bl双性厨房裸体围裙_一本大道一卡二卡三卡_2019年中文字字幕在线看不卡_中文字幕日产乱码天堂

誠然b站的視頻播放以及粉絲情況一般主要認為還是與內容、up主等具體因素掛鉤，不過還是可以嘗試用復雜網(wǎng)絡的方法來對b站視頻、用戶、up主等情況進行一些抽象的分析吧。一、我自己在b站的情況

我自己在b站目前是386粉的up主，不算太少，也不算很多。比較早入blender但是作品不算很多，做過京劇貓blender作品有過費力，不過確實也多少有蹭熱點的意思（不過當時確實看），此外一些小的蹭熱點還有多拉奈拉，以及本來就比較有人氣的mc（這個有mcbbs那邊引過來的人氣），另外還有較早搬運過一點eilik的視頻……此外其實還有同樣本身火的小馬，但是好像小馬相關的創(chuàng)作并沒有播放過千的。

只考慮我自己的視頻確實可以認為樣本過少，但是至少可以算一個驗證集吧……我也看過其他up主做過粉絲數(shù)的統(tǒng)計分析（@小肥胖又少 的 “科學漲粉”分析視頻），不過我自己還不會爬蟲（笑）……只有把他的視頻內容也當作驗證集了。

(資料圖片)

二、一些復雜網(wǎng)絡知識大致梳理

先重新列一下章標題（通過老師講課ppt以及我自己筆記記下來的章）：

1.?緒論

2.?網(wǎng)絡的基本統(tǒng)計性質（度、聚類系數(shù)等）

3.?復雜網(wǎng)絡中的社團結構

4.?加權網(wǎng)絡

5.?復雜網(wǎng)絡機制及演化模型（小世界模型等）

6.?網(wǎng)絡上的動力學（傳播模型等）

7.?網(wǎng)絡節(jié)點重要性

8.?二分網(wǎng)

9.?基于網(wǎng)絡的推薦系統(tǒng)

10.?網(wǎng)絡迭代算法

11.?復雜網(wǎng)絡上的傳播

12.?科學文獻網(wǎng)絡分析

13.?網(wǎng)絡骨架結構

14.?人類行為動力學

“基于網(wǎng)絡的推薦系統(tǒng)”（9章），便可以先大致視作b站的個性化推薦系統(tǒng)吧；b站存在分區(qū)，可以用“社團結構”（3章）來對應；用戶關注-粉絲網(wǎng)絡可以被認為是一種有向網(wǎng)絡；內容擴散又可以用網(wǎng)絡動力學來解釋與模擬（當然推薦機制也要考慮在內）。

下面對于一些自己觀察到的以及看其他up主視頻里介紹的現(xiàn)象，看看能不能試著用復雜網(wǎng)絡來解釋吧。

三、對b站一些傳播現(xiàn)象、規(guī)律的解釋與猜測

首先我們會認為，用戶的粉絲數(shù)以及視頻的播放量都是冪律的（大量up都是少粉絲數(shù)，而少量up擁有極高的粉絲數(shù)；大量視頻都是低播放量，而少量視頻會有極高的播放量）——實際上，“冪律”對于社會很多方面也是使用的，比如目前的財富分布等。

導致冪律的一個原因可以從網(wǎng)絡生成過程模擬出來：第k個節(jié)點后，每個節(jié)點加入時隨機與已有的k個節(jié)點形成連邊，那么越早進入網(wǎng)絡中的節(jié)點，最終擁有高連邊數(shù)的可能性也越高。

1.?視頻推送機制

據(jù)一些up主（如@折辭同學 ，@小董sax日記 等）說，b站有個“3小時推送黃金期”，即，視頻第一輪推送（可能給1000人），然后檢查反饋結果（有多少人點進來看/看完），再根據(jù)結果進行后續(xù)的推送（如果看的人多，下一輪就推更多人，推得越來越廣；如果看的人少，下一輪便減少推送，直至涼涼）

上面這個規(guī)律或許不錯，但是沒有考慮“個性化推送”問題，因此我們可以試著再說具體一點。

復雜網(wǎng)絡中的簡單的個性化推薦，先設“用戶-產(chǎn)品”的二分網(wǎng)網(wǎng)絡（此處可以設“觀眾-視頻”，但是“up主”因素就暫時排開了，以及“視頻標簽”也沒有計入），然后使用兩種算法之一或混合：

1.?物質擴散：對于單用戶，可以設其看過的/贊過的視頻分數(shù)為1,其他視頻分數(shù)為0，然后這些視頻的分數(shù)再各自平均分給看過視頻的用戶（“相似用戶”），這些用戶再以同樣的方法把他們獲得的分數(shù)分給他們自己看過的視頻（“相似用戶興趣”）——如此大量視頻便能以分數(shù)分個高低，找出該用戶可能喜歡的視頻了，不過該算法會傾向于推送熱門作品。

2.?熱傳導：與“物質擴散”類似，但是“平均”的計算不在發(fā)送分數(shù)方，而在接受分數(shù)方，即計算與其有連接的各“發(fā)送分數(shù)者”的平均分數(shù)為接受者的分數(shù)——該算法理論上可以挖出更多冷門優(yōu)質作品。

不過這個信息量可謂十分龐大，我們用戶端能看到的信息就只有一個“播放量”、“點贊數(shù)”的統(tǒng)計信息，因此其實也不太清楚b站內部究竟是否存了這樣一個巨大的稀疏表（稀疏因為一個用戶看過視頻總量有限，基本不過萬吧，但是現(xiàn)在視頻編號都由av改成BV了，因此每個人看的視頻占全站總視頻數(shù)量還是十分小的）

或許視頻標簽、作者自身的粉絲量也能對視頻的推送有影響，不過要考察內容質量以及個性屬性，肯定不能只考慮標簽或作者，而是必然會有這樣龐大的數(shù)據(jù)分析。當然如果找得到表示辦法的話也可以試試生成一些參數(shù)來簡化每次的運算量吧？

2.?相關視頻推薦

流程基本類似于主頁針對用戶的推送，不過相比于“用戶-視頻-相似用戶-推薦視頻”，視頻到視頻的推薦應該只需要“視頻-看過視頻的用戶-他們又看過哪些視頻”，相當于前面省去第一步吧，就可以實現(xiàn)在視頻頁進行相關視頻的推薦了。

不過我觀察到b站實際上在“相關視頻”的推薦列表之中還是摻入了小部分“針對用戶推薦”——這樣你如果一類視頻看累了，就可能可以順利轉到另一類視頻繼續(xù)刷了（）

3.?頻道化的up主

據(jù)up主 @小肥胖又少 的調查結論表示，頻道up主的粉絲量往往高于個人向up主，大概正好可以用上面“相關視頻”來解釋：

頻道化的up主，創(chuàng)作的內容相互之間內容相關性很大，因此一旦你從別處的推送點進他的視頻（或是通過搜索），在“相關視頻”推薦列表里便基本還是該up主內容的視頻——我愿稱之為“相關推薦霸屏”（）于是如果用戶有時間繼續(xù)刷相關視頻，那他們看到的大概率會在一段時間內都是來自同一頻道up主的視頻了。

而對于個人向up主（比如我），創(chuàng)作的內容相互之間差異可能很大，于是很容易直接推到其他up主的相關視頻去

比如我自己mc的迷宮機，在跑酷迷宮機前就只有一個視頻，但本身mc迷宮機也有很多其他up主設計過，相關推薦頁面自然是推到他們的迷宮機去，而不是推到我自己的其他與mc迷宮機搭不上邊的視頻去。

而我自己的blender作品，雖然大部分播放量不算高（除了京劇貓的），但可能早期很少人做，并且“blender小馬”視頻更少，“blender WBWfurry”則是純粹個人特色而別處沒有（可以認為算自己頻道化的內容，但是作為up主我本身總體還是個人向的），可以看看相關推薦的情況——前者會稍微摻點別的視頻，后者基本就全推我自己的視頻了（笑）

以及京劇貓blender，由于WBWpony也是oc（個人特色），而瞳瞳是更多人知曉的角色（有其他up主圍繞該角色進行創(chuàng)作），因此推薦頁面除了自己blender作品外，也會推其他京劇貓（并且這里尤其是瞳瞳，而不是白糖等其他京劇貓角色）的作品。

4.?熱點

結構上可能會類似“頻道化的up主”，熱點往往是有大量視頻圍繞同一類主題標簽，并且“熱點源”的視頻播放量往往會十分驚人——不論該視頻本身付出是較多（如“回村三天治好精神內耗”）或是較少（一些成為梗的視頻/剪輯，如“科三睡覺”，“瓜多少錢一斤”、“我被騙了”等）

自然也是“內容相關”，整體看可以把一個熱點看作一位頻道化的up主（如果不考慮實際原作者的話），主題內部互相關聯(lián)，導致一種類似了“相關推薦霸屏”——不過這次視頻便來源于各路up主了。

比如鬼畜素材“科目三”，相關推薦基本“霸屏”，但是up主卻各不相同。

而為什么“蹭熱點”能火，原理就像是為什么頻道化up主粉絲多、單視頻播放量高吧——熱點火了后關注熱點的人（“up主粉絲”）就多，同樣，看這類視頻的人也多了，分給每個視頻的播放量同樣也會增多。

實際上，各個主題的視頻或某一頻道化up主發(fā)布的視頻也都可以看作是網(wǎng)絡中出現(xiàn)的“社團結構”。

“社團結構”內部緊密相連，而與外部其他節(jié)點的連邊則較少——正好與我們關于“熱點”、“頻道化up”觀察到的現(xiàn)象類似：一旦點進該“社團結構”中的某個視頻，你大概率會在屬于這一個社團內各個節(jié)點（視頻）上反復跳轉（相關推薦）一段時間了。

5.?混剪/多廚

這類視頻往往涉及很多內容主題，比如剪個“國漫超燃混剪”就可以一次吸引到各大國漫的愛好者——甚至就算觀眾只看過其中一個，也是可以吸引到的。

相當于是不同社團結構的“公共點”吧，于是這許多個社團中的各個視頻，每一個都有可能跳轉到你混剪視頻來了。

6.?多內容主題up主

個人向up主往往是多內容主題的。

效果應該類似于混剪/多廚視頻——固然你可能很難做到“相關推薦霸屏”的效果，但是好處是你可以有各種主題領域的觀眾/粉絲。

以及，由于你在很多主題領域都有涉獵，你找到至少一個高關注度主題的可能性往往也能越高吧。

（至于“潛力up主”（發(fā)視頻少但單視頻播放量高）與“肝帝”（發(fā)視頻多但單視頻播放量不算很高，慢慢漲粉），除了up主自身制作視頻的質量水平外，也可以認為前者是因為正好找到了關注度較高的主題？）

我自己雖然主要創(chuàng)作內容應該是在blender、godot之類，但是看看最多播放量的前幾位，有兩位“非主業(yè)”視頻（可能隨便發(fā)的，“多拉奈奈”以及“eilik（搬運）”），就沖上了前列——這種“隨意”發(fā)的“非主業(yè)”視頻的較高播放量，很大概率便是正好蹭到熱點了——雖然剛發(fā)的時候這些主題并沒有成為熱點，是后來才有一定熱度的。

7.?合作視頻

（雖然我自己還沒有做過合作視頻）

合作視頻，即在播放頁面會顯示多個作者頭像，并且每個作者的詳情頁內都會展示這個視頻。合作視頻似乎往往能有比單發(fā)更高的播放量。

其中一種容易見到的便是已經(jīng)出名的up主（可能頻道化）與不算很出名但是為本視頻作出重要/主要貢獻的up（可能個人向）。大概能有一種“抱大腿”的效果吧（笑），即，通過前者的推廣，后者的努力也能被更多人注意到——可以認為是被“官方推薦”的。

雖然與相關推薦系統(tǒng)的實際機制不太一樣（相關推薦系統(tǒng)是算法推送，合作視頻可以相當于頻道化up主“直接推送”）但抽象上來看，還是基本一致的——相關推薦傾向于推送同一主題（“社團”）的內容，頻道化up主傾向于制作同一主題的內容，因此參與制作合作視頻的2號up，得到的收益效果應該也類似于投一個蹭熱點的視頻吧？（當然合作視頻的質量往往還是比單人制作的更好，而且有時候并沒有你的視頻能蹭的“熱點”——不過也可以認為頻道化的up主本身就是一個“熱點”）

8.?新領域

前面指出網(wǎng)絡分布的冪律，表示“越早進入，連邊數(shù)期望值越高”。

而網(wǎng)絡中的“社團結構”，是內部緊密相連而與外部連接不多。

結合起來看，如果你能較早進入一個暫時沒有很多關注但未來會有很多關注的領域/主題，那么你最終在此新領域收到的關注度也能比后進入此領域受到的關注度更多——反過來，一個已經(jīng)成熟的領域，你再加入，那么在該領域能關注到你的人應該也不多了（大家的注意力已經(jīng)被其他人吸走了）

“較早進入”的初期的確不會有很多關注（不然就不叫“早期”了），因此要耐得住性子，要等到后面，你的作品才能變得比較“火”

不過其實也要考慮到視頻的“保質期”能力，如果你的視頻在未來會變得“過時”，那么未來事物迭代后，你的作品同樣會涼涼；但如果作品到未來仍然能有自己的價值，那么它便可以被奉為“經(jīng)典”，持續(xù)有著更多人的關注。

大概就是這些吧。

標簽： BLENDER 推薦系統(tǒng) 合作視頻 MCBBS