通过视频标题分析国人 xp

[vigack]

我从某知名网站获取了大量视频标题，然后通过关键词统计频率，得到了一些有意思的数据，我想可以从中一窥国人的 xp 情况。

文章地址： https://hsingko.github.io/post/2022/11/24/ml-in-china/

[LZSZ]

大大的 X 狗引起不适

[eason1874]

我的印象跟这数据差不多

真实性无从考究，同一个视频隔一段时间又会被换一个标题重新发出来，前年是同事，去年是同学，今年又成了小女友。不过，研究受众偏好，真实性也不重要，角色扮演本身就是为了满足受众偏好，对受众来说角色就是真的

[hover]

期待再分析下老外们的 xp

[Frankcox]

guro 爱好者路过

[hsfzxjy]

“眼镜”还是小众

[Alexonx]

好奇下这是啥网站...俺也想试试

[ArianX]

妙啊

[sleeepyy]

只是统计关键词出现的频率吗？是否应该将对应的视频的播放量也考虑进去呢

[KevinDo2]

标题党过多，甚至还有非本人图片挪用作封面，p 站内容剪辑直接发布。

[GeruzoniAnsasu]

有点意思，期待一手各地区 /国家的对比数据

[JustSong]

图表很漂亮，请问用什么画的呀

[LxExExl]

楼主的博客很有意思，我觉得是时候弄一个 rss 订阅了。v 站上有意思的个人站还是挺多的， 得追踪一下。

[cnrting]

求最后一张原图

[vigack]

@sleeepyy 本来是想做加权的，但是原始播放量数据似乎有问题，越早期的视频热度显示越离谱，不同时间跨度的热度感觉不是线性增加的。
我想越靠近现在的标题的选择本身就已经反映了某种固定的偏好，关键词是有限的，后来的视频上传者们已经找到了某种“热度关键词”，所以不做加权应该就已经能反映问题了。

[vigack]

@JustSong

- 图表用的是 google sheets ，可以自己配置一些美化选项
- 词云用的 python 的 wordcloud 包
- 最后的唐卡图用的是平均色度算法，可以参考这篇文章： https://towardsdatascience.com/how-to-create-a-photo-mosaic-in-python-45c94f6e8308

[vigack]

@cnrting 搜索 西藏唐卡，排 google 第一位的维基图片就是

[ninickck]

瑞斯拜！

[kqij]

身高和露面，想问下这两个数据是怎样来的？其他还能理解，是不是收集标题，提取关键词，再分析词频？

[vigack]

@KevinDo2 所以标题其实是和观众的 xp 强关联的

[HugoChao]

好文共赏