[发明专利]电视节目热度的预测方法和装置

说明书

技术领域

本发明实施例涉及电视技术领域，尤其涉及一种电视节目热度的预测方法和装置。

背景技术

随着电视技术的不断发展，电视节目能够以电视频道直播节目、点播节目等方式为人们呈现节目内容。在进行电视频道直播节目过程中，从广告的投放中获得收益，所以不同电视频道直播节目的收视热度直接影响了广告投放量及广告收益的大小。而不同点播节目的热度也会为影响到节目的编排。所以电视节目热度成为衡量一个频道整体质量或节目质量的重要指标，因此对电视节目热度的预测是至关重要的。

现有的对电视节目热度的预测方法主要有基于动态神经网络时间序列模型的预测方法和基于多元线性回归模型的预测方法。基于动态神经网络时间序列模型的预测方法，该模型由输入层、隐藏层、输入延时层与输出层构成，在应用前要设定好输入层与输出层之间的延时数，隐藏层的神经元个数。基于多元线性回归模型的预测方法是利用数理统计中的回归分析，来确定两种或多种变量之间相互依赖的定量关系的统计分析方法。

基于动态神经网络时间序列模型的预测方法，神经网络过于繁琐，依赖的参数过多，导致计算量较大。而基于多元线性回归模型的预测方法由于缺乏收视用户行为的详细信息，并且其预测精度依赖于模型特征提取的好坏程度，该方法无法分析各个影响因素动态的关联程度，使其预测精度并不高。

发明内容

本发明实施例提供一种电视节目热度的预测方法和装置，该方法解决了现有技术中的预测方法依赖参数过多，计算量较大，预测精度不高的技术问题。

本发明实施例提供一种电视节目热度的预测方法，包括：

采集预测前一时间段内的电视节目热度的原始时间序列数据；

将所述原始时间序列数据进行一阶累加处理，以获得处理后的时间序列数据；其中，所述处理后的时间序列数据呈指数上升趋势；

根据处理后的时间序列数据和灰色预测模型求解电视节目热度的预测值；

输出所述电视节目热度预测值。

本发明实施例提供一种电视节目热度的预测装置，包括：

采集模块，用于采集预测前一时间段内的电视节目热度的原始时间序列数据；

处理模块，用于将所述原始时间序列数据进行一阶累加处理，以获得处理后的时间序列数据；其中，所述处理后的时间序列数据呈指数上升趋势；

求解模块，用于根据处理后的时间序列数据和灰色预测模型求解电视节目热度的预测值；

输出模块，用于输出所述电视节目热度预测值。

本发明实施例提供一种电视节目热度的预测方法和装置，通过采集预测前一时间段内的电视节目热度的原始时间序列数据；将原始时间序列数据进行一阶累加处理，以获得处理后的时间序列数据；其中，处理后的时间序列数据呈指数上升趋势；根据处理后的时间序列数据和灰色预测模型求解电视节目热度的预测值；输出电视节目热度预测值。由于依赖的历史数据只有电视节目热点的原始时间序列数据，所以计算量较小，并且灰色预测模型适用于数据量少，部分信息未知的不确定系统的研究，因此该方法不需要大量的历史时间序列数据，能够获得较好的预测结果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明电视节目热度的预测方法实施例一的流程图；

图2为本发明电视节目热度的预测方法实施例二的流程图；

图3为本发明实施例二中的原始时间序列数据及处理后的时间序列数据形成的曲线图；

图4为本发明实施例二中的预测值与实际值的对比结果图；

图5为本发明电视节目热度的预测装置实施例一的结构示意图；

图6为本发明电视节目热度的预测装置实施例二的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。