基于褒貶值的媒體社會責任監測

浙江傳媒學院受眾滿意度研究團隊

基于褒貶值的媒體社會責任監測

浙江傳媒學院受眾滿意度研究團隊①

用戶對媒體產品和明星的接受和認可程度直接體現出媒體和明星的社會效益和經濟效益。對經濟效益的評價，國內外主要通過收視率、發行量、票房、點擊率、百度指數、微博閱讀人數等用戶行為指標進行評價，但對社會效益的評價卻沒有公認的評價指標。2015年黨中央和國務院在《關于推動國有文化企業把社會效益放在首位、實現社會效益和經濟效益相統一的指導意見》中，明確要求文化企業社會效益指標考核權重應占50%以上，形成對社會效益的可量化、可核查要求。但誰來評價媒體的社會效果、如何評價、指標的信度效度等問題，一直困擾學界(劉燕南，2015)[1]和業界(田進，2016)[2]。現有評價體系無法滿足對媒體社會責任進行量化考核和規范的需要。因此，媒體產品和明星的社會效益評價成為迫切需要解決的問題。

浙江傳媒學院管理學院“視頻節目受眾滿意度研究”團隊長期關注媒體的用戶效果測評，與上海易步信息技術有限公司共同研發了“浙江傳媒學院視頻監測與分析系統”。研究團隊通過該系統能夠自動抓取網絡新聞、微博、論壇、彈幕、微信、視頻網站中的評論等大量數據，并進行語義分析，計算出網民對于娛樂視頻和明星的褒貶值(-5到+5)。

一、系統概況

“浙江傳媒學院視頻監測與分析系統”是應用大數據和人工智能技術，收集用戶的評論信息，并進行語義分析，計算出褒貶值，對娛樂視頻(電視劇、綜藝、電影、明星等)進行態度測評的系統。該系統是2011年浙江省財政資助項目“媒介測評與分析實驗室”的主要成果，并于2012年8月開始運行；2015年、2016年受浙江傳媒學院資助，系統不斷更新，測評工作穩步發展，2016年6月開始監測上星頻道黃金時間(19∶30—23∶00)的電視劇和綜藝節目，2017年1月開始監測100位娛樂明星，2017年4月開始監測主要院線上映的電影。圖1為系統的運行過程框圖。

第一步：設置監測對象。目前是人工設置監測對象，課題組成員完成關鍵詞的錄入。隨著機器學習技術的發展，系統計劃拓展關鍵詞計算機自動收集和設置功能。

第二步：計算機自動收集數據。計算機自動抓取與監測對象相關的新聞、論壇、微博、彈幕、微信公眾號、視頻網站評價等信息，形成大數據。

第三步：褒貶值計算。基于娛樂褒貶詞庫，對收集到的信息，利用語義分析技術，計算出每一條新聞、論壇、微博、彈幕、微信公眾號、視頻網站評價的褒貶值，褒貶值在正5到負5之間。

圖1 流程簡圖

第四步：數據輸出。根據收集和計算的數據，系統生成結果。一是簡單的統計圖表，二是原始數據，三是月度匯總數據，以供進一步分析使用。

二、系統功能

“浙江傳媒學院視頻監測與分析系統”由熱點趨勢、褒貶分析、數據導出、后臺管理、月度匯總、在線褒貶打分等六個功能模塊組成。

(一)熱點趨勢

熱點趨勢是監測對象行為指標的匯集。圖2是湖南衛視《真正男子漢第2季》2016年11月20日到12月20日的熱點趨勢。系統可以顯示“10天”、“1個月”、“3個月”、“今年”、“全部”等不同時間段，也能任意設定開始和結束時間，每天的信息量和折線；顯示鼠標懸停所在日期的新聞、論壇、微博、彈幕、微信、視頻網站下評論的數量和總篇數；能按excel數據文件格式導出每天的具體數據。

圖2 《真正男子漢第2季》熱點趨勢(2016年12月20日截圖)

圖2顯示2016年11月20日到12月20日，每天與《真正男子漢第2季》相關信息的數量變化不大，為300條左右，12月14日高達1056條，研究者有興趣可以單獨分析。

系統提供信息來源結構餅圖，顯示24小時10個實時熱詞等功能。

(二)褒貶分析

褒貶分析是系統最具特色的功能，匯集監測對象的態度指標，實現對監測對象滿意度的分析。滿意度分析以褒貶值為主，踩頂數為輔。褒貶值基于語義分析技術，對收集到的新聞、論壇、微博、彈幕等數據進行評分，分值在正負5之間，正數、零、負數分別對應正面、中性、負面評價。

圖3是浙江衛視和安徽衛視播出的電視劇《美人私房菜之玉蝶傳奇》2016年11月20日到12月20日的數據。系統可以顯示“10天”、“1個月”、“3個月”、“今年”、“全部”等不同時間段，也能任意設定開始和結束時間，每天正面、負面、中性信息量和折線；顯示鼠標懸停所在日期的正面、負面、中性評價的數量；下部分的折線則顯示每天具體的褒貶值。

圖3 《美人私房菜之玉蝶傳奇》褒貶分析(2016年12月20日截圖)

圖3顯示，《美人私房菜之玉蝶傳奇》的信息量在12月初開始增加，10日的信息量最大，正面、中性、負面的信息分別為325、169、61條，平均褒貶值為0.81。

(三)數據導出

數據導出是本系統的重要部分，主要提供用于進一步研究的原始數據，并提供簡單的分析。

圖4是數據導出的條件設置和部分檢索結果。設置條件是2016年11月1日到12月19日，東方衛視《金星秀》的論壇評論數據，共有938條，導出的excel數據文件包括標題、來源、來源類別、態度值、閱讀數、回復數、轉發數、評論數、發布日期等內容。

圖4 統計報告檢索結果

點擊標題，可鏈接到具體的網址，看到具體的內容。

數據導出的設置靈活，可以選擇不同的“來源類別”、“態度”和“時間范圍”。

數據導出可以多關鍵詞檢索，用“A B”(AB之間為空格)表示“A”和“B”同時存在(和運算)，用“A-B”表示有“A”但沒有“B”(非運算)，用“A|B”表示有“A”或有“B”(或運算)。需要特別注意的是，檢索的第一個關鍵詞需要通過后臺管理預先設定。否則監測的結果不全，檢索的結果當然不全。

(四)后臺管理

后臺管理主要用于設置監測的對象，一般用戶不能使用。后臺管理有“節目文本監測管理”、“節目視頻監測管理”和“廣告過濾模塊”三個部分。圖5是文本內容關鍵詞設定的截圖。

圖5 被監測對象的設置

“節目文本監測管理”是設置和管理被監測的文本。“設置”是創建新的監測對象，其中“關鍵詞名稱”是被監測內容的稱謂，“關鍵詞”是被監測內容的關鍵詞，可設置多個關鍵詞，其邏輯關系與上面介紹的數據導出的關鍵詞設定一樣。系統對“一般”、“重點”、“研究”三個等級的監測對象，抓取的信息依次增加。圖5是對明星“鹿晗”的監測設置，系統自動收集含有“鹿晗”或“鹿哥”的信息，監測等級是“重點”，監測時間是2016年12月14日到2017年底。

“管理”是對被監測的文本的編輯，包括查詢、編輯、關閉、刪除、導出被監測對象數據等功能。

設置組負責監測對象的設置。監測對象的設置是系統最為基礎的工作，是一個不能間斷的長期工作，有兩個內容，一是在系統中設計監測對象的名稱、關鍵詞、類型、等級、時間等信息，如圖5，重播的節目不重復出現，編輯其信息即可。二是定期提供監測對象清單的excel文件，包括監測對象的名稱、關鍵詞、播出平臺、分類等信息；重播的節目不改變原來的信息，新增一條記錄。

“節目視頻監測管理”是設置和管理被監測視頻，僅需要設置節目的名稱。

“廣告過濾模塊”是為了提高系統監測的準確率，過濾無用信息，由系統管理員設定，管理員不用設定。這里不介紹這兩個功能。

(五)月度匯總

月度匯總生成綜藝、電視劇、明星、電影等類型的月度匯總數據的excel文件。具體的匯總原則是，以匯總“2016年12月”為例，對于12月開始監測、12月份未結束的監測對象，則匯總“開始時間”到“2016-06-30”的數據；對于12月以前開始監測，12月份未結束監測的對象，則統計“2016-12-1”到“2016-06-30”；對于12月以前開始監測，12月份結束監測的對象，則統計“2016-12-1”到“結束日期”。

表1是2016年12月匯總文件的部分數據。匯總所有數據來源的數據條數和褒貶值，褒貶值為簡單算術平均數，研究者可以進一步進行各種權重計算，得出不同的褒貶值。

表1 2016年12月電視劇匯總數據(2016年12月20日生成)

(六)在線褒貶打分

在線褒貶打分是一個對非系統抓取的數據進行語義分析的接口，研究者上傳需要評價的文本文件，系統自動計算出文本的褒貶值。這是無對象測評，需要對褒貶值的計算結果進一步分析。

三、系統數據收集

“浙江傳媒學院視頻監測與分析系統”就是利用大數據和人工智能的理論和技術，評價視頻節目和明星的社會效益和社會責任，為媒體的發展提供堅實的數據支撐。

(一)監測對象

系統的負載決定監測內容的數據。我們研究的領域是娛樂內容，目前監測的內容主要有兩個方面。

一是上星頻道黃金時間播出的電視劇和綜藝節目。監測的時間是節目播出前7天至節目播出后7天。黃金時間是指19∶30—23∶00之間播出的電視劇和綜藝節目。2016年10月18日，考慮系統容量，重播綜藝節目的播出不穩定等原因，暫停監測重播綜藝節目。

二是明星。考慮到系統容量，第一批監測對象設定為100人，2016年12月20日開始監測。100人的確定依據是來源藝恩泛娛樂指數排行榜、《第一財經周刊》品牌價值明星榜、新浪微博勢力月榜。2016年藝恩泛娛樂指數排行榜的權重為0.4，2015《第一財經周刊》品牌價值明星榜的權重為0.2，2016《第一財經周刊》品牌價值明星榜的權重為0.3，2016年11月新浪微博勢力榜的權重為0.1。學生團隊提高了55人有昵稱，如楊穎、楊冪、吳亦凡的昵稱分別為Angelababy、冪冪、凡先生。收集數據時，昵稱和明星的姓名一樣作為抓取數據的關鍵詞。

本研究團隊計劃2017年上半年開始監測院線上映的主流熱門電影，2017年下半年監測在網絡上首播的綜藝和網劇。

(二)數據來源

根據設置的監測對象的關鍵詞，利用爬蟲技術，從互聯網上收集監測對象的信息。目前主要的數據來源有四個方面:一是網絡新聞。網絡新聞主要是傳統媒體內容在互聯網上的再現，獲得的信息比較全面。二是論壇。收集論壇和貼吧上信息，獲得的信息也比較全面。三是微博。收集新浪微博的信息，獲得的信息不全面，采用隨機技術取得20%左右的信息，視為隨機數據，可以代表總體。四是彈幕。收集視頻網站上彈幕的信息。目前能收集優酷土豆、騰訊和搜狐視頻網站的彈幕抓取，華數和芒果TV網站沒有彈幕。愛奇藝的彈幕加密不能抓取。

本研究團隊計劃2017年增加對微信公眾號、視頻網站上的評論的數據收集。

(三)數據處理

平權原則：一條新聞、論壇、微博、彈幕、微信均代表1個人的觀點或態度，其權重不應該有差異。因此褒貶值計算簡單算術平均。

去零原則：由于中性評價較多，褒貶度為0的不計算(后續需進一步討論)。分子不變，分母變小，平均值會增高。

新聞褒貶值=新聞褒貶值之和/新聞條數

論壇褒貶值=論壇褒貶值之和/論壇條數

微博褒貶值=微博褒貶值之和/微博條數

彈幕褒貶值=彈幕褒貶值之和/彈幕條數

褒貶值=(新聞褒貶值*新聞條數+論壇褒貶值*論壇條數+微博褒貶值*微博條數+彈幕褒貶值*彈幕條數)/(新聞條數+論壇條數+微博條數+彈幕條數)

四、系統褒貶值計算

無論是幕后還是前臺，人工智能不斷融入娛樂產業。2016年11月3日，VOGUE 11周年慶典上，明星大秀衣服，借助Watson的力量，李宇春穿上“認知裙子”。這款時尚的“認知裙子”從設計到穿在身上，只用了一個星期。[3]2017年1月江蘇衛視的《最強大腦》第4季開播，“人機大戰”博得網友的熱烈關注，百度機器人“小度”在前3集以2勝1平，直接進入最終腦王的角逐。

1.人工整理創建褒貶詞庫、程度詞庫、否定詞庫。研究團隊對所有詞匯(每年一次)和新增的詞(每月一次)進行褒貶值評分，褒貶程度由低到高依次為-5、-4、-3、-2、-1、0、1、2、3、4、5等11個分值。截止到2016年11月，娛樂領域的褒貶詞庫有21303條。

2.對收集到的信息首先進行分句。

3.對每一句話進行分詞，得到詞匯的相互修飾關系。根據中文語法和詞匯修飾關系計算該句的褒貶分值：以褒貶詞的值為基準，以程度詞為權重，以否定詞進行詞性反轉，綜合計算得到該句的褒貶分值。

4.將所有句子的褒貶分值進行加權、歸一化處理，得到該文本的褒貶分值，并使得其在[-5,+5]區間。

5.以上步驟沒有考慮特定對象，如果要進行特定對象的褒貶分析，則以特定對象為關鍵詞對句子進行過濾，只計算包含特定對象關鍵詞的句子的褒貶分值。

五、數據清理與整理

“浙江傳媒學院視頻監測與分析系統”以為教學和研究服務為目的，使用者需要具備數據整理和分析能力。系統主要通過“數據導出”提供最原始的數據，通過“月度匯總”提供大類監測對象月度匯總數據。

(一)月度數據

該數據包含播出頻道、節目名稱及分類、播出時間(來自節目設置文件)，監測的天數、新聞、論壇、微博、彈幕、微信、網站評價的條數和褒貶值(來自節目監測文件)。月度數據采用的原則為：每天新聞、微博、論壇、彈幕、微信、視頻網站評論的信息量之和大于等于15條，或者每月新聞、微博、論壇、彈幕、微信、視頻網站評論的信息量之和大于等于400條；每月監測的天數大于等于5天。

(二)多月合并數據

每月數據基礎上，合并相同的監測對象，監測天數和監測條數相加，褒貶值按照監測條數加權計算。以電視劇為例，2016年共生成13個數據文件：7個單月度數據文件(6月、7月、8月、9月、10月、11月、12月)；6個多月度數據文件(6-7月、6-8月、6-9月、6-10月、6-11月、6-12月)。

根據本系統所生成的娛樂產品和明星褒貶值月榜,是對社會責任的重要評價指標。學報將連續發布。娛樂產品和明星褒貶值月榜作為剛出生的嬰兒，期盼能備受關注并快速成長。

[1]劉燕南，張渤，劉雙.電視評估體系的頂層設計與基層實踐——來自電視臺一線的報告及思考[J].現代傳播，2015(8)：1-6.

[2]CTR洞察.田進：全面深入開展廣播電視節目綜合評價工作[EB/OL].http://chuansong.me/n/1368121451063，2016-12-21.

[3]吳曉波頻道.人工智能不止是“下棋”[EB/OL].http://www.iqiyi.com/v_19rra8m5zg.html?vfm=f_191_360y,2016-12-07.

[責任編輯：華曉紅]

①團隊成員：葛進平、許蔚蔚、龔立群、陳杰、章霖軒、樓彩霞、張鵬、明旭。通訊作者葛進平，男，研究員，浙江傳媒學院管理學院，郵箱：1105908203@qq.com。本團隊受浙江傳媒學院管理學院、浙江傳媒學院協同創新中心資助。