视频网站评论解析（1）：爱奇艺、优酷、腾讯视频(6)

建议正文：

个性化推荐系统是一个模块，而模块化的设计，个人觉得最好的好处就是独立性，可以做深度发展；通过与更多模块的组合来解决新的问题，满足新的需求：至少有以下模块：

• 内容推荐模块（内容单独存在时）：基于某个视频进行的推荐；

• 用户推荐模块（用户单独存在时）：基于某个用户进行的推荐；

• 复合模块（用户与内容同时存在时）：同时基于视频与用户的推荐；

1.动态关系

当我对视频做了一个操作时，比如点击、观看、快进、评论、关闭等，我跟视频就有了一种新的关系，视频就会开始进入我的印象分布区：每个印象区又可以分为上中下三层：

• 正印象区：感兴趣区：

• 中间区：不感兴趣区：

• 负印象区：厌恶区：

在同一个页面内，主视频A（正在播放的视频）跟其他视频B/C/D（非正在播放的视频）之间的依赖关系也会因我的操作发生改变：比如：我点击了B

A–>B：B是我认为在A页面内最吸引我的内容；

同样，视频对我做了一个操作，我的反馈同样是在建立我与视频之间的关系；视频对我做的主要操作是展示，每一次展示又可以分为两种：

• 被看到的展示：被我浏览过的；

• 没有被看到的展示：根本没有被浏览到；

我的反馈一般会是如下几种：

• 无视，不吸引我

• 停留，我做了进一步的观察

• 点击，可能感兴趣

随着展示次数增加，每一次展示的反馈都代表着我对视频的态度，每次展示都在改变着我跟视频的关系；

2.兴趣与质量判断

只是点击进入了一个视频页面，其实并不能真正的反应我的兴趣，所以只是按点击来判断我的兴趣点或者视频之间的相关度，很容易做出误判：我对一个视频真正的看法，包含在我所有的操作中：比如：

• 点击：可能有兴趣，进来看看是不是跟我预期的一致；

• 快进：这个视频或部分片段不值得花费时间或不感兴趣；

• 看评论/发表评论：想了解别人怎么看这个视频的；

• 观看进度：这个视频我在哪里断了兴趣点；

• 实际观看时间：视频实际花费我的时间，即使我看完了，假如总时长 1 小时的视频被我 2 分钟快进完了，只能证明我对这个视频的看法是负面的；

• 放大/全屏观看：我想看更大或全屏的画面；

• 进入下一个视频：是否发现的新的可能有兴趣的内容；

• 关闭：这并不是我要的东西，我的浏览区也没有感兴趣的内容；

需要对我在视频页面的各种行为，来综合判断这次点击的有效性，是一次有效点击，还是一次无效点击，有效点击的话有效度是怎样的，无效点击的话无效度是怎样的：比如：

• 有效：视频本次得分70-100

• 无法判断：视频本次得分50-69

• 无效：视频本次得分0-49

根据有效性，可以将内容与内容之间的相关度升级为真实相关度，将我与内容之间的关系升级为真实兴趣度；

同时我的行为也反应了我对视频的质量评价，兴趣高低不等于质量高低，我很感兴趣不代表我认为这个视频质量很高，同样我不感兴趣不代表这个视频质量很低，必须对所有用户行为在反映兴趣与质量方面的细微差别深度分析，综合判断真实反映用户对质量评价的操作反馈：

• 该行为不能反映兴趣或质量

• 该行为只会反映兴趣

• 该行为只会反映质量

• 该行为同时反映质量与兴趣

3.主动与被动操作

我在视频站内进行的主动操作更能反映我对内容的真实态度：

比如：

（编辑：ASP站长网）