[发明专利]一种基于深度信念网络的视频热度预测方法及其系统

权利要求书

1.一种基于深度信念网络的视频热度预测方法，其特征在于，所述方法包括：

根据视频特征选择输入变量并对影响因子进行归一量化，以对训练数据进行预处理；

根据所选择的输入变量以及特征重构误差确定单层的限制性玻尔兹曼机重构维数，并通过多层限制性玻尔兹曼机的堆叠和一层BP神经网络以构成深度信念网络；

通过全局学习算法对所述深度信念网络进行调整，以获取最优视频预测模型；

将待测的视频测试数据放入所述最优视频预测模型中进行热度预测分析以及观看量预测分析。

2.如权利要求1所述的基于深度信念网络的视频热度预测方法，其特征在于，所述输入变量具体包括视频的出品年份、国家地区、视频角标、放映电视台、视频类型、视频总集数、视频版权、制作等级、豆瓣评分、演员影响力、导演影响力以及百度搜索指数。

3.如权利要求2所述的基于深度信念网络的视频热度预测方法，其特征在于，所述深度信念网络包括深度信念网络的网络输入层、限制性玻尔兹曼机网络层以及输出层。

4.如权利要求3所述的基于深度信念网络的视频热度预测方法，其特征在于，所述对所述深度信念网络进行调整包括调整限制性玻尔兹曼机网络层的层数、重构维度以及权值参数，以优化网络参数和预测模型。

5.一种基于深度信念网络的视频热度预测系统，其特征在于，所述基于深度信念网络的视频热度预测系统包括：

预处理模块，用于根据视频特征选择输入变量并对影响因子进行归一量化，以对训练数据进行预处理；

网络构建模块，用于根据所选择的输入变量以及特征重构误差确定单层的限制性玻尔兹曼机重构维数，并通过多层限制性玻尔兹曼机的堆叠和一层BP神经网络以构成深度信念网络；

模型获取模块，用于通过全局学习算法对所述深度信念网络进行调整，以获取最优视频预测模型；

预测分析模块，用于将待测的视频测试数据放入所述最优视频预测模型中进行热度预测分析以及观看量预测分析。

6.如权利要求5所述的基于深度信念网络的视频热度预测系统，其特征在于，所述输入变量具体包括视频的出品年份、国家地区、视频角标、放映电视台、视频类型、视频总集数、视频版权、制作等级、豆瓣评分、演员影响力、导演影响力以及百度搜索指数。

7.如权利要求6所述的基于深度信念网络的视频热度预测系统，其特征在于，所述深度信念网络包括深度信念网络的网络输入层、限制性玻尔兹曼机网络层以及输出层。

8.如权利要求7所述的基于深度信念网络的视频热度预测系统，其特征在于，所述对所述深度信念网络进行调整包括调整限制性玻尔兹曼机网络层的层数、重构维度以及权值参数，以优化网络参数和预测模型。