[发明专利]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

说明书

本发明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。

技术领域

本发明涉及视频服务领域，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。

背景技术

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。

发明人在实现本发明过程中发现，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。

发明内容

本发明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。

根据本发明的其中一个方面，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。

根据本发明的另一个方面，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；