[發(fā)明專(zhuān)利]一種基于自回歸模型的在線連載內(nèi)容流行度預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410161457.0
• 申請(qǐng)日: 2014-04-21
• 公開(kāi)（公告）號(hào): CN103914743B
• 公開(kāi)（公告）日: 2017-01-25
• 發(fā)明（設(shè)計(jì)）人: 常標(biāo);祝恒書(shū);譚昶;陳恩紅;劉淇;熊輝
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)科學(xué)技術(shù)大學(xué)先進(jìn)技術(shù)研究院
• 主分類(lèi)號(hào): G06Q10/04
• 分類(lèi)號(hào): G06Q10/04;G06F17/30
• 代理公司: 合肥天明專(zhuān)利事務(wù)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(nèi)容流行度預(yù)測(cè)方法，其特征在于，包括以下步驟：?

11）訓(xùn)練數(shù)據(jù)的獲取，爬取在線連載內(nèi)容的整體播放量趨勢(shì)，解析整體播放量趨勢(shì)頁(yè)面的HTML源代碼，解析每集播放量趨勢(shì)頁(yè)面的HTML源代碼；?

12）流行度預(yù)測(cè)，利用自回歸模型預(yù)測(cè)新連載內(nèi)容的流行度。?

2.根據(jù)權(quán)利要求1所述的一種基于自回歸模型的在線連載內(nèi)容流行度預(yù)測(cè)方法，其特征在于，所述的流行度預(yù)測(cè)利用樸素自回歸模型進(jìn)行新連載內(nèi)容流行度的預(yù)測(cè)，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(jù)權(quán)利要求2所述的一種基于自回歸模型的在線連載內(nèi)容流行度預(yù)測(cè)方法，其特征在于，所述的樸素自回歸模型中模型參數(shù)的學(xué)習(xí)包括以下步驟：?

31）定義共享參數(shù)，給定連載內(nèi)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(nèi)容n第i集的流行度記錄；?

32）利用最小化平均相對(duì)平方誤差來(lái)學(xué)習(xí)共享參數(shù)，其公式如下：?

其中為流行度真實(shí)值。?

4.根據(jù)權(quán)利要求2所述的一種基于自回歸模型的在線連載內(nèi)容流行度預(yù)測(cè)方法，其特征在于，所述的樸素自回歸模型中模型參數(shù)的學(xué)習(xí)的方法如下：?

定義私有參數(shù)，加入懲罰項(xiàng)，其公式如下：?

其中||w||²＝w^Tw＝ω₀²+ω₁²+...+ω_r²，λ為超參。?

5.根據(jù)權(quán)利要求1所述的一種基于自回歸模型的在線連載內(nèi)容流行度預(yù)測(cè)方法，其特征在于，所述的流行度預(yù)測(cè)利用轉(zhuǎn)移模型進(jìn)行新連載內(nèi)容流行度?的預(yù)測(cè)，包括以下步驟：?

51）定義變量，定義連載內(nèi)容為n，第i集在第j個(gè)相對(duì)時(shí)間間隔的流行度為V_ij,來(lái)自追劇者的瀏覽量為a_ij，來(lái)自新增者的瀏覽量為b_ij，?

第i集第j個(gè)相對(duì)時(shí)間間隔的追劇者在第k個(gè)相對(duì)時(shí)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(gè)相對(duì)時(shí)間間隔的追劇者在第k(k>=j)個(gè)相對(duì)時(shí)間間隔觀看第i+1集的概率為q_ijk，其中k>=j，?

當(dāng)i=0時(shí)，則?

52）轉(zhuǎn)移模型的公式如下：?

其中?

對(duì)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(shù)，b_ij隨著i的增加而有減少的趨勢(shì)，故?

b_ij＝b_0j?exp^-αi

其中α是衰減因子，b_0j為在第j個(gè)相對(duì)時(shí)間間隔時(shí)連載內(nèi)容的初始關(guān)注度。?

54）根據(jù)α和b_0j修改轉(zhuǎn)移模型的公式，如下：?

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