基于艺人画像的歌曲点播量预测

• 作者: 侯晓琴 吴桂平 周军 张艳 王冰 颜永红
• 来源期刊: 网络新媒体技术
• 关键词: 用户画像 ARIMA 随机森林 时间序列
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 学术研究
• 页码范围: 20-26
• 页数: 7页
• 字数: 5314字
• 语种: 中文

摘要

用户画像可以用于用户相关事件的预测.在本文中,我们探索对用户画像的建模中结合外在因素的变化,对用户相关行为进行预测.在实验方面,我们以阿里音乐用户的历史播放数据为基础,结合外在主要相关事件,对艺人进行多维的画像,进而预测某个时间段内艺人的歌曲点播量,挖掘出即将成为潮流的艺人,从而实现对一个时间段内音乐流行趋势的准确把控.实验结果表明,与传统的机器学习方法和时序模型方法相比,我们的算法具有很高准确率,且具有简洁,泛化能力强的特点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周军	中国科学院声学研究所语音声学与内容理解重点实验室	190	2258	28.0	40.0
5	王冰	中国科学院声学研究所语音声学与内容理解重点实验室	37	381	11.0	19.0
6	颜永红	中国科学院声学研究所语音声学与内容理解重点实验室	94	586	14.0	20.0
7	张艳	中国科学院声学研究所语音声学与内容理解重点实验室	97	697	13.0	23.0
8	吴桂平	中国科学院声学研究所语音声学与内容理解重点实验室	23	385	12.0	19.0
9	侯晓琴		2	9	2.0	2.0