文献类型：期刊文章

作　　者：陈亮[1] 张俊池[1] 王娜[1] 李霞[1] 陈宇环[1]

CHEN Liang;ZHANG Junchi;WANG Na;LI Xia;CHEN Yuhuan(Shenzhen Key Lab of Advanced Communications and Information Processing, College of Information Engineering,Shenzhen University, Shenzhen, Guangdong 518060, China)

机构地区：[1]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,广东深圳518060

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金(No.61502315,No.61309030);广东省自然科学基金(No.2015A030310366);深圳大学科研启动项目(No.201558);深圳市基础研究计划项目(No.JC201105170613A,No.ZYC2010060901206)

年　　份：2017

卷　　号：53

期　　号：9

起止页码：162-169

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSCD、CSCD_E2017_2018、IC、JST、RCCSE、ZGKJHX、核心刊

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。

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  

分 类 号：TP393]