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/

[vigack]

@kqij
我的思路是这样的：
- 视频上传者往往会将露脸作为卖点放在标题中，所以词频占总数比能反应真实情况
- 身高数据也是通过分析标题得来的，但是这里有个问题，并不是所有上传者都会将其放在标题中；所以最后统计出的数据只能反应“本身对身高敏感的观众和上传者”对身高的偏好

[nu11ptr]

最后一张人皮唐卡让我笑出声 要下地狱了

[WOLFRAZOR]

这都能研究，太厉害了

[Williamwang]

好奇，是 91 吗

[quan01994]

emmm,看来我的 XP 还是小众啊。

[Felldeadbird]

牛逼，这都可以进行数据分析。

[cvooc]

果然嗨丝才是王道啊, 占比那么高

[zhangshine]

不应该是视频发布者的 XP 吗？

[vigack]

@zhangshine
视频发布者的动机是为了获得热度与关注，因此标题选择上会尽可能地“标题党”；如果将视频浏览者的注意力当作市场，那么“视频上传标题-热度”这一反馈机制就如同供需关系一样会达到平衡，这个时候标题实际上已经表现的是“消费者”的喜好了。

[wanacry]

xp 是什么

[vigack]

@quan01994 关键词的集合是我拍脑瓜想出来的，因此可能遗漏了一些我不知道的 xp 😂

[walking50w]

@vigack 上传者没有获取反馈的途径， 高浏览量绝对是封面(主要)+内容，绝不可能标题。 所以这个反馈只是上传者的意向。很少能反应观看者。

[EthanCYQ]

@wanacry windows xp (

[lamesbond]

黑丝高跟😍😍😍

[vigack]

@silasamiseaf94
我一向不怎么喜欢绝对化的判断，所以用词不会非常笃定；在我看来上传者和浏览者是有很大重叠部分，有时候观众也会主动参与到制作过程中，所以我所谓的“浏览者”也笼统地包含了上传者。

其次，上传者是有反馈渠道的，那就是视频播放数、留言评论等等；封面图片确实是吸睛的重点，这一点确实没有在分析中提到，但是你可以发现，那些有吸引力的封面往往会在标题中进行表现，比如着装描述、身材描述等等。

最后，浏览者想要的仅仅是千篇一律的往复运动吗？在我看来，他们对“故事”或者说“情节”的需求也很大，而这一点是封面和视频本身无法表现的，只有文字才能做得到。这一点你可以通过观察同样视频是如何通过不同的描述、不同的情节来获得不同的热度中看到。

[dzdh]

我要最后一张图的高清大图

[vigack]

@dzdh
😃你想多了，在生成图片的原理不是简单的拼贴（不然就成了哈勃望远镜了），而是通过模糊像素化得到基础颜色，然后再放置到原图（唐卡）中的恰当位置。文章中的图片并没有经过压缩，就是程序生成的原本内容。

原始封面图共 533MB ，放在一起的时候，里面的内容与其说是能让人愉快，不如说更像是法医鉴定图谱，你不会想要看它们的。

[marc2017]

我想要是抓取 gay porn 的话，最大的关键词绝对是 [直男] 。哈哈哈

[vigack]

@marc2017 😃中文圈貌似没有比较大的视频网站，推上比较多，我常常的关键词大概是直男、体育生、白袜（什么鬼）

[tf2]

那个年龄，应该是默认年龄分类吧。。