基于机器学习的视频软件受欢迎度研究

发布时间：2023-03-04 01:31

　　随着智能终端的发展和普及,越来越多的视频软件成为当前内容传播与媒体社交的新宠。人们的视线逐渐从电视转移到社交平台或视频软件中,通过这些视频软件获取自己想要的内容。此外,由于视频播放器行业竞争的不断加剧,大型企业间的并购整合与资本运作日趋频繁,国内外优秀的视频软件开发商愈来愈重视对行业市场的分析研究,特别是对当前市场环境和客户需求趋势变化的深入研究,以期提前占领市场,取得先发优势。我们的研究主要是从开发者的角度,探索可以影响用户选择视频软件的因素,并通过对这些因素的分析,给生产者一定的启发和建设性意见。基于此,本文还将通过一些较先进的分类算法,如支持向量机、决策树、梯度提升树和随机森林算法等,研究用户对视频软件不同受欢迎度的分类对比,并结合LDA主题模型探索用户的关注点,面向视频软件受欢迎度的实际应用和效果做出分析。文章的研究内容如下:首先,我们通过用户对视频软件的评论信息,利用LDA主题模型对其中的内容进行探索分析,了解用户在选择和使用视频软件时主要关注什么;其次,通过对这些关注点的分析判断进行特征选择,找到可以提高分类模型的分类能力和可解释性的特征,并且对这些特征进行描述性统计分析,...

【文章页数】：39 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 研究现状
        1.2.1 视频软件在国内外研究现状
        1.2.2 机器学习在国内外研究现状
    1.3 论文结构安排
第二章 相关理论
    2.1 基于LDA模型的主题词抽取算法
    2.2 决策树
    2.3 支持向量机
    2.4 朴素贝叶斯
    2.5 梯度提升树
    2.6 随机森林
    2.7 本章小结
第三章 数据分析与模型构建
    3.1 基于LDA主题模型的用户喜爱因素探索分析
        3.1.1 数据获取及处理
        3.1.2 文本分析
        3.1.3 LDA模型建立及结果分析
    3.2 数据分析及处理
        3.2.1 数据来源及相关假设
        3.2.2 数据预处理
        3.2.3 特征选择
        3.2.4 数据可视化分析
        3.2.5 类不平衡处理
    3.3 模型构建及评估
        3.3.1 数据归一化
        3.3.2 模型调参
        3.3.3 模型结果评估
    3.4 本章小结
第四章 总结与展望
    4.1 论文总结
    4.2 论文创新点
    4.3 缺点和不足
参考文献
致谢



本文编号：3753477