多特征融合下視頻網(wǎng)站彈幕信息有用性檢測研究

　　摘 要： [目的/ 意義] 隨著視頻平臺彈幕功能被大眾所熟知， 彈幕信息呈現(xiàn)爆炸式增長， 信息有用性檢測逐漸凸顯重要的學(xué)術(shù)和商業(yè)價值。 [方法/ 過程] 本文提出了多特征融合下視頻網(wǎng)站彈幕信息有用性檢測模型。該模型首先從彈幕信息效用、 彈幕表達(dá)形式和彈幕用戶特征 3 個角度提取與彈幕信息有用性相關(guān)的特征指標(biāo)， 然后利用隨機(jī)森林對重要特征進(jìn)行選擇， 建立機(jī)器學(xué)習(xí)模型邏輯回歸、 SVM、 決策樹、 樸素貝葉斯、 GBDT 等對彈幕信息進(jìn)行分類， 得到各等級信息有用性的檢測結(jié)果。 [結(jié)果/ 結(jié)論] 從結(jié)果中顯示， 集成模型(GBDT、 LightG⁃BM 和 XGBoost)相比于單模型算法展現(xiàn)了更好的優(yōu)越性。 最后， 根據(jù)研究結(jié)果提出相應(yīng)的理論和實(shí)踐意義。 本研究擴(kuò)展了在線信息特征相關(guān)研究， 也為評估和改善視頻平臺環(huán)境提供了決策依據(jù)。

　　關(guān)鍵詞： 特征融合; 隨機(jī)森林; 機(jī)器學(xué)習(xí); 有用性檢測; 彈幕信息

　　近年來， 彈幕已經(jīng)發(fā)展成為大眾熟知并接納的一種信息傳播方式。 彈幕文化最早起源于 2006 年日本 Niconico 視頻網(wǎng)站， 2008 年傳入我國被 ACG 愛好者所接受， 其后， BiliBili 網(wǎng)站(以下簡稱 B 站)迅速建立并發(fā)展成為我國最大的彈幕視頻網(wǎng)站， 2014年底， 騰訊、 愛奇藝等國內(nèi)主流視頻網(wǎng)站紛紛使用了彈幕功能[1-2]。 在 2020 年 11 月， B 站聯(lián)合中國社會科學(xué)院社會學(xué)研究所發(fā)布 《2020 年度彈幕報(bào)告》，報(bào)告基于大數(shù)據(jù)統(tǒng)計(jì)指出 B 站用戶總共發(fā)送超 16 億次彈幕， 95 后用戶非�；钴S[3]。

　　隨著彈幕的受眾和影響力不斷擴(kuò)大， 大量彈幕信息呈爆炸式增長， 過去彈幕只是一種漂浮于在線播放視頻之上的流動文本， 現(xiàn)在彈幕已發(fā)展成為諸多場景必不可少的互動功能之一[4]。 用戶可以即時進(jìn)行文本編輯與發(fā)送，將自己的彈幕呈現(xiàn)在播放頁面上。 相比于傳統(tǒng)評論，視頻彈幕具有即時性、 共情性、 互動性等特點(diǎn)。 作為一種新型的信息交流方式， 彈幕不僅包含用戶對視頻內(nèi)容的評論信息， 同時還包括用戶復(fù)雜多樣的態(tài)度、 意向、 情感等信息。

　　喻昕等指出， 彈幕信息具有互動性、 可視性、 娛樂性和有用性 4 種特性，其中有用性反映出彈幕信息的可利用價值[5]。隨著用戶參與度提高， 彈幕數(shù)量日漸龐大且不斷增長， 密集的文字鋪滿屏幕， 可能會對用戶觀看體驗(yàn)造成一定的影響[6]。 用戶傾向于對自己的觀看體驗(yàn)產(chǎn)生積極影響的彈幕信息， 認(rèn)為該信息是有價值的、 有意義的。 此外， 彈幕信息中傳遞的用戶觀點(diǎn)和想法越來越多地被視頻創(chuàng)作者和平臺關(guān)注，且在產(chǎn)品功能上十分重視彈幕的篩選和審核機(jī)制[7-8]。

　　然而， 信息有用性在不同程度上取決于個人的主觀認(rèn)知， 針對信息有用性的量化研究成為一項(xiàng)具有挑戰(zhàn)性的工作[9-10]。 因此， 面對海量彈幕信息， 有效甄別和檢測彈幕信息有用性體現(xiàn)出重要的價值。 現(xiàn)有對信息有用性的研究集中于網(wǎng)絡(luò)評論有用性[11-12]， 彈幕是繼網(wǎng)絡(luò)評論后的一種新穎的信息表達(dá)方式， 彈幕信息有用性的衡量標(biāo)準(zhǔn)也產(chǎn)生了一定變化。 基于上述情況， 本文以視頻網(wǎng)站彈幕信息為研究對象， 提取彈幕信息特征， 構(gòu)建有用性檢測模型， 并采用彈幕數(shù)據(jù)進(jìn)行實(shí)驗(yàn)來驗(yàn)證檢測效果， 以期達(dá)到能獨(dú)立判斷和自動識別視頻網(wǎng)站彈幕的信息價值， 有效挖掘用戶觀點(diǎn)， 提升視頻網(wǎng)站服務(wù)質(zhì)量。

　　1 相關(guān)工作

　　1.1 彈幕文本研究在互聯(lián)網(wǎng)時代， 彈幕文化日益濃厚， 表現(xiàn)出顯著的風(fēng)格特征， 呈現(xiàn)出互動性、 碎片性、 流動性和及時性[13-14]。 彈幕文本具有形式短且語義缺失的特點(diǎn)， 張俊杰分析收集視頻彈幕數(shù)據(jù)發(fā)現(xiàn)， 80%以上的彈幕在 30 字符以下[15]。 從傳播學(xué)角度， 網(wǎng)絡(luò)媒體有豐富的符號化表達(dá)方式， 彈幕的語言模式成為研究關(guān)注的重點(diǎn)。 例如， 沈文靜將彈幕分為文字類和非文字類符號[16]; 付陽春按照彈幕語言成因分為操作類、 情感類、 來源類和其他 4 類[17]; 王路珊認(rèn)為彈幕語言有其獨(dú)特語境， 在語音、 文字、詞匯、 句法和語義方面不同于其他網(wǎng)絡(luò)語言[18]。彈幕伴隨視頻網(wǎng)站的發(fā)展得以運(yùn)用， 可以極大地改善人與人之間的互動[19]。

　　在營銷學(xué)領(lǐng)域， 學(xué)者們重點(diǎn)關(guān)注視頻網(wǎng)站彈幕的用戶體驗(yàn)。 孟陸等以信息源特性維度(專業(yè)性、 技能性等 7 項(xiàng)) 來分類彈幕文本， 檢驗(yàn)直播網(wǎng)紅的信息源特性對受眾行為的影響[20]。 不少研究指出， 彈幕蘊(yùn)含著用戶的行為和態(tài)度信息， 從彈幕文本中判別用戶的關(guān)注點(diǎn)和情感傾向， 有助于行為科學(xué)中的潛在應(yīng)用[21-23]。張亞雪等認(rèn)為， 彈幕使用動機(jī)在于滿足受眾自我呈現(xiàn)和多種需求[24]。

　　Wang S 等構(gòu)建基于改進(jìn)的 Bi-LSTM 模型的彈幕評論情感分析模型[25]。 在網(wǎng)絡(luò)教育中， 楊九民等通過元分析證明彈幕對學(xué)習(xí)者的學(xué)習(xí)具有積極影響， 對學(xué)習(xí)結(jié)果影響顯著[26]。 此外，對彈幕進(jìn)行識別和標(biāo)注等技術(shù)也在不斷發(fā)展。 Wu B等利用彈幕的文本內(nèi)容自動提取時間同步的視頻標(biāo)簽[27]。 He M 等結(jié)合彈幕動態(tài)性預(yù)測視頻流行度，利用羊群效應(yīng)設(shè)計(jì)檢測 “領(lǐng)頭羊” 彈幕[28]。 Xu L等結(jié)合彈幕之間的關(guān)聯(lián)性提取視頻摘要[29]。

　　1. 2 信息有用性檢測研究信息有用性是用戶感知信息的有用程度對信息價值的衡量， 目前相關(guān)研究大多圍繞在線評論的特征探究有用性影響因素， 包括評論信息特征、 評論者特征以及產(chǎn)品類型[30]。 劉偉等通過 IAM 的雙路徑分析理論模型， 證明信息豐富性、 信息可讀性和點(diǎn)評負(fù)面性對在線評論有用性有顯著正向影響[31]。而對于商家回復(fù)場景下的信息有用性， 程艷霞等則從有效解決問題、 滿足情感需求、 培育駕馭能力 3個維度開發(fā)量表[32]。 大多數(shù)對于信息有用性檢測的研究首先須得到有效特征， 并運(yùn)用回歸方法和分類算法進(jìn)行檢測， 研究場景較分散[11，33-34]。

　　總的來說， 無論在學(xué)術(shù)還是在商業(yè)領(lǐng)域， 彈幕信息有用性檢測相關(guān)研究體現(xiàn)了重要的價值， 但仍處于初步探索階段。近年來， 機(jī)器學(xué)習(xí)模型對網(wǎng)絡(luò)信息的分析和處理方面得到廣泛應(yīng)用， 具有優(yōu)良表現(xiàn)。 如利用機(jī)器學(xué)習(xí)模型對新能源汽車普通消費(fèi)者評論進(jìn)行情感演化分析[35]， 運(yùn)用 LightGBM 算法預(yù)測 P2P 項(xiàng)目信用[36]等。 邏輯回歸、 SVM、 決策樹等機(jī)器學(xué)習(xí)模型能從高維度、 高噪聲數(shù)據(jù)中學(xué)習(xí)經(jīng)驗(yàn)知識， 為進(jìn)一步提高信息有用性檢測的精確度提供了可能。 本文試圖結(jié)合彈幕文本特點(diǎn)， 解析視頻網(wǎng)站彈幕用戶的行為方式， 從影響信息有用性的關(guān)鍵要素出發(fā)構(gòu)建特征指標(biāo)， 應(yīng)用機(jī)器學(xué)習(xí)算法構(gòu)建預(yù)測模型， 實(shí)證檢驗(yàn)?zāi)Ｐ陀行�性�?通過對比不同的機(jī)器學(xué)習(xí)算法，尋找最優(yōu)模型， 達(dá)到彈幕信息有用性檢測要求。

　　2 多特征融合下視頻網(wǎng)站彈幕信息有用性檢測模型

　　2. 1 總體框架本文提出的視頻網(wǎng)站彈幕信息有用性檢測過程主要包含兩個階段： 特征生成和信息有用性檢測。

　　在特征生成階段， 首先利用 Python 爬蟲收集視頻彈幕數(shù)據(jù)集， 對數(shù)據(jù)進(jìn)行清洗， 根據(jù)有效特征計(jì)算模板進(jìn)行計(jì)算， 數(shù)值轉(zhuǎn)換后得到各維度的特征項(xiàng);在信息有用性檢測階段， 使用隨機(jī)森林對提取特征項(xiàng)進(jìn)行排序篩選以提高檢測效果， 并將所選擇的特征值形成目標(biāo)數(shù)據(jù)集， 輸入到分類器進(jìn)行模型訓(xùn)練，對視頻網(wǎng)站彈幕信息有用性進(jìn)行檢測， 根據(jù)彈幕信息有用性特征對檢測效果進(jìn)行評估。

　　2.2 有效特征選取及量化

　　在視頻網(wǎng)站彈幕信息有用性檢測模型中， 特征選取與量化是重要的預(yù)處理策略。 特征選取是為了解決預(yù)測問題， 選擇一部分必要的、 具有代表性的特征， 減少過度擬合， 提高模型學(xué)習(xí)和預(yù)測能力。在不同的信息有用性指標(biāo)體系構(gòu)建中， 主要考慮 3個方面： 一是信息特征， 如信息質(zhì)量和信息可信度通常作為主要衡量指標(biāo)[37-38]; 二是文本特征， 包括文本長度和單詞數(shù)目等[39]; 三是用戶自身特征也與信息有用性關(guān)系密切[38]。 鑒于此， 本文將檢測彈幕信息有用性作為目標(biāo)， 從彈幕信息效用、 彈幕表達(dá)形式和彈幕用戶特征 3 個角度概括相關(guān)特征作為具有決定性的影響變量。

　　2.2. 1 彈幕信息有用性信息有用性是用戶對信息的接受、 理解與分析的重要特征， 信息有用性高的信息更易理解， 具有更高的影響力與傳播價值[40]。 彈幕在視頻上經(jīng)過較短時間傳遞信息， 視頻觀看者會對有用信息表達(dá)出喜愛與認(rèn)可。 在信息有用性衡量方式中， 楊東紅等采用投票數(shù)作為評論有用性的衡量依據(jù)[11]。 在信息傳遞過程中， 點(diǎn)贊數(shù)是信息發(fā)送者與信息接受者之間的互動機(jī)制[41]。 本文通過彈幕的點(diǎn)贊數(shù)來反映彈幕信息有用性的高低。

　　2.2.2 彈幕信息效用有用性作為信息的一種屬性， 并沒有明確信息效用的實(shí)質(zhì)內(nèi)容[42]。 信息效用與用戶自身任務(wù)相關(guān)， 與信息效用相關(guān)的度量指標(biāo)包括及時性、 適用性、 相關(guān)性等[43-44]。 由此， 結(jié)合彈幕環(huán)境， 信息效用可以通過可讀性、 文本情感值、 信息時效性和主題相似度 4 個特征， 反映信息給用戶個人帶來的效果與感受。

　　2. 2.3 彈幕表達(dá)形式視頻中的彈幕是一種新穎的信息評論方式， 其文本特點(diǎn)為短而精湛。 信息表達(dá)形式影響信息內(nèi)容的傳達(dá)效果， 各項(xiàng)研究表明， 信息表達(dá)形式的差異性顯著影響人們對信息有用性的感知[11，38]。 總結(jié)彈幕信息所呈現(xiàn)出來的語言特征， 包含文本字?jǐn)?shù)、文本顏色、 句子完整度和句子互動性 4 個方面。

　　2.2. 4 彈幕用戶特征個體差異性使彈幕用戶在信息表達(dá)方面有所偏差， 信息發(fā)布者特征對于信息有用性同樣重要。 例如， 在大眾點(diǎn)評網(wǎng)的實(shí)證研究中， 點(diǎn)評者經(jīng)驗(yàn)對于點(diǎn)評有用性呈正相關(guān)[31]; 在開放式創(chuàng)新社區(qū)中，用戶主動貢獻(xiàn)程度正向影響信息有用性[52]。 本文基于彈幕環(huán)境從用戶會員等級和用戶發(fā)送活躍程度分析用戶特征。

　　2.3 信息有用性檢測過程信息有用性檢測的結(jié)果依賴于特征的有效性和具體學(xué)習(xí)算法。 為了降低模型復(fù)雜度， 提高檢測效率， 本文對復(fù)雜數(shù)據(jù)集進(jìn)行特征處理完成后， 采用隨機(jī)森林算法完成多維特征變量選擇處理， 根據(jù)重要度準(zhǔn)則篩選關(guān)鍵特征。 在此基礎(chǔ)上， 利用多個機(jī)器學(xué)習(xí)算法(邏輯回歸、 SVM、 決策樹等) 開發(fā)彈幕信息有用性檢測模型。

　　3 實(shí)驗(yàn)與結(jié)果分析

　　3. 1 實(shí)驗(yàn)數(shù)據(jù)

　　本文選擇的視頻網(wǎng)站彈幕信息有用性檢測實(shí)證對象為騰訊視頻平臺， 它是較早使用彈幕功能的視頻在線播放平臺之一， 具有注冊用戶即時發(fā)送彈幕、 彈幕點(diǎn)贊、 彈幕字體顏色等功能， 在擁有海量影視資源的基礎(chǔ)上， 通過彈幕等功能吸引了大量用戶， 熱門視頻彈幕數(shù)量高， 參與用戶數(shù)量大。 2020 年拍攝的 《航拍中國》 在騰訊視頻平臺得到 9.5 分的超高評分， 是深受用戶喜愛的一部紀(jì)錄片; 用戶群體的地區(qū)、 性別、 年齡等具有一定的均衡性。

　　本文使用 Python 爬取騰訊視頻網(wǎng)站中 《航拍中國第三季》 共十集紀(jì)錄片的全部彈幕數(shù)據(jù)作為研究文本， 該紀(jì)錄片彈幕文本更新時間截至 2021 年 4 月 15 日， 包含彈幕相關(guān)數(shù)據(jù)記錄共49 369條， 將數(shù)據(jù)存入 Excel 表格中， 包括彈幕ID、 彈幕文本、 用戶名、 用戶頭像 URL、 會員等級、 顏色樣式、 發(fā)布時間、 彈幕點(diǎn)贊數(shù)等基本信息。

　　3. 2 描述性統(tǒng)計(jì)分析

　　利用獲取的彈幕數(shù)據(jù)， 依據(jù)上述有效特征選取及量化方法進(jìn)行數(shù)值轉(zhuǎn)換。 根據(jù)實(shí)驗(yàn)?zāi)Ｐ椭械?1 個因變量即信息有用性， 10 個自變量包括彈幕可讀性、 文本情感值、 信息時效性、 主題相似度、 文本字?jǐn)?shù)、 文本顏色、 句子完整度、 句子互動性、 用戶會員等級、 用戶活躍程度。 對 11 項(xiàng)特征進(jìn)行描述性統(tǒng)計(jì)分析， 得到 11 項(xiàng)指標(biāo)的平均值、 標(biāo)準(zhǔn)差、最大值、 最小值 4 項(xiàng)指標(biāo)。 其中， 信息有用性平均值為 1􀆰 87， 說明大量用戶發(fā)送的彈幕獲得了較少點(diǎn)贊數(shù)， 整體信息有用性偏低。

　　4 結(jié)果與啟示

　　4. 1 研究結(jié)果

　　從特征的篩選中， 彈幕表達(dá)形式相關(guān)特征的重要程度排序較靠后， 有 3 項(xiàng)指標(biāo)被直接剔除掉， 說明不同特征項(xiàng)對信息有用性的預(yù)測能力有較大的差異。 彈幕具有豐富的表現(xiàn)形式， 改變了用戶的視覺體驗(yàn)， 如紅色彈幕比較具有警示意義。 喻昕等在網(wǎng)絡(luò)直播平臺彈幕用戶參與行為研究中表示互動性和可視性是影響用戶體驗(yàn)的關(guān)鍵信息源[5]， 本文結(jié)果進(jìn)一步表明了彈幕信息的句子互動性較強(qiáng)或文本顏色特別能吸引其他用戶注意， 但并不表示一定能得到其他用戶的認(rèn)可。 過去研究表明， 文本長度和信息有用性之間具有顯著影響， 本文研究對象聚焦于彈幕評論， 且彈幕的文本長度更加簡短， 但結(jié)果與以往研究具有一致性。

　　使用 7 種機(jī)器學(xué)習(xí)算法對通過特征選擇后的目標(biāo)數(shù)據(jù)集進(jìn)行訓(xùn)練與測試， 通過不同的角度對各算法的評估結(jié)果進(jìn)行對比。 不同評估結(jié)果均反映了集成模型要優(yōu)于單模型， 具有更高的數(shù)據(jù)分類精度。而 LightGBM 作為 GBDT 模型的改進(jìn)算法， 增加了學(xué)習(xí)控制參數(shù)與學(xué)習(xí)目標(biāo)參數(shù)， 在結(jié)果上顯著提升了預(yù)測準(zhǔn)確率， 避免出現(xiàn)過擬合情況。 從 Precision、Recall、 F1 和 Accuracy 各項(xiàng)評估結(jié)果顯示， XGBoost相比 LightGBM 進(jìn)一步提升了模型預(yù)測的穩(wěn)定性，更適用于彈幕有用性檢測應(yīng)用場景。

　　4.2

　　相關(guān)啟示

　　1) 建立信息有用性檢測指標(biāo)體系具有可行性。信息有用性檢測作為近年來熱門研究領(lǐng)域， 以往研究多關(guān)注于傳統(tǒng)商品評論與評價的信息有用性探究， 較少關(guān)注彈幕環(huán)境下的信息有用性。

　　本研究構(gòu)建多特征融合下視頻網(wǎng)站彈幕信息有用性檢測模型， 對彈幕信息特征進(jìn)行挖掘與分析， 將彈幕通過信息特征、 文本特征、 用戶特征分析得出彈幕信息效用、 彈幕表達(dá)形式與彈幕用戶特征 3 類特征。 拓寬了對于彈幕信息有用性的研究維度， 同時兼?zhèn)淇茖W(xué)性與合理性。 建立較為完善的信息有用性檢測指標(biāo)體系， 能夠?yàn)樾畔⒂杏眯苑治雠c解釋提供路徑與方法。

　　2) 集成模型在大規(guī)模非均衡數(shù)據(jù)集上表現(xiàn)出更好的穩(wěn)健性。 本文的實(shí)驗(yàn)過程為彈幕文本數(shù)據(jù)分析和處理提供了完整的解決思路。 實(shí)驗(yàn)中， 對彈幕文本數(shù)據(jù)進(jìn)行量化處理， 通過隨機(jī)森林模型獲得特征的重要程度， 采用 7 種當(dāng)下較為熱門的機(jī)器學(xué)習(xí)算法， 充分對模型的預(yù)測效果進(jìn)行評估與比較， 對比在不同算法下同一數(shù)據(jù)集的預(yù)測效果。 可以看出， 對于相關(guān)性不確定的大規(guī)模非均衡彈幕文本數(shù)據(jù)， 集成學(xué)習(xí)模型的檢測效果和穩(wěn)健性均優(yōu)于其他模型， 是一種較為實(shí)用的解決方法。

　　3) 在管理實(shí)踐中有助于推動網(wǎng)絡(luò)信息服務(wù)正向發(fā)展。 對彈幕信息進(jìn)行有用性檢測， 有助于評估視頻彈幕質(zhì)量、 優(yōu)化彈幕功能、 增強(qiáng)用戶粘性， 促進(jìn)平臺有序發(fā)展。 另外， 在本文研究基礎(chǔ)上， 值得對彈幕文本特征與含義進(jìn)行更深層次挖掘， 建立必要的彈幕內(nèi)容監(jiān)管機(jī)制， 及時刪除不文明或敏感彈幕， 避免彈幕環(huán)境惡化。對彈幕文本內(nèi)容進(jìn)行挖掘與審核， 能正確引導(dǎo)視頻觀看用戶合理討論， 發(fā)送文明彈幕， 有助于營造和諧穩(wěn)定的視頻觀看環(huán)境。

　　5 結(jié) 語

　　本文的研究目的是對視頻網(wǎng)站彈幕信息有用性進(jìn)行檢測， 通過構(gòu)建多特征融合下信息有用性檢測模型， 從多個角度分析彈幕信息有用性影響因素，并提出特征量化方法。 在實(shí)驗(yàn)部分， 本文利用隨機(jī)森林模型分析各項(xiàng)特征的重要程度， 并使用多種機(jī)器學(xué)習(xí)算法進(jìn)行訓(xùn)練和檢測， 取得了不錯的評估效果。 本文的研究不僅豐富了信息特性的理論體系，同時對視頻平臺的監(jiān)管機(jī)制和服務(wù)策略具有一定實(shí)踐意義。 但本文尚有許多值得改進(jìn)的地方， 例如在考慮信息有用性影響因素時， 未能涵蓋文本語言上的其他特征， 在全面性上有進(jìn)一步提高的空間; 彈幕信息有用性不同等級樣本數(shù)量的不均衡， 使機(jī)器學(xué)習(xí)算法分類精度效果有限; 另外， 本文的研究樣本只選取了單一類視頻， 在后面研究中可以對比不同類別視頻的彈幕有用性檢測的差異性， 為視頻平臺提供更精準(zhǔn)的服務(wù)。

　　參 考 文 獻(xiàn)

　　[1] 郭磊. 我國彈幕視頻網(wǎng)站的受眾研究 [D]. 昆明： 云南大學(xué)，2015.

　　[2] 江含雪. 傳播學(xué)視域中的彈幕視頻研究 [D]. 武漢： 華中師范大學(xué)， 2014.

　　[3] B 站聯(lián)合社科院社會學(xué)研究所. 2020 年度彈幕報(bào)告 [EB/ OL].

　　[4] 葛欣怡. 彈幕在不同場景中的傳播效果探究 [D]. 北京： 北京郵電大學(xué)， 2019.

　　[5] 喻昕， 許正良. 網(wǎng)絡(luò)直播平臺中彈幕用戶信息參與行為研究———基于沉浸理論的視角 [J]. 情報(bào)科學(xué)， 2017， 35 ( 10)： 147 -151.

　　[6] 馬黛. 新媒體時代的彈幕文化現(xiàn)象分析 [ J]. 西部廣播電視，2021， 42 (5)： 79-81.

　　[7] 張頤武. 彈幕的意義 [N]. 人民政協(xié)報(bào)， 2021-01-18， (9).

　　[8] 許熙揚(yáng)， 劉錦宏. 基于用戶需求的 B 站社區(qū)屬性轉(zhuǎn)型策略分析 [J]. 今傳媒， 2021， 29 (5)： 26-28.

　　[ 9] Liu X， Wang G A， Fan W， et al. Finding Useful Solutions in OnlineKnowledge Communities： A Theory-Driven Design and Multilevel A⁃nalysis [J]. Information Systems Research， 2020， 31 ( 3)： 731 -752

　　作者：張 瑞 何祿鑫 黃 煒

轉(zhuǎn)載請注明來自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///dzlw/29901.html