本文選題：電視劇流行度 + 電視劇點播量排名�。� 參考：《計算機工程》2017年07期

【摘要】：現(xiàn)有對視頻網(wǎng)站電視劇流行度預測的研究中考慮因素較少,并且極少能在電視劇首播前進行預測,這會使視頻網(wǎng)站在做出版權購買、廣告投放等決策時考慮不全面并且出現(xiàn)預測時間滯后的問題。為此,提出一種在首播前預測視頻網(wǎng)站電視劇流行度的方法,綜合考慮電視劇劇名和演員搜索數(shù)據(jù),通過分析時間序列確定最早預測時間,使用多元線性回歸模型實現(xiàn)電視劇流行度的預測。實驗結(jié)果表明,該方法可利用首播前第13—18天的劇名和演員的百度搜索指數(shù)對PPTV和優(yōu)酷2014年、2015年上線的電視劇預測上線后30天的點播量,預測值與真實值之間的皮爾森相關系數(shù)分別達到0.943 7和0.967 6,具有較好的預測效果。
[Abstract]:There are few factors considered in the current research on the popularity prediction of TV dramas on video websites, and very few can be predicted before the TV series premieres, which will cause the video websites to buy publishing rights. Advertising and other decision-making considerations are not comprehensive and the problem of delay in forecasting time. For this reason, this paper puts forward a method to predict the popularity of TV dramas on video websites before its premiere, synthetically considering the TV play title and actor search data, and determining the earliest predicted time by analyzing the time series. The multivariate linear regression model is used to predict the popularity of TV series. The experimental results show that the method can use the title of the series 13-18 days before the premiere and the Baidu search index of the actors to predict the on-demand quantity of TV series launched in PPTV and Youku in 2014 and 2015. The Pearson correlation coefficient between the predicted value and the real value is 0.943 7 and 0.967 6 respectively.
【作者單位】： 華東師范大學計算機科學與技術系;
【基金】：國家科技支撐計劃項目(2015BAH01F02) 上海市科學技術委員會科研計劃項目(16511102702) 上海市經(jīng)濟和信息化委員會項目(150643)
【分類號】：O212.4

【相似文獻】

相關期刊論文 前10條

1 于然;劉春陽;靳小龍;王元卓;程學旗;;基于多視角特征融合的中文垃圾微博過濾[J];山東大學學報(理學版);2013年11期

2 劉嵩;;基于特征融合的人臉識別[J];湖北民族學院學報(自然科學版);2011年02期

3 琚生根;周激流;王朝斌;何坤;;基于統(tǒng)計特征融合的人臉識別[J];四川大學學報(自然科學版);2009年03期

4 楊恒;錢鈞;紀明;孫小煒;陸陽;宋金鴻;;基于動態(tài)特征融合的粒子濾波目標跟蹤算法[J];應用光學;2012年04期

5 邵壯超;張紹武;潘泉;施建宇;姜濤;;基于投票表決特征融合的蛋白質(zhì)結(jié)構(gòu)類預測[J];河南大學學報(自然科學版);2007年04期

6 李侃;平西建;;基于圖像內(nèi)容和特征融合的隱寫盲檢測[J];應用科學學報;2013年01期

7 王雪峰;陳興穌;趙雋;趙維;;一種基于特征融合的圖像檢索方法[J];伊犁師范學院學報(自然科學版);2012年01期

8 胡云朋;王志勇;李飛;楊曉蘋;薛玉明;;基于特征融合的手背靜脈識別[J];光子學報;2014年01期

9 楊林;劉乾喜;;基于特征融合的KLPCCA及其在人臉識別中的應用[J];科技信息;2009年33期

10 陳衛(wèi)榮,王超,張紅;基于特征融合的高分辨率SAR圖像道路提取[J];遙感技術與應用;2005年01期

相關會議論文 前7條

1 劉冰;羅熊;劉華平;孫富春;;光學與深度特征融合在機器人場景定位中的應用[A];2013年中國智能自動化學術會議論文集（第三分冊）[C];2013年

2 翟懿奎;甘俊英;曾軍英;;基于特征融合與支持向量機的偽裝人臉識別[A];第六屆全國信號和智能信息處理與應用學術會議論文集[C];2012年

3 卞志國;金立左;費樹岷;;基于增量判別分析的特征融合與視覺目標跟蹤[A];2009年中國智能自動化會議論文集（第三分冊）[C];2009年

4 韓文靜;李海峰;韓紀慶;;基于長短時特征融合的語音情感識別方法研究[A];第九屆全國人機語音通訊學術會議論文集[C];2007年

5 羅昕煒;方世良;;寬帶調(diào)制信號特征融合方法[A];中國聲學學會水聲學分會2013年全國水聲學學術會議論文集[C];2013年

6 金挺;周付根;白相志;;一種簡單有效的特征融合粒子濾波跟蹤算法[A];2007年光電探測與制導技術的發(fā)展與應用研討會論文集[C];2007年

7 孟凡潔;孔祥維;尤新剛;;基于特征融合的相機來源認證方法[A];全國第一屆信號處理學術會議暨中國高科技產(chǎn)業(yè)化研究會信號處理分會籌備工作委員會第三次工作會議�？痆C];2007年

相關博士學位論文 前10條

1 周斌;多生物特征融合理論的研究與實驗[D];清華大學;2007年

2 彭偉民;特征數(shù)據(jù)的量子表示與融合方法[D];華南理工大學;2013年

3 陳倩;多生物特征融合身份識別研究[D];浙江大學;2007年

4 蒲曉蓉;多模態(tài)生物特征融合的神經(jīng)網(wǎng)絡方法[D];電子科技大學;2007年

5 王志芳;基于感知信息的多模態(tài)生物特征融合技術研究[D];哈爾濱工業(yè)大學;2009年

6 王楠;基于多視覺特征融合的后方車輛檢測技術研究[D];東北大學　;2009年

7 徐穎;基于特征融合與仿生模式的生物特征識別研究[D];華南理工大學;2013年

8 樊國梁;基于多類特征融合的蛋白質(zhì)亞線粒體定位預測研究[D];內(nèi)蒙古大學;2013年

9 劉金梅;多源遙感影像融合及其應用研究[D];中國海洋大學;2014年

10 張艷;基于柔性陣列 傳感器的足跡特征分析與應用研究[D];安徽大學;2015年

相關碩士學位論文 前10條

1 付艷紅;基于特征融合的人臉識別算法研究與實現(xiàn)[D];天津理工大學;2015年

2 許超;基于特征融合與壓縮感知的實木地板缺陷檢測方法研究[D];東北林業(yè)大學;2015年

3 楊文婷;基于微博的情感分析算法研究與實現(xiàn)[D];西南交通大學;2015年

4 梅尚健;基于特征融合的圖像檢索研究與實現(xiàn)[D];西南交通大學;2015年

5 王鵬飛;基于多慢特征融合的人體行為識別研究[D];西南大學;2015年

6 丁倩;基于語音信息的多特征情緒識別算法研究[D];山東大學;2015年

7 薛冰霞;基于多模特征融合的人體跌倒檢測算法研究[D];山東大學;2015年

8 何樂樂;醫(yī)學圖像分類中的特征融合與特征學習研究[D];電子科技大學;2015年

9 戴博;基于結(jié)構(gòu)復雜度特征融合的視覺注意模型研究及其應用[D];復旦大學;2014年

10 王寧;基于特征融合的人臉識別算法[D];東北大學;2013年

，

本文編號：1967879