基于收视行为的互联网电视节目流行度预测模型

摘要：

准确预测节目流行度是互联网电视节目系统设计与优化所要解决的关键问题之一.针对现有预测方法存在模型训练时间长、样本数量多、且对突发热点节目流行度预测效果差等问题,该文测量了某互联网电视平台280万用户的60亿条收视行为数据,采用行为动力学分类方法将节目流行度演化过程分为内源临界、内源亚临界、外源临界和外源亚临界4种类型,运用双种群粒子优化的最小二乘支持向量机对每种类型分别构建了一种互联网电视节目流行度预测模型BD3P,并将BD3P模型应用于实际数据测验.实验结果表明,与现有其他方法相比,BD3P模型预测精度可提升17%以上,并能有效缩短预测周期.

关键词：互联网电视、流行度预测、行为动力学、最小二乘支持向量机、双种群粒子群优化

所属期刊栏目：39

分类号：TP393(计算技术、计算机技术)

资助基金：国家863计划项目2015AA015603;江苏省未来网络创新研究院未来网络前瞻性研究项目BY2013095-5-03;江苏省"六大人才高峰"高层次人才项目2011-DZ024The National 863 Program of China2015AA 015603;The Prospective Research Program on Future Networks of Jiangsu ProvinceBY2013095-5-03;The Six Industries Talent Peaks Plan of Jiangsu Province2011-DZ024

在线出版日期：2017-11-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2504-2512