热门:网易云音乐评论区注意：什么样的评论最热门？

本篇文章3811字，读完约10分钟

背景介绍。

今年年初，网络易云音乐发表的《年度听歌报告书》再次更新了屏幕WeChat的力矩。 前几天，焦急等待的网民也曾把“等待网易云年度总结”的话题发送到微博热搜，不得不佩服网易云音乐的顾客的坚持。

网络易云音乐年度听歌报告

学霸们的年度歌手

#等网易云年度总结#微博热搜

而且印象最深的是沙雕网民们在歌曲下发表了精彩的评论。 年3月，网易云音乐将这些乐评转移到地铁上，引起了小波的关注。

杭州地铁开通网易云“乐评专题”

就像网易创始人丁磊说的，“网易云音乐不是简单的音乐播放器”，网易云音乐自网上以来，不是用“音乐播放器”而是用“音乐社区”定位自己，独特的感情标签，丰富的评论文案。

因此，与其他音乐播放软件相比，基于网络易云音乐平台的歌曲评论、顾客行为的分析结果更有说服力。 这个小组试图爬上网络易云音乐平台部分歌曲的评论数据，通过数据观察，探索网络易云音乐中隐藏的两个秘密。 “你是怎么在林这样的名人评论区受到欢迎的？ ”。 然后说:“歌曲评论和歌曲个性化推荐之间有什么联系？ ”。

数据介绍。

本项目采用的数据取自网易云音乐歌单“网易评论最多的300首歌”，由网民“hardwell-edm”整理。

有些灰色歌曲没有版权(比如我们周董的歌曲)，但其新闻和评论还能正常登上。 关于每首歌，我们登上了歌曲新闻和评价数最多的15条人气评论和最新的10000条普通评论。

〈1〉如何赢得人气？

作为网易云音乐的忠实顾客，你总是羡慕受欢迎的网民吗？ 另外，你想写上万条受欢迎的评论吗？

其次，我会教你如何使用攀登的数据进行分解，正确而冷酷地赢得人气。

首先来看看受欢迎的评论和普通评论的词数的区别。 使用python的jieba工具对注释进行分词(设定1893无效词)，通过计算词数，分别创建了受欢迎的注释和一般注释的词组。

我们发现，无论是受欢迎的评论还是一般的评论，“喜欢”和“爱”都是网民们最常提到的，还是爱是人类永恒的主题。 除了一点共同的高频语，我们普通的评论真的很普通，先露出表情，谈谈心情，给自己加油。 受欢迎的评论会变得丰富，不仅是理想，不仅可以补充对象，还可以补充时间的细节，故事会变得更丰富。

比如《乱说八道》中的人气评论，有兄弟，有恋人，跪下，有尊严，故事极其丰满，即使出现错字也不会影响它的人气。

《众说纷纭》的人气评论

然后看看评论的字数。 通过制作评论的字数分布直方图，与分布严重偏向右边的普通评论相比，人气评论的字数多于20个字符，更多的人气评论超过140个字符的字数上限而发行，最终显示出双峰分布，

说到网易云音乐之神评论，为了部分评论的同质化，网民们还整理过“评论区六大未解决之谜”:为什么网易云音乐的网民们是有故事的人？ 每天发表评论坦白的人，到底成功了吗？

其实这说明了人的本质在复读机上有引起感情共鸣的关键词，网民们不累地进行评论的再创作。

因此我们选择了几个高频词进行了词数对。 首先，分手这个词比其他几个词出现次数多，证明分手引起的感情变动最大。 人生阶段高中和大学的出现次数最多可能是因为这两个阶段承担着越来越多的感情和回忆。 高考是大多数人人生中最重要的考试。 因为这句话的频率最高。

综合上述分解，如果在林这样的名人网易云评论区很受欢迎，至少要实现以下几点。

1、字数是必不可少的。 用140字写的话，势在必行。

感情可以引起共鸣。 例如，“告别”、“大学”、“高考”这些关键词是大家最常提到的，关于这些语言的评论将有更深的大众基础。 (所以，如果写了“高考前明明说了一起去，上了大学也分手了”，可能很多人会好吗？ ）

3、需要丰富的故事细节。 受欢迎的评论多说明时间和地点的人物，故事是有共性还是戏剧性，最后升华为感情理想。

4、当然，有人能打破以上所有的规则。 那是——段子手。 比如有名的段子:“你怎么回蚁穴？ ”“…是笑还是沉默？ ”。

《之后》的人气评论

基于评论的乐曲推荐，接下来分别建立了两种模型，无论是基于评论文案，还是基于基于顾客的评论行为，都证明了乐曲的个性化推荐是可能的，网络易云音乐构建的“音乐社区”正是如此。

1根据评论副本聚类歌曲。

我们发现，关于表现相似感情的曲子，其评论区的整体画风也很相似。 例如在悲伤情歌的评论区，有讨论在爱中痛苦的倾向，甜蜜情歌的评论区被各种各样的告白宣言占领。 因此，我想从评论副本中调查能否反过来发挥曲子的优势，对这300首曲子进行聚类。

建模步骤如下。

(1)关于各歌的评语语频率，先去除总词频率普遍高的5个词(“喜欢”、“爱”、“哭”、“加油”、“希望”)，选择剩余词中词频率最高的5个词作为各歌的特征。

(2)为了得到语义空间表现，使用了微博数据中预先训练的word2vec词典，该词典中共计包含195202个单词

(3)各词对应300维的特征向量，各歌的特征是连接的1500维向量

(使用k-means算法对具有1500维特征的曲子进行聚类，共聚合成20种。

(5)通过tsne模型将聚类结果缩小到2维，进行可视化。

(6)选择5种曲子(其中3种相近，分为新的1种)，组合3种曲子进行感情分解，制作感情雷达图。

我们选择的聚类结果中，有明显动人的歌曲(《追梦赤子心》、《hall of fame》等)，评论中出现了很多高考党、考研党支持自己的评论，对应的感情雷达图中“喜好”的指数很高。 另一首是中文悲伤的情歌(《七友》、《后》等)，感情分解结果最丰富，雷达图面积最大，《忧郁》占主导地位。

但是，某种结果(《离人愁》、july、《红昭愿》、china-x、《沙漠骆驼》)比较特殊。 首先，这五首音乐风格包括古风、流行、电音、摇滚，感情也没有什么共同点，为什么要归类为一首？ 其次，在这种曲子的雷达图中，“反感”指数最高，确实异常。 因此，我们阅读了部分歌曲的评论，发现《离人愁》、《红昭愿》等歌曲有模仿的嫌疑。 《july》的歌手吴亦凡因“中国新说唱”的表现引起了争论。 因此，这5首歌的评论中也充斥着“盗用”、“盗用”等关键词和有辱骂意味的语言，所以在雷达图上反感和消极的感情成为主导。

可以看出，根据评论复制对歌曲进行聚类后，歌曲在矢量空间中的距离很大程度上反映了歌曲自身的感情和复制上的相似度，可以检测出被争论的歌曲。 因此，评论副本确实可以反映歌曲的优势，以此为基础进行歌曲推荐也有合理性和正确性。

2根据评论行为构建乐曲关系网。

我们知道每个顾客都倾向于听独特的歌。 例如，我们组的成员有周董的狂热粉，有迷恋民谣的文艺青年，也有每周关注billboard排行榜的欧美流行音乐爱好者。 因此，我们从网络易云音乐客户歌曲的倾向性出发，构建了基于客户评论行为的歌曲关系网络，试图利用网络社区划分方法对歌曲进行分类，进而实现歌曲推荐。

建模步骤如下。

(1)曲子关系互联网的构筑:每首曲子作为无向图的一个节点，同一位顾客评论两首不同的曲子时，这两首曲子的节点之间有边缘连接，加上一个边缘权重。

(2)歌曲关系网络的优化:由于评论人很多，初步构建歌曲关系网络接近完整图，为了提取歌曲之间的强弱关系，设定阈值，忽略边的权重小于80的边，即至少80名客户，将某两首歌

(3)社区发现:使用k-clique算法发现了7个明显的歌曲社区

(4)可视化:利用面向力量的布局将网络结构和社区结果可视化。

结果，有簇系数高的3个社区(分别为1.00、0.97、0.93 )，分别对应排名前三的歌手周杰伦、许嵩、薛之谦的上榜曲目。 有兴趣的是，这三位歌手的所有排行榜曲目都被正确地分类为社区，薛之谦曲社区也多了一首由粉丝编排演唱的曲子。 证明了人气歌手有坚实的粉丝基础，顾客对歌曲的痴迷也容易对歌手着迷。

另外，中文歌和外语歌在网络上处于不同的地区。 有些民谣曲(赵雷和李志全部加入的曲子)成为独立社区，但在这个民谣社区附近，附近的节点也有很多众所周知的民谣曲(宋冬野的《斑马、斑马》、谢春花的《借我》、陈粒的《小半》等) 这表明歌曲的语言和曲风也是影响顾客听歌倾向的主要因素。

由以上可知，同一歌手、语言、曲风的歌在网络上容易被分类为同一社区，符合大众的听歌习性。 因此，根据客户的评论行为构建乐曲关系互联网，将乐曲社区化推荐也具有合理性和正确性。

总结。

经过以上分析，网易云音乐的两个秘密也不再雏形。

“为什么在林这样的达人评论区很受欢迎？ ”。

首先，需要一定的字符数(最好写140个以上)。 其次，从感情的角度来说，评论表达的感情最好能引起其他顾客的共鸣。 为了出众，评论的故事细节需要更丰富。 另外，段子手也很受欢迎。

 ； “歌曲评论和歌曲个性化推荐之间有什么联系？ ”。

如上所述，通过基于评论复制对乐曲进行聚类，基于评论行为构建乐曲关系的互联网的尝试，顾客评论和顾客行动数据反映了乐曲的优势和内在联系，由上网本音乐构建的“音乐社区”

首先，音乐社区可以提高顾客的体验，创造良好的循环，最终可以提高顾客的活性化和顾客的粘性。 通过我们刚才的两种模式的尝试，我们相信网络易云音乐的这种“音乐社区”可以为音乐“拉近”同一个歌手的粉丝、同类型歌曲的爱好者。 另外，音乐社区的构建也有助于平台利用大量的顾客数据、行为记录对顾客和音乐进行分类，根据类似的歌曲和类似的顾客等新闻实现正确的“个性化推荐”。