姜明 朱開誠 王興起

?

視頻網(wǎng)站熱門視頻快速發(fā)掘系統(tǒng)

姜明 朱開誠 王興起

杭州電子科技大學，浙江 杭州 310018

隨著互聯(lián)網(wǎng)視頻網(wǎng)站的蓬勃發(fā)展，觀看網(wǎng)絡視頻已經(jīng)成為了廣大網(wǎng)民日常生活的一部分。熱門視頻能夠為網(wǎng)站帶來巨大流量和經(jīng)濟效益。因此，如何快速發(fā)掘熱門視頻是一個新的研究熱點。根據(jù)中國最大的視頻分享網(wǎng)站優(yōu)酷網(wǎng)的特點，分析了影響熱點視頻的因素，在常規(guī)的熱點視頻發(fā)掘方法上加入了賬號質(zhì)量和話題熱度這兩個熱度計算參數(shù)，根據(jù)這兩個參數(shù)設計了一個熱點視頻快速發(fā)掘系統(tǒng)，并通過性能測驗證實了相比于傳統(tǒng)方法該系統(tǒng)能夠有效提高熱點視頻的發(fā)掘效率。

視頻網(wǎng)站；互聯(lián)網(wǎng)

1 研究背景和現(xiàn)狀

隨著互聯(lián)網(wǎng)各大視頻網(wǎng)站的發(fā)展，觀看網(wǎng)絡視頻已經(jīng)成為了中國網(wǎng)民日常生活的一部分?；ヂ?lián)網(wǎng)每天有數(shù)萬新視頻發(fā)布，視頻的播放量達到一定量就成了熱門視頻。熱門視頻是網(wǎng)民的關注點，往往會與網(wǎng)絡熱點事件相關。因此，設計一個快速發(fā)掘熱門視頻的系統(tǒng)有非常大的價值，一方面，熱點推送能快速抓住用戶的眼球，吸引大量網(wǎng)絡流量，為視頻網(wǎng)站推廣盈利帶來很大的效益；另一方面，擁有大量評論的熱門視頻能夠為網(wǎng)絡輿情的研究者提供更多的資源。

2 視頻熱度

網(wǎng)絡熱點的特點是時效性強，互聯(lián)網(wǎng)每天都將產(chǎn)生新的熱點話題，而這些熱點話題存活的時間也短，很快網(wǎng)民的注意力會被新的話題所吸引，經(jīng)過我們的統(tǒng)計，不論視頻播放數(shù)量多高，到第三天，往往新增的播放數(shù)量就下降到比較低的水平，在第七天以后，總播放數(shù)量趨于平穩(wěn)，每日播放量增量非常小。所以，熱門視頻要在視頻發(fā)布后一天內(nèi)就發(fā)掘出來進行監(jiān)控，排除熱度已經(jīng)下降到一定程度的視頻，預警可能成為熱點的視頻。

視頻播放量是視頻熱度計算的重要指標，對于視頻分享網(wǎng)站，一方面，因為有社交因素的存在，每個用戶新上傳的視頻首先會被推送到每個粉絲那里，粉絲們也會經(jīng)常性的收看自己訂閱的帳號的視頻，因此，我們認為一個帳號受關注的程度往往能對其上傳的視頻熱度產(chǎn)生影響；另一方面，社交網(wǎng)站往往存在熱點話題，多個相同主題的熱門視頻能夠聚合成熱點話題，那么如果新上傳的視頻與當前的熱點話題相關，那會對視頻熱度造成影響，所以我們要探究的第二個影響視頻熱度的因素是話題熱點。

3 帳號質(zhì)量

我們在研究帳號與視頻播放量的關系時，根據(jù)帳號受歡迎的程度，提出來計算帳號的“質(zhì)量”，我們將計算一個帳號的平均總點擊量來判定一個帳號的質(zhì)量。計算公式是：

其中m表示該帳號的平均總播放量，C表示該帳號的總播放量，n表示該帳號的總視頻個數(shù)。我們對質(zhì)量較高的帳號建立“帳號質(zhì)量庫”。并對“帳號質(zhì)量庫”中的賬號賦予不同的值M。值M表示一個賬號的質(zhì)量，經(jīng)過計算，我們認為M值?。?/p>

（3-2）

m是公式3-1中的m值，T表示該帳號的粉絲數(shù)，x為系數(shù)，取值需要一定的實驗來確定。由于帳號質(zhì)量會隨著時間變化而變化，我們根據(jù)其變化幅度，認為每一個月更新一次賬號質(zhì)量庫比較合適。

4 熱門話題

熱門話題是指一段時間內(nèi)特別受人關注的事件，當一個事件成為熱門話題后，如果有新的與該話題有關的視頻出現(xiàn)時，會立刻吸引人們的觀看，這樣的視頻是潛在的熱門視頻候選，所以，我們在計算熱點的時候，可以將現(xiàn)有的熱點話題生成一個庫，話題熱度相應的提升視頻熱度。

這里，我們通過在視頻的名稱、標簽等文字信息中提取出關鍵字，使用了基于知網(wǎng)（Hownet）的同義詞詞林[1]來作為我們的聚類詞典，選擇將關鍵字通過向量空間模型[2]進行聚類，使用了增量組合與弱跟蹤器的組合方法[3]作為話題檢測跟蹤的方法，最后得出話題檢測的結(jié)果，形成一個話題熱度表，在熱度表中每一個話題有對應的熱度P，P是一個相對熱度值，P的取值在0～2之間，取0～1時表示話題熱度有所降低，取1～2時表示話題熱度有所提高，我們每一次數(shù)據(jù)更新都會同時來更新我們的話題熱度表，使其保持熱度準確性。

5 熱度計算

在研究視頻的熱度時，我們確定了影響視頻熱度的因素，在視頻網(wǎng)站，視頻播放量是最為明顯的判斷視頻熱度的因素，所以通常將視頻播放量作為視頻熱度計算的標準。常用的熱度計算標準是：

1）絕對熱度

絕對熱度表示到一時刻該視頻總的熱度值，其表達式為：

Ha=xV（3-1）

Ha 表示絕對熱度值，V 表示視頻點擊量x 表示系數(shù)，為簡便，x取 0～1 之間。

2）相對熱度

由于絕對熱度只是一個總量值，不能體現(xiàn)熱度的變化情況，所以我們引入了相對熱度，其表達式為：

Hd 表示熱度在一段時間內(nèi)的變化率，數(shù)值越大，表示該視頻在某一時間段內(nèi)觀看數(shù)量越多，可以反映出熱度變化的情況；△Ha 表示兩個時刻的熱度變化差，△t表示間隔時間。

通過前面兩節(jié)的分析，我們加入了帳號質(zhì)量和話題熱度兩個參數(shù)，因為帳號質(zhì)量相對在一定時間內(nèi)較為固定，所以作為絕對熱度參數(shù)計算，而話題熱度在一段時間內(nèi)變化較為平凡，所以作為相對熱度參數(shù)，那么我們最終的熱度計算公式為：

其中HOT為熱度值，k為系數(shù)，Ha為絕對熱度值，△t表示間隔時間，P表示話題熱度值，通過我們的計算，當kM取0到0.1之間，P取0到2之間時，預測效果比較好。

6 模型設計

我們設計的模型總體框架如圖1所示，分為數(shù)據(jù)采集模塊、話題熱度模塊、熱點發(fā)掘模塊、數(shù)據(jù)顯示模塊。

圖1 ??

6.1 數(shù)據(jù)采集

數(shù)據(jù)采集模塊的核心功能是爬蟲程序，這個模塊的主要任務是分析網(wǎng)頁源碼，抓取網(wǎng)頁中有需要的信息，是系統(tǒng)數(shù)據(jù)的主要來源。種子網(wǎng)址指的是爬蟲的起始爬行地址，爬蟲任務的調(diào)度功能可以根據(jù)不同的需求開始、暫停、終止爬蟲程序，保證多個爬蟲同時進行。爬蟲每訪問一張頁面，就要對這張頁面的HTML源碼進行分析。將其中有用的數(shù)據(jù)根據(jù)我們的要求保存到數(shù)據(jù)庫中，同時標記已經(jīng)訪問過的網(wǎng)頁，每隔一定時間進行重爬獲取更新數(shù)據(jù)。

6.2 話題計算

話題計算模塊根據(jù)前面介紹的中文處理方法，將所有視頻內(nèi)容進行話題向量提取，然后通過話題聚類方法計算出話題的熱度，生成一份“話題熱度表”，話題熱度表包含了近期熱點詞匯，是如果新的視頻的內(nèi)容在話題熱度表中，那么相應的會提升視頻的熱度值，話題熱度表是一個動態(tài)的，通過已有的熱點發(fā)現(xiàn)新的潛在熱門視頻，通過新的視頻關鍵詞生更新熱點詞匯表，計算話題的熱度變化。

6.3 熱點發(fā)掘

熱點發(fā)掘模塊的功能就是發(fā)掘新視頻中潛在的可能成為熱門的視頻。新的視頻會根據(jù)基礎播放數(shù)量、話題熱度、和帳號質(zhì)量得到一個初始熱度，然后每過一定的時間更新視頻的播放數(shù)量，并計算出其熱度，當熱度值達到我們預設的閥值后，就將其列入疑似熱點視頻進行跟蹤。

帳號質(zhì)量庫記錄了帳號的質(zhì)量，如果新視頻由帳號質(zhì)量庫的帳號提供，那么其熱點會根據(jù)帳號的熱度值相應的提升熱點水平。熱門帳號庫每月會自動更新一次，來確保帳號質(zhì)量的可靠性。

6.4 結(jié)果顯示

顯示模塊會顯示在一段時間內(nèi)的熱門視頻排行、每個熱點視頻的詳細信息。同時對疑似熱門視頻進行預警，在結(jié)果顯示模塊體現(xiàn)了所有需要觀察的數(shù)據(jù)。我們可以通過檢索和統(tǒng)計功能來進一步分析熱門視頻的相關信息。

7 性能測驗

我們通過對優(yōu)酷網(wǎng)資訊類欄目新上傳的視頻進行四個小時的抓取，然后對抓取的每個視頻進行二十四小時的跟蹤，同時，我們設置一個對比組，在不加入話題熱度參數(shù)和帳號質(zhì)量參數(shù)的情況下進行熱度計算，當播放量大于10000時進行預警。最終實驗得出加入了參數(shù)的熱度計算在預測效率上提高了22%。同時，熱門視頻的召回率為100%，證實了我們的模型的可靠性和高效性。

8 總結(jié)

本文我們具體討論了帳號質(zhì)量和話題熱度兩個影響視頻熱度的因素，通過實驗比較證實了在熱門視頻發(fā)掘階段這兩個參數(shù)對發(fā)掘效率的正面影響。最終我們設計出來的系統(tǒng)能夠有效的進行熱門視頻的發(fā)掘，在接下去的工作中，我們可以對系統(tǒng)進行拓展，來滿足更多的需求。

[1]熊德蘭，程菊明，田勝利.基于HowNet的句子褒貶傾向性研究[J].計算機工程與應用，2008（22）：143-145.

[2]姚清耘.基于向量空間模型的中文文本聚類方法的研究[D].上海交通大學，2008.

[3]祁磊.話題檢測與跟蹤及趨勢預測研究[D].杭州電子科技大學，2014.

TP311.52

A

1009-6434（2016）01-0057-02