本文關(guān)鍵詞： 深度學(xué)習(xí) 在線視頻服務(wù) 熱度預(yù)測(cè) 深度信念網(wǎng)絡(luò) 受限玻爾茲曼機(jī)　出處：《計(jì)算機(jī)工程與應(yīng)用》2017年09期 　論文類型：期刊論文

【摘要】：針對(duì)在線視頻熱度預(yù)測(cè)研究中分類及預(yù)測(cè)效果欠佳,規(guī)則化較多和較缺乏實(shí)踐檢驗(yàn)等問題,通過對(duì)實(shí)際在線視頻服務(wù)系統(tǒng)所采集的海量數(shù)據(jù)研究,提出一種基于深度信念網(wǎng)絡(luò)(Deep Belief Networks,DBNs)的視頻熱度預(yù)測(cè)方法。首先,結(jié)合社交網(wǎng)絡(luò)的關(guān)注度和視頻關(guān)鍵詞的搜索熱度,對(duì)影響因子進(jìn)行了建模和量化處理;其次,根據(jù)輸入和輸出變量確定了DBNs各層網(wǎng)絡(luò)的結(jié)構(gòu),優(yōu)化了網(wǎng)絡(luò)參數(shù)和預(yù)測(cè)模型;最后,通過在線視頻服務(wù)商的數(shù)據(jù)對(duì)深度信念網(wǎng)絡(luò)進(jìn)行訓(xùn)練,并多次交叉實(shí)驗(yàn)對(duì)比分析,結(jié)果表明基于DBNs方法在視頻熱度預(yù)測(cè)上準(zhǔn)確率最高79.47%(國內(nèi)視頻)、65.33%(國外視頻),可以為在線視頻上映前的投資、宣傳以及風(fēng)險(xiǎn)評(píng)估提供較全面可靠的參考決策。
[Abstract]:Aiming at the problems of poor classification and prediction effect, more regularization and lack of practical verification in online video heat prediction research, this paper studies the massive data collected by the actual online video service system. This paper presents a method for predicting video heat based on Deep Belief Networks (DBNs). Based on the focus of social network and the search heat of video keywords, the influence factors are modeled and quantified. Secondly, according to the input and output variables, the structure of each layer of DBNs network is determined, and the network parameters and prediction model are optimized. Finally, the depth belief network is trained through the data of online video service provider, and many cross-experiments are compared and analyzed. The results show that the accuracy rate of video heat prediction based on DBNs method is the highest 79.477.The domestic video is 65.33 (foreign video can be used to invest in online video before release.). Advocacy and risk assessment provide a more comprehensive and reliable reference decision.
【作者單位】： 深圳大學(xué)信息工程學(xué)院深圳市現(xiàn)代通信與信息處理重點(diǎn)實(shí)驗(yàn)室;
【基金】：國家自然科學(xué)基金(No.61502315,No.61309030) 廣東省自然科學(xué)基金(No.2015A030310366) 深圳大學(xué)科研啟動(dòng)項(xiàng)目(No.201558) 深圳市基礎(chǔ)研究計(jì)劃項(xiàng)目(No.JC201105170613A,No.ZYC2010060901206)
【分類號(hào)】：TP391.41
【正文快照】： 1引言在線視頻熱度預(yù)測(cè)是視頻在上映前的一種預(yù)估,能夠?yàn)橐曨l的投資和網(wǎng)絡(luò)資源的準(zhǔn)備提供有價(jià)值的參考。隨著互聯(lián)網(wǎng)的發(fā)展,在線視頻市場(chǎng)規(guī)模保持快速增長,大型的網(wǎng)絡(luò)視頻服務(wù)系統(tǒng)每日會(huì)有數(shù)千萬的視頻觀看量,如Facebook每日視頻總瀏覽量達(dá)30億次,You Tube視頻網(wǎng)站每分鐘上傳的

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張保威;盧中寧;嚴(yán)宇輝;;基于流媒體技術(shù)的在線視頻學(xué)習(xí)平臺(tái)設(shè)計(jì)[J];鄭州輕工業(yè)學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年03期

2 小樓;;輕輕松松 在線視頻“搬”到手機(jī)上[J];電腦迷;2011年04期

3 ;在線視頻進(jìn)階密技8連發(fā)[J];網(wǎng)友世界;2011年08期

4 ;看片必備神器[J];電腦愛好者(普及版);2012年08期

5 王志軍;;幻燈片插入在線視頻也簡(jiǎn)單[J];網(wǎng)友世界;2010年02期

6 江北書生;;升級(jí)Flash播放器 讓在線視頻更清晰[J];電腦迷;2010年02期

7 介龍梅;王海南;邵國強(qiáng);;基于ASP.NET的在線視頻系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J];福建電腦;2014年01期

8 happy;;PowerPoint也玩在線視頻[J];電腦愛好者;2007年18期

9 友文;;低配PC完美看在線視頻[J];電腦知識(shí)與技術(shù)(經(jīng)驗(yàn)技巧);2012年11期

10 俞木發(fā);;VS加速器讓在線視頻快馬加鞭[J];電腦愛好者;2010年23期

相關(guān)碩士學(xué)位論文 前5條

1 佟麗娜;藥瓶瓶蓋生產(chǎn)線在線視頻檢測(cè)方法的研究[D];河北科技大學(xué);2015年

2 張韜;基于在線視頻用戶數(shù)據(jù)的DMP系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];北京交通大學(xué);2016年

3 張俊池;面向在線視頻服務(wù)的播放量預(yù)測(cè)算法研究[D];深圳大學(xué);2016年

4 尤亮;基于流媒體技術(shù)的在線視頻教學(xué)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];廈門大學(xué);2008年

5 李揚(yáng);在線視頻平臺(tái)在廣電及互聯(lián)網(wǎng)行業(yè)的應(yīng)用研究[D];吉林大學(xué);2014年

，

本文編號(hào)：1447011