輿情監測平臺是如何監測短視頻內容的？目前，我國的短視頻 APP種類至少已達 50多種，這些APP的視頻內容的審核成為短視頻運營平臺以及政府相關部門肩上的重任。每條視頻發布的內容是否合法，是否符合道德規范，發布的廣告信息是否涉及造假和夸大等等。

　　特別是有些不合規的內容可能引發負面的社會反響，比如去年6月，抖音平臺因為發布涉及損害英雄烈士的名譽、榮譽的內容而被有關部門約談。這種事情是平臺方最不愿意發生的。

　　為了避免一些視頻內容由于斷章取義、夸大事實等原因而造成相關職能部門或企業的聲譽、公信力受損，專門負責監測各大平臺短視頻內容的輿情監測平臺就應運而生了。

　　輿情監測平臺是如何監測短視頻內容的？早在 2011 年，輿情監測平臺就已經開始為網信部門、一些黨政宣傳部門以及一些企業提供服務了。截至 2018 年 11 月，市場上從事輿情監測的平臺多達20 多家。這些平臺的工作主要是對互聯網海量信息自動抓取、自動分類聚類、主題檢測、專題聚焦，實現用戶的網絡輿情監測和新聞專題追蹤等信息需求，并形成簡報、報告、圖表等分析結果。目前我國比較知名的輿情監測平臺有人民網輿情監測室、中國人民大學輿論研究所、南京大學網絡傳播研究中心、復旦大學傳媒與輿情實驗室等。

　　那么輿情監測平臺是如何對短視頻內容進行監測的，流程如何呢?今天，克勞銳將結合幾天前《情報理論與實踐》上發表的武漢大學科研人員研究寫作的文章《短視頻社交媒介輿情監測與危機防范機制研究》，對這個問題予以解讀。

　　首先，對于不同類型的視頻內容，輿情監測平臺的監測力度是不一樣的。從各短視頻平臺發布的視頻內容的類型來看，可以分為四類。

　　一類是音樂、舞蹈、搞笑、時尚等用戶自我表達類的內容。這些內容的制作者渴望通過短視頻的發布獲得粉絲數量的增長，他們發布的內容一般不帶有鮮明的個人觀點和傾向，也不太容易涉及某些社會事件，因此不易誘導輿情事件的產生。

　　二是生活記錄類，包括我們常說的Vlog。Vlog以一些用戶出游的隨手拍、生活中發生的故事、事件的記錄為主要內容，與社會熱點、街頭采訪等相關。這些視頻記錄者習慣于客觀地去記錄身邊發生的事情。他們的關注度是人潮聚集的地方和俗稱“網紅打卡”的地方。這類內容中出現誘發輿情事件的視頻的概率相對要高一些，比如“重慶萬州公交車墜江事件”“8·27 昆山持刀砍人事件”等。輿情監測平臺方對這類內容的監測要更為重視。

　　三是知識傳播類內容。這類內容是將某位勵志大咖、創業導師、手藝人的講授內容截取為短視頻，或直接錄制一段較短的講解內容。這類視頻一般都是由組織或團隊策劃完成，具有廣告植入和軟傳播的特點，涉及專業知識、技能指導較多，內容誘發輿情事件概率較小。

　　四是廣告產品推介。這類內容主要是為品牌宣傳，商家的目的是盈利，一般不會發布涉及社會事件的內容，所以也不是輿情監測平臺方監測的重點。

　　綜上來看，以上說的第二類內容是監測平臺最為警惕的。

　　我們再從內容發布的用戶分類來看看，短視頻的內容生產者大致分為以下三類。

　　第一類是數量最多的普通用戶。他們主要以個人名義在平臺上注冊賬號，發布的信息內容也主要以個人生活方式、生存狀態、社交活動、所見所聞、對一些社會熱點事件的看法為主要內容。這些普通用戶比較容易發布一些誘發輿情的視頻內容，他們是監測平臺需要重點監測的。

　　輿情監測平臺是如何監測短視頻內容的？第二類是組織機構，包括媒體機構、機關單位、社會群團、社會組織、工作室團隊、網絡媒體機構等。這些組織機構發布的大多是體現本機構觀點、代表本組織發聲的內容。這些內容基本都經過組織內部審核發布，不太可能產生誘發輿情的內容。一般不作為重點監測目標。

　　第五類是企業。企業的主要目的是在承擔社會責任的基礎上盈利，入駐短視頻社交媒介的企業主要目的是以自我宣傳和產品推介為主，目的比較單一，不易產生誘發輿情事件的內容。

　　說完輿情監測的內容、對象的分類，我們再說說監測技術。

　　最近大家對人工智能討論的比較多，那么輿情監測平臺的監測系統是不是已經實現智能監測了呢?

　　由于人工智能技術在監測系統中的廣泛應用，現在針對微信公眾號和微博等圖文平臺上的文字內容，已基本實現智能監控了。但是目前市面上的輿情監測平臺尚無一家可以實現對視頻和音頻信息的完整抓取，尚無法對音、視頻信息進行批量獲取，無法對這類數據進行解構分析。

　　這主要一方面是由于視頻文件的數據量要遠遠大于圖文文件。比如智能手機以 1920*1080 的畫面分辨率拍攝的視頻文件大小達 2.2MB/S。以每天某一短視頻社交平臺發布 2000 萬條視頻計，每條視頻時長為 15 秒，的短視頻數據存儲量就超過 620TB。海量的數據讓智能監測系統難以應對。

　　另外，目前的監測系統的智能程度還達不到對視頻、音頻內容的精準識別。

　　輿情監測平臺是如何監測短視頻內容的？目前的輿情監測平臺一般采取先智能監測，再人工審核的方法。其中的智能監測技術主要是以下三類。

　　分布式輿情分析檢測技術。這是利用 Web 數據采集的方法，由多個可以并發獲取Web數據的采集點協同工作，構成Web信息采集系統，實現對輿情信息的采集，再通過標簽定制功能，對已知數據進行分類，從而實現輿情分析處理。這種技術針對短視頻內容的監測有很大局限性。由于使用 Web 數據采集方法僅能針對那些標注了文字的視頻標題的內容進行信息統計和分析，所以對于視頻本身的挖掘功能是遠遠不夠的。

　　視頻同源檢測技術。它的核心思想是使用數學建模的方式先對視頻進行表述，形成視頻特征，進而通過特征的比較來實現同源視頻的匹配。這種方法還有一些技術難題，更大的挑戰在于找到視頻的特征，全面地表述視頻信息。對這些信息的表述主要體現在對視頻幀的檢測方法和對視頻片段的檢測方法。鏡頭的分割和關鍵幀的提取是該技術的難點問題。

　　基于標簽的視頻檢測技術。標簽的視頻檢測技術主要是依據可能出現的視頻信息，設置標簽，對照視頻內容進行分類，將視頻與標簽做對應關系的技術處理方法。檢測的過程中可以根據視頻標題、視頻描述信息、視頻內容三個不同的特征進行標簽標注，再通過標注的內容向輿情分析專家提供索引信息。但是現在很多短視頻都省去了文字描述和標題的內容，對于這些短視頻，這種技術顯然無法起到監測的作用。

　　專家認為，未來輿情監測平臺可能更多的會采取一種新的檢測手段，即“涉視頻周邊信息法”。

　　所謂“涉視頻周邊信息”，是指短視頻在社交平臺發布后，由該視頻產生的標題、描述、組類(#分類)、期望關注(@點名)、文本評論、點贊數量、轉發量、下載量等“后視頻效應”的信息。

　　這些信息往往針對視頻內容本身從一些側面反映該視頻是否值得關注，或作為可能的誘發輿情源被獲取，且“涉視頻周邊信息”多以數字、文字等OCR平面易識別形式出現，在輿情監測過程中，這些數據和信息的獲取已有技術可以解決。

　　這種監測方案相對于基于標簽的視頻檢測技術來看，更側重于對短視頻的評論、點贊等互動內容的監測，將來可能憑借便捷、高效、低成本的特點而成為未來短視頻社交媒介輿情監測的模式。

　　據不完全統計，截至 2018 年 10 月 31 日，國內各大招聘網站發布的與內容審核員相關的崗位需求超過 2000 個，專業涉及新聞傳媒、金融經濟、法律等。但這一數字和美國的短視頻平臺的內容審核員崗位數量相比還有不小的差距。

　　輿情監測平臺是如何監測短視頻內容的？可見，目前僅依靠我國短視頻平臺自身內部的審核還是有一定局限性的。未來，要保障短視頻內容產業積極、正向的發展，輿情監測平臺的作用依然不可忽視。