈幕文件51816463.xml：/51816463.xml，參數(shù)略解、詳解分別如表2、表3所示：表2參數(shù)略解stime:彈幕出現(xiàn)時間(s)mode:彈幕類型(<7時為普通彈幕)size:字號color:文字顏色date:發(fā)送時間戳pool:彈幕池IDauthor:發(fā)送者IDdbid:數(shù)據(jù)庫記錄ID（單調(diào)遞增）表3參數(shù)詳解stime（float）彈幕出現(xiàn)時間，單位是秒；也就是在幾秒出現(xiàn)彈幕。mode（int）彈幕類型，有8種；小于8為普通彈幕，8是高級彈幕。1~3滾動彈幕4底端彈幕6頂端彈幕7逆向彈幕8高級彈幕size（int）字號12非常小16特小18小25中36大45很大64特別大color（int）文字顏色；十進(jìn)制表示的顏色。data（int）彈幕發(fā)送時間戳。也就是從基準(zhǔn)時間1970-1-108:00:00開始到發(fā)送時間的秒數(shù)。pool（int）彈幕池ID0普通池1字幕池2特殊池（高級彈幕專用）author（str）發(fā)送者ID，用于"屏蔽此發(fā)送者的彈幕"的功能。dbid（str）彈幕在數(shù)據(jù)庫中的行ID，用于"歷史彈幕"功能。獲取到彈幕數(shù)據(jù)后，將獲取到的數(shù)據(jù)按照固定的格式存儲到在danmus.csv文件：4.1.2數(shù)據(jù)預(yù)處理刪除空值，重復(fù)值，對數(shù)據(jù)進(jìn)行預(yù)處理，將None值換成0，只保留中文字符，將標(biāo)題分割成一個個短詞，同理處理標(biāo)簽，設(shè)置一個四舍五入代碼，計(jì)算三連等比率：點(diǎn)贊率=點(diǎn)贊/播放量*100%；硬幣率=硬幣/播放量*100%；收藏率=收藏/播放量*100%；轉(zhuǎn)發(fā)率=轉(zhuǎn)發(fā)/播放量*100%；彈幕率=彈幕/播放量*100%；評論率=評論/播放量*100%4.2各功能模塊的實(shí)現(xiàn)4.2.1熱點(diǎn)視頻的數(shù)據(jù)分析及可視化首先查看處理后的視頻數(shù)據(jù)信息，如圖3所示：圖3視頻數(shù)據(jù)信息共有88350位UP主，統(tǒng)計(jì)每個播放量區(qū)間的視頻數(shù)量，[0,9999]區(qū)間的共213115個，占樣本比例93.86%,[10000,99999]區(qū)間的共有10731個,占樣本比例4.73%，[100000,499999]區(qū)間的共有2436個，占樣本比例1.07%,[500000,999999]區(qū)間共有464個，占樣本比例0.14%，[1000000,∞]區(qū)間共有320個，占樣本區(qū)間0.02%，畫出餅圖，如圖4所示：圖4播放量占比圖如果只展示一萬播放量以上的內(nèi)容，統(tǒng)計(jì)每個播放量區(qū)間的視頻數(shù)量，[10000,99999]區(qū)間的共有10731個,占樣本比例76.92%，[100000,499999]區(qū)間的共有2436個，占樣本比例17.46%,[500000,999999]區(qū)間共有464個，占樣本比例3.33%，[1000000,∞]區(qū)間共有320個，占樣本區(qū)間2.29%，畫出餅圖，如圖5所示：圖5播放量占比圖（播放量1萬以上）統(tǒng)計(jì)展示播放量排名前二十的UP主，統(tǒng)計(jì)結(jié)果如圖6所示：:圖6播放量排名按播放量排名前20的具體數(shù)據(jù)展示，結(jié)果如圖7所示：圖7具體數(shù)據(jù)展示根據(jù)UP主分組對每個UP八月的總播放量進(jìn)行排序，排序結(jié)果如圖8所示：圖8每個UP八月的總播放量展示圖還可以對每個UP主的彈幕數(shù)進(jìn)行排序，排序結(jié)果如圖9所示：圖9彈幕數(shù)排序?qū)γ總€UP主的評論數(shù)進(jìn)行排序，排序結(jié)果如圖10所示：圖10評論數(shù)排序?qū)γ總€UP主的視頻數(shù)等綜合進(jìn)行排序，排序結(jié)果如圖11所示：圖11視頻數(shù)排序繪制折線圖，對每周不同時間段發(fā)布的視頻播放量進(jìn)行統(tǒng)計(jì)，統(tǒng)計(jì)結(jié)果如圖12所示：圖12播放量統(tǒng)計(jì)對每周不同時間段發(fā)布的視頻播放量大于10000的視頻數(shù)量進(jìn)行匯總，結(jié)果如圖13所示：圖13播放量統(tǒng)計(jì)（視頻播放量大于10000）繪制詞云，用詞云顯示出來“題目”熱詞，如圖14所示：圖14題目熱詞用詞云顯示出來大于1萬播放視頻“題目”的熱詞，如圖15所示：圖15題目熱詞（播放量大于10000）用詞云顯示出來大于10萬播放視頻“題目”的熱詞，結(jié)果如圖16所示：圖16題目熱詞（播放量大于100000）用詞云顯示出來大于100萬播放視頻“題目”的熱詞，結(jié)果如圖17所示：圖17題目熱詞（播放量大于1000000）查看標(biāo)簽的熱詞，結(jié)果如圖18所示：圖18標(biāo)簽熱詞用詞云顯示出來大于1萬播放視頻“標(biāo)簽”的熱詞，結(jié)果如圖19所示：圖19標(biāo)簽熱詞（播放量大于10000）用詞云顯示出來大于10萬播放視頻“標(biāo)簽”的熱詞，排序結(jié)果如圖20所示：圖20標(biāo)簽熱詞（播放量大于100000）用詞云顯示出來大于100萬播放視頻“標(biāo)簽”的熱詞，結(jié)果如圖21所示：圖21標(biāo)簽熱詞（播放量大于1000000）統(tǒng)計(jì)標(biāo)題中包含“老師”的視頻數(shù)和播放數(shù)分別為3200和16610756；據(jù)統(tǒng)計(jì)，標(biāo)題中包含“兄弟”字樣的視頻總數(shù)和播放數(shù)分別為1897和25270292。據(jù)統(tǒng)計(jì)，標(biāo)題中有“老師”字樣的視頻總數(shù)和播放數(shù)分別為830和28265224。統(tǒng)計(jì)結(jié)果如圖22所示：圖22包含“女朋友”的標(biāo)題中包含“兄弟”的視頻信息統(tǒng)計(jì)標(biāo)題中包含“一旦”的視頻數(shù)和播放量的綜合分別為89和28302099；統(tǒng)計(jì)標(biāo)題中包含“吾輩”的視頻數(shù)和播放量的綜合分別為318和35563900；統(tǒng)計(jì)標(biāo)題中包含“歪嘴”的視頻數(shù)和播放量的綜合分別為1810和70787655；查看標(biāo)題帶有['老師','兄弟','女朋友','一旦','吾輩','歪嘴']熱詞的視頻個數(shù)餅狀圖，結(jié)果如圖23所示：圖23標(biāo)題熱詞數(shù)量占比繪制帶有標(biāo)題熱點(diǎn)的視頻播放量餅圖，如圖24所示：圖24帶有標(biāo)題熱點(diǎn)的視頻播放量餅圖處理標(biāo)簽的熱詞，繪制含有標(biāo)簽熱詞的視頻個數(shù)餅狀圖，結(jié)果如圖25所示：圖25含有標(biāo)簽熱詞的視頻個數(shù)餅狀圖繪制帶有標(biāo)簽熱詞的視頻播放量餅圖，結(jié)果如圖26所示：圖26帶有標(biāo)簽熱詞的視頻播放量餅圖通過公式點(diǎn)贊率=點(diǎn)贊/播放量*100%，計(jì)算視頻點(diǎn)贊率并進(jìn)行排序，排序結(jié)果如圖27所示：圖27點(diǎn)贊率排序（播放量大于10000）通過公式硬幣率=硬幣/播放量*100%，計(jì)算視頻硬幣率并進(jìn)行排序，排序結(jié)果如圖28所示：圖28硬幣率排序（播放量大于10000）通過公式收藏率=收藏?cái)?shù)/播放量*100%，計(jì)算視頻收藏率并進(jìn)行排序，排序結(jié)果如圖29所示：圖29收藏率排序（播放量大于10000）通過公式轉(zhuǎn)發(fā)率=轉(zhuǎn)發(fā)/播放量*100%，計(jì)算視頻轉(zhuǎn)發(fā)率并進(jìn)行排序，排序結(jié)果如圖30所示：圖30轉(zhuǎn)發(fā)率排序（播放量大于10000）通過公式彈幕率=彈幕/播放量*100%，計(jì)算視頻彈幕率并進(jìn)行排序，排序結(jié)果如圖31所示：圖31彈幕率排序（播放量大于10000）生活搞笑領(lǐng)域的視頻大多集中在10000以下，占93.86%。爆款視頻關(guān)鍵信息:粉絲數(shù)量、視頻質(zhì)量、視頻數(shù)量。每個月上傳大量視頻，出爆款視頻完全有可能。播放量排名最高的兩個UP，一個投稿154個視頻，另一個投稿528個視頻。彈幕和評論跟UP人氣相關(guān)，粉絲數(shù)量越多，粉絲粘性越高。8月份視頻投稿最多的UP是老人誘捕大隊(duì)隊(duì)長，共6932個視頻。視頻主要在10:00-24:00播出，這個區(qū)間的總播出量也是最高的。八月份的高頻詞匯主要是龍王、七夕，與節(jié)日相關(guān)以及高人氣UP。Bilibili相關(guān)活動熱詞視頻播放量普遍較低，UP和月梗相關(guān)播放量最好。三重播放率、彈幕率、轉(zhuǎn)發(fā)率、評論率對視頻播放量影響不大。4.2.2視頻彈幕數(shù)據(jù)查看彈幕數(shù)據(jù)信息，如圖32所示：圖32彈幕數(shù)據(jù)對彈幕進(jìn)行詞頻分析，如圖33所示：圖33彈幕詞頻分析對彈幕進(jìn)行情感分析，如圖34所示圖34情感分析從圖34可以看出，3000個彈幕中，超過一半的是積極彈幕，超過30%是中性彈幕。關(guān)于彈幕調(diào)侃的內(nèi)容居中，梗多，會對情緒分析造成很大障礙。比如：>>>fromsnownlpimportSnowNLP>>>s=SnowNLP('阿偉死了')>>>s.sentiments0.1373666377744408“阿偉死了”有“死”字，所以判定為負(fù)面情緒。但實(shí)際上，它反映了積極的情緒，描述了看到可愛的東西時的興奮情緒。對視頻彈幕數(shù)進(jìn)行折線圖分析，如圖35所示：圖35折線圖分析高能時刻即更多時候，我們可能對精彩片段不太關(guān)注，而是想知道番劇的名場面出自幾分幾秒，即高能時刻。輸出：9m29s名場面:懷中抱妹鯊。我們?nèi)ヒ曨l中看一下，9m29s確實(shí)是名場面，如圖36所示：圖36名場面福利內(nèi)容指的是字體顏色為黃色且十進(jìn)制顏色值為16776960時出現(xiàn)的比較污的畫面。同時，為了防止出現(xiàn)異常，只有當(dāng)這一分鐘出現(xiàn)黃色彈幕的次數(shù)不低于3時，表示這一分鐘內(nèi)是福利內(nèi)容，輸出這一分鐘第一次出現(xiàn)黃色彈幕的秒數(shù)。如表4所示：表402m15s吼吼吼06m19s真的有那么Q彈嗎08m17s憋死09m10s前方萬惡之源10m54s噢噢噢噢11m02s這就是平常心12m34s這個我可以17m19s因?yàn)槟闶卿摻罨炷林迸?8m06s假面騎士ooo是你嗎19m00s警察叔叔就是這個人20m00s金色傳說的說。。。21m02s嘿嘿嘿~彈幕內(nèi)容的挖掘分析是一個非常有意義的方向。本文實(shí)現(xiàn)了彈幕數(shù)據(jù)的統(tǒng)計(jì)分析和內(nèi)容的情感分析。爬蟲過程中收集到的樣本數(shù)據(jù)，其不僅包含了彈幕的基本數(shù)據(jù)信息，更包含了視頻的內(nèi)容數(shù)據(jù)，這些數(shù)據(jù)對于研究彈幕的互動有著一定的借鑒價(jià)值，對用戶的行為模式分析也有一定的現(xiàn)實(shí)意義，這可以使得創(chuàng)作者從彈幕的內(nèi)容中獲取到有用的信息，并憑此創(chuàng)造出高質(zhì)量的視頻作品，這些操作將有助于我們了解用戶的交互模式。

第5章總結(jié)我們的研究基于來自嗶哩嗶哩網(wǎng)站的生活搞笑區(qū)視頻樣本數(shù)據(jù)，運(yùn)用統(tǒng)計(jì)分析、情感分析對熱點(diǎn)視頻的數(shù)據(jù)以及用戶的類型進(jìn)行了深入的探討。本文按照預(yù)設(shè)模塊逐項(xiàng)進(jìn)行分析，基本模塊均已實(shí)現(xiàn)。對熱度視頻的熱詞，點(diǎn)贊，投幣，收藏，評論，彈幕等數(shù)據(jù)對視頻播放量的影響進(jìn)行可視化分析。本文僅選取Bilibili搞笑版塊的相關(guān)視頻作為研究對象，數(shù)據(jù)樣本的選取范圍也主要是單一類型的視頻，其單一性決定視頻不會受到其余主題視頻的影響。而B站的實(shí)際用戶群體多是90后，特定的用戶年齡段使得用戶屬性也相對獨(dú)特，這有別于企業(yè)的視頻平臺。在未來的深入研究中，一來可以收集多個主題的數(shù)據(jù)信息，二來可以進(jìn)行多平臺的調(diào)查研究，通過提升樣本多樣性來增加結(jié)論的真實(shí)性。

參考文獻(xiàn)陳格.青年亞文化視角下的彈幕視頻探析[D