基于深度信念网络的在线视频热度预测

发布时间：2018-01-20 05:23

本文关键词： 深度学习在线视频服务热度预测深度信念网络受限玻尔兹曼机　出处：《计算机工程与应用》2017年09期 　论文类型：期刊论文

【摘要】：针对在线视频热度预测研究中分类及预测效果欠佳,规则化较多和较缺乏实践检验等问题,通过对实际在线视频服务系统所采集的海量数据研究,提出一种基于深度信念网络(Deep Belief Networks,DBNs)的视频热度预测方法。首先,结合社交网络的关注度和视频关键词的搜索热度,对影响因子进行了建模和量化处理;其次,根据输入和输出变量确定了DBNs各层网络的结构,优化了网络参数和预测模型;最后,通过在线视频服务商的数据对深度信念网络进行训练,并多次交叉实验对比分析,结果表明基于DBNs方法在视频热度预测上准确率最高79.47%(国内视频)、65.33%(国外视频),可以为在线视频上映前的投资、宣传以及风险评估提供较全面可靠的参考决策。
[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.
【作者单位】：深圳大学信息工程学院深圳市现代通信与信息处理重点实验室;
【基金】：国家自然科学基金(No.61502315,No.61309030) 广东省自然科学基金(No.2015A030310366) 深圳大学科研启动项目(No.201558) 深圳市基础研究计划项目(No.JC201105170613A,No.ZYC2010060901206)
【分类号】：TP391.41
【正文快照】： 1引言在线视频热度预测是视频在上映前的一种预估,能够为视频的投资和网络资源的准备提供有价值的参考。随着互联网的发展,在线视频市场规模保持快速增长,大型的网络视频服务系统每日会有数千万的视频观看量,如Facebook每日视频总浏览量达30亿次,You Tube视频网站每分钟上传的

【相似文献】