網絡音頻資源集合組織中的用戶行為規律與偏好揭示

嚴煒煒 馬蕭蕭

摘 要：[目的/意義]區別于文獻資源集合，網絡音頻資源集合的組織具有更強的個性化特征，其用戶偏好的揭示不僅可拓展數字資源集合組織行為規律，亦有助于網絡音頻資源服務水平的提升。[方法/過程]選擇代表性網絡音頻資源分享平臺中的用戶自組織音頻資源集合作為樣本，通過對音頻資源集合名稱的高頻熱詞分析，探究用戶創建網絡音頻資源集合邏輯與組織偏好。[結果/結論]相較于文獻資源集合組織中對文獻資源類型、學科領域等的強調，用戶在創建網絡音頻資源集合時具有優先情感表達（內部歸因），其次進行風格、主題、語種描述（外部歸因）的組織規律和行為偏好。

關鍵詞：網絡音頻資源;數字資源集合;用戶認知;用戶行為;用戶偏好

DOI：10.3969/j.issn.1008-0821.2019.05.010

〔中圖分類號〕F062.5 〔文獻標識碼〕A 〔文章編號〕1008-0821（2019）05-0074-06

Abstract：[Purpose/Significance]Different from the collection of document resources，the organization of network audio resource collection has stronger personalized features.The analysis of user preferences can not only expand the rules of organizing digital resource collections，but also improve the network audio services.[Method/Process]The user self-organizing audio resource collections on one representative network audio resource sharing platform was selected as a sample.Through the high frequency hot words analysis of the name of each audio resource collection，the organizing logic and preference were explored.[Result/Conclusion]Compared with the emphasis on the literature resource type and subject area in the literature resource collection organization，user usually gave priority to the expression of emotions（internal attribution）when creating a collection of network audio resources，followed by descriptions of the style，subject，and language（external attribution）.

Key words：web audio resource;digital resources collections;self-organizing;user cognition;user behavior;rule preference;hot word analysis

為了在海量信息包裹的環境下有效組織信息資源，資源集合作為信息加工組織的方法在數字圖書館、門戶網站等領域進行了廣泛而深入的探索。資源集合是按照一定體系組成的信息對象集合及信息資源體系[1]，其旨在對數字化信息資源進行集成、整合，將不同來源、相對獨立的數字對象有機連接起來，對其內容進行充分地揭示。而作為數字資源有效保存和組織、分享的重要方法，資源集合在實踐中也常被應用于實現跨庫檢索和一站式資源服務之中。然而，資源集合的相關研究主要聚焦于以文獻資源為代表的研究對象以及文獻資源集合形成的元數據結構的描述，對諸如音、視頻等多媒體資源的組織探究尚顯匱乏。事實上，以音頻資源為代表的多媒體資源相較文獻資源而言，具有內容龐雜、數據冗余、自主性強的特點[2]，其資源組織邏輯也因而與文獻資源會有所差異。基于此，本文選擇數字音頻資源集合作為研究對象，從用戶行為習慣與偏好視角揭示音頻資源集合的組織方法和規律，以期面向多媒體數字資源拓展資源集合的組織邏輯及其相關行為理論，并為音頻資源集合的推薦和服務優化提供參考。

1 相關研究綜述

1.1 資源集合的相關研究

資源集合元數據的描述和探析是資源集合相關研究的主要領域之一。例如，元數據深度被用以分析資源集合，旨在使資源集合元數據標準的建立更為精簡，并被應用至數字圖書館的建設過程中[3];而在資源集合、個體資源元數據關系的描述及實現探究中，以資源集合與文獻單元元數據關系分類邏輯框架項目為例，資源集合與文獻單元元數據之間則存在三類關系實例，分別為：“屬性/值傳遞”、“值傳遞”和“值約束”[4]。

除了對資源集合本身元數據的揭示之外，其它資源集合相關研究還聚焦于對資源聚合與資源整合等形成資源集合途徑的揭示。例如，對于館藏資源聚合層次可概括為針對實體文獻的整理、數據的集成、信息的整合和針對知識的聚合，同時館藏資源聚合也具有傳統模式和深度聚合模式及其對象特征方面的差異[5]。相關研究還對比分析了國內外公共數字文化資源領域的整合問題，構建了公共數字文化資源整合模式，助力于將所有類型的公共數字文化資源整合到一個統一的平臺，滿足公眾快速、準確獲取公共數字文化資源的需求[6-7]。相比之下，國外對于數字資源聚合的研究主要傾向于應用研究方向，主要是生物醫學應用、虛擬網絡和數字圖書館中的應用，如CROERA分類器被用以對網絡平臺中包含的教育資源進行分類，實現教育資源的跨庫聚合[8];而對于數字資源整合的研究，早期主要集中于圖書館、檔案館、博物館等的館藏發展方面[9]，近年研究領域也朝其元數據和數字資源的整合領域拓展。

1.2 音頻資源的相關研究

在數字化環境中，資源建設的概念被極大地拓展，各類音頻資源也成為信息資源建設的重要組成部分。但相比于文獻資源、信息資源，音頻資源存在如下特點：從自身屬性來看，其存在形態多樣;從服務對象和使用者角度看，對音頻資源的需求多元，不同的音頻資源利用場景都具有特定的要求。因而需利用不同于文獻資源的方式對其予以組織、建設。

相關研究探析了音頻資源的保存與建設問題，如數字圖書館音頻資源數字化保存的優點和數字音頻資源的制作過程，以及高校圖書館視音頻資源數據庫的建設的必要性和知識產權問題等都被研究者們所關注[10-11]。同時，研究也從音頻資源的內容及其整合方式視角進行了探索，如肖定斌分析了音頻資源的內容價值，并就音頻資源管理措施和音頻內容資源整合與挖掘途徑展開了研究[12];王錚等則以大英圖書館參加的歐洲Europeana Sounds和美國國會圖書館的《國家錄音保存計劃》為例，整合了海外圖書館在參與或主導音頻資源建設方面的實踐情況，以此為基礎梳理和歸納相關經驗與對策，為我國圖書館界的音頻資源建設工作提供參考借鑒[13]。而國外在音頻資源庫建設和運營方面則有著豐富的經驗，如美國在著作法中明確規定“向國會圖書館交存復制件或錄音制品”以及在2013年公布“國家錄音保存計劃”，從而確立了國家音頻資源的合法地位。

概括而言，資源集合的研究所涉及的領域涵蓋了圖書館、博物館、檔案館等各級文化機構，在研究發展中其研究的廣度和深度都有所拓展。另一方面，音頻資源數字化發展特征顯著，用戶越發接受和習慣于多媒體、碎片化、個性化的內容。此外，音頻資源集合的組織邏輯和方式應與文獻資源的方式具有差異性，尤其是個性化偏好以及應用場景對資源集合組織的影響，然而以音頻資源為對象的研究相對于文獻資源而言卻較為匱乏，尤其是對音頻資源集合組織邏輯與規律的揭示尚顯不足。因此，本文關注對音頻資源的集合，并面向音頻資源拓展用戶進行數字資源集合組織行為規律和偏好的揭示。

2 研究設計

在音頻資源數字化進程中，音樂資源得益于其豐富且海量的資源內容和廣泛的互聯網分享傳播特性，現已成為網絡音頻資源中最重要的代表性資源。網易云音樂作為音樂資源平臺中的后起之秀，通過歌單、動態、評論等多種互動方式，打通用戶之間的關系鏈接，既涵蓋了豐富的音樂類音頻資源，也為用戶提供了便捷的分享與交互機制，在短期內就積累了龐大的用戶群體。故而，本研究選擇網易云音樂中的音樂資源作為研究對象，探究用戶對網絡音頻資源集合的組織行為規律與偏好。

在網易云音樂平臺之中，歌單（也即歌曲集）是一種用戶自主組織和表達的歌曲集合形式;創建歌單，實則是用戶進行以歌曲為組成要素的音頻資源集合個性化創建行為[14]。歌單不限主題，各有特色，無論是創造歌單主題還是為歌單添加音樂，都由用戶自主完成，其實質便是創建者情緒的表達。網易云音樂正是通過賦予用戶更多的自由度和決定權，進而鼓勵、支持用戶創造更多的歌單，從而以用戶為主體，實現UGC最大化。除一般性分類外，網易云音樂又發展出很多個性歌單。正是這些看似主題不鮮明，但卻具有個人性格的歌單不僅吸引了其他音樂客戶端用戶的加入，更是發展出了獨有的音樂社交文化。

考慮到歌單名稱的創建是用戶對歌曲集合的個性化主題概括行為的體現，其命名規律充分反映了用戶對于網絡音頻資源集合特征的理解和揭示，能夠凸顯其進行網絡音頻資源集合組織的行為規律和偏好。故而，本研究進行網易云音樂的熱門歌單名稱的采集和文本分析。

3 文本分析過程

在對網易云音樂歌單進行內容分析的過程中，依照數據獲取、文本預處理和特征提取3個階段對熱門歌單名稱進行數據采集和分析。

3.1 數據獲取

本文選取網易云音樂社區熱門歌單排行榜中的所有歌單作為研究樣本，考慮到Python軟件在爬蟲應用開發中所具備的穩定、高效的處理效能及其成熟的框架體系，本研究在數據獲取環節，利用Python進行網易云音樂社區爬蟲程序的編寫，并對樣本歌單的URL和名稱信息進行采集，采集時間為2017年11月6日，共獲得1 255條有效數據。

3.2 文本預處理

文本預處理階段包括對樣本數據進行去噪、分詞、停用詞過濾等步驟。通過觀察數據集可以發現，歌單名稱中包含大量噪聲，如表情、符號等。整個數據集在剔除空白歌單、表情、數字、符號等噪聲后，共得到1 248條有效數據。

在對歌單名稱初始文本進行去噪工作之后，需要對其進行中文分詞及停用詞過濾操作。音樂歌單具有較強的UGC屬性，其所含內容個性化特征明顯，故而本文在分詞處理時選取包含4種分詞模式，同時可以加載自定義用戶詞典的Jieba包作為分析工具，同時引入配備的搜狗詞典以提高分詞效果[15]。此外，為了節省存儲空間和提高分析效率，還去除了數據集中對理解文本內容沒有貢獻的標點符號、語氣詞等。在對數據集完成中文分詞后，下載哈工大停用詞表，并根據文本特性自行添加建立了包含2 182個停用詞的停用詞表，對數據集進行停用詞過濾，最終得到對理解歌單文本內容具有貢獻的3 057個單詞。

3.3 特征提取

為了對分詞結果進行特征提取，在完成詞頻統計后，本文選擇其中出現頻次排名前50的熱詞作為基本分析對象，共計2 874個樣本點。詞頻分布和詞云圖分別如表1和圖1所示。

4 熱詞分析

熱詞反映某一特定時空范圍內人們普遍關注、具有態度傾向的問題，其針對性、實踐性強，能深刻挖掘事件發展趨勢及用戶行為偏好。本文針對網易云音樂歌單名稱進行高頻熱詞的挖掘和分析，對于歸納出用戶在創建以歌單為代表的音樂資源集合時所體現出的偏好和行為規律具有重要意義，亦可作為以網易云音樂為代表的網絡資源平臺優化的重要參考。

4.1 資源集合標注熱詞的類別分布

依據詞性特征及語義信息，樣本高頻詞可分為5類：表達孤獨、溫柔、治愈等的“情感”類;涵蓋古風、電子、說唱等“風格”類;BGM、女聲、電影等“主題”類;以歐美、華語、韓語等為代表的“語種”類;包括音樂、歌單、精選、amp等無明確特征的“其它”類（見表2）。

首先，諸如“孤獨”、“喜歡”、“時光”、“溫柔”、“治愈”等這些表達歌單情感的熱詞多次出現，其頻率皆高于其他3類，且此類熱詞在所選取的排名前50的樣本熱詞中占比最高，表明較多用戶在創建歌單時均會傾注更多的個人感情色彩，以切身感受為曲目添加情感標簽;其次，“古風”、“純音”、“電子”等揭示音樂風格的熱詞出現頻率位居第二，進一步說明用戶在創建歌單名稱時，會充分利用音樂資源的屬性特征，而音樂單曲的曲風則在用戶區分歌曲時被用戶視作僅次于情感的另一劃分屬性;再次，“bgm”、“女聲”、“前奏”等體現音樂主題的熱詞出現頻率也較高，說明用戶在歌單名稱的選擇上還是傾向于能夠揭示曲目類別、性質的詞匯，劃分不同主題的資源集合;最后，“歐美”、“華語”、“韓語”等代表音樂語言的熱詞頻繁出現，這表明大多數用戶在創建歌單時也容易按音樂語種這種顯著而清晰的劃分屬性進行標注，明晰曲目特征;除此之外，如“音樂”、“歌單”、“精選”、“amp”等詞，其雖然也有較高的出現頻率，但由于不能作為區分音樂資源集合的依據，且并無揭示資源集合內容的含義，單獨列為一類，不做重點考量。

4.2 資源集合標注熱詞的比較分析

除“其它”外的4類歌單熱詞的出現頻次具有顯著的不同。總體上講，在歌單熱詞分布中，反映音樂情感和風格的熱詞出現頻次要明顯高于另外兩類的熱詞，這說明大多數用戶在進行歌單名稱的創建時更注重于樂曲情感和風格的劃分。這正驗證了“音樂是情感的語言”這一言論[16]。盡管體現音樂主題以及其它劃分語言特征的術語也是用戶在創建歌單名稱時參照的重要指標，但更多的依然是先確定曲目情感和風格，之后再考慮主題。依照圖2所示結果，可以梳理出用戶創建歌單名稱的基本組織規律：首先用戶會基于切身體驗，貼上情感標簽，之后確立曲風，此后再明確曲目主題，最后確定是“歐美”、“華語”、“韓語”或者其他語種進行劃分，即形成“情感→風格→主題→語種”的偏好路徑。

圖2 音頻資源集合標注熱詞的頻次和頻率

具體而言，基于情感類別的熱詞占比最高，且每個熱詞出現的頻次相差不大（見表3），其原因可歸結于用戶體驗音樂資源時的狀態或個人喜好，主觀體驗不同，對其劃分結果自然不同，但基于曲目固有的基調，用戶劃分的結果也并無大的差異;在體現樂曲風格的熱詞中，筆者觀察到“純音”、“古風”、“說唱”以及“電子”這4種風格出現頻率最高，這表明在該年度這幾種曲風更受青睞，更能夠凸顯用戶賦予的集合特征，而“edm”、“搖滾”此類小眾型曲風音樂集合的個性化組織欲望較低;對于揭示曲目主題的熱詞，如“bgm”、“女聲”、“前奏”等詞匯的出現頻率持續居高，由此得出用戶在創建音樂資源集合時，會自主標明自身“集合”的特性，以彰顯歌單主題，吸引聽眾;相比之下，反映音樂語種的熱詞，在排名前50的熱詞中僅占比10%，且歐美、華語此類大眾語言所占的頻率居高，而日語、粵語相對較少，這表明大多數華語和英語歌單擁有相對較高的受歡迎度。

基于上述對高頻熱詞的分析，筆者認為，雖然用戶創建歌單具有很強的自主性和個性化特征，但其創建本質具有一定規律性，即按“情感→風格→主題→語種”的順序進行優先選擇，明確曲目特征，形成由內涵向外延擴伸的用戶偏好行為規律。除此之外，對于每個類目之下具體的熱門項目，也可作為平臺推薦系統的優化依據。

4.3 資源集合標注規律揭示

用戶偏好是用戶認知、心理感受及理性的經濟學權衡的綜合結果，網絡音頻資源集合的組織，即是在認知視角下探析用戶偏好的過程。對于曲目信息，網易云音樂的網絡用戶依據不同的認知水平，以及曲目所體現出的個性特征，劃分不同的音樂類別，形成差異化的行為規律。

用戶的認知影響用戶體驗，而用戶認知的影響因素主要涉及認知者、認知對象和認知情境3個層面，認知者的因素包括用戶的知識經驗、價值觀念、情感狀態等[17]。情感是認知活動中不可或缺的重要組成部分，認知的發生對情感具有依賴性，沒有情感就不會有認知，情感貫穿于認知活動的全過程，對認知產生舉足輕重的作用[18]。與此同時，音樂資源集合本身的創建就是一種情感的表達，因而用戶在創建資源集合時，自然會優先依據情感因素來對音頻資源進行分類，從而產生不同的音頻資源偏好。

認知對象的影響主要體現在對象的個性特征上，對象的個性特征，激發了用戶的行為需求和動機，影響用戶的行為習慣和用戶的認知、情感[19]。音樂資源的個性特征體現在樂曲的風格、主題、語種等方面，影響著用戶的認知和選擇。曲風既是創作者對音樂的獨特而鮮明的表現的結果，也是欣賞者對音樂進行正確的欣賞、體會和品味的結果。曲風的形成有其主、客觀的原因，在主觀上，創作者由于個人生活經歷、情感傾向、個性特征的不同，在歌曲創作中會自覺或不自覺地形成區別于其他創作者的各種具有相對穩定性和顯著特征的創作個性，曲風就是創作個性的自然流露和具體表現。因而用戶在對音樂資源進行情感分類后，進而依據個性情感傾向進行曲目風格的劃分。此外，音樂資源的主題和內容要通過一定的形式和風格來表現，音樂的主題表達音樂內容的主題思想、基本背景，主題是牽引，音樂風格才是主要的學習內容，由此音樂資源的主題分類排序于曲目風格之后。此外，語言作為音樂資源的基礎內容，為其他分類標準提供依托，語言的差異最基礎也最為明顯。因而，用戶在標注網絡音頻資源集合時，根據網絡音頻資源不同的風格、主題和語種的個性特征，編匯不同的集合類別，形成了網絡音頻資源集合的組織邏輯規律。

另一方面，據凱利的三維歸因理論[20]，認知者的因素是屬于內部歸因，客觀認知對象屬于外部歸因。情感因素作為影響用戶認知的內部歸因，發揮著主導性的作用，也因而成為用戶進行網絡音頻資源集合組織的首選參考要素;外部歸因只有通過內部歸因才能起作用，因而風格、主題、語種等個性特征作為外部歸因，對用戶的影響程度次于情感因素之后，起到網絡音頻資源集合特征的補充描述作用。

從實踐來看，以歌單為代表的音頻資源集合用戶組織偏好規律對于音樂平臺的音頻資源推薦以及其它多媒體領域的應用也具有參考意義。網易云音樂平臺中歌單標簽的推薦順序為“語種→風格→場景→情感→主題”，與文章結論“情感→風格→主題→語種”這一決策機制存在差異。由于用戶認知會對資源集合的組織創建產生顯著的影響，用戶的偏好習慣則會導致其在組織行為上具有明顯的個人傾向[21]，故而，以網易云音樂為代表的網絡音頻資源平臺在分面檢索設置時需尊重用戶偏好習慣，完善音頻資源分面推薦邏輯。此外，用戶對網絡音頻資源的組織和體驗需求已不局限于以網絡音頻資源的外部特征來劃分音樂類別，而更多地傾注于個人認知和情感感受，這種創建偏好和規律也同樣適用于其他諸如音頻、視頻等多媒體領域，以提升用戶個性化體驗并增強用戶黏性。

此外，對比文獻資源的組織而言，網絡音頻資源組織中更體現了由內部歸因所反映的個性化特征所產生的影響。這是由于，文獻資源組織專業性強、標準明確，尤其是在以數據庫為代表的文獻資源集合組織與檢索設計中，其資源集合主要依據文獻資源類型、學科領域等統一規范進行劃分和組織。相較而言，網絡音頻資源集合組織的用戶自主參與性更強，會更依賴于內部歸因表達以凸顯個性化特征和偏好。

5 結 語

網絡音頻資源的發展是對文獻資源的拓展和延伸，然而目前音頻資源存在的組織規律不清晰、系統性不強等問題，很大程度上影響了音頻資源的建設和有效利用。此外音頻資源的集合方式較文獻資源更為多元、廣泛，從用戶出發的音頻資源個性化組織特征與文獻資源有著顯著的不同。基于此，本文聚焦音頻資源集合，以代表性網絡音頻資源平臺——網易云音樂社區為例，抓取社區內熱門歌單名稱文本內容，選用熱詞分析法對高頻詞匯進行挖掘分析，最后結合應用心理學用戶認知的概念，從用戶行為習慣與偏好視角揭示音頻資源集合的組織特征，歸納出用戶在創建網絡音頻資源集合時形成的優先情感表達（內部歸因），其次進行風格、主題、語種描述（外部歸因）的行為偏好，并為網絡音頻資源平臺的音頻資源分面檢索設計和推薦優化提供指導。當然，本文也存在一定的局限，文章盡管采集了網易云音樂社區熱門歌單的所有數據，但樣本數量有限，在后續的研究中可進一步通過時序數據和跨平臺數據的補充，進行用戶組織網絡音頻資源集合行為規律的更全面驗證和跨平臺比較分析。

參考文獻

[1]劉茜，張曉林.描述資源集合的元數據[J].大學圖書館學報，2002，（1）：17-20.

[2]沈中鋒.數字音頻資源碎片化需求分析[J].科技與出版，2013，（7）：84-85.

[3]袁小一，俞毅.資源集合元數據標準探析[J].情報理論與實踐，2007，30（5）：671-673.

[4]張海霞，劉煒.資源集合/個體資源元數據關系描述及實現[J].現代圖書情報技術，2009，（3）：23-29.

[5]趙蓉英，王篙，董克.國內館藏資源聚合模式研究綜述[J].圖書情報工作，2014，58（18）：138-143.

[6]肖希明，劉巧園.國外公共數字文化資源整合研究進展[J].中國圖書館學報，2015，41（5）：63-75.

[7]唐義，肖希明，周力虹.我國公共數字文化資源整合模式構建研究[J].圖書館雜志，2016，35（7）：12-25.

[8]Marcos A，Roberto R，Luis A.Cross-repository Aggregation of Educational Resources[J].Computers & Education，2018，（117）：31-49.

[9]Jones D.Collection Development in the Digital Library[J].Science & Technology Libraries，1999，（3-4）：17-27.

[10]張源漳.論數字圖書館音頻資源的制作與發布[J].圖書館論壇，2004，24（3）：77-79.

[11]覃燕梅.高校圖書館視音頻資源數據庫的建設及其知識產權問題[J].圖書館學刊，2008，（2）：114-116.

[12]肖定斌.論媒體音頻資源的內容價值與整合開發[J].情報探索，2013，（4）：100-102.

[13]王錚，劉紅煦.圖書館音頻資源建設的挑戰與應對策略——以歐洲Europeana Sounds和美國《國家錄音保存計劃》為例[J].情報資料工作，2017，（1）：75-81.

[14]李丹丹.音樂社交：網易云音樂的互動儀式鏈研究[D].重慶：西南大學，2016：29-31.

[15]范佳健.微博評論信息的聚類分析[D].合肥：安徽大學，2017：25-28.

[16]王寶春.音樂是情感的語言——淺談音樂與情感[J].科教導刊，2013，（11）：90，102.

[17]全國13所高等院校《社會心理學》編寫組.社會心理學[M].天津：南開大學，2008：117-121.

[18]劉萍，葉方倩.基于認知觀的信息搜尋行為研究綜述[J].情報科學，2017，（1）：161-166.

[19]鄧勝利.用戶個性特征對信息行為影響的研究進展[J].情報理論與實踐，2014，37（5）：119-122.

[20]Ulrich R O，Albert S，Roberta V，et al.Using Attribution Theory to Explain Tourists Attachments to Place-based Brands[J].Journal of Business Research，2012，65（9）：1321-1327.

[21]林鑫，周知.用戶認知對標簽使用行為的影響分析——基于電影社會化標注數據的實證分析[J].情報理論與實踐，2015，38（10）：85-88.

（責任編輯：孫國雷）