基于首播前搜索数据的电视剧流行度预测

发布时间：2018-06-02 07:10

  本文选题：电视剧流行度 + 电视剧点播量排名　； 参考：《计算机工程》2017年07期

【摘要】：现有对视频网站电视剧流行度预测的研究中考虑因素较少,并且极少能在电视剧首播前进行预测,这会使视频网站在做出版权购买、广告投放等决策时考虑不全面并且出现预测时间滞后的问题。为此,提出一种在首播前预测视频网站电视剧流行度的方法,综合考虑电视剧剧名和演员搜索数据,通过分析时间序列确定最早预测时间,使用多元线性回归模型实现电视剧流行度的预测。实验结果表明,该方法可利用首播前第13—18天的剧名和演员的百度搜索指数对PPTV和优酷2014年、2015年上线的电视剧预测上线后30天的点播量,预测值与真实值之间的皮尔森相关系数分别达到0.943 7和0.967 6,具有较好的预测效果。
[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.
【作者单位】： 华东师范大学计算机科学与技术系;
【基金】：国家科技支撑计划项目(2015BAH01F02) 上海市科学技术委员会科研计划项目(16511102702) 上海市经济和信息化委员会项目(150643)
【分类号】：O212.4

【相似文献】

相关期刊论文 前10条

1 于然;刘春阳;靳小龙;王元卓;程学旗;;基于多视角特征融合的中文垃圾微博过滤[J];山东大学学报(理学版);2013年11期

2 刘嵩;;基于特征融合的人脸识别[J];湖北民族学院学报(自然科学版);2011年02期

3 琚生根;周激流;王朝斌;何坤;;基于统计特征融合的人脸识别[J];四川大学学报(自然科学版);2009年03期

4 杨恒;钱钧;纪明;孙小炜;陆阳;宋金鸿;;基于动态特征融合的粒子滤波目标跟踪算法[J];应用光学;2012年04期

5 邵壮超;张绍武;潘泉;施建宇;姜涛;;基于投票表决特征融合的蛋白质结构类预测[J];河南大学学报(自然科学版);2007年04期

6 李侃;平西建;;基于图像内容和特征融合的隐写盲检测[J];应用科学学报;2013年01期

7 王雪峰;陈兴稣;赵隽;赵维;;一种基于特征融合的图像检索方法[J];伊犁师范学院学报(自然科学版);2012年01期

8 胡云朋;王志勇;李飞;杨晓苹;薛玉明;;基于特征融合的手背静脉识别[J];光子学报;2014年01期

9 杨林;刘乾喜;;基于特征融合的KLPCCA及其在人脸识别中的应用[J];科技信息;2009年33期

10 陈卫荣,王超,张红;基于特征融合的高分辨率SAR图像道路提取[J];遥感技术与应用;2005年01期

相关会议论文 前7条

1 刘冰;罗熊;刘华平;孙富春;;光学与深度特征融合在机器人场景定位中的应用[A];2013年中国智能自动化学术会议论文集（第三分册）[C];2013年

2 翟懿奎;甘俊英;曾军英;;基于特征融合与支持向量机的伪装人脸识别[A];第六届全国信号和智能信息处理与应用学术会议论文集[C];2012年

3 卞志国;金立左;费树岷;;基于增量判别分析的特征融合与视觉目标跟踪[A];2009年中国智能自动化会议论文集（第三分册）[C];2009年

4 韩文静;李海峰;韩纪庆;;基于长短时特征融合的语音情感识别方法研究[A];第九届全国人机语音通讯学术会议论文集[C];2007年

5 罗昕炜;方世良;;宽带调制信号特征融合方法[A];中国声学学会水声学分会2013年全国水声学学术会议论文集[C];2013年

6 金挺;周付根;白相志;;一种简单有效的特征融合粒子滤波跟踪算法[A];2007年光电探测与制导技术的发展与应用研讨会论文集[C];2007年

7 孟凡洁;孔祥维;尤新刚;;基于特征融合的相机来源认证方法[A];全国第一届信号处理学术会议暨中国高科技产业化研究会信号处理分会筹备工作委员会第三次工作会议专刊[C];2007年

相关博士学位论文 前10条

1 周斌;多生物特征融合理论的研究与实验[D];清华大学;2007年

2 彭伟民;特征数据的量子表示与融合方法[D];华南理工大学;2013年

3 陈倩;多生物特征融合身份识别研究[D];浙江大学;2007年

4 蒲晓蓉;多模态生物特征融合的神经网络方法[D];电子科技大学;2007年

5 王志芳;基于感知信息的多模态生物特征融合技术研究[D];哈尔滨工业大学;2009年

6 王楠;基于多视觉特征融合的后方车辆检测技术研究[D];东北大学　;2009年

7 徐颖;基于特征融合与仿生模式的生物特征识别研究[D];华南理工大学;2013年

8 樊国梁;基于多类特征融合的蛋白质亚线粒体定位预测研究[D];内蒙古大学;2013年

9 刘金梅;多源遥感影像融合及其应用研究[D];中国海洋大学;2014年

10 张艳;基于柔性阵列 传感器的足迹特征分析与应用研究[D];安徽大学;2015年

相关硕士学位论文 前10条

1 付艳红;基于特征融合的人脸识别算法研究与实现[D];天津理工大学;2015年

2 许超;基于特征融合与压缩感知的实木地板缺陷检测方法研究[D];东北林业大学;2015年

3 杨文婷;基于微博的情感分析算法研究与实现[D];西南交通大学;2015年

4 梅尚健;基于特征融合的图像检索研究与实现[D];西南交通大学;2015年

5 王鹏飞;基于多慢特征融合的人体行为识别研究[D];西南大学;2015年

6 丁倩;基于语音信息的多特征情绪识别算法研究[D];山东大学;2015年

7 薛冰霞;基于多模特征融合的人体跌倒检测算法研究[D];山东大学;2015年

8 何乐乐;医学图像分类中的特征融合与特征学习研究[D];电子科技大学;2015年

9 戴博;基于结构复杂度特征融合的视觉注意模型研究及其应用[D];复旦大学;2014年

10 王宁;基于特征融合的人脸识别算法[D];东北大学;2013年

，

本文编号：1967879