-
题名基于视频弹幕技术的微课程交互设计
被引量：39
- 1
-
-
作者
刘爽
郑燕林
-
机构
东北师范大学
-
出处
《现代远距离教育》
CSSCI
2015年第4期64-69,共6页
-
基金
2014年吉林省高等教育教学改革立项课题"‘混合型--探究式’本科课程教学模式与创新能力培养的研究与实践"阶段性成果
-
文摘
微课程以微视频为主要载体,主要指向支持学生在课堂之外实现自定时空、自定步调的个别化、个性化学习,但并非意味着微课程不需要教学互动。然而,由于微课程学习环境下师生一般都处于物理空间相对分离的状态,缺少面对面教学环境下的即时互动机会与相应的支持,因此大多数微课程在实质上变形为学生自学用的视频资源。视频弹幕是能够直接叠加在视频上显示的用户评论文本,具有呈现的及时性、内容的精炼性以及显示的可控性特征,可以支持用户实现强实时性、高融入性的互动。本研究基于对视频弹幕技术本身内涵与特征的把握,探讨如何通过精心的设计利用视频弹幕技术支持学习者与微课程内容之间的人机交互、支持教师的教学与调控活动实现师生互动,以及如何支持生生之间进行协同学习、分享与共建学习资源等方式的同伴互动。
-
关键词
视频弹幕
微课程
微视频
交互设计
-
Keywords
video barrage
Microlecture
Microvideo
Interaction Design
-
分类号
G64
[文化科学—高等教育学]
G43
[文化科学—教育学]
-
-
题名基于TI-Rank的弹幕关键词提取方法
被引量：3
- 2
-
-
作者
何梓源
张仰森
吴云芳
亓文法
-
机构
北京信息科技大学智能信息处理研究所
北京大学计算语言学研究所
北京大学王选计算机研究所
-
出处
《计算机工程与设计》
北大核心
2022年第2期580-586,共7页
-
基金
国家自然科学基金项目(61772081)
国家重点研发计划基金项目(2018YFB1403104)。
-
文摘
为提供准确且更贴近日常用语的关键词,针对视频弹幕内容提出一种基于TI-RANK(TTF-ICDF-DWTextRank)的词频词义相结合的关键词提取模型。将标题内容进行分类得到标题的关键信息,将该信息用于词频提取构建TTF算法;进一步考虑词频与篇章数对提取效果的影响,通过分段函数构建ICDF算法;引入语义维度信息并利用中文拼音作为编辑距离的计算单元构建DWTextRank模型。实验结果表明,TI-RANK模型提取关键词的F1值达到0.8以上,相较传统TF-IDF和TextRank算法提高了约20%。为更合理评价关键词提取的准确率,按照关键词重要程度降序排列定义三级梯度评价标准,该标准能够更好体现出排序靠前关键词的正确性对准确率的影响。
-
关键词
词频-逆文档频率
文本关键词抽取
词频词义关键词提取
三级梯度评价标准
视频弹幕
-
Keywords
TF-IDF
TextRank
TI-RANK
three-level gradient evaluation standard
video barrage
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
-
题名基于机器学习的视频弹幕分类屏蔽系统
- 3
-
-
作者
张迪
耿嘉阳
郭域
刘子杨
刘嘉庆
徐则中
-
机构
常州工学院计算机信息工程学院
-
出处
《常州工学院学报》
2023年第4期26-29,共4页
-
基金
国家级大学生创新创业训练计划项目(202211055017Z)。
-
文摘
针对在线视频弹幕的规范化管理需求,文章构建卷积神经网络模型,收集视频弹幕对模型进行训练,建立视频弹幕分类器模型,以实现对视频弹幕的智能分类,并设计实现了一个弹幕智能分类屏蔽系统。对视频弹幕分类屏蔽系统进行测试,结果表明,该系统提高了弹幕分类屏蔽的智能性,提升了用户的视频观看体验,促进了视频弹幕的规范管理。
-
关键词
视频弹幕
机器学习
文本分类
-
Keywords
video barrage
machine learning
text classification
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
TP391.1
[自动化与计算机技术—控制科学与工程]
-
-
题名基于弹幕文本挖掘的社交媒体KOL研究
被引量：5
- 4
-
-
作者
周忠宝
朱文静
王皓
郭修远
王立峰
-
机构
湖南大学工商管理学院
湖南大学新闻与传播学院
-
出处
《计算机工程与科学》
CSCD
北大核心
2022年第3期521-529,共9页
-
基金
国家自然科学基金(71771082)
湖南省社科基金(20YBA060)
+1 种基金
湖南省杰出青年科学基金(2017JJ1012)
湖南省“芙蓉学者奖励计划”。
-
文摘
社交媒体关键意见领袖KOL为品牌营销带来更多机会,所以备受广告主青睐,但KOL行业的低门槛进入和数据造假行为,导致广告主无法快速找到与自身品牌匹配的KOL。基于以上背景,对KOL发布在社交平台的视频进行研究,对视频中的弹幕文本进行动态主题分析,刻画弹幕主题随时间的变化,同时使用卷积神经网络模型对含有广告的视频弹幕文本进行情感分析,进一步分析观众对于KOL推广行为的情感极性。实验结果表明,本文提出的KOL分析方法更加全面具体地评估了KOL的商业价值,能够帮助广告主高效找到合适的KOL。
-
关键词
社交媒体
关键意见领袖
弹幕文本挖掘
卷积神经网络
-
Keywords
social media
key opinion leader
video barrage text mining
convolutional neural network
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
