王文韜，陳 千，張 肖，張 晨

0 引言

“互聯(lián)網(wǎng)+”時代，網(wǎng)絡成為用戶獲取健康知識的主要渠道之一，并對用戶健康決策產(chǎn)生重大影響[1]。我國網(wǎng)絡視頻用戶規(guī)模達9.27億[2]，網(wǎng)絡視頻科普方式以視聽結合的優(yōu)勢迅速走紅[3]，用戶可通過這種方式獲取相關健康知識。在大數(shù)據(jù)、健康中國、5G等戰(zhàn)略驅動下，網(wǎng)絡健康視頻制作產(chǎn)業(yè)迎來新風口，各大視頻媒體借助網(wǎng)絡平臺發(fā)布健康視頻吸引用戶關注。而彈幕作為新興互動技術，廣受年輕群體喜愛，被頻繁用于網(wǎng)絡視頻平臺[4]。用戶可通過滑動字幕，對視頻內容進行實時評論、發(fā)布即時情感[5]，實現(xiàn)社交需求。當用戶瀏覽、評論、點贊、分享健康視頻時，可在一定程度上體現(xiàn)其對視頻的關注度[6]。同時，各大社交平臺均設置熱搜板塊，不同平臺按照其權重指標呈現(xiàn)用戶每日最為關注話題，“上熱搜”已成為大眾尤其是年輕用戶判斷話題關注度的重要指標之一[7]，可見網(wǎng)絡健康熱搜視頻在一定程度上體現(xiàn)用戶關注話題。由于彈幕文本及視頻瀏覽數(shù)據(jù)包含用戶觀看量、點贊量、評論等能夠披露用戶關注度的信息，其中熱搜視頻瀏覽數(shù)據(jù)良好，相較于普通視頻傳播范圍更廣且彈幕數(shù)據(jù)較多，故本文通過梳理總結網(wǎng)絡健康熱搜彈幕數(shù)據(jù)中包含的評論、觀看量、彈幕發(fā)送時間等數(shù)據(jù)，獲知影響用戶網(wǎng)絡健康視頻關注度的主要因素。此外，由于彈幕數(shù)據(jù)中包含大量用戶信息行為，眾多學者圍繞彈幕網(wǎng)站展開研究，但當前對其研究主要聚焦彈幕行為、用戶使用驅動因素等方面，較少從分析彈幕用戶關注度影響因素的角度獲知用戶健康信息需求。因此，本文基于此視角，通過深入分析網(wǎng)絡健康熱搜視頻彈幕數(shù)據(jù)，識別影響用戶關注度因素，判斷用戶健康信息偏好類型，據(jù)此得出相關啟示。

鑒于國內視頻網(wǎng)站中，嗶哩嗶哩(bilibili，以下簡稱“B站”)是最早引入彈幕系統(tǒng)的視頻網(wǎng)站之一，彈幕系統(tǒng)較完善，2020年活躍用戶達2億人，彈幕總量超過22億[8]。因此，本文選取B站作為數(shù)據(jù)來源，利用python爬取B站全日排行榜中健康科普類熱搜視頻彈幕，采用LDA(Latent Dirichlet Allocation)主題模型和情感分析方法，獲取彈幕數(shù)據(jù)中包含的用戶關注熱點及關注度與滿意度間的潛在關聯(lián)，分析影響用戶關注度的主要因素，幫助視頻媒體更具針對性地提供健康視頻。同時B站主要受眾群體多為數(shù)字原住民，該群體熱衷新奇事物且接受能力強，但對健康知識了解不夠全面、深入，應以其關注話題為源，切入健康知識普及，加強健康教育，提升健康素養(yǎng)，助力“健康中國”戰(zhàn)略實施。

1 理論基礎

1.1 彈幕文化及彈幕行為

彈幕(Danmaku)一詞源于射擊游戲，因大量評論在視頻上滾動就像游戲中子彈布滿屏幕一樣，故而得名[9]。目前彈幕在各大主流視頻網(wǎng)站中被廣泛使用，相比點贊、評論、轉發(fā)等方式，彈幕主要從視覺上給予用戶顛覆性體驗[10]，且“共時性”這一特點打破時間、空間的限制[11]，滿足用戶即時互動的社交需求，故彈幕被大眾廣泛接受。同時彈幕主要集中在視頻頁面的上下方，但當彈幕數(shù)量較多時，大量彈幕布滿整個屏幕形成信息瀑布效應[12]，彈幕“刷屏”現(xiàn)象會吸引更多用戶參與互動。可以說，在當前網(wǎng)絡社交環(huán)境下，彈幕已成為用戶所關注的重點部分[13]，是決定視頻對用戶吸引力的重要部分。

此外，彈幕視頻在發(fā)展中逐漸形成其特有的彈幕文化，如語言縮寫體系、彈幕補充視頻內容再創(chuàng)作，用戶通過彈幕分享觀點與關注點，在實現(xiàn)群體間互動交流的同時，無形中也增加對這類交互方式的依賴性[14]。其獨特的彈幕文化吸引大量用戶在彈幕中表達觀點、態(tài)度，彈幕交互行為在增加視頻熱度的同時，也提升了用戶關注度。而熱搜視頻相較于其他視頻傳播范圍更廣、彈幕量較多、交互行為更為頻繁，因此本文爬取B站健康熱搜視頻彈幕，并分析彈幕中所包含影響用戶關注度的因素。

1.2 用戶群體特征

彈幕網(wǎng)站受眾者多為年輕用戶，其中B站用戶多為90后[15]，他們也被稱為“數(shù)字原住民”(DigitalNatives)，即伴隨網(wǎng)絡技術成長且具備一定信息能力[16]的年輕群體。數(shù)字原住民敢于嘗試新興事物，樂于利用網(wǎng)絡社交平臺實現(xiàn)自我認同[17]，B站這類網(wǎng)絡平臺則較好地契合了其社交需求與信息需求，即便社交時間、空間不同，通過彈幕也能跨域即時互動。我國數(shù)字原住民中的一部分目前已成為各個領域骨干力量，該群體對網(wǎng)絡健康視頻采納情況可一定程度上反映廣大用戶對社會化媒體現(xiàn)有關注度[18]，可以認為數(shù)字原住民對網(wǎng)絡健康視頻的瀏覽、發(fā)送彈幕、點贊、投幣等行為能一定程度上反映該類群體的關注度。通過分析該群體關注網(wǎng)絡健康視頻的彈幕行為特征，得出影響其關注度的主要因素，以此改善視頻內容提升用戶滿意度，促使網(wǎng)絡健康視頻被廣泛接納，加強健康知識教育，提升全民健康素養(yǎng)。

1.3 彈幕及用戶關注度

B站這一網(wǎng)絡視頻平臺，因其特色彈幕文化吸引大量數(shù)字原住民聚集，用戶可利用彈幕分享觀點并據(jù)此體現(xiàn)其對該話題的關注度。目前針對彈幕視頻平臺的研究主要集中在彈幕行為(如從眾行為[13]、用戶交互行為[19])、用戶使用動機與意愿[20]、彈幕文化[21]等方面。彈幕視頻平臺蘊含大量用戶行為信息、使用動機及驅動因素等信息，對彈幕進行深入分析可挖掘出其用戶關注熱點、情感態(tài)度等有價值的信息。有學者對彈幕進行情感分析，研判視頻不同時間段用戶情感走向，據(jù)此總結其彈幕行為特點[4]。還有學者對彈幕及視頻字幕進行可視化分析，從情感的強度、種類分布、變化趨勢這3個維度出發(fā)，判斷用戶情感特征與視頻內容間的關聯(lián)性[22]。

為從彈幕數(shù)據(jù)中獲知影響用戶對健康視頻關注度因素，需聚類彈幕主題了解用戶更為關注的話題，但主題聚類僅分析出主題間相關性[23]未能全面分析其他影響因素，因此需結合與研究主題更為適配的方法得出有效結論。而彈幕源數(shù)據(jù)中包含時間數(shù)據(jù)及用戶情感，需從這些維度進行分析，以便得出更全面及更具說服力的結論。因此，本文利用LDA模型提取主題熱點，并結合彈幕源數(shù)據(jù)中時間序列分析主題隨時間變化的規(guī)律，再借助外部詞典進行文本情感分析得出用戶滿意度，分析其關注度與滿意度間潛在關系，判斷用戶滿意度與其關注度間關聯(lián)性。

2 研究方法與分析路徑

B站健康類視頻觀看量、彈幕量等較為直觀的瀏覽數(shù)據(jù)雖可在一定程度上體現(xiàn)用戶關注度，但難以據(jù)此判斷是否存在其他影響用戶關注度因素，故需深入挖掘分析彈幕文本。本文爬取代表性更強且彈幕量較多的熱搜視頻彈幕，通過LDA主題模型，在此基礎上進行主題演化分析與情感分析，挖掘視頻主題、彈幕發(fā)送時間、用戶滿意度等非直觀因素對用戶關注度的影響，具體流程如圖1所示。

圖1 用戶網(wǎng)絡健康視頻關注度分析流程

2.1 數(shù)據(jù)收集與預處理

選取B站網(wǎng)絡健康熱搜視頻彈幕數(shù)據(jù)作為研究樣本，通過python爬取彈幕數(shù)據(jù)，形成初始彈幕數(shù)據(jù)集。為實現(xiàn)后續(xù)主題聚類與情感分析，首先對收集到的彈幕數(shù)據(jù)進行預處理[24]，去除重復項、無效符號、表情和文本符號。然后，根據(jù)清洗后的彈幕數(shù)據(jù)集和分詞結果構建分詞詞典并結合哈工大停用詞表及自設停用詞表，形成較為完善的停用詞表提高分詞準確率。最后加載用戶詞典，以jieba分詞為基礎[25]，同時自設停用詞表，去除停用詞。

2.2 彈幕源數(shù)據(jù)解析

從B站獲取的彈幕源數(shù)據(jù)中，每條源數(shù)據(jù)包含8個參數(shù)[4]和其具體彈幕文本。彈幕源數(shù)據(jù)均以XML文本格式進行儲存，以表1列舉彈幕源數(shù)據(jù)所示，彈幕＜d＞內所包含8個參數(shù)與具體彈幕文本，P后以逗號分隔的八個參數(shù)每一項都有其特殊含義，包括彈幕格式、發(fā)送日期、發(fā)送者rowID等，以表1第一條彈幕為例解析其參數(shù)，具體說明見表2。

表1 視頻《近視手術會后悔嗎？》部分彈幕

表2 以彈幕示例說明

B站設置熱搜板塊，以視頻歸屬不同分區(qū)及全站范圍分別進行排行，以便用戶直觀了解每一分區(qū)內其他用戶廣泛關注話題。視頻質量(包括標題與封面)、賬號權重問題(up主粉絲量)、用戶瀏覽數(shù)據(jù)(播放量、點贊量等)等權重數(shù)據(jù)均對視頻排名造成一定影響。當視頻質量及數(shù)據(jù)達到排行榜權重指標時，視頻播放頁面會顯示該視頻全站排行榜實時最高名次。在排行榜且排名靠前的視頻，當用戶檢索相關話題詞時會優(yōu)先推送或基于用戶近期瀏覽內容被推送至首頁[26]，可見視頻瀏覽數(shù)據(jù)在一定程度上影響用戶關注度。本文選取網(wǎng)絡健康視頻時，將其播放量、彈幕量及全站排行榜名次作為主要選擇標準，認為該類視頻時效性強、傳播范圍廣且關注度更高，相較于瀏覽數(shù)據(jù)一般的視頻更具代表性。此外，僅瀏覽彈幕視頻未播放視頻時，視頻下方會顯示其播放量與彈幕量，以其良好的瀏覽數(shù)據(jù)吸引用戶觀看。當播放視頻時會顯示全部用戶瀏覽數(shù)據(jù)，主要位于其播放窗口上下方如投幣數(shù)、全站排行榜名次、在線觀看人數(shù)及up主(uploader即視頻投稿者)粉絲數(shù)等，以便用戶直觀判斷視頻質量及關注度，具體如圖2。

圖2《近視手術會后悔嗎？》視頻播放頁面截圖

2.3 基于LDA模型彈幕主題提取

利用LDA模型對清洗后彈幕文本進行主題聚類，提取用戶關注熱點話題從而分析影響用戶關注度因素。本文通過困惑度與主題相關性指標確定最佳主題數(shù)K，困惑度越小，主題數(shù)越多，話題與模型擬合度更高[27]，最小困惑度對應Topic數(shù)即最優(yōu)主題數(shù)。困惑度計算公式如式(1)(2)。公式(1)中分母表示數(shù)據(jù)集中所有詞之和或數(shù)據(jù)集總長度，其中p(w)指數(shù)據(jù)集中每個詞出現(xiàn)概率，公式(2)是其具體計算公式。另外，p(z|d)表示一個文檔中每個主題出現(xiàn)的概率，而p(w|z)表示詞典中每一個詞在某個主題下出現(xiàn)的概率。困惑度最小時，主題數(shù)與話題內容擬合度更高。

2.4 主題時間演化分析

主題時間演化即彈幕主題關注度隨時間變化的過程。為分析彈幕隨時間變化及時間因素對用戶關注度影響度，利用主題詞與彈幕源數(shù)據(jù)中發(fā)送時間搭建主題時間演化模型，首先解析彈幕源數(shù)據(jù)中的彈幕發(fā)送時間Unix格式時間戳，然后按彈幕發(fā)送時間將主題詞文檔劃分時間片，最后根據(jù)時間軸中主題詞數(shù)分布情況分析其演化過程。

2.5 文本情感分析

文本情感分析是指對可體現(xiàn)用戶情感態(tài)度的文本進行分析及挖掘的過程，主要利用已有詞典和計算機方法分析主觀性文本情感[28]。為獲取彈幕文本中用戶觀點及喜好，本文選取目前通用詞典，在知網(wǎng)Hownet詞典基礎上，結合大連理工大學中文情感詞匯本體庫、清華大學TSING詞典，分析彈幕文本中用戶情感，根據(jù)其情感值得出用戶對健康熱搜視頻滿意度。

2.6“關注度—滿意度”框架

為獲知用戶關注度與滿意度間的潛在關聯(lián)，將體現(xiàn)用戶關注度的主題詞、反映用戶滿意度的情感得分相結合，構建用戶彈幕文本“關注度-滿意度”分析模型。橫軸與縱軸分別為用戶滿意度、關注度，以此將用戶關注健康類視頻主題分為4類?？偨Y不同滿意度、關注度下主題特征，分析用戶滿意度對關注度的影響，幫助視頻媒體改進視頻內容及呈現(xiàn)形式，選取大眾更為關注的話題制作科普視頻，滿足用戶需求前提下更好地提供健康類知識。

3 數(shù)據(jù)分析

3.1 彈幕數(shù)據(jù)收集與預處理

B站視頻在發(fā)布時需要選擇投稿分區(qū)與視頻分類標簽，因此以“健康”“疾病”“醫(yī)學小常識”“醫(yī)學知識”等話題詞作為關鍵詞進行檢索，從普適性角度出發(fā)，分別選取知識分區(qū)內科學科普板塊下彈幕數(shù)量及播放量排名前三的熱搜視頻(部分重疊視頻合并處理后共選取10個健康視頻)，通過python爬取視頻彈幕，共計獲得72，940條彈幕，刪去重復、無效信息、表情符號后有效彈幕文本共33，653條。針對清洗后彈幕文本，設立較全面的用戶詞典及停用詞表，對文本進行分詞處理及去除停用詞，并將處理后實驗文本詞頻匹配關注度等級，為后續(xù)關注度研究所用。

3.2 用戶健康視頻彈幕中關注熱點主題提取

采用LDA主題模型對清洗后彈幕文本進行主題聚類，設置模型主題數(shù)為100、超參數(shù)為0.0001、最小錯誤率為0.01、迭代次數(shù)為50、每個主題下主題詞為2000。隨著主題詞數(shù)不斷增加，困惑度先下降再上升，如圖3所示，在主題詞數(shù)約為9時達到最小值、困惑度最低時，話題與模型擬合度最佳，因此最佳主題詞K為9。

圖3 不同主題數(shù)下困惑度值

結合最佳主題詞數(shù)，篩選對視頻內容描述價值最高的主題詞作為關鍵主題詞，再將每個話題下視頻內容及其關鍵詞(積極詞/消極詞各2個)進行匯總，詳見表3。

表3 彈幕文本主題詞/主題詞主要描述內容

通過彈幕詞頻與其描述內容相結合的方法對視頻主題進行歸納總結。以Topic4為例，彈幕文本主要對近視成因、近視手術流程及適合手術人群進行介紹，簡單介紹近視成因、每一種近視手術操作原理及生活中如何保護眼睛等知識。8個Topic所涵蓋視頻內容具體如表3所示。9個主題中僅Topic3、Topic5與時事話題相關，其他話題均與生活息息相關，且都圍繞用戶自身健康問題出發(fā)，以某一話題為切入點科普健康知識。用戶高度關注以生活習慣類為話題的健康科普視頻。由于用戶在健康信息素養(yǎng)與醫(yī)學專業(yè)人士存在一定差距，而這類貼近生活的健康知識科普視頻更易于用戶理解，因此受到的關注度較大。同時，該類健康科普視頻也會涉及醫(yī)學專業(yè)知識，部分具備一定專業(yè)素養(yǎng)的視頻制作者通過將自身隱性知識以口語化表述方式進行闡述，使得專業(yè)知識通俗易懂，特別是涉及較為抽象的概念時，制作者會利用視頻生動直觀的優(yōu)勢在視頻中插入圖畫、動畫等幫助用戶理解。可見，內容詳實度、風格趣味度、制作精良度等因素也會影響用戶對健康視頻的關注。相關視頻媒體不僅要圍繞用戶相對更為關注的生活類健康知識進行科普，也應圍繞醫(yī)學專業(yè)知識如預防流行疾病、重大疾病自檢自查，參照健康熱搜視頻的方法，將用戶鮮少接觸、了解的專業(yè)知識融入科普視頻制作，加強用戶健康知識教育，提升全民健康素養(yǎng)。

3.3 健康類視頻彈幕主題演化分析

根據(jù)梳理總結后LDA主題歸屬文檔，將彈幕主題進行歸類，以主題詞及其文本中彈幕實時發(fā)送日期所屬時間粒度為橫軸，各個主題詞占比為縱軸，得出各主題彈幕量隨時間變化情況及各話題詞占比情況，如圖4所示。由圖4可知，各主題詞總彈幕量隨著時間的變化而逐年增加，近兩年用戶對健康視頻關注度大幅提升，由于2021年僅有第一季度數(shù)據(jù)，因此較前一年稍有下降，但按此趨勢可合理推測各話題詞總體仍會呈上升趨勢。2020年突發(fā)新冠肺炎事件，用戶居家隔離上網(wǎng)時長增加，因此，這一年主題詞數(shù)相較于前兩年陡增。如Topic6(如何去黑頭)圍繞某一針對性較強的話題展開，最初主動關注該類話題為愛美或注重護膚的群體，但受疫情影響，用戶信息偶遇幾率增加[29]，對該話題感興趣卻未主動關注以及無意關注卻因網(wǎng)站推送而觀看的用戶，以此為契機關注該類話題，使得這類僅被部分群體關注的話題得到廣泛關注，視頻觀看量、點贊量等瀏覽數(shù)據(jù)也隨之增加。當視頻質量及瀏覽數(shù)據(jù)達到全站排行榜權重后，根據(jù)B站推送機制，用戶瀏覽首頁或檢索相關話題時，會優(yōu)先推送該視頻，更多用戶可能會被其良好瀏覽數(shù)據(jù)或大量彈幕交互吸引并參與互動。而Topic5(預防新冠肺炎)之所以備受關注，是因為其為現(xiàn)下熱議話題，用戶更趨向于主動關注該話題及相關視頻。Topic4(近視手術)、Topic7(熬夜猝死)、Topic8(無糖飲料)這三類話題彈幕量逐年增加，此三類話題與當下年輕人生活及消費習慣密切習慣，可見健康視頻關注度也受外界因素影響。如Topic4，隨著近視手術技術不斷成熟，大量年輕用戶樂于嘗試近視手術但又存在一定疑慮，因此主動搜尋該類健康知識以幫助決定是否進行近視手術。當前社會環(huán)境不斷變革，醫(yī)療技術不斷完善，消費產(chǎn)品迭代更新，大眾生活習慣及消費意識也隨之轉變，由于數(shù)字原住民對新興事物接受能力較強，故相較于其他群體更加關注新興技術、產(chǎn)品等話題。相關視頻媒體可針對當下流行或新興事物所涉及的健康知識進行科普，引導用戶樹立理性消費觀，避免用戶受誤導盲目從眾，培養(yǎng)用戶健康生活理念。

圖4 主題-時間演化分析

3.4 彈幕文本主題情感分析

以知網(wǎng)Hownet詞典為主要詞典，結合大連理工大學中文情感詞匯本體庫、清華大學TSING詞典，構建較為全面的情感詞典，對清洗后彈幕文本進行情感分析。彈幕文本涉及大量網(wǎng)絡用語，但在劃分詞頻匹配關注度時，發(fā)現(xiàn)這些網(wǎng)絡用語均不表達實質意義且其表達情感對本研究影響不大，因此本文未針對網(wǎng)絡用語建立情感詞表。基于情感詞典進行文本情感分析具體結果如圖5?？梢钥闯觯煌黝}的健康視頻，用戶情感并不相同，整體以積極詞居多，但也存在消極詞。隨著時間推移，用戶對視頻關注度逐年遞增，與視頻內容及已有彈幕間交互行為也逐漸增加。雖存在一定的消極情感，但并不代表用戶對視頻內容滿意度不高。正因為用戶與視頻內容及已有彈幕交互行為增加，用戶更易與其產(chǎn)生共鳴，針對視頻所科普及彈幕補充的知識表達強烈的個人情感及觀點，如Topic2、Topic7，視頻主要介紹抽煙及熬夜對身體的危害，用戶知曉這類生活習慣并不健康，但深入了解其危害后所發(fā)送的彈幕帶有更強烈負面情感，如“抽煙得肺癌？”“害怕熬夜猝死”。

圖5 彈幕文本情感分析

依據(jù)歸類后主題詞文檔畫出文本積極詞云與消極詞云，見圖6?！俺闊煛痹诜e極詞詞云中出現(xiàn)頻率較高，因抽煙這一行為十分常見，大量用戶對此行為多有不滿，以身邊人或自身遭遇與視頻內容、彈幕互動，贊同抽煙有害身體健康這一觀點的同時，并愿將該視頻分享給身邊煙民。從消極詞詞云中可知，主要消極詞并非負面情感詞語，但與視頻內容高度相關，因視頻科普的健康知識涵蓋這些行為對健康的危害，故用戶在深入了解這些行為對健康造成負面影響后，結合視頻內容及已有彈幕發(fā)表自身看法，從而流露出“害怕”“恐怖”等消極情感。可見，部分用戶共情能力較強，易受視頻及彈幕內容影響，視頻媒體可針對此特性結合彈幕互動方式制作健康知識科普視頻，吸引用戶關注，在科普健康知識的同時，傳達正確生活理念，加強用戶健康知識教育，改變用戶生活習慣，提升健康素養(yǎng)。

圖6 積極詞詞云(左)與消極詞詞云(右)

3.5 用戶關注度-滿意度框架

為搭建用戶“關注度-滿意度”框架，本文將所有話題詞包含的詞頻進行分類，依據(jù)詞頻與視頻內容相關程度，將關注度分為高中低三類。高度關注主要包括針對視頻整體內容發(fā)表具體看法、補充視頻內容等類型的彈幕；中度關注包括針對視頻某一內容或彈幕發(fā)表自身相關經(jīng)歷或感受等類型的彈幕；低關注度則是沒有具體意義，僅是活躍氣氛或與其他彈幕互動的彈幕。將分類后的關注度與彈幕詞頻進行匹配，得出彈幕具體關注值。以關注值為縱軸、情感值作為橫軸，搭建“關注度-滿意度”框架，如圖7所示。

圖7 關注度—滿意度分析

第一象限即“高關注度—高滿意度”，包括Topic1(突發(fā)性死亡)、Topic2(抽煙)、Topic5(預防新冠肺炎)、Topic7(熬夜猝死)。用戶對于以具體介紹“某一生活習慣對于身體的影響”為話題的視頻高度關注，并對其內容滿意度高?？梢?，視頻媒體可選擇某一生活習慣為主題，科普其具體負面影響，促進用戶杜絕或減少該類生活習慣。

第二象限即“高關注度—低滿意度”，包括Topic3(美國肺炎)。Topic3主要科普美國曾爆發(fā)的肺炎，該話題為時事話題用戶十分關注，其內容也易引發(fā)用戶熱議，表達強烈愛國主義情感。但由于主題特殊性，用戶情感多為消極情感、故滿意度不高。圍繞該類時事熱點話題所涉及健康知識制作相關科普視頻，可加深用戶記憶。

第三象限即“低關注度—低滿意度”，包括Topic0(打呼嚕)、Topic8(無糖飲料)。該類話題科普的生活習慣對人體健康危害性不大，視頻娛樂性較強，故關注度不如其他視頻，滿意度較低。相關公眾號及個人博主等可以制作該類話題吸引用戶關注，利用其話題性，增加用戶黏性，從而促使用戶關注其他話題的健康類科普視頻。

第四象限即“低關注度—高滿意度”，包括Topic6(去黑頭)。該類視頻可能僅特定健康知識需求群體主動關注，故關注度不高?？梢?，健康類科普視頻不僅可以科普身體健康知識，還可以選擇科普皮膚護理、口腔保健等特定健康知識。相關企業(yè)可針對用戶需求，設立上述健康知識專欄或公眾號，吸引用戶關注。

4 結論

本文基于B站健康熱搜視頻彈幕數(shù)據(jù)，對網(wǎng)絡健康視頻關注度的影響因素進行了探討，對彈幕文本主題進行主題聚類與情感分析，得出以下結論。

(1)用戶關注話題廣泛且更愿觀看瀏覽數(shù)據(jù)良好的視頻。結合視頻內容、瀏覽數(shù)據(jù)及主題聚類結果可知，B站用戶關注話題多樣化且興趣范圍廣泛。與其他群體不同，B站用戶觀看健康視頻并不以尋醫(yī)問診為需求導向，故選擇視頻時并不局限于了解某一特定疾病知識，更愿選擇內容詳實、表述生動幽默易理解的健康視頻，并樂于發(fā)送彈幕進行互動，在了解知識的同時實現(xiàn)其社交需求。由于數(shù)字原住民本就對新鮮事物感興趣，新穎的話題或視頻中新興的彈幕文化會吸引其關注。可見，提供科普健康知識服務的專業(yè)軟件或平臺可考慮借鑒B站交互模式滿足年輕一代用戶群體需求，在科普知識的同時實現(xiàn)其社交需求，順應其獵奇心理，更好地為年輕群體提供更為全面的健康知識。

(2)網(wǎng)絡健康視頻用戶關注度逐年增加。通過主題演化分析可知，用戶對健康類視頻關注度隨時間變化逐年遞增。隨著B站不斷發(fā)展轉型，不僅是二次元文化愛好者，越來越多的用戶開始利用B站了解知識，其中熱點話題更易引起用戶廣泛關注，由于互聯(lián)網(wǎng)用戶普遍存在從眾心理[13]，針對熱點問題制作健康視頻傳播效果更為明顯。利用這一特點，官方媒體及品牌賬號等可以結合時下熱點話題展開知識科普或形象推廣。此外，數(shù)字原住民是B站主要用戶群體，部分用戶仍未成年，對其中信息及情感難以把控，視頻制作者應保持客觀立場，幫助年輕用戶樹立正確的世界觀、人生觀、價值觀，傳遞積極生活態(tài)度，培養(yǎng)健康生活習慣。

(3)用戶關注度易受視頻內容及彈幕文化影響。結合主題聚類與文本情感分析可知，科普某一生活習慣負面影響的視頻，用戶流露出的消極情感與視頻內容走向一致，大量彈幕會重復視頻某一句話或某一彈幕以表達其態(tài)度及情感。如Topic7(熬夜)用戶在深入了解相關健康知識后決定改變這一習慣，大量“刷屏”今后不再過度熬夜或做到早睡早起等?？梢?，該群體易與媒介文本及他人產(chǎn)生共鳴，其觀點與態(tài)度也易受外界影響而產(chǎn)生轉變。全媒體時代，年輕用戶已成為視頻媒體主要受眾群體[30]，各大視頻媒體可針對年輕群體行為偏好并結合其關注熱點話題制作視頻，科普健康知識如醫(yī)學常識、自救知識、養(yǎng)生知識等，以其喜愛的彈幕視頻方式呈現(xiàn)，加深用戶記憶以實現(xiàn)教育目的。

(4)用戶關注度受滿意度影響。通過匹配“關注度—滿意度”發(fā)現(xiàn)，高關注度用戶更關注視頻內容，中關注度用戶傾向于表達個人觀點，而低關注度用戶可能因偶遇信息多在和彈幕互動，可見，話題更貼近生活的健康類熱搜視頻用戶對其關注度與滿意均較高，因此視頻媒體可選擇該類話題制作健康科普視頻，以常見生活現(xiàn)象科普健康知識、倡導健康生活理念。而娛樂性為主的視頻如Topic8(無糖飲料)，雖用戶關注度及滿意度相較于其他Topic不高，但其本身為熱搜視頻擁有一定關注度，且為年輕群體興趣較高話題，故視頻媒體可適當制作娛樂為主的健康視頻，吸引用戶關注，增加用戶粘性，以其樂于關注的話題切入健康知識，幫助用戶改善生活方式，培養(yǎng)健康生活習慣。

5 結語

“健康中國”戰(zhàn)略不斷推進，5G技術日趨成熟，網(wǎng)絡視頻正逐漸成為用戶獲取健康知識主要途徑。本文通過對網(wǎng)絡健康熱搜視頻彈幕文本進行主題聚類及情感分析，探究影響用戶對網(wǎng)絡健康視頻關注度因素，為視頻媒體精準選取用戶關注的健康類話題提供參考，以期更好地加深用戶對健康知識的了解，倡導健康生活理念，助力“健康中國”戰(zhàn)略發(fā)展。在研究時發(fā)現(xiàn)，B站獨特的彈幕文化格外吸引數(shù)字原住民，該類群體活躍在彈幕視頻平臺且行為偏好明顯，后續(xù)研究可在細化其群體特征基礎上進行深入探究。