游戏直播人气指数指标选取与模型构建-2019年文档资料

游戏直播人气指数指标选取与模型构建

随着中国游戏产业的日益壮大，尤其是电子竞技逐渐受到大众的关注，建立在网络媒体基础上的游戏视频直播平台也悄然兴起。游戏直播平台，这个中国游戏周边产业中冉冉升起的新星产业发展的势头也越来越猛。伴随智能手机为代表的智能终端普及，视频传输技术走向成熟，游戏直播市场也随之蒸蒸日上。但随之而来的是直播平台为吸引用户提供虚假的人气值，主播人气值的高低间接体现了该直播间的直播质量，而用户倍受不真实人气值困扰。为了让用户优先找到最好的主播，第一时间发现当前最活跃的直播间，急需一个更为综合、更为全面、更能体现主播人气的评估体系来衡量该主播的真实人气值。

一、相关文献综述

人气指数是指某人或某事物的受欢迎程度，既可以是动态的，也可以是静态的，是用以评价一个人或一个事物的“人气”的指标[1]。它衍生出来了各类的指数，如电视节目网络人气指数[2]，区域性报纸网站人气指数[3]等，都为构建本指数模型提供经验。

网络游戏直播发展至今，苏俊斌[4]、刘青[5]和林宜竹[6]等人分别在各自的相关论文上表示网络游戏直播还将随时代发

展继续蓬勃前进；艾瑞咨询对网络游戏直播行业的研究报告中显示2017年中国游戏直播用户观看设备情况中，手机用户占六成，

有一成是平板用户，而最常使用电脑观看直播的用户仅占23.6%，这说明移动端已经成为观看游戏直播的主要渠道；直播内容和主播的职业素养都也将成为直播平台的决胜性因素。因此，构建游戏直播人气指数进而评判直播者的真实直播质量就具有了一定

现实意义。

二、游戏直播人气指数指标的选取

（一）游戏直播人气指数的定义

游戏直播人气指数（The game Live popularity index，LPI）是根据用户数、礼物数和弹幕数等指标来形容主播的受欢迎程度。其中，用户数包括在线观看人数、订阅数以及总观赏人数。弹幕数以每分钟弹幕量作为依据。

（二）指标选取的原则

人气指数编制的成功与否，与测评指标体系的构建是密切相关的。在选取时必须依据研究的目的和遵循一定的原则，才能得到比较科学的指标体系。

1.可比性原则

人气指数既可以在各个个体之间进行横向对比，也可以在某个体不同时期的竞争力之间进行纵向对比。

2.动态性原则

人气指数是个动态的概念。评价这样一个动态性的概念不能用一成不变的指标，而选定的指标体系也应具有动态可变性，这样才能准确度量个体的“人气”。

（三）网络游戏直播人气指数指标的选取

通过对网络游戏直播的受众分析发现：尽管年龄层次、文化教育背景都不同，但都是游戏玩家或游戏爱好者，他们在进行游戏直播时的在线观看人数、订阅数和总观赏人数都是该主播人气的直接体现。刘冰[7]和孙翔[8]等人的研究表明网络游戏直播的弹幕数和虚拟的奖励道具数即所刷礼物数也是网络游戏直播的

人气间接的重要的指标。根据指标选取的原则及相关研究的总结分析，最终选取了选取游戏直播间观看数、订阅数、总观赏数、弹幕数及虚拟奖励道具数，构成游戏直播人气指数指标体系。

三、游戏直播人气指数模型的构建

（一）模型假设

1.假设收集的数据真实可靠。

2.假设所分析的LPI符合实际市场状况。

3.假?OLPI只与所假设的5种准则层和n种措施有关。

（二）LPI指数模型的选择

本研究所建立的游戏直播人气指数LPI的方程为：

其中，Qi是第i个指标的指标值之比，ωi是对应第i个指标的权重，即有效系数。q为所选定主播基期的第i个指标的值，q是第t个主播或同一主播第t期的第i个指标值。

（三）权重的确定――层次分析法

层次分析法是应用网络系统理论和多目标综合评价方法提

出的一种层次权重决策分析方法，通过定性和定量分析对各个准

则与方案做出决策。

1.建立层次结构表

借用层次结构表描述各层次的关系。根据所参考的文献可将该指数结构模型分为三个层次，即目标层A、准则层B和方案层C，如表1所示。

表1 指数模型层次结构

层次结构图

2.构造两两比较判断矩阵

根据层次结构图，对各指标之间进行对比，然后按9分位比率排定各评价指标的相对优劣顺序，依次构造出评价指标的判断矩阵A。

其中A为判别矩阵，aij要素i与要素j重要性比较结果，并且有如下关系：aij=

aij有9种取值，分别为1/9，1/7，1/5，1/3，1，3，5，7，9，

分别表示i要素对于j要素的重要程度由轻到重。其中，1为同等重要，3表示二者相比稍微重要，5表示较强重要，7为前者相对后者强烈重要，9则是极端重要。

根据对数名资深主播和直播用户进行访谈，得到判断矩阵A，即：A= 1 5 7 3 31/5 1 3 1/5 1/31/7 1/3 1 1/7 1/51/3 5 7 1 31/3 3 5 1/3 1

由判断矩阵，使用MATLAB计算出权向量为：

ω=（0.4521，0.0724，0.0373，0.2866，0.1516）

3.一致性检验

前文提到在判断矩阵中有aij=，但在实际的操作过程中，除了一阶矩阵外往往都存在二者的数值不等，矩阵结果越大，偏离的可能性也就越大，但二者的偏离理应有一个度，对判断矩阵的可靠性进行检验，这就是一致性检验。

（1）检验一致性指标为CI=，CI越小，说明二者的偏离程度越小，即一致性越大。出现数据上的偏离可能是由于随机因素所造成的，为使检验结构更为可靠，将CI与平均随机一致性指标RI做比，得一致性比率CR。

（2）对一致性比率CR，通常以0.1为界，小于0.1则认为该判断矩阵通过一致性检验，认为由该判断矩阵所得出的结果可以接受，否则就不具有满意一致性。

在中的判断矩阵阶数是5，查平均随机一致性指标RI标准值表可知此时

RI=1.12

使用MATLAB计算出的最大特征值为：λmax=5.2866。其中一致性指标为CI=0.0717，利用总排序一致性比率进行检验，CR==0.064