劉曉丹，李春亮

（1.北京信息科技大學信息管理學院，北京 100192；2.中國人民解放軍31010部隊，北京 100088）

近幾年，基于用戶生成內容的移動視頻平臺呈現(xiàn)出井噴式的發(fā)展，例如抖音、快手、西瓜視頻、嗶哩嗶哩等?；ヂ?lián)網(wǎng)上的用戶生成內容正在從單純的文本內容向視頻內容演變，并且具有更活躍的社交交互特點。在移動視頻平臺中，內容創(chuàng)作者主要以視頻直播或者短視頻的內容形式吸引大量的粉絲，從而形成一定的知名度，其盈利方式逐漸多樣化，例如刷禮物、帶貨、廣告等。在利益的驅動下，移動視頻平臺面臨的挑戰(zhàn)是內容的安全性以及帶貨和廣告的欺詐性，如何對非法內容、欺詐內容進行管理是亟待解決的問題。建立適合于用戶生成視頻內容管理的信用評價體系是促進移動視頻平臺內容合規(guī)性及平臺長期健康發(fā)展的有效方法之一。

1 移動視頻平臺的內容和信用風險特點

1.1 內容呈現(xiàn)強交互和多樣化特點

移動視頻平臺的用戶生成內容主要呈現(xiàn)以下3個特點。第一，內容創(chuàng)作者與瀏覽者之間的交互性增強了，主要體現(xiàn)在用戶評論的交互、新實時交互方式彈幕的使用、視頻直播的實時性、視頻內容更加貼近主播的生活等；第二，信息渠道增加了音視頻以及相關的描述信息，主要體現(xiàn)在視頻流、音頻流、視頻發(fā)布時間、視頻播放量等方面，這種多維信息源在內容創(chuàng)作者和瀏覽者之間建立了一個立體化的交互空間；第三，移動視頻平臺上的內容滲透到人們生活的方方面面，由于是基于互聯(lián)網(wǎng)用戶的自媒體形式，內容的質量會參差不齊[1]。由此可見，移動視頻平臺在發(fā)展過程中面臨著用戶生成視頻內容的安全性和合規(guī)性問題，其強交互、多維信息源的特點也為企業(yè)和主管部門對移動視頻內容進行規(guī)范化管理提出了挑戰(zhàn)。

1.2 信用風險的P2P特點

信用風險評價管理起源于傳統(tǒng)金融領域的借貸業(yè)務，銀行需要對借方客戶的個人信用進行評估，從而降低銀行貸款業(yè)務所面臨的資金風險。隨著數(shù)字化經(jīng)濟的發(fā)展，互聯(lián)網(wǎng)促進了個人與個人之間鏈接的建立，各種基于個人對個人（Peer to Peer，P2P）模式的新形態(tài)如雨后春筍般不斷涌現(xiàn)，例如電子商務、共享經(jīng)濟、自媒體內容（包括博客、小視頻和視頻直播）等。在基于P2P的新數(shù)字化應用情景中，由于產(chǎn)品或者服務的提供者為個人，他們所提供的產(chǎn)品或服務可能會存在質量問題。針對個人供應者的信用評價和風險管理日益重要，信用評價和風險管理的應用領域也從傳統(tǒng)的金融領域擴展到數(shù)字化經(jīng)濟背景下人們生活的方方面面，因此需要建立個人的社會化信用評價體系，從而降低個人消費者或者供應者在基于個人鏈接的新的數(shù)字化情景中所面臨的風險。

2 國內外研究現(xiàn)狀及發(fā)展趨勢

2.1 關于用戶生成視頻內容的研究

劉婷艷等[2]在分析國內外視頻網(wǎng)站用戶生成內容的相關文獻后指出，從研究趨勢看，此領域的未來研究主要圍繞視頻網(wǎng)站中用戶生成和專業(yè)生成相結合的內容、視頻網(wǎng)站用戶生成內容的生態(tài)治理、視頻網(wǎng)站VLOG（Video Weblog）及彈幕評論。由此可見，在以用戶生成視頻內容為主的視頻網(wǎng)站上，基于視頻流的內容特征和屬性發(fā)現(xiàn)是未來重要的研究趨勢之一。關于用戶生成視頻內容的研究中，第一類是基于視頻內容和數(shù)據(jù)挖掘技術發(fā)現(xiàn)視頻內容的特征；第二類是關于用戶生成視頻內容的生態(tài)治理，主要涉及用戶生成內容的侵權、個人隱私保護、法律等問題的研究[1]；第三類是關于新型即時評論方式的信息挖掘和研究，彈幕評論是一種新的即時評論方式，將視頻網(wǎng)站中用戶評論內容以實時流動的方式顯示在同步播放的視頻上，通過挖掘和研究彈幕的文本信息，可發(fā)現(xiàn)用戶的使用行為及發(fā)表彈幕評論的驅動因素、用戶情感、輿情導向等。

2.2 關于信用風險評估的研究

信用風險評估主要包括信用風險評估模型的建立和信用風險評估的過程。傳統(tǒng)的信用評估指標體系的建立是基于“5C要素評估模型”，包括品質、能力、資本、抵押、條件[3-4]，它適用于傳統(tǒng)金融領域借貸業(yè)務中的信用評估，以個人借貸記錄、信用卡記錄、歷史信用等指標進行分析評價。但這種評估方法缺少數(shù)字化經(jīng)濟中與網(wǎng)絡空間發(fā)展相關的社會資本和社會關系因素，例如線上交易行為、社交行為等。王冬一等[5]基于社會資本視角建立了個人信用動態(tài)評價指標體系，并加入社會關系以實現(xiàn)個人信用的動態(tài)評估。張麗麗和章政[6]提出可以依據(jù)自媒體發(fā)布的內容、與行為相關的數(shù)據(jù)等來建立平臺的信用治理體系。因此，在關于用戶生成視頻內容的信用風險評估中需要考慮數(shù)字化背景下來自多種信息源的與信用相關的數(shù)據(jù)信息。

2.3 關于文本數(shù)據(jù)挖掘和在線評論的研究

文本挖掘是從自然語言文本內容中發(fā)現(xiàn)和提煉隱匿知識的過程。文本分析過程包括文本數(shù)據(jù)采集和預處理、文本分詞和詞性標注、文本分類和聚類、情感傾向性分析以及文本摘要和主題抽取。隨著社交網(wǎng)絡和各類社交平臺的興起，網(wǎng)絡評論等短文本已經(jīng)成為網(wǎng)絡中信息傳播的主要方式，文本挖掘技術在互聯(lián)網(wǎng)輿論信息獲取過程中扮演著重要的角色。在線評論挖掘的目的是從互聯(lián)網(wǎng)中大量的用戶評論數(shù)據(jù)中發(fā)現(xiàn)與研究目的相關的信息，主要的研究方向包括評論特征挖掘、評論文本情感分析、評論文本主題識別等。在線評論文本的數(shù)據(jù)挖掘主要基于自然語言處理（Natural Language Processing，NLP）技術，隨著該技術的不斷發(fā)展，在線評論文本情感分析和評論文本主題識別成為近幾年在線評論文本挖掘的研究重點。在線評論文本情感傾向分析方法主要包括基于情感詞典的方法和基于機器學習的方法。文本主題模型（Topic Modeling）可以發(fā)現(xiàn)蘊藏在詞匯表面下的潛在語義，該統(tǒng)計模型的研究主要包括潛在語義分析、概率潛在語義分析、潛在狄利克雷分布等。

在基于文本數(shù)據(jù)挖掘對用戶生成視頻內容的研究中，洪慶等[7]對視頻網(wǎng)站的彈幕信息進行情感分析和聚類以研究視頻用戶的群體分類；李輝等[8]研究了在線視頻評論的情感分類技術，分析了不同的特征提取方法、特征選擇方法、分類算法對在線視頻評論情感分類精度的影響；張璐等[9]搜集Bilibili網(wǎng)站200個在線教育視頻的彈幕與傳統(tǒng)評論數(shù)據(jù)，比較用戶彈幕與傳統(tǒng)評論行為的異同。

綜上，對移動視頻平臺中的評論、彈幕等文本信息進行分析和挖掘，可以為移動視頻平臺的自媒體信用體系研究提供有用的情感傾向信息和文本主題信息。

2.4 關于視頻內容的摘要和標注生成的研究

在用戶生成視頻內容的情景中，視頻內容的摘要和標注主要考慮兩種方法：一種是基于視頻內容的摘要技術，基于視頻內容的自動標記是根據(jù)視頻內容來為視頻生成文本標記或者描述，主要包括鏡頭分割、場景提取、關鍵幀提取、場景標注；另一種是基于文本的視頻摘要技術，在用戶生成視頻內容場景下可以考慮從特有的彈幕評論中提取與視頻相關的文本信息。移動視頻平臺中的彈幕評論內容除了包含用戶發(fā)表的文本信息外，它還提供了與視頻同步的時序性特征，從而為視頻內容的標注和摘要提供了一種數(shù)據(jù)源信息的支持。因此有些研究者結合機器學習算法，嘗試從海量的彈幕評論中挖掘與視頻內容相關的關鍵詞，以自動對視頻進行標注。Wu等[10]將視頻語義、交互的用戶評論和用戶偏好之間的時間依賴性作為先驗知識進行聯(lián)合考慮，對傳統(tǒng)主題模型進行擴展，并根據(jù)主題模型的關鍵字抽取來為視頻分段生成文字標記。Lv等[11]通過構建神經(jīng)網(wǎng)絡模型，結合彈幕評論在時間上的關聯(lián)信息，將彈幕評論轉換為語義向量，為視頻分段得到主題表示，通過監(jiān)督學習的方式為視頻分段生成相應的標記。綜上，通過視頻內容的摘要技術和彈幕信息的文本挖掘可以獲取到與視頻場景相關的摘要標記。

3 移動視頻平臺的立體化信用治理體系構建研究

3.1 研究模型

針對移動視頻平臺的內容安全性和合規(guī)性問題，結合生成內容和信用風險的特點，基于視頻流、音頻流、文本、圖片信息源、基本信息及行為數(shù)據(jù)進行智能檢測，從而為移動視頻平臺的信用風險管理形成一個多維度的立體管控和預測體系。

圖1為基于用戶生成內容視頻平臺的信用治理體系，展示了用戶生成視頻檢測內容及檢測結果的應用策略。通過對不同形式內容的自動檢測和信息挖掘，檢測出用戶生成內容（視頻、音頻、文本）中的潛藏風險和不合規(guī)問題，從而進一步建立針對移動視頻平臺內容創(chuàng)作者的信用和風險評價管理體系。通過對文本信息的挖掘，以及使用視頻、音頻、圖像類多媒體信息的檢測和摘要技術，檢測出非法內容、信用風險、與用戶行為相關的信息。對于移動視頻平臺，可以針對以上三大類檢測結果應用不同的策略。除了對非法內容直接采用黑名單或者下架等操作以及基于用戶行為的運營策略外，重要的是可以基于以上三大類內容為平臺用戶建立分級的信用評價指標體系和評估模型，為平臺建立長期、立體的信用風險管控和預測體系。

圖1 基于用戶生成內容視頻平臺的信用治理體系

3.2 研究路線

圖2為移動視頻平臺立體化信用治理體系的研究路線。一是根據(jù)用戶生成視頻內容的特點、可獲取到的數(shù)據(jù)源以及信用風險評價模型的建立準則，依據(jù)信用評估5C模型建立在線視頻的信用風險評估模型。但是相比傳統(tǒng)的5C模型，需要考慮增加用戶行為、交互、社會資本等維度的指標。信用評價指標的數(shù)據(jù)主要來源于可獲取到的基礎屬性數(shù)據(jù)、用戶行為數(shù)據(jù)、內容特征數(shù)據(jù)等。二是基于文本數(shù)據(jù)挖掘和機器學習方法，對采集到的與視頻相關的描述性信息、互動式評論、彈幕信息、用戶基本信息等進行文本數(shù)據(jù)處理和特征提取，選取一種或者幾種機器學習模型完成信用模型的評估以及對比研究。根據(jù)信用評估結果給出關于用戶生成視頻內容的信用風險管理建議。三是利用移動直播視頻流中的內容摘要和標注技術，提取用戶生成視頻內容的特征，完善信用風險評估模型的指標體系，并且基于機器學習算法進行信用模型評估，進一步對單純基于文本信息建立的信用風險評估模型進行完善和補充。

圖2 移動視頻平臺的立體化信用治理體系的研究路線

4 結束語

為移動視頻平臺建立關于內容創(chuàng)作者的信用評價體系，支持平臺對用戶賬號進行分級分類管理，是及時發(fā)現(xiàn)、防范、管理移動視頻平臺信用風險的有效方法。本文提出運用和挖掘來自結構化數(shù)據(jù)、文本、視頻流等多信息源的特征信息，建立適合于用戶生成視頻內容管理的多維度、立體化的信用風險評級和管理體系。對于移動視頻平臺，可以借助該體系規(guī)范和管理平臺上個人創(chuàng)作者的行為；對于行政執(zhí)法部門，可以借助該體系監(jiān)督和管理移動視頻直播平臺的運營行為，確保平臺內容的合規(guī)性。