Project

人民日报 B 站传播研究：标题与语义偏移

基于 2,465 条视频和 13 个字段，分析标题语义、标签与互动数据之间的关系，并诚实报告模型的低解释力。

Python · Web Scraping · Sentence-Transformers · scikit-learn · Communication Research

2023.12-2025.12

Product Snapshot

Role: Independent researcher
Focus: 三轮迭代完成抓取、标题与互动分析、语义相似度和标签特征建模。
Validation: 最终数据集含 2021.06-2023.12 的 2,465 条视频和 13 个字段；语义相似度均值约 0.408，随机森林测试 R² 为 0.028。
Public Proof: Notebook、最终数据集和 50 条随机样本审计；低 R² 被保留为结论边界，而非隐藏。

Next Step

项目起点

这是一个持续三轮迭代的独立传播研究项目。我关注人民日报在 B 站发布的视频中，标题表达、语义结构、标签与互动数据之间是否存在稳定关系。

最终数据集覆盖 2021.06-2023.12，共 2,465 条视频、13 个字段，并对 50 条随机样本做了人工审计。分析链路包括：

标题相关语义相似度均值约为 0.408，政治 / 新闻标签更容易出现语义偏移；随机森林测试集 R² 仅为 0.028。

低 R² 不是需要隐藏的失败，而是重要边界：现有特征几乎不能解释互动差异，传播表现可能更依赖时机、议题、平台分发和未观测变量。

这个项目让我形成一个延续到 Agent Evaluation 的习惯：问题意识先行，方法为解释服务；当模型解释力很弱时，诚实报告“不知道”比制造一个漂亮结论更有价值。