一种基于深度学习模型针对综艺节目进行网络热度预测的方法和系统技术方案

本发明专利技术提供了一种基于深度学习模型针对综艺节目进行网络热度预测的方法，首先训练生成网络热度预测模型，然后获取待预测综艺节目的特征信息并对待预测综艺节目的特征信息进行量化处理，将待预测综艺节目的特征信息的量化值作为输入信息提供给网络热度预测模型，并将网络热度预测模型的输出信息作为待预测综艺节目在预定时间段内的网络热度预测结果，获得最优的综艺节目推广发行信息参数。

【技术实现步骤摘要】
一种基于深度学习模型针对综艺节目进行网络热度预测的方法和系统
本专利技术涉及视频服务领域，并且更具体地，涉及一种基于深度学习为综艺节目的宣传发行进行预测，通过对综艺节目涉及的题材及人物方面的现有数据进行分析建模，为综艺节目的宣传、投资、播放时间、播放地点等进行预测。
技术介绍
随着网络技术尤其是无线网络技术的快速发展，利用网络在线观看或者收听或者下载多媒体节目己经成为人们的一种娱乐方式，这里的视频节目可以包括综艺节目以及电影等。专利技术人在实现本专利技术过程中发现，对于综艺节目的制作方或者发行方或者销售方或者基于网络的内容提供方等方面而言，针对综艺节目的网络热度是非常重要的，这可以帮助综艺节目的制作方或者发行方或者销售方或者基于网络的内容提供方等需求方提前采取相应的应对策略；然而，目前并不存在针对综艺节目进行网络热度预测的技术方案，更不存在利用深度学习模型针对综艺节目进行网络热度预测的技术方案，从而使发行方的网络热度预测需求得到满足。
技术实现思路
本专利技术的目的是提供一种基于深度学习模型针对综艺节目进行网络热度预测的方法和系统。根据本专利技术的其中一个方面，提供一种基于深度学习模型针对综艺节目进行网络热度预测的方法，其特征在于包括以下步骤：步骤1.获取样本对象的历史搜索量进行统计，并利用历史搜索量和量化后的特征信息进行训练生成网络热度预测模型，所述网络热度预测模型利用了深度神经网络技术，并且所述深度神经网络中包含多层限制玻尔兹曼机进行有限监督学习；步骤2.获取待预测综艺节目的特征信息，通过接收外部输入信息的方式获取待预测综艺节目的特征信息，该待预测综艺节目的特征信息可以包括：综艺节目名称、导演信息、演员信息、制作公司、综艺节目上映时间以及综艺节目制作成本类型中的一个或者多个；步骤3.根据特征信息的量化处理获得预定对象的特征信息的量化值，利用待预测综艺节目的特征信息所对应的历史搜索量或者待预测综艺节目的特征信息所对应的收益信息来对待预测综艺节目的特征信息进行量化处理；步骤4.将待预测综艺节目的特征信息的量化值作为输入信息提供给网络热度预测模型，并将网络热度预测模型的输出信息作为待预测综艺节目在预定时间段内的网络热度预测结果，获得最优的综艺节目推广发行信息参数。根据本专利技术的另一个方面，还提供一种基于深度学习模型针对综艺节目进行网络热度预测的系统，其特征在于包括以下模块：模型构建模块，获取样本对象的历史搜索量进行统计，并利用历史搜索量和量化后的特征信息进行训练生成网络热度预测模型，所述网络热度预测模型利用了深度神经网络技术，并且所述深度神经网络中包含多层限制玻尔兹曼机进行有限监督学习；待测节目特征获取模块，获取待预测综艺节目的特征信息，通过接收外部输入信息的方式获取待预测综艺节目的特征信息，该待预测综艺节目的特征信息可以包括：综艺节目名称、导演信息、演员信息、制作公司、综艺节目上映时间以及综艺节目制作成本类型中的一个或者多个；特征信息量化模块.根据特征信息的量化处理获得预定对象的特征信息的量化值，利用待预测综艺节目的特征信息所对应的历史搜索量或者待预测综艺节目的特征信息所对应的收益信息来对待预测综艺节目的特征信息进行量化处理；最优参数生成模块，将待预测综艺节目的特征信息的量化值作为输入信息提供给网络热度预测模型，并将网络热度预测模型的输出信息作为待预测综艺节目在预定时间段内的网络热度预测结果，获得最优的综艺节目推广发行信息参数。与现有技术相比，本专利技术具有以下优点：1.本专利技术首次将深度学习模型用于对综艺节目的网络热度预测；2本专利技术通过对样本对象的历史搜索量进行统计，并利用历史搜索量和量化后的特征信息进行训练，使网络热度预测模型建立在网络基础数据的基础之上；这样，在利用网络热度预测模型对待预测综艺节目进行网络热度预测时，可以使预测结果与数据挖掘相结合，使预测结果更具有可信度。由此可知，本专利技术提供的技术方案在充分利用了网络基础数据的基础上，满足了需求方的网络热度的预测需求，使需求方可以根据预测出的网络热度提早采取相应的应对策略。附图说明图1为本专利技术的用于预测网络热度的方法的流程图。具体实施方式下面结合附图，对本专利技术的具体实施方式进行详细描述，但应当理解本专利技术的保护范围并不受具体实施方式的限制。图1为本实施例的用于预测网络热度的方法的流程图，下面对图1中的各步骤分别进行说明。步骤1、获取待预测综艺节目的特征信息；具体的，本实施例可以通过接收外部输入信息的方式获取待预测综艺节目的特征信息。本实施例中的待预测综艺节目为网络中提供的内容，且待预测综艺节目通常为综艺节目，本实施例不限制待预测综艺节目的具体表现形式。待预测综艺节目的特征信息是指用于描述待预测综艺节目的信息，利用特征信息通常可以唯一的表示出一个待预测综艺节目。作为示例，在待预测综艺节目为综艺节目的情况下，该待预测综艺节目的特征信息可以包括：综艺节目名称、导演信息、演员信息、制作公司、综艺节目上映时间以及综艺节目制作成本类型中的一个或者多个(通常为多个)。本实施例中的综艺节目名称可以包括综艺节目的正式名称以及综艺节目别名等；本实施例中的导演信息可以包括导演的真实姓名以及导演别名等，且导演的数量可以为一个或者多个；本实施例中的演员信息通常为主要演员的信息，且演员信息可以包括演员的真实姓名以及演员的艺名等，演员的数量可以为一个或者多个；本实施例中的制作公司可以包括制作公司的正式名称以及制作公司简称等，且制作公司的数量可以为一个或者多个。本实施例中的综艺节目制作成本类型可以按照综艺节目的制作金额划分为国产中小成本、国产中成本、国产大制作、进口综艺节目中小成本、进口综艺节目中成本以及进口综艺节目大制作这六大类。需要说明的是，上述待预测综艺节目的特征信息所包括的内容仅为举例，待预测综艺节目的特征信息也可以包括其他用于描述待预测综艺节目的信息，本实施例不限制待预测综艺节目的特征信息所包含的具体内容。步骤2、根据特征信息的量化处理获得预定对象的特征信息的量化值。具体的，本实施例应对待预测综艺节目的特征信息进行量化处理，量化处理的结果即为预定对象的特征信息的量化值。本实施例可以利用待预测综艺节目的特征信息所对应的历史搜索量或者待预测综艺节目的特征信息所对应的收益信息来对待预测综艺节目的特征信息进行量化处理。可选地，本实施例中的预定时间段可以包括：待预测综艺节目上线(如综艺节目上映或者综艺节目正式播出等)前的第一时间段以及待预测综艺节目上线的第二时间段，例如，对于综艺节目而言，预定时间段可以为综艺节目上映前13天至综艺节目上映后42天；当然本实施例中的预定时间段也可以仅包括待预测综艺节目上线后的第二时间段，且本实施例也不排除预定时间段仅包括待预测综艺节目上线前的第一时间段的可能性。下面以待预测综艺节目为综艺节目为例，对本步骤中的量化处理进行详细说明。作为示例，对待预测综艺节目的综艺节目名称进行量化处理的过程为：统计待预测综艺节目的综艺节目名称在网络热度预测的预定时间段之前的第一预定时间范围内的历史搜索量(即历史搜索量总和)，例如，在本实施例预测综艺节目上映之前的13天到综艺节目上映后的42天之间的网络热度的情况下，本实施例可以统计该综艺节目的综艺节目名称在综艺节目上映之前的170天至该本文档来自技高网...

【技术保护点】
1.一种基于深度学习模型针对综艺节目进行网络热度预测的方法，其特征在于包括以下步骤：步骤1.获取样本对象的历史搜索量进行统计，并利用历史搜索量和量化后的特征信息进行训练生成网络热度预测模型，所述网络热度预测模型利用了深度神经网络技术，并且所述深度神经网络中包含多层限制玻尔兹曼机进行有限监督学习；步骤2.获取待预测综艺节目的特征信息，通过接收外部输入信息的方式获取待预测综艺节目的特征信息，该待预测综艺节目的特征信息可以包括：综艺节目名称、导演信息、演员信息、制作公司、综艺节目上映时间以及综艺节目制作成本类型中的一个或者多个；步骤3.根据特征信息的量化处理获得预定对象的特征信息的量化值，利用待预测综艺节目的特征信息所对应的历史搜索量或者待预测综艺节目的特征信息所对应的收益信息来对待预测综艺节目的特征信息进行量化处理；步骤4.将待预测综艺节目的特征信息的量化值作为输入信息提供给网络热度预测模型，并将网络热度预测模型的输出信息作为待预测综艺节目在预定时间段内的网络热度预测结果，获得最优的综艺节目推广发行信息参数。

【技术特征摘要】
1.一种基于深度学习模型针对综艺节目进行网络热度预测的方法，其特征在于包括以下步骤：步骤1.获取样本对象的历史搜索量进行统计，并利用历史搜索量和量化后的特征信息进行训练生成网络热度预测模型，所述网络热度预测模型利用了深度神经网络技术，并且所述深度神经网络中包含多层限制玻尔兹曼机进行有限监督学习；步骤2.获取待预测综艺节目的特征信息，通过接收外部输入信息的方式获取待预测综艺节目的特征信息，该待预测综艺节目的特征信息可以包括：综艺节目名称、导演信息、演员信息、制作公司、综艺节目上映时间以及综艺节目制作成本类型中的一个或者多个；步骤3.根据特征信息的量化处理获得预定对象的特征信息的量化值，利用待预测综艺节目的特征信息所对应的历史搜索量或者待预测综艺节目的特征信息所对应的收益信息来对待预测综艺节目的特征信息进行量化处理；步骤4.将待预测综艺节目的特征信息的量化值作为输入信息提供给网络热度预测模型，并将网络热度预测模型的输出信息作为待预测综艺节目在预定时间段内的网络热度预测结果，获得最优的综艺节目推广发行信息参数。2.根据权利要求1所述的网络热度预测的方法，其特征在于，所述步骤1中的深度神经网络中为含有多层限制玻尔兹曼机的深度置信网，网络的第一层特征信息为：综艺节目名称、导演信息、演员信息、制作公司、综艺节目上映时间以及综艺节目制作成本类型；第二层为SVM层；第三层为限制玻尔兹曼机层，其中第一、二、三层之间形成全连接进行信息反馈；第四层为最终的输出层，获得最佳播放时间段、最佳上映频道参数信息。3.一种基于深度学习模型针对综艺节目进行网络热度预测的系统，其特...

【专利技术属性】
技术研发人员：李首峰，李莉莉，孙立宏，陈放，
申请(专利权)人：国政通科技有限公司，
类型：发明
国别省市：北京,11