可下载资源

数字特征和文本特征相结合，分析影响播放量的因素。采用回归树模型分析自变量对播放量的影响。

内容质量高、话题性强的视频自然会引起广泛关注。对于没有与平台签约的UP主来说，通过视频创作激励计划和奖励机制（充值计划），播放量与他们的收入直接挂钩。探讨影响纪录片播放量的因素，有助于更好地理解如何提高纪录片视频的关注度，以及如何更好地创作出令人愉悦的自制微纪录片。

为了便于观察，图中只显示了播放量低于7000的纪录片。从图中可以看出，四类纪录片的播放量分布存在明显差异，人文●历史类纪录片的播放量总体上高于其余三类，且呈右偏态（数据集中的所有定量变量都是右偏态的）。军事类和社会食品类纪录片的分布则比较接近。旅游类纪录片的分布比较接近，总的来说，四类纪录片的播放量差异很大，因此不能用同一个模型进行分析。有必要对参数进行区分，并对每个类别下的纪录片进行不同的分析。

图中显示了社会和旅游纪录片文本中的12个高频词。其中，”旅游 “以11次排名第一，与 “旅游 “相关的 “旅游 “和 “旅游摄影 “分别排名第4和第6位。”食品 “以1111次排名第二，与 “食品 “相关的 “食品 “排名第11。”人文 “以607次排名第五，而与之相关的 “纪录片 “则排名第八。

此外，”中国”、”日本 “和 “世界 “的出现频率也很高。文字是由UP主编辑的，目的是让用户更好地理解视频内容，国家类高频词的出现表明，纪录片内容发生的国家是观众决定是否观看视频的重要决定。

对回归树进行模拟，在RMSE折线图的拐点处确定最优的树深为7，叶子节点的最小样本数设为25，分支节点的最小数量设为50。

在建立回归树模型时，自变量的重要性依次为：评论数（44）、弹幕数（18）、金币数（17）、分享数（8）、粉丝数（6）、收藏数（6）和提交数（1）。最重要的变量是观众与纪录片视频和UP主之间的互动程度，UP主在制作视频和选择能产生强烈互动的内容材料时，可以考虑到这一点。但是，这一点比较主观，没有量化的调整方案，也无法控制，无法确认所选的主题素材是否会带来高数量的评论和弹幕。

本文章中的所有信息（包括但不限于分析、预测、建议、数据、图表等内容）仅供参考，__拓端数据（__tecdat__）__不因文章的全部或部分内容产生的或因本文章而引致的任何损失承担任何责任。