德塔文数据怎么来的，全网热度数据来源说明

德塔文热度到底是怎么算出来的？你盯着榜单上那个数字看半天，其实不如搞明白它背后抓的是什么数据、怎么加权、哪些平台算进去了、哪些词才能被当作有效信号。说白了，这不是一个简单的播放量加总，而是一套复杂的语义捕捉和权重分配系统。

德塔文不接任何平台的后台播放数据，也不统计会员数或点击量。它只干一件事：全网爬取公开可访问的文本内容——微博正文和评论、热搜话题页、豆瓣短评、知乎问答、小红书笔记、B站弹幕和视频标题/简介、抖音文案、今日头条文章标题与正文、百度贴吧帖子及回帖。范围覆盖了主流社交和内容平台。

但所有数据必须满足两个硬性条件：

，并且——过了这个窗口期，旧帖即使还在被讨论也不会计入当日的景气值。

举个例子，《水龙吟》开播当天，一条带#水龙吟#话题的微博正文写「唐俪辞出场三秒我截图十次」，这条会被计入；但同一天某营销号发的「今日影视资讯汇总」里顺带提一句「古装新剧《水龙吟》上线」，没带角色名、没情绪倾向、没互动意图，这条直接过滤掉。系统会识别内容是否真正来自用户的观剧行为表达。

自然语言处理的关键筛洗步骤

第一步，识别有效观剧行为表述。系统会排除纯资讯转发、剧照搬运、无意义感叹（比如「啊啊啊啊」）、仅含剧名而无实质内容的跟风打卡帖。

第二步，绑定角色与讨论强度。当文本中同时出现剧名+角色名（如「水龙吟 唐俪辞」），并且含有评价性词汇（「疯批」「美强惨」「演技封神」），才触发角色贡献度计分；若只提剧名不提人，只计入总讨论度，不拆解到角色维度。

第三步，去重与权重校准。同一用户24小时内对同一剧集发布5条相似内容，只计1条有效；媒体账号（认证蓝V）单条内容权重等于普通用户10条，但需满足原创率高于70%（系统会比对历史发文模板库）。

需要注意：抖音字幕OCR识别准确率低于85%的视频，其文本不参与建模。这意味着大量口播类短视频即使有热度，也不会进入德塔文的原始语料池。

四大核心维度的数据构成方式

= 有效文本量 × 情绪强度系数（正向/负向/中性分别赋值1.2、0.8、0.3） × 平台传播广度系数（微博1.0，豆瓣0.9，B站0.85，小红书0.8，抖音0.7）。同一平台内部，热帖和普通帖的扩散系数也不同，但这是核心计算逻辑。

≠ 百度指数。德塔文自建了一套搜索行为模拟器，每天凌晨3点模拟10万个真实IP在百度、微信搜一搜、B站搜索框输入「水龙吟 播放」「唐俪辞 结局」等组合词，记录前三位结果页的点击率与停留时长，反推搜索意愿强度。

= 有效新闻稿数量 × 媒体等级系数（央媒1.5，省级卫视官网1.2，垂直影视媒体1.0，自媒体0.6） × 是否含独家采访片段（加0.3）。这里只统计有明确剧名和播出信息的稿件，纯八卦通稿不算。

= 正向评价占比 − 负向评价占比，但只统计含具体论据的文本（比如「打戏节奏好」算有效，「好看」不算），并且剔除带明显营销话术模板的批量产出内容——系统已经标记了超过2.3万个高频营销短语库，那些「神仙演技」「年度必追」之类的套话会直接被过滤掉。

待播剧景气指数的特殊计算逻辑

待播剧的景气指数和已播剧不太一样，核心在于如何从预热期的杂音中提取真实期待。

第一步，锁定官宣节点。以官微/官博首条含剧名+主演+定档日期的博文发布时间为T₀，此后7天内所有相关文本计入「预热期数据池」。

第二步，剥离演员个人热度干扰。系统会自动过滤掉演员过往作品关键词——比如搜「穆祉丞」时，会排除「星落凝成糖」「九霄寒夜暖」等旧剧名，只保留与待播剧强绑定的新造词，比如「烽影燃梅香 梅久」「枭起青壤 宋冉」。

第三步，识别真实期待信号。出现「蹲」「求速播」「已充优酷年费」等明确消费意图表述，权重翻倍；而「听说要播」「好像挺火」这类模糊表达，权重降为0.4。

这一步最容易出错：如果剧方在官宣前3天集中释放主演路透图，但图中未打剧名水印，系统无法关联到待播剧ID，这部分声量不会计入景气值——

。