基于深度信念网络的在线视频热度预测

• 作者: 张俊池 李霞 王娜 陈亮 陈宇环
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 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
• 年，卷（期）: 2017,（9）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 162-169,189
• 页数: 9页
• 分类号: TP393
• 字数: 7568字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1511-0234

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李霞	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	62	1137	17.0	32.0
2	王娜	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	24	388	8.0	19.0
3	陈亮	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	2	37	2.0	2.0
4	张俊池	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	1	11	1.0	1.0
5	陈宇环	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	1	11	1.0	1.0