我从某知名网站获取了大量视频标题，然后通过关键词统计频率，得到了一些有意思的数据，我想可以从中一窥国人的 xp 情况。
文章地址： https://hsingko.github.io/post/2022/11/24/ml-in-china/
This topic created in 1442 days ago, the information mentioned may be changed or developed.
Supplement 1 · Nov 24, 2022
对于文末唐卡图的问题：
- 文章里就是原图啊！并没有经过压缩，因为图片生成的过程中就已经进行了模糊化，不然这张图起码 500MB……
 |
1
大大的 X 狗引起不适
|
2 |
eason1874Nov 24, 2022
2
我的印象跟这数据差不多
真实性无从考究，同一个视频隔一段时间又会被换一个标题重新发出来，前年是同事，去年是同学，今年又成了小女友。不过，研究受众偏好，真实性也不重要，角色扮演本身就是为了满足受众偏好，对受众来说角色就是真的 |
 |
hoverNov 24, 2022 via Android
3
期待再分析下老外们的 xp
|
 |
4
guro 爱好者路过
|
 |
hsfzxjyNov 24, 2022 via Android
5
“眼镜”还是小众
|
 |
AlexonxNov 24, 2022
6
好奇下这是啥网站...俺也想试试
|
 |
ArianXNov 24, 2022
7
妙啊
|
 |
sleeepyyNov 24, 2022
8
只是统计关键词出现的频率吗？是否应该将对应的视频的播放量也考虑进去呢
|
 |
KevinDo2Nov 24, 2022
9
标题党过多，甚至还有非本人图片挪用作封面，p 站内容剪辑直接发布。
|
 |
GeruzoniAnsasuNov 24, 2022
10
有点意思，期待一手各地区 /国家的对比数据
|
 |
JustSongNov 24, 2022 via Android
11
图表很漂亮，请问用什么画的呀
|
 |
12
楼主的博客很有意思，我觉得是时候弄一个 rss 订阅了。v 站上有意思的个人站还是挺多的， 得追踪一下。
|
 |
cnrtingNov 24, 2022 via iPhone
13
求最后一张原图
|
 |
14
@sleeepyy 本来是想做加权的，但是原始播放量数据似乎有问题，越早期的视频热度显示越离谱，不同时间跨度的热度感觉不是线性增加的。
我想越靠近现在的标题的选择本身就已经反映了某种固定的偏好，关键词是有限的，后来的视频上传者们已经找到了某种“热度关键词”，所以不做加权应该就已经能反映问题了。 |
|
15
@JustSong
- 图表用的是 google sheets ，可以自己配置一些美化选项 - 词云用的 python 的 wordcloud 包 - 最后的唐卡图用的是平均色度算法，可以参考这篇文章： https://towardsdatascience.com/how-to-create-a-photo-mosaic-in-python-45c94f6e8308 |
 |
N2CXNov 24, 2022
17
瑞斯拜！
|
 |
kqijNov 24, 2022
18
身高和露面，想问下这两个数据是怎样来的？其他还能理解，是不是收集标题，提取关键词，再分析词频？
|
 |
HugoChaoNov 24, 2022
20
好文共赏
|
|
21
@kqij
我的思路是这样的： - 视频上传者往往会将露脸作为卖点放在标题中，所以词频占总数比能反应真实情况 - 身高数据也是通过分析标题得来的，但是这里有个问题，并不是所有上传者都会将其放在标题中；所以最后统计出的数据只能反应“本身对身高敏感的观众和上传者”对身高的偏好 |
 |
22
最后一张人皮唐卡让我笑出声 要下地狱了
|
 |
WOLFRAZORNov 24, 2022
23
这都能研究，太厉害了
|
 |
WilliamwangNov 24, 2022
24
好奇，是 91 吗
|
 |
quan01994Nov 24, 2022
25
emmm,看来我的 XP 还是小众啊。
|
 |
FelldeadbirdNov 24, 2022
26
牛逼，这都可以进行数据分析。
|
 |
cvoocNov 24, 2022
27
果然嗨丝才是王道啊, 占比那么高
|
 |
zhangshineNov 24, 2022
28
不应该是视频发布者的 XP 吗？
|
|
29
@zhangshine
视频发布者的动机是为了获得热度与关注，因此标题选择上会尽可能地“标题党”；如果将视频浏览者的注意力当作市场，那么“视频上传标题-热度”这一反馈机制就如同供需关系一样会达到平衡，这个时候标题实际上已经表现的是“消费者”的喜好了。 |
 |
wanacryNov 24, 2022 via iPhone
30
xp 是什么
|
 |
walking50wNov 24, 2022
32
@vigack 上传者没有获取反馈的途径， 高浏览量绝对是封面(主要)+内容，绝不可能标题。 所以这个反馈只是上传者的意向。很少能反应观看者。
|
 |
lamesbondNov 24, 2022
34
黑丝高跟😍😍😍
|
|
35
@silasamiseaf94
我一向不怎么喜欢绝对化的判断，所以用词不会非常笃定；在我看来上传者和浏览者是有很大重叠部分，有时候观众也会主动参与到制作过程中，所以我所谓的“浏览者”也笼统地包含了上传者。 其次，上传者是有反馈渠道的，那就是视频播放数、留言评论等等；封面图片确实是吸睛的重点，这一点确实没有在分析中提到，但是你可以发现，那些有吸引力的封面往往会在标题中进行表现，比如着装描述、身材描述等等。 最后，浏览者想要的仅仅是千篇一律的往复运动吗？在我看来，他们对“故事”或者说“情节”的需求也很大，而这一点是封面和视频本身无法表现的，只有文字才能做得到。这一点你可以通过观察同样视频是如何通过不同的描述、不同的情节来获得不同的热度中看到。 |
 |
dzdhNov 24, 2022
36
我要最后一张图的高清大图
|
|
37
@dzdh
😃你想多了，在生成图片的原理不是简单的拼贴（不然就成了哈勃望远镜了），而是通过模糊像素化得到基础颜色，然后再放置到原图（唐卡）中的恰当位置。文章中的图片并没有经过压缩，就是程序生成的原本内容。 原始封面图共 533MB ，放在一起的时候，里面的内容与其说是能让人愉快，不如说更像是法医鉴定图谱，你不会想要看它们的。 |
 |
marc2017Nov 24, 2022
38
我想要是抓取 gay porn 的话，最大的关键词绝对是 [直男] 。哈哈哈
|
 |
tf2Nov 24, 2022
40
那个年龄，应该是默认年龄分类吧。。
|
 |
AshenOneOrzNov 24, 2022
41
原来是老哥的博客，文章写的真不错
|
 |
TanfNov 24, 2022
42
有意思
|
 |
zekNov 24, 2022
43
你分析的是哪个网站
|
 |
shanyuhai123Nov 24, 2022
45
感觉是最近的关键词，去年的还不是这样 :doge:
|
|
46
@shanyuhai123 时间到 9 年前为止还是挺均匀的，基本都有 3k+ 左右的数据，但是今年的数据量有 5W+，因此在关键词上可能覆盖了之前的特征。
不过我觉得这和视频“标签化”的趋势有关，之前视频不太多的时候选择也不多，因此不需要怎么弄就有一定的热度；而现在可能拍片的人多了，迎合了短视频的潮流，更喜欢在标题中用直观引起情感反应的词。 现在想想分析视频长度变化趋势也是个有意思的主题，不过抓数据的时候忘了这个字段了.... |
 |
daweiiNov 24, 2022 via iPhone
47
有意思。
楼主可以考虑把数据放出下载吗。 我也想分析一下。 |
 |
1sU69ZDAgzkvDFS8Nov 24, 2022
48
数据肯定是没啥问题的，光看黑丝跟高跟，再对比下抖音跟 B 站尬舞，就一目了然，只是这部分产业在国内没有相对宽松的创作环境，所以远没有达到上限，要是哪天跟日本的厂商一样有各种分门别类，到时候再统计，估计会比较精彩。
|
 |
xinyu98Nov 24, 2022
49
有没有女性向的
|
 |
jdhaoNov 24, 2022 via Android
50
可视化工具用的哪个
|
 |
hushsNov 24, 2022
51
有没有考虑做个小工具，我想看一下自己的数据。
|
 |
hokyNov 24, 2022
52
有意思的尝试。
|
 |
redtreeNov 24, 2022
53
不错不错
|
 |
gwbwNov 24, 2022
54
针对 "关键词的集合是我拍脑瓜想出来的，因此可能遗漏了" 问题，可以考虑用现成的分词工具提取关键词，比如 python 的 jieba 分词
|
 |
woscaiziNov 24, 2022
57
|
 |
libaokaiNov 24, 2022
61
6
|
 |
renhouNov 24, 2022
62
已硬，已收藏，好人一生平安
|
 |
adoyleNov 24, 2022
63
从数据分析来研究女性主义，你是懂研究的。
> 我们常常提到物化女性这个概念，但常常是泛泛而谈，没有具体到现实的内涵，这里通过分析自制成人视频者的偏好，可以塑造出某些男性性幻想对象的轮廓。 立意就很好。 看了你的博客其他文章，文笔不错。关注了。 |
 |
CyberZCSNov 24, 2022
64
有趣有趣，已关注 OP 博客
|
 |
JimmyRogueNov 24, 2022
65
有意思，感谢老哥
|
 |
66
[露脸] 真实夫妻 18 岁 XX 师范大学在读 170 高挑长腿黑丝 直叫老公不要停 1 分 20 秒手势验证
根据画像写的标题，找人去拍一个。 |
 |
67
@advicebullet 你是懂 SEO 的
|
 |
chanlkNov 24, 2022
68
唐卡来张高清大图啊 (￣▽￣)／
|
 |
plpNov 24, 2022
69
市场营销做好了,我来解决片源,谁来解决推荐算法,再提供 rss 订阅,来跟我做大做强
|
 |
jiujiutangNov 24, 2022
70
最后的图片高清大图吗
|
 |
222aaNov 24, 2022
71
老哥看了你的博客，你用的是什么系统哇？看着很舒服哦
|
 |
gerorimNov 24, 2022
72
老哥原来的点云图没有删掉，还是 CDN 有缓存？
原来的点云符合期望（指的是概率上的数学期望） https://hsingko.github.io/post/2022/11/24/ml-in-china/images/2022-11-24_11-56-02_wordcloud.png |
|
73
@gerorim 感谢提醒，忘了 hugo 生成内容的时候默认不会进行删除。
确实原来的图更能反应真实情况，不过过滤掉那些直白的描述并不会对其他方面的关键词造成影响。 |
 |
neofacenewNov 24, 2022
75
@vigack 想问下用的是什么中文字体？
|
|
76
|
 |
CRightNov 25, 2022 via iPhone
77
词云替换后了就不真实了，
|
 |
MrxxNov 25, 2022
79
窥一斑而知全豹纹内衣
|
 |
labubuNov 25, 2022
81
@advicebullet 你是懂大数据的
|
 |
2NUTNov 25, 2022
82
社科专业 再深入 扩充下 其实可以作为毕业论文了
|
 |
abirdcanflyNov 25, 2022
83
大佬的视角偏颇太大! 这大概只是男性用户的数据, 并非国人, 请注意中国并非只有男人, 女人也有 xy; 本人也是男性, 只是指出不同观点, 并无冒犯之意
|
|
85
@abirdcanfly
因为“国男”已经成了带有情绪化的词了，所以这里我用的是“国人”，不过这篇分析确实特指男性。 另外在中文圈，就我所知，还从来没见过女性向的视频；分析女性 xp 也是个很有趣的主题，可惜我目前并没有发现什么值得研究的数据来源。 |
 |
8XIQz5SCHX1U6c7sNov 25, 2022
86
好活👍
|
 |
NESeekerNov 25, 2022 via Android
87
操千曲而后晓声
观千剑而后识器 楼主好活，当代《文心雕龙》 |
 |
hanbing135Nov 25, 2022 via iPhone
88
感觉 lz 可以进行视频内容检测做深度分析
|
 |
mmdsunNov 25, 2022 via iPhone
89
furry 控路过。
这让我想起前段时间我的圈内都再转 涂满你 xp 的小瓶子的调查卡片。 |
Select Language