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

1、在我國，多數(shù)電視臺從90年代后期開始使用商業(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)計數(shù)據(jù)已經(jīng)成為電視臺評價自己的節(jié)目，確定各頻道和時段廣告價位以及廣告客戶選擇媒體、頻道、時段和節(jié)目的重要依據(jù)。遺憾的是現(xiàn)有的收視率調(diào)查體系還囿于對節(jié)目進(jìn)行播出后的調(diào)查、分析和評價，而缺乏對收視率進(jìn)行播前預(yù)測。即使有播前預(yù)測那也是簡單的線型預(yù)測，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)目的推出只能憑個人經(jīng)驗(yàn)，而不能進(jìn)

2、行科學(xué)的量化研究。 預(yù)測電視節(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)，并用相對精確的數(shù)學(xué)形式表現(xiàn)出來，以消減主觀判斷的偏差。國內(nèi)有學(xué)者曾經(jīng)使用統(tǒng)計學(xué)來評判收視規(guī)律，并運(yùn)用數(shù)學(xué)上的簡單線性回歸公式，推導(dǎo)收視走向。但是，它只是用來對既有收視走勢進(jìn)行某種評判和分析，并不具有預(yù)測未來的足夠能力。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、。國外較成熟的系統(tǒng)也只有Integral Solution為英國BBC公司開發(fā)的采用神經(jīng)網(wǎng)絡(luò)和歸納規(guī)則方法預(yù)測的收視率發(fā)現(xiàn)系統(tǒng)。 貝葉斯網(wǎng)絡(luò)的日趨成熟為解決這一問題提供了諸多高效的方法，使進(jìn)行科學(xué)的預(yù)測變得可行。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)對電視節(jié)目收視率預(yù)測模型的建立和實(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(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)測模型，并在此基礎(chǔ)上對各種預(yù)測結(jié)果進(jìn)行了比較分析。主要研究工作和成果有： 1）對電視節(jié)目收視率的定義、作用和調(diào)查評價方法作了詳細(xì)的介紹，分析了收視率定量預(yù)測的數(shù)學(xué)模型，確立了影響收視率的10個主要因素。實(shí)驗(yàn)表明，采用這些因素作為輸入?yún)?shù)預(yù)測效果良好。

5、 2）對樣本數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行預(yù)處理，根據(jù)對影響收視率的因素作的分析確立了輸入輸出層的神經(jīng)元個數(shù)，并依此得到人工神經(jīng)網(wǎng)絡(luò)（ANN）預(yù)測模型的基本結(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)量較多時收斂速度很慢； 3）應(yīng)用決策樹（DT）中的ID3算法建立收視率預(yù)測模型，通過實(shí)例詳細(xì)分析了決策樹的生成過程和分類規(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。經(jīng)過多次實(shí)驗(yàn)表明，預(yù)測結(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)的具體過程，并通過程序?qū)崿F(xiàn)，實(shí)驗(yàn)表明預(yù)測結(jié)果比ANN模型的計算結(jié)果更趨于實(shí)際值； 5）從訓(xùn)練時間和預(yù)測精度兩方面對三種預(yù)測模型的實(shí)

7、驗(yàn)結(jié)果進(jìn)行分析比較，通過實(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；相對于ANN模型而言，Bayes模型的訓(xùn)練時間更短，精度更高，因此三種模型中Bayes模型的預(yù)測效果最佳。 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)模問題時速度慢的缺點(diǎn)，預(yù)測效果最優(yōu)，較適合用于對影響因素多、樣本數(shù)據(jù)庫大的電視節(jié)目收視率分析系統(tǒng)建立預(yù)測模型