[發明專利]一種基于自回歸模型的在線連載內容流行度預測方法

有效

• 申請號: 201410161457.0
• 申請日: 2014-04-21
• 公開（公告）號: CN103914743B
• 公開（公告）日: 2017-01-25
• 發明（設計）人: 常標;祝恒書;譚昶;陳恩紅;劉淇;熊輝
• 申請（專利權）人: 中國科學技術大學先進技術研究院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06F17/30
• 代理公司: 合肥天明專利事務所34115
• 代理人: 張祥騫,奚華保

1.一種基于自回歸模型的在線連載內容流行度預測方法，其特征在于，包括以下步驟：?

11）訓練數據的獲取，爬取在線連載內容的整體播放量趨勢，解析整體播放量趨勢頁面的HTML源代碼，解析每集播放量趨勢頁面的HTML源代碼；?

12）流行度預測，利用自回歸模型預測新連載內容的流行度。?

2.根據權利要求1所述的一種基于自回歸模型的在線連載內容流行度預測方法，其特征在于，所述的流行度預測利用樸素自回歸模型進行新連載內容流行度的預測，樸素自回歸模型公式如下：?

其中w＝(ω₀，ω1，...，ω_r)^T，r為模型的秩。?

3.根據權利要求2所述的一種基于自回歸模型的在線連載內容流行度預測方法，其特征在于，所述的樸素自回歸模型中模型參數的學習包括以下步驟：?

31）定義共享參數，給定連載內容集合S和它們的流行度記錄?

E＝(E¹·E²，...，E^|S|}，則其中為連載內容n第i集的流行度記錄；?

32）利用最小化平均相對平方誤差來學習共享參數，其公式如下：?

其中為流行度真實值。?

4.根據權利要求2所述的一種基于自回歸模型的在線連載內容流行度預測方法，其特征在于，所述的樸素自回歸模型中模型參數的學習的方法如下：?

定義私有參數，加入懲罰項，其公式如下：?

其中||w||²＝w^Tw＝ω₀²+ω₁²+...+ω_r²，λ為超參。?

5.根據權利要求1所述的一種基于自回歸模型的在線連載內容流行度預測方法，其特征在于，所述的流行度預測利用轉移模型進行新連載內容流行度?的預測，包括以下步驟：?

51）定義變量，定義連載內容為n，第i集在第j個相對時間間隔的流行度為V_ij,來自追劇者的瀏覽量為a_ij，來自新增者的瀏覽量為b_ij，?

第i集第j個相對時間間隔的追劇者在第k個相對時間間隔觀看第i+1集的概率為p_ijk其中k>=j，?

第i集第j個相對時間間隔的追劇者在第k(k>=j)個相對時間間隔觀看第i+1集的概率為q_ijk，其中k>=j，?

當i=0時，則?

52）轉移模型的公式如下：?

其中?

對于任意的i、j、k，則?

p_ijk＝p_i,j+1，k+1

q_ijk＝q_i,j+1,k+1；?

53）求解b_ij，去除新增者隨著新集的上映在流失數，b_ij隨著i的增加而有減少的趨勢，故?

b_ij＝b_0j?exp^-αi

其中α是衰減因子，b_0j為在第j個相對時間間隔時連載內容的初始關注度。?

54）根據α和b_0j修改轉移模型的公式，如下：?

其中b₀＝⁽b₀₁，...，b_0j),p＝(p₁₁₁，p₁₁₂，...p_i-1,jj)。?