基于深度信念网络的在线视频热度预测

被引：7

作者：

陈亮

张俊池

王娜

李霞

陈宇环

机构：

[1] 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

来源：

计算机工程与应用 | 2017年 / 09期

基金：

广东省自然科学基金;

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;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

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。

引用

页码：162 / 169+189 +189

页数：9

共 8 条

[1] 受限波尔兹曼机 [J].

张春霞 ;

姬楠楠 ;

王冠伟 .

工程数学学报, 2015, 32 (02) :159-173

[2]

A Machine Learning Approach for Abstraction based on the Idea of Deep Belief Artificial Neural Networks[J] . Florian Neukart,Sorin-Aurel Moraru.Procedia Engineering . 2014

[3] A forecasting system for movie attendance [J].