[發明專利]電視節目熱度的預測方法和裝置

在審

• 申請號: 201610912939.4
• 申請日: 2016-10-19
• 公開（公告）號: CN107979768A
• 公開（公告）日: 2018-05-01
• 發明（設計）人: 萬倩;趙明;朱佩江;李培琳;牛妍華;趙翠
• 申請（專利權）人: 國家新聞出版廣電總局廣播科學研究院
• 主分類號: H04N21/258
• 分類號: H04N21/258;H04N21/4722;H04N21/475;H04N21/482;G06F17/30
• 代理公司: 北京同立鈞成知識產權代理有限公司11205
• 代理人: 張娜,劉芳

技術領域

本發明實施例涉及電視技術領域，尤其涉及一種電視節目熱度的預測方法和裝置。

背景技術

隨著電視技術的不斷發展，電視節目能夠以電視頻道直播節目、點播節目等方式為人們呈現節目內容。在進行電視頻道直播節目過程中，從廣告的投放中獲得收益，所以不同電視頻道直播節目的收視熱度直接影響了廣告投放量及廣告收益的大小。而不同點播節目的熱度也會為影響到節目的編排。所以電視節目熱度成為衡量一個頻道整體質量或節目質量的重要指標，因此對電視節目熱度的預測是至關重要的。

現有的對電視節目熱度的預測方法主要有基于動態神經網絡時間序列模型的預測方法和基于多元線性回歸模型的預測方法。基于動態神經網絡時間序列模型的預測方法，該模型由輸入層、隱藏層、輸入延時層與輸出層構成，在應用前要設定好輸入層與輸出層之間的延時數，隱藏層的神經元個數。基于多元線性回歸模型的預測方法是利用數理統計中的回歸分析，來確定兩種或多種變量之間相互依賴的定量關系的統計分析方法。

基于動態神經網絡時間序列模型的預測方法，神經網絡過于繁瑣，依賴的參數過多，導致計算量較大。而基于多元線性回歸模型的預測方法由于缺乏收視用戶行為的詳細信息，并且其預測精度依賴于模型特征提取的好壞程度，該方法無法分析各個影響因素動態的關聯程度，使其預測精度并不高。

發明內容

本發明實施例提供一種電視節目熱度的預測方法和裝置，該方法解決了現有技術中的預測方法依賴參數過多，計算量較大，預測精度不高的技術問題。

本發明實施例提供一種電視節目熱度的預測方法，包括：

采集預測前一時間段內的電視節目熱度的原始時間序列數據；

將所述原始時間序列數據進行一階累加處理，以獲得處理后的時間序列數據；其中，所述處理后的時間序列數據呈指數上升趨勢；

根據處理后的時間序列數據和灰色預測模型求解電視節目熱度的預測值；

輸出所述電視節目熱度預測值。

本發明實施例提供一種電視節目熱度的預測裝置，包括：

采集模塊，用于采集預測前一時間段內的電視節目熱度的原始時間序列數據；

處理模塊，用于將所述原始時間序列數據進行一階累加處理，以獲得處理后的時間序列數據；其中，所述處理后的時間序列數據呈指數上升趨勢；

求解模塊，用于根據處理后的時間序列數據和灰色預測模型求解電視節目熱度的預測值；

輸出模塊，用于輸出所述電視節目熱度預測值。

本發明實施例提供一種電視節目熱度的預測方法和裝置，通過采集預測前一時間段內的電視節目熱度的原始時間序列數據；將原始時間序列數據進行一階累加處理，以獲得處理后的時間序列數據；其中，處理后的時間序列數據呈指數上升趨勢；根據處理后的時間序列數據和灰色預測模型求解電視節目熱度的預測值；輸出電視節目熱度預測值。由于依賴的歷史數據只有電視節目熱點的原始時間序列數據，所以計算量較小，并且灰色預測模型適用于數據量少，部分信息未知的不確定系統的研究，因此該方法不需要大量的歷史時間序列數據，能夠獲得較好的預測結果。

附圖說明

為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作一簡單地介紹，顯而易見地，下面描述中的附圖是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。

圖1為本發明電視節目熱度的預測方法實施例一的流程圖；

圖2為本發明電視節目熱度的預測方法實施例二的流程圖；

圖3為本發明實施例二中的原始時間序列數據及處理后的時間序列數據形成的曲線圖；

圖4為本發明實施例二中的預測值與實際值的對比結果圖；

圖5為本發明電視節目熱度的預測裝置實施例一的結構示意圖；

圖6為本發明電視節目熱度的預測裝置實施例二的結構示意圖。

具體實施方式

為使本發明實施例的目的、技術方案和優點更加清楚，下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本發明一部分實施例，而不是全部的實施例。基于本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。