基于貝葉斯網(wǎng)絡的電視節(jié)目收視率預測研究.pdf_第1頁
已閱讀1頁,還剩66頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、在我國,多數(shù)電視臺從90年代后期開始使用商業(yè)性調(diào)查機構提供的收視率數(shù)據(jù)。收視率是衡量電視節(jié)目質(zhì)量的重要指標,收視率統(tǒng)計數(shù)據(jù)已經(jīng)成為電視臺評價自己的節(jié)目,確定各頻道和時段廣告價位以及廣告客戶選擇媒體、頻道、時段和節(jié)目的重要依據(jù)。遺憾的是現(xiàn)有的收視率調(diào)查體系還囿于對節(jié)目進行播出后的調(diào)查、分析和評價,而缺乏對收視率進行播前預測。即使有播前預測那也是簡單的線型預測,缺少主觀因素,在這種情況下,節(jié)目的改版調(diào)整和新節(jié)目的推出只能憑個人經(jīng)驗,而不能進

2、行科學的量化研究。 預測電視節(jié)目收視率也是一門科學,研究如何將影響收視率的種種因素轉換為相關指數(shù),并用相對精確的數(shù)學形式表現(xiàn)出來,以消減主觀判斷的偏差。國內(nèi)有學者曾經(jīng)使用統(tǒng)計學來評判收視規(guī)律,并運用數(shù)學上的簡單線性回歸公式,推導收視走向。但是,它只是用來對既有收視走勢進行某種評判和分析,并不具有預測未來的足夠能力。另外,有研究者發(fā)明了一種使用硬件設備為輔助的收視率預測系統(tǒng),由于在較大程度上依賴于硬件設備,使用非常不方便,效率不高

3、。國外較成熟的系統(tǒng)也只有Integral Solution為英國BBC公司開發(fā)的采用神經(jīng)網(wǎng)絡和歸納規(guī)則方法預測的收視率發(fā)現(xiàn)系統(tǒng)。 貝葉斯網(wǎng)絡的日趨成熟為解決這一問題提供了諸多高效的方法,使進行科學的預測變得可行。貝葉斯網(wǎng)絡是一種表示領域中變量之間概率關系的圖形模型,適用于不確定性和概率性事件。本課題正是基于這種背景下采用貝葉斯網(wǎng)絡對電視節(jié)目收視率預測模型的建立和實現(xiàn)進行了研究,在技術方面作了一些有益的探索。 本文在翔實地

4、闡述了人工神經(jīng)網(wǎng)絡(ANN)、決策樹(DT)和貝葉斯網(wǎng)絡(Bayes)各自的定義、特點以及算法實現(xiàn)過程的基礎上,分別采用ANN、DT、Bayes三種方法建立和實現(xiàn)了電視節(jié)目收視率預測模型,并在此基礎上對各種預測結果進行了比較分析。主要研究工作和成果有: 1)對電視節(jié)目收視率的定義、作用和調(diào)查評價方法作了詳細的介紹,分析了收視率定量預測的數(shù)學模型,確立了影響收視率的10個主要因素。實驗表明,采用這些因素作為輸入?yún)?shù)預測效果良好。

5、 2)對樣本數(shù)據(jù)庫中的數(shù)據(jù)進行預處理,根據(jù)對影響收視率的因素作的分析確立了輸入輸出層的神經(jīng)元個數(shù),并依此得到人工神經(jīng)網(wǎng)絡(ANN)預測模型的基本結構。在MATLAB環(huán)境下進行多次實驗,根據(jù)訓練誤差曲線圖和預測誤差曲線圖確定了適合本模型的隱層神經(jīng)元數(shù)目等參數(shù)。該方法的主要缺點是樣本數(shù)量較多時收斂速度很慢; 3)應用決策樹(DT)中的ID3算法建立收視率預測模型,通過實例詳細分析了決策樹的生成過程和分類規(guī)則的提取,并在Visu

6、al C++環(huán)境下實現(xiàn)分類結果的預測。經(jīng)過多次實驗表明,預測結果與實際情況基本一致,但是該方法只能得出模糊值而不能計算出具體的收視率值; 4)在分析了以上兩種方法各自的優(yōu)缺點之后,重點應用貝葉斯網(wǎng)絡(Bayes)方法建立了收視率預測模型。文中全面闡述了該模型的結構、優(yōu)點、算法實現(xiàn)策略、算法實現(xiàn)的具體過程,并通過程序實現(xiàn),實驗表明預測結果比ANN模型的計算結果更趨于實際值; 5)從訓練時間和預測精度兩方面對三種預測模型的實

7、驗結果進行分析比較,通過實驗得出的結論是:DT的訓練速度為三者中最快,但精度最低;相對于ANN模型而言,Bayes模型的訓練時間更短,精度更高,因此三種模型中Bayes模型的預測效果最佳。 綜上所述,DT和ANN都有各自的優(yōu)缺點,而混合Bayes結構,既有DT與ANN的優(yōu)點,又克服了DT只能給出0-1兩態(tài)值和ANN解決大規(guī)模問題時速度慢的缺點,預測效果最優(yōu),較適合用于對影響因素多、樣本數(shù)據(jù)庫大的電視節(jié)目收視率分析系統(tǒng)建立預測模型

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論