10.3969/j.issn.1006-2475.2018.02.011
一种基于视频特征及历史数据的流行度预测算法
针对流媒体的流行度预测问题,提出一种基于视频特征及历史数据的流行度预测模型.首先,根据视频特征及在社交网络中的影响力,使用K-近邻(KNN)算法对视频的流行程度进行预测.然后,基于流行程度的预测结果,结合自回归滑动平均(Autoregressive Moving Average,ARMA)模型对视频的点播量进行预测.最后,通过爬取豆瓣电影及新浪微博数据,对模型进行试验.结果表明,与朴素贝叶斯分类器及ARMA模型相比,本文模型的召回率(recall)明显较高,平均平方根误差(RMSE)降低了约20%.
流媒体、流行度预测、KNN算法、ARMA模型
TP391(计算技术、计算机技术)
国家自然科学基金资助项目61462014
2018-06-01(万方平台首次上网日期,不代表论文的发表时间)
共5页
49-53