基于大數(shù)據(jù)的視頻評估模型研究與系統(tǒng)實(shí)現(xiàn)

基于大數(shù)據(jù)的視頻評估模型研究與系統(tǒng)實(shí)現(xiàn)學(xué)生：于龍鳳導(dǎo)師：顧軍華專業(yè)：計算機(jī)科學(xué)與技術(shù)主要內(nèi)容1課題研究背景與意義2課題研究現(xiàn)狀3課題主要研究內(nèi)容

3.1完善視頻評估指標(biāo)體系3.2構(gòu)建視頻評估模型3.3建立視頻評估系統(tǒng)4總結(jié)與展望1課題研究背景及意義1）隨著IPTV用戶的不斷增多，洞察和理解用戶的需求成為發(fā)展的關(guān)鍵。如何對大量的視頻進(jìn)行評估并選擇出更受用戶喜歡的視頻成為IPTV亟待解決的問題。結(jié)合新媒體平臺上海量視頻相關(guān)數(shù)據(jù)完善視頻評估指標(biāo)體系，能夠更加全面的評估視頻，以選擇更受用戶喜歡的視頻。1課題研究背景及意義2）人為制定評估指標(biāo)的權(quán)重，主觀因素影響較大。引入反映IPTV受眾群體喜好的隱式評分并建立視頻評估模型，有利于減少人為主觀因素對視頻評估的影響。1課題研究背景及意義3）手動收集視頻相關(guān)信息，并進(jìn)行視頻評估，耗費(fèi)大量的人力物力。

建立視頻評估系統(tǒng)，能夠有效的節(jié)約視頻評估的時間，方便非技術(shù)人員進(jìn)行視頻評估。2課題研究現(xiàn)狀——視頻評估的現(xiàn)狀（1）《收視率全效指標(biāo)評估體系研究—以電視劇為例》2009

一級指標(biāo)二級指標(biāo)指標(biāo)賦值知名度傳統(tǒng)媒體報道數(shù)量論壇議題數(shù)量12.512.5關(guān)注度網(wǎng)民評論量12.5收視度點(diǎn)擊量下載量12.512.5推薦度網(wǎng)頁位置12.5滿意度正負(fù)向意見分布12.5集中度網(wǎng)友類型分布12.52課題研究現(xiàn)狀—視頻評估現(xiàn)狀（2）《大數(shù)據(jù)背景下收視評估體系再思考》2013

文章提出的幾方面設(shè)想：

1）新媒體環(huán)境下，視頻的內(nèi)容提供者多元化，應(yīng)該綜合多屏環(huán)境下評估視頻。

2）在新媒體和大數(shù)據(jù)的環(huán)境下，能夠采集到的數(shù)據(jù)幾乎是全部的數(shù)據(jù)，而不是傳統(tǒng)媒體利用樣本數(shù)據(jù)進(jìn)行評估視頻。

3）挖掘用戶大數(shù)據(jù)是利用大數(shù)據(jù)評估視頻的關(guān)鍵。2課題研究現(xiàn)狀—視頻評估現(xiàn)狀（3）《多屏發(fā)展背景下電視節(jié)目評估指標(biāo)體系創(chuàng)新初探》2015

一級指標(biāo)二級指標(biāo)數(shù)據(jù)來源收視度點(diǎn)擊量視頻網(wǎng)站下載量視頻網(wǎng)站討論量視頻網(wǎng)站、社會化媒體滿意度視頻網(wǎng)站跟帖意見視頻網(wǎng)站社會化媒體討論意見社會化媒體2課題研究現(xiàn)狀—建立視頻評估模型的方法算法特點(diǎn)主成分分析法1、定量化各個指標(biāo)之間的權(quán)重；2、人為主觀因素大；層次分析法BP神經(jīng)網(wǎng)絡(luò)1、不著重于指標(biāo)的權(quán)重，主要是分析指標(biāo)與評估結(jié)果之間的關(guān)系；2、基于歷史行為數(shù)據(jù)建立評估模型；主要研究內(nèi)容3.1完善視頻評估指標(biāo)體系3.2構(gòu)建視頻評估模型

3.3建立視頻評估系統(tǒng)3.1完善視頻評估指標(biāo)體系序號指標(biāo)數(shù)據(jù)來源1播放量傳統(tǒng)媒體、視頻播放網(wǎng)站2下載量視頻播放網(wǎng)站3票房（電影）電影網(wǎng)表3.1基于收視度的評估指標(biāo)及數(shù)據(jù)來源3.1完善視頻評估指標(biāo)體系序號指標(biāo)數(shù)據(jù)來源1網(wǎng)絡(luò)評分視頻播放網(wǎng)站、豆瓣2網(wǎng)絡(luò)討論量視頻播放網(wǎng)站、論壇、微博、豆瓣3網(wǎng)絡(luò)評論的正負(fù)面意見視頻播放網(wǎng)站、論壇、微博、豆瓣表3.2基于網(wǎng)絡(luò)影響度的指標(biāo)以及數(shù)據(jù)來源3.1完善視頻評估指標(biāo)體系序號指標(biāo)數(shù)據(jù)來源1上映時間視頻播放網(wǎng)站、豆瓣2上映地區(qū)視頻播放網(wǎng)站、豆瓣3創(chuàng)作團(tuán)隊（導(dǎo)演、演員等）豆瓣網(wǎng)、時光網(wǎng)4片種視頻播放網(wǎng)站、豆瓣5首播平臺（電視?。┮曨l播放網(wǎng)站、豆瓣、百度百科6出品單位（少兒片、紀(jì)錄片）視頻播放網(wǎng)站、豆瓣、百度百科表3.3基于視頻本身的評估指標(biāo)和數(shù)據(jù)來源3.2構(gòu)建視頻評估模型輸入層：視頻評估指標(biāo)的各個指標(biāo)量化之后的數(shù)據(jù)；輸出層：視頻的IPTV隱式評分；3.2構(gòu)建視頻評估模型原評估模型：人為設(shè)定評估指標(biāo)權(quán)重；現(xiàn)評估模型：基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建的評估模型；3.2構(gòu)建視頻評估模型—BP神經(jīng)網(wǎng)絡(luò)并行化計算流程3.2構(gòu)建視頻評估模型—Spark平臺上RDD轉(zhuǎn)換過程3.2構(gòu)建視頻評估模型—基于Spark平臺在Spark平臺下進(jìn)行BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練，計算加速比。公式中，Sp代表加速比，T1代表使用1個節(jié)點(diǎn)時任務(wù)執(zhí)行時間，Tp代表使用p個節(jié)點(diǎn)時任務(wù)執(zhí)行時間。3.2構(gòu)建視頻評估模型—基于Spark平臺在Spark平臺下進(jìn)行BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練有效提高的了訓(xùn)練效率：3.3建立視頻評估系統(tǒng)3.3建立視頻評估系統(tǒng)—視頻信息采集模塊3.3建立視頻評估系統(tǒng)—視頻信息整合模塊3.3建立視頻評估系統(tǒng)—視頻信息補(bǔ)充模塊3.3建立視頻評估系統(tǒng)—視頻信息評估模塊4總結(jié)與展望總結(jié)：1）首先，完善了IPTV視頻評估指標(biāo)體系。

結(jié)合視頻相關(guān)海量數(shù)據(jù)從視頻收視度、視頻網(wǎng)絡(luò)影響度、視頻內(nèi)容三個方面完善視頻評估指標(biāo)體系。并指出各個指標(biāo)的數(shù)據(jù)來源和量化標(biāo)準(zhǔn)，為后續(xù)建立視頻評估模型提供數(shù)據(jù)支持。2）其次，構(gòu)建了視頻評估模型。

引入IPTV視頻隱式評分，并利用BP神經(jīng)網(wǎng)絡(luò)方法建立視頻評估模型。各個指標(biāo)的定量之后的數(shù)據(jù)作為輸入，視頻隱式評分作為輸出。本文建立的視頻評估模型能夠更加有效的評估視頻，并在大數(shù)據(jù)量的基礎(chǔ)上，選擇在Spark大數(shù)據(jù)處理平臺上進(jìn)行BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練，能夠有效的提高構(gòu)建評估模型的效率。3）最后，建立了視頻評估系統(tǒng)。

系統(tǒng)能夠?qū)崿F(xiàn)視頻信息的采集、整合、補(bǔ)充、評估功能，為非技術(shù)人員提供視頻評估的一站式服務(wù)。4總結(jié)與展望展望：1）首先，在基于大數(shù)據(jù)的基礎(chǔ)上，視頻評估體系的指標(biāo)還應(yīng)該再進(jìn)行豐富。比如，視頻網(wǎng)絡(luò)媒體上的不同時段的用戶情況，視頻的原著的影響情況等。2）其次，各個評估指標(biāo)的量化標(biāo)準(zhǔn)