基于貝葉斯網(wǎng)絡(luò)的電視節(jié)目收視率預(yù)測(cè)研究.pdf

1、在我國(guó)，多數(shù)電視臺(tái)從90年代后期開(kāi)始使用商業(yè)性調(diào)查機(jī)構(gòu)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(biāo)，收視率統(tǒng)計(jì)數(shù)據(jù)已經(jīng)成為電視臺(tái)評(píng)價(jià)自己的節(jié)目，確定各頻道和時(shí)段廣告價(jià)位以及廣告客戶選擇媒體、頻道、時(shí)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(duì)節(jié)目進(jìn)行播出后的調(diào)查、分析和評(píng)價(jià)，而缺乏對(duì)收視率進(jìn)行播前預(yù)測(cè)。即使有播前預(yù)測(cè)那也是簡(jiǎn)單的線型預(yù)測(cè)，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(gè)人經(jīng)驗(yàn)，而不能進(jìn)

2、行科學(xué)的量化研究。 預(yù)測(cè)電視節(jié)目收視率也是一門科學(xué)，研究如何將影響收視率的種種因素轉(zhuǎn)換為相關(guān)指數(shù)，并用相對(duì)精確的數(shù)學(xué)形式表現(xiàn)出來(lái)，以消減主觀判斷的偏差。國(guó)內(nèi)有學(xué)者曾經(jīng)使用統(tǒng)計(jì)學(xué)來(lái)評(píng)判收視規(guī)律，并運(yùn)用數(shù)學(xué)上的簡(jiǎn)單線性回歸公式，推導(dǎo)收視走向。但是，它只是用來(lái)對(duì)既有收視走勢(shì)進(jìn)行某種評(píng)判和分析，并不具有預(yù)測(cè)未來(lái)的足夠能力。另外，有研究者發(fā)明了一種使用硬件設(shè)備為輔助的收視率預(yù)測(cè)系統(tǒng)，由于在較大程度上依賴于硬件設(shè)備，使用非常不方便，效率不高

3、。國(guó)外較成熟的系統(tǒng)也只有Integral Solution為英國(guó)BBC公司開(kāi)發(fā)的采用神經(jīng)網(wǎng)絡(luò)和歸納規(guī)則方法預(yù)測(cè)的收視率發(fā)現(xiàn)系統(tǒng)。 貝葉斯網(wǎng)絡(luò)的日趨成熟為解決這一問(wèn)題提供了諸多高效的方法，使進(jìn)行科學(xué)的預(yù)測(cè)變得可行。貝葉斯網(wǎng)絡(luò)是一種表示領(lǐng)域中變量之間概率關(guān)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(luò)對(duì)電視節(jié)目收視率預(yù)測(cè)模型的建立和實(shí)現(xiàn)進(jìn)行了研究，在技術(shù)方面作了一些有益的探索。 本文在翔實(shí)地

4、闡述了人工神經(jīng)網(wǎng)絡(luò)（ANN）、決策樹(shù)(DT)和貝葉斯網(wǎng)絡(luò)(Bayes)各自的定義、特點(diǎn)以及算法實(shí)現(xiàn)過(guò)程的基礎(chǔ)上，分別采用ANN、DT、Bayes三種方法建立和實(shí)現(xiàn)了電視節(jié)目收視率預(yù)測(cè)模型，并在此基礎(chǔ)上對(duì)各種預(yù)測(cè)結(jié)果進(jìn)行了比較分析。主要研究工作和成果有： 1）對(duì)電視節(jié)目收視率的定義、作用和調(diào)查評(píng)價(jià)方法作了詳細(xì)的介紹，分析了收視率定量預(yù)測(cè)的數(shù)學(xué)模型，確立了影響收視率的10個(gè)主要因素。實(shí)驗(yàn)表明，采用這些因素作為輸入?yún)?shù)預(yù)測(cè)效果良好。

5、 2）對(duì)樣本數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行預(yù)處理，根據(jù)對(duì)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(gè)數(shù)，并依此得到人工神經(jīng)網(wǎng)絡(luò)（ANN）預(yù)測(cè)模型的基本結(jié)構(gòu)。在MATLAB環(huán)境下進(jìn)行多次實(shí)驗(yàn)，根據(jù)訓(xùn)練誤差曲線圖和預(yù)測(cè)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(diǎn)是樣本數(shù)量較多時(shí)收斂速度很慢； 3）應(yīng)用決策樹(shù)（DT）中的ID3算法建立收視率預(yù)測(cè)模型，通過(guò)實(shí)例詳細(xì)分析了決策樹(shù)的生成過(guò)程和分類規(guī)則的提取，并在Visu

6、al C++環(huán)境下實(shí)現(xiàn)分類結(jié)果的預(yù)測(cè)。經(jīng)過(guò)多次實(shí)驗(yàn)表明，預(yù)測(cè)結(jié)果與實(shí)際情況基本一致，但是該方法只能得出模糊值而不能計(jì)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(diǎn)之后，重點(diǎn)應(yīng)用貝葉斯網(wǎng)絡(luò)（Bayes）方法建立了收視率預(yù)測(cè)模型。文中全面闡述了該模型的結(jié)構(gòu)、優(yōu)點(diǎn)、算法實(shí)現(xiàn)策略、算法實(shí)現(xiàn)的具體過(guò)程，并通過(guò)程序?qū)崿F(xiàn)，實(shí)驗(yàn)表明預(yù)測(cè)結(jié)果比ANN模型的計(jì)算結(jié)果更趨于實(shí)際值； 5）從訓(xùn)練時(shí)間和預(yù)測(cè)精度兩方面對(duì)三種預(yù)測(cè)模型的實(shí)

7、驗(yàn)結(jié)果進(jìn)行分析比較，通過(guò)實(shí)驗(yàn)得出的結(jié)論是：DT的訓(xùn)練速度為三者中最快，但精度最低；相對(duì)于ANN模型而言，Bayes模型的訓(xùn)練時(shí)間更短，精度更高，因此三種模型中Bayes模型的預(yù)測(cè)效果最佳。 綜上所述，DT和ANN都有各自的優(yōu)缺點(diǎn)，而混合Bayes結(jié)構(gòu)，既有DT與ANN的優(yōu)點(diǎn)，又克服了DT只能給出0-1兩態(tài)值和ANN解決大規(guī)模問(wèn)題時(shí)速度慢的缺點(diǎn)，預(yù)測(cè)效果最優(yōu)，較適合用于對(duì)影響因素多、樣本數(shù)據(jù)庫(kù)大的電視節(jié)目收視率分析系統(tǒng)建立預(yù)測(cè)模型