加入情感分析的Stacking模型在网络剧播放量预测中的应用

摘要：

随着网络剧近年来的飞速发展,对播放量的研究也逐渐受到关注.网络剧播放量反映了网络剧的口碑和受欢迎程度,这与制作方和投资方的收益密切相关.但目前的研究尚未考虑观众评论的情感态度对播放量的影响,并且预测模型也较为简单,预测精度有待进一步提高.本文在对用户评论进行情感分析的基础上,构建Stacking集成学习模型对我国网络剧的播放量进行预测.首先基于SO-PMI算法构建网络剧领域情感词典,并结合基础情感词典以及点赞数权重计算出评论情感得分,加入预测指标体系中;接着以随机森林(random forest,RF),GBDT,XGBoost以及LightGBM为基学习器,MLR为元学习器,构建Stacking网络剧播放量分阶段的预测模型,使用当前数据对下一周的播放量进行预测;最后进行模型比较分析,并得出预测变量的重要性分值.实验结果显示,本文所构建的模型判定系数R方值达到了0.89,高于基学习器单独的模型预测R方值(最高0.84)以及未加入情感得分变量的Stacking模型预测R方值(0.81).可以得出加入情感得分变量后,本文构建的Stacking集成学习模型在一定程度上可以提高网络剧播放量的预测精度.

关键词：网络剧、播放量预测、情感分析、集成学习、Stacking模型融合、深度学习

所属期刊栏目：31

分类号：TP391;F832.21;TP206

资助基金：国家自然科学基金72001106

在线出版日期：2022-06-22（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：315-323