舆情监测平台如何监测短视频内容

目前，我国至少有50种短视频应用，这些应用的视频内容审查已经成为短视频运营平台和政府相关部门的重要任务。每个视频发布的内容是否合法，是否符合道德标准，发布的广告信息是否涉及欺诈和夸大。

尤其是一些不合规的内容可能会引起负面的社会反响。比如去年6月，颤音平台因为发布了损害英雄烈士名誉和荣誉的内容，被有关部门约谈。这是平台方最不愿意发生的事。

短片AP

短片APP。

那舆情监测平台如何监测短视频内容，流程如何？

第一，对于不同类型的视频内容，舆情监测平台的监测力度是不同的。从各短视频平台发布的视频内容类型来看，可以分为四类。

类是音乐、舞蹈、搞笑、时尚等用户自我表达类的内容。

这些内容的制作者渴望通过短视频的发布获得粉丝数量的增加。他们发布的内容一般没有鲜明的个人观点和倾向，也不容易涉及到一些社会事件，所以很难诱发舆论事件。

是生活记录类，包括我们常说的Vlog。

Vlog的主要内容是一些用户旅行的手拍，生活中发生的故事和事件的记录，与社会热点和街头采访有关。这些视频记录员习惯于客观地记录他们周围发生的事情。它们的关注是人群聚集的地方，也是俗称网红打卡的地方。这类内容中诱发舆论事件的视频概率相对较高，如重庆万州公交车坠河事件、8.27昆山持刀砍人事件等。舆情监测平台应该更加重视这类内容的监测。

第三，是知识传播的内容。

励志大咖、创业导师、手艺人的讲授内容截取成短片

这种内容就是把某个励志大咖、创业导师、手艺人的讲授内容截取成短片，或者直接录制一个短片。涉及更多的专业知识和技能指导，内容诱发舆论事件的概率较小。

是广告产品的推广。

综上所述，以上第二类内容是监控平台最警惕的。

从内容发布的用户分类来看，短视频的内容制作者大致分为以下三类。

第一类是数量最多的普通用户。

他们主要以自己的名义在平台上注册账，发布的信息内容主要包括个人生活方式、生活状态、社交活动、所见所闻、对一些社会热点事件的看法。这些普通用户更容易发布一些诱发舆论的视频内容，监控平台需要重点监控。

第二类是组织机构，包括媒体机构、国家机关、社会团体、社会组织、工作室团队、网络媒体机构等。

这些组织发布的内容大多反映了组织的观点，代表了组织的声音。这些内容基本都是通过组织内部审核发布的，不太可能产生诱发舆论的内容。一般不作为重点监测目标。

第三类是企业。

企业的主要目的是在承担社会责任的基础上盈利。落户短视频社交媒体的企业主要目的是自我宣传和产品推广，目的相对简单，不易产生诱发舆论事件的内容。

谈完舆情监测的内容和对象的分类，再来谈监测技术。

近来大家对人工智能的讨论比较多，那么舆情监测平台的监测系统是否已经实现了智能监测呢？

由于人工智能技术在监控系统中的广泛应用，微信微信官方账号、微博等图形平台上的文字内容已经基本实现智能监控。但目前市场上还没有一个舆情监测平台能够完全抓取视频和音频信息，无法批量获取音视频信息，无法解构分析此类数据。

这主要是因为视频文件的数据量远远大于图形文件。例如，智能手机以1920*1080的画面分辨率拍摄的视频文件大小为2.2MB/S。每天在一个短视频社交平台上发布2000万个视频，每个视频持续15秒，一天的短视频数据存储量超过620TB。大量的数据使得智能监控系统难以应对。

此外，目前监控系统的智能化程度无法准确识别视频和音频内容。

当前舆情监测平台一般采用先智能监测，再人工审核的方法。智能监控技术主要有以下三种类型。

分布式舆情分析检测技术。这采用Web数据采集的方法，由多个可并发获取Web数据的采集点协同工作，形成Web信息采集系统，实现舆情信息的采集，再通过标签定制功能，对已知数据进行分类，从而实现舆情分析处理。该技术对短视频内容的监控有很大的局限性。由于使用Web数据采集方法只能对标有文字的视频标题的内容进行信息统计和分析，视频本身的挖掘功能远远不够。

视频同源检测技术。其核心思想是以数学建模的方式首先表达视频，形成视频特征，然后通过比较特征实现同源视频的匹配。这种方法还有一些技术问题，最大的挑战是找到视频的特点，全面表达视频信息。这些信息的表达主要体现在视频帧和视频片段的检测上。镜头分割和关键帧提取是该技术的难题。

基于标签的视频检测技术。视频检测技术主要是根据可能出现的视频信息，设置标签，对照视频内容进行分类，对视频与标签进行相应关系的技术处理方法。在检测过程中，可以根据视频标题、视频描述信息和视频内容三个不同的特点进行标签，然后通过标注的内容向舆情分析专家提供索引信息。但如今许多短视频都省去了文字描述和标题内容，对于这些短视频，这种技术显然无法起到监控作用。

专家认为，未来舆情监测平台可能会采取一种新的检测方法，即视频周边信息法。

所谓涉及视频周边信息，是指短视频在社交平台上发布后，产生的标题、描述、组类(#分类)、期望关注(@点名)、文字评论、赞数、转发、下载等后视频效应的信息。

这些信息往往反映视频内容本身从某些方面是否值得关注，或者作为诱发舆论的可能来源，涉及视频周围的信息大多以数字、文字等OCR平面易识别的形式出现。在舆情监测过程中，这些数据和信息的获取可以通过现有技术来解决。

与基于标签的视频检测技术相比，这种监控方案更注重对短视频评论、好评等互动内容的监控。未来，它可能以方便、高效、低成本的特点成为未来短视频社交媒体舆情监测的首选模式。

据不完全统计，截至2018年10月31日，国内各大招聘网站发布的内容审核员相关岗位需求超过2000个，专业涉及新闻媒体、金融经济、法律等。但是这个数字和美国短视频平台内容审核员的岗位数量相比还是有很大差距的。