《长安十二时辰》背后的文娱大脑:如何提升爆款的确定性?
生活随笔
收集整理的這篇文章主要介紹了
《长安十二时辰》背后的文娱大脑:如何提升爆款的确定性?
小編覺得挺不錯的,現(xiàn)在分享給大家,幫大家做個參考.
大家好,我是來自優(yōu)酷內(nèi)容智能團隊的資深技術(shù)專家牧己,主要負(fù)責(zé)基于大數(shù)據(jù)和人工智能去解決內(nèi)容方面的問題。接下來,我將以《長安十二時辰》為例,分享優(yōu)酷在提升“爆款確定性”中的技術(shù)實踐。
一、如何定義爆款?
?
優(yōu)酷有個產(chǎn)品叫北斗星,相當(dāng)于我們的文娛大腦。一般比較熱門的劇集的“北斗星日指數(shù)”約50-60W,而《長安十二時辰》的“北斗星日指數(shù)”可以達(dá)到100W+,并且還帶動會員收入的快速攀升。如果大家對北斗星指數(shù)沒有概念,我再分享一個有趣的數(shù)字:雷佳音在劇中吃“水晶柿子”的橋段,使西安水晶柿子的銷量增長到往年的6倍。?綜藝的年度爆款《這就是街舞》是同題材類型精品節(jié)目熱度的2-3倍。另外,這兩檔節(jié)目除了對18-34歲核心人群有很好的覆蓋,對35-49歲的人群上也有一定輻射,可見爆款的影響力有多大。?
二、長視頻爆款的復(fù)雜與挑戰(zhàn):較高不確定性
長視頻爆款的復(fù)雜和挑戰(zhàn)主要來源于不確定性,并且這種不確定性滲透在內(nèi)容的采集、宣發(fā)和投放的所有環(huán)節(jié)中。?第一個不確定叫做延遲滿足和信息不完備。長視頻通過組織多個有效的事件序列,形成價值轉(zhuǎn)換,刻畫出不同人物,最終體現(xiàn)一個或多個價值觀,整個過程需要很多劇集逐漸被用戶感知。每個用戶對于內(nèi)容的偏好點和關(guān)注點不同,獲取的只是內(nèi)容片面的信息,信息的不完備性,導(dǎo)致對于內(nèi)容理解的偏差。
商業(yè)需要確定性,而內(nèi)容具有極強的不確定性,如何依靠技術(shù)達(dá)到平衡?這是內(nèi)容產(chǎn)業(yè)發(fā)展所引發(fā)的思考。
?在崇尚個性化的當(dāng)下,爆款也從“全民爆款”演進成“圈層爆款”,非圈層受眾對某些內(nèi)容完全沒有感知,與之前萬人空巷的氣勢完全不同。?
三、?如何提升?向算法和數(shù)據(jù)榨取確定性
1、何為北斗星?
?從內(nèi)容的不確定性出發(fā),優(yōu)酷采取人機結(jié)合的系統(tǒng)即北斗星。北斗星是一個具有思考能力的大腦,解決采、投、制、宣、發(fā)、放等內(nèi)容全生命周期的不確定性,提升爆款能力。??2、基礎(chǔ)能力:內(nèi)容創(chuàng)作理解能力?繁雜信息處理對于人工智能來說是“小菜一碟”,難點是解決內(nèi)容創(chuàng)作中的理解、預(yù)測和挖掘能力。內(nèi)容創(chuàng)作理解能力,是對劇本進行智能化的分析和挖掘,提高這部分的確定性。主創(chuàng)班子是一個極強的系統(tǒng)化工程,在上圖左側(cè)會基于內(nèi)容理解做分析和挖掘,而右側(cè)會基于數(shù)據(jù)對左側(cè)內(nèi)容理解做量化,從而提供類似大腦的思考和決策能力,提高這部分的確定性。??內(nèi)容創(chuàng)作有自身規(guī)律,內(nèi)容創(chuàng)作理解就是圍繞基于鏡頭語言和“兩千多年的戲劇理論應(yīng)用價值觀”轉(zhuǎn)化為技術(shù)能力,即對劇本和視頻的智能理解。??以《長安》劇本分析為例,全劇本共有120多個人物,主創(chuàng)戲份評估如下:?1)張小敬的戲份占15%,李必占10%,檀棋、龍波、姚汝能分別占5%、4%、3%;2)張小敬和李必在全劇分別貢獻了90%以上的人物關(guān)系;3)檀棋貢獻了80%以上的人物關(guān)系,在劇中作為功能性人物推動劇情發(fā)展。?對《長安十二時辰》劇本的角色交互分析如下:1)?張小敬與檀棋的交互最多;2)?李必與檀棋、徐賓交互較多;3)?相比IP劇本減少了張小敬和李必的交互。?
第一層是基礎(chǔ)層。分為KG&Domain Knowledge/Feature Engineering和學(xué)習(xí)加速;
第二層是數(shù)據(jù)層。分為數(shù)據(jù)生成(SMOTE),隸屬度變換(高斯隸屬度)和半監(jiān)督學(xué)習(xí);
第三層是模型層。通過DNN和Relation Net以及MTL相結(jié)合,降低過擬合,提高模型的學(xué)習(xí)能力;
第四層是Uncertainty Learning,基于變分推斷的框架進行內(nèi)容不確定性的預(yù)測。??SMOTE(Synthetic Minority Oversampling Technique),合成少數(shù)類過采樣技術(shù)。
?所有模型都會面臨過擬合問題,優(yōu)酷的基本思路是分析預(yù)測事件的基本特點,對于不同的特點建立不同的模型,分別有生命周期模型、競爭博弈模型和復(fù)雜影響因子。?
這一部分可以在網(wǎng)上參考“貝葉斯Network”,重點看它如何利用“變分”得到最后結(jié)果。?4、宣發(fā)階段:挖掘能力建設(shè)??挖掘能力更多應(yīng)用于已經(jīng)發(fā)生的事件,使其更具有確定性。上圖是《長安》播出后,每一分鐘用戶的收視狀況、復(fù)看狀況和彈幕狀況,再結(jié)合每一時間段的劇情內(nèi)容對用戶喜好做更精準(zhǔn)的分析,以此來做更好的宣推和挖掘。?內(nèi)容產(chǎn)業(yè)是個不確定性非常高的產(chǎn)業(yè),越是爆款就越有不確定性。互聯(lián)網(wǎng)下半場我們積累了特別多的數(shù)據(jù),AI能力也得到了前所未有的發(fā)展,我們建立了“文娛大腦”北斗星、AI劇本等內(nèi)容形式的挖掘能力,和采買不確定性預(yù)測的評估能力,以及對于宣發(fā)挖掘的能力,都在業(yè)務(wù)應(yīng)用上取得了不錯的成績。?傳統(tǒng)的內(nèi)容制作領(lǐng)域,依然依賴人的經(jīng)驗,在強人工智能尚遙遠(yuǎn)的情形下,如何結(jié)合機器AI和人工經(jīng)驗是個永恒的主題,例如結(jié)合符號主義(計算機學(xué)派)和連接主義(仿生學(xué)派)的智能。因此,我們將在兩個方向發(fā)力:1)決策引擎的建設(shè),包括結(jié)合人工邏輯規(guī)則和機器學(xué)習(xí),不確定性分析框架和經(jīng)久不衰的貝葉斯因果決策,以及神經(jīng)元化的混合智能計算框架。2)量化的心理學(xué)研究也越來越重要,我們也會推進這部分探索。
LiveVideoStack? 招募
LiveVideoStack正在招募編輯/記者/運營,與全球頂尖多媒體技術(shù)專家和LiveVideoStack年輕的伙伴一起,推動多媒體技術(shù)生態(tài)發(fā)展。同時,也歡迎你利用業(yè)余時間、遠(yuǎn)程參與內(nèi)容生產(chǎn)。了解崗位信息請在BOSS直聘上搜索“LiveVideoStack”,或通過微信“Tony_Bao_”與主編包研交流。
總結(jié)
以上是生活随笔為你收集整理的《长安十二时辰》背后的文娱大脑:如何提升爆款的确定性?的全部內(nèi)容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 联捷俞海乐:从技术leader到CEO视
- 下一篇: MPEG中面向沉浸式视觉体验的标准化活动