融合社交与搜索数据的电视剧点播热度排名预测方法

发布时间：2017-07-18 01:22

  本文关键词：融合社交与搜索数据的电视剧点播热度排名预测方法

  更多相关文章： 视频网站 电视剧 点播量 社交网络 情感分析 预测

【摘要】：近年来,视频点播网站逐渐成为观众追剧的主要途径,电视剧在网络与卫视中同时首播的模式也变得常态化。以点播量作为主要收入指标的视频网站,越来越希望购买到热门的视频资源,视频越热,点播量越高,而不断提高的视频播出版权价格,导致视频网站之间的竞争非常激烈,能否提前预判电视剧的点播热度非常重要。随着社交网络的发展,在新浪微博中宣传的电视剧越来越多,用户只需关注电视剧公众账号或相关演员、导演,便能了解到电视剧的最新动态和其他观众的看法。搜索引擎则能直接给出电视剧的详细介绍和点播链接,这两类数据都是用户主动行为所产生的,体现了用户对电视剧关注的意愿。如果能通过这类网络数据对电视剧点播热度进行预测,那么播出版权购买决策上的成本可得到减少,同时还能为视频网站中的推荐和搜索服务带来更开阔的策略选择。本文首先对微博中电视剧的评论进行了情感倾向分析,提出了融合评论对象和电视剧评论模式的情感倾向分析算法TT-OM,该方法充分考虑了情感词作用在不同评价对象上的情感差异和电视剧领域中特有的评论模式。随后从以下几个方面对电视剧点播量进行了分析：微博流行度、搜索热度、主演和导演热度、电视剧评论情感倾向等,通过相关性分析,从潜在影响电视剧点播因子集中确定了多个与电视剧点播量显著相关的因素,并发现社交数据与搜索数据在不同时间段的预测效果差异。基于此,本文提出了融合社交与搜索数据的电视剧的点播量排名预测算法,在真实的优酷和爱奇艺电视剧数据中,本文的排名预测结果与真实点播排名之间的斯皮尔曼系数分别0.82**和0.89**。
【关键词】：视频网站 电视剧 点播量 社交网络 情感分析 预测
【学位授予单位】：华东师范大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP393.092
【目录】：

• 摘要6-7
• ABSTRACT7-14
• 第一章 引言14-20
• 1.1 研究背景14-15
• 1.2 在线视频点播热度预测的研究现状及挑战15-17
• 1.3 论文主要研究内容和创新点17-18
• 1.3.1 主要研究内容17-18
• 1.3.2 创新点18
• 1.4 本文的组织结构18-20
• 第二章 相关研究工作20-27
• 2.1 基于历史数据预测相关研究20-21
• 2.2 微博情感倾向性分析相关研究21-24
• 2.2.1 电视剧微博评论概述及存在问题简介21-22
• 2.2.2 情感倾向分析概述22-24
• 2.3 视频资源点播热度预测相关研究24-27
• 2.3.1 基于搜索数据的预测24-25
• 2.3.2 基于社交网络数据的预测25-26
• 2.3.3 情感倾向与视频热度26-27
• 第三章 融入情感词作用对象和电视剧微博评论模式的情感倾向判定算法27-50
• 3.1 问题引出27-30
• 3.2 基于情感词典的短文本情感倾向分析方法框架概述30-35
• 3.2.1 情感特征词表示模型31
• 3.2.2 情感词典构建算法SO-PMI31-32
• 3.2.3 评论情感极性计算32-35
• 3.3 融入情感词作用对象和电视剧评论模式的情感倾向判定算法TT-OM35-41
• 3.3.1 情感词作用对象判定方法35-39
• 3.3.2 电视剧评论模式类别判定方法39
• 3.3.3 融入情感词作用对象和电视剧微博评论模式的情感倾向判定算法TT-OM39-41
• 3.4 实验与结果分析41-49
• 3.4.1 数据准备41-46
• 3.4.2 实验设计46-47
• 3.4.3 结果分析47-49
• 3.5 本章小结49-50
• 第四章 电视剧点播关联数据统计与分析50-63
• 4.1 问题引出50-51
• 4.2 数据准备51-52
• 4.3 电视剧点播热度分析52-53
• 4.4 微博数据与点播热度相关性分析53-58
• 4.4.1 微博指数与电视剧点播量53-55
• 4.4.2 微博评论情感走势与电视剧点播量55-58
• 4.5 搜索指数与点播热度相关性分析58-59
• 4.6 微博指数与搜索指数预测效益对比59-60
• 4.7 实验结果与分析60-61
• 4.7.1 评价指标60
• 4.7.2 结果分析60-61
• 4.8 本章小结61-63
• 第五章 融合社交与搜索的电视剧点播热度排名预测算法WSTvRank63-71
• 5.1 问题引出63-64
• 5.2 WSTvRank算法64-67
• 5.2.1 算法框架64-65
• 5.2.2 预测模型65-67
• 5.2.3 WSTvRank67
• 5.3 实验与结果分析67-70
• 5.3.1 评价指标67-68
• 5.3.2 结果与分析68
• 5.3.3 优酷电视剧点播量排名预测68-69
• 5.3.4 爱奇艺电视剧点播量排名预测69-70
• 5.4 本章小结70-71
• 第六章 电视剧点播量排名预测原型系统的设计与实现71-81
• 6.1 热度排名预测原型系统的目标71
• 6.2 热度排名预测系统的设计与实现概述71-72
• 6.3 系统的详细设计与实现72-80
• 6.3.1 新浪微博开放平台SDK介绍73
• 6.3.2 主要功能模块的详细设计73-80
• 6.4 本章小结80-81
• 第七章 总结与展望81-83
• 7.1 本文工作总结81-82
• 7.2 下一步工作展望82-83
• 附录一 作者攻读硕士学位期间发表的学术论文83
• 附录二 作者攻读硕士学位期间申请的专利83-84
• 参考文献84-88
• 后记88

【相似文献】

中国期刊全文数据库 前1条

1 卢扬;;《舌尖》千万投资3亿收益大量资本涌入纪录片市场[J];中国广播;2014年08期

中国重要会议论文全文数据库 前2条

1 安成立;戴开军;张俊杰;董彦卿;王红;;灌溉小麦优质高产生态栽培优化数学模型研究[A];’2003中国作物学会学术年会文集[C];2003年

2 唐凤兰;朱瑞芬;张月学;刘杰淋;刘凤歧;韩微波;;盐碱地苜蓿播量、施肥期和施肥量对其产量的影响[A];第四届（2011）中国苜蓿发展大会论文集[C];2011年

中国重要报纸全文数据库 前10条

1 北大荒农业股份有限公司八五三分公司科技园区提供，黎明、丽娟整理;水稻播量与壮苗的关系[N];北大荒日报;2010年

2 本报记者 焦亮;小播量种出高产田[N];新乡日报;2008年

3 岳聚兴 许顺芝;如何让“师栾02—1”小麦更高产[N];河北科技报;2006年

4 王建立;推迟播期降低播量助豫小麦增产[N];粮油市场报;2007年

5 张龙;加大播量 确保出苗[N];中华合作时报;2004年

6 记者 杨仕智;把握五大要素 集成创新应用[N];焦作日报;2010年

7 冯艳丽 张焕萍 王可田;铜麦5号简介[N];陕西科技报;2007年

8 孟昭蕾;俄粮价走低导致今年春播量减少[N];远东经贸导报;2010年

9 丁海凤;确定蔬菜最佳播期播量[N];山西科技报;2000年

10 李焕如;小麦适时播种产量高[N];北京科技报;2000年

中国硕士学位论文全文数据库 前10条

1 朱玉国;播量、氮肥对皖麦38产量和品质影响的研究[D];安徽农业大学;2007年

2 刘雪薇;行距和播量对重穗型高产冬小麦生态生理特性和产量性状影响的研究[D];西北农林科技大学;2012年

3 曹帆;江苏淮北麦区主推小麦品种适宜播期、播量与施氮量研究[D];南京农业大学;2012年

4 屈会娟;播期播量对冬小麦群体质量和籽粒产量与品质的影响[D];河南农业大学;2007年

5 罗家传;不同栽培措施对泛麦5号小麦品种产量和品质的影响[D];河南农业大学;2010年

6 孙中伟;不同播种方式下播期与播量对小麦籽粒产量和品质形成的影响[D];南京农业大学;2011年

7 李建伟;高寒山区不同播量的11种牧草（组合）生长和品质特性研究[D];甘肃农业大学;2012年

8 胡恒东;基于PLC的播量控制装置的研究[D];南京农业大学;2013年

9 王传鹏;基于单片机的播量控制装置的研究[D];南京农业大学;2012年

10 王生文;不同播种方式下播量和刈割对垂穗披碱草和老芒麦人工草地的影响[D];甘肃农业大学;2014年

，

本文编号：555436