基于大數據的視頻評估模型研究與系統(tǒng)實現

基于大數據的視頻評估模型研究與系統(tǒng)實現學生：于龍鳳導師：顧軍華專業(yè)：計算機科學與技術主要內容1課題研究背景與意義2課題研究現狀3課題主要研究內容

3.1完善視頻評估指標體系3.2構建視頻評估模型3.3建立視頻評估系統(tǒng)4總結與展望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)展的關鍵。如何對大量的視頻進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。結合新媒體平臺上海量視頻相關數據完善視頻評估指標體系，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）人為制定評估指標的權重，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）手動收集視頻相關信息，并進行視頻評估，耗費大量的人力物力。

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

一級指標二級指標指標賦值知名度傳統(tǒng)媒體報道數量論壇議題數量12.512.5關注度網民評論量12.5收視度點擊量下載量12.512.5推薦度網頁位置12.5滿意度正負向意見分布12.5集中度網友類型分布12.52課題研究現狀—視頻評估現狀（2）《大數據背景下收視評估體系再思考》2013

文章提出的幾方面設想：

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

2）在新媒體和大數據的環(huán)境下，能夠采集到的數據幾乎是全部的數據，而不是傳統(tǒng)媒體利用樣本數據進行評估視頻。

3）挖掘用戶大數據是利用大數據評估視頻的關鍵。2課題研究現狀—視頻評估現狀（3）《多屏發(fā)展背景下電視節(jié)目評估指標體系創(chuàng)新初探》2015

一級指標二級指標數據來源收視度點擊量視頻網站下載量視頻網站討論量視頻網站、社會化媒體滿意度視頻網站跟帖意見視頻網站社會化媒體討論意見社會化媒體2課題研究現狀—建立視頻評估模型的方法算法特點主成分分析法1、定量化各個指標之間的權重；2、人為主觀因素大；層次分析法BP神經網絡1、不著重于指標的權重，主要是分析指標與評估結果之間的關系；2、基于歷史行為數據建立評估模型；主要研究內容3.1完善視頻評估指標體系3.2構建視頻評估模型

3.3建立視頻評估系統(tǒng)3.1完善視頻評估指標體系序號指標數據來源1播放量傳統(tǒng)媒體、視頻播放網站2下載量視頻播放網站3票房（電影）電影網表3.1基于收視度的評估指標及數據來源3.1完善視頻評估指標體系序號指標數據來源1網絡評分視頻播放網站、豆瓣2網絡討論量視頻播放網站、論壇、微博、豆瓣3網絡評論的正負面意見視頻播放網站、論壇、微博、豆瓣表3.2基于網絡影響度的指標以及數據來源3.1完善視頻評估指標體系序號指標數據來源1上映時間視頻播放網站、豆瓣2上映地區(qū)視頻播放網站、豆瓣3創(chuàng)作團隊（導演、演員等）豆瓣網、時光網4片種視頻播放網站、豆瓣5首播平臺（電視劇）視頻播放網站、豆瓣、百度百科6出品單位（少兒片、紀錄片）視頻播放網站、豆瓣、百度百科表3.3基于視頻本身的評估指標和數據來源3.2構建視頻評估模型輸入層：視頻評估指標的各個指標量化之后的數據；輸出層：視頻的IPTV隱式評分；3.2構建視頻評估模型原評估模型：人為設定評估指標權重；現評估模型：基于BP神經網絡構建的評估模型；3.2構建視頻評估模型—BP神經網絡并行化計算流程3.2構建視頻評估模型—Spark平臺上RDD轉換過程3.2構建視頻評估模型—基于Spark平臺在Spark平臺下進行BP神經網絡訓練，計算加速比。公式中，Sp代表加速比，T1代表使用1個節(jié)點時任務執(zhí)行時間，Tp代表使用p個節(jié)點時任務執(zhí)行時間。3.2構建視頻評估模型—基于Spark平臺在Spark平臺下進行BP神經網絡訓練有效提高的了訓練效率：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總結與展望總結：1）首先，完善了IPTV視頻評估指標體系。

結合視頻相關海量數據從視頻收視度、視頻網絡影響度、視頻內容三個方面完善視頻評估指標體系。并指出各個指標的數據來源和量化標準，為后續(xù)建立視頻評估模型提供數據支持。2）其次，構建了視頻評估模型。

引入IPTV視頻隱式評分，并利用BP神經網絡方法建立視頻評估模型。各個指標的定量之后的數據作為輸入，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，并在大數據量的基礎上，選擇在Spark大數據處理平臺上進行BP神經網絡訓練，能夠有效的提高構建評估模型的效率。3）最后，建立了視頻評估系統(tǒng)。

系統(tǒng)能夠實現視頻信息的采集、整合、補充、評估功能，為非技術人員提供視頻評估的一站式服務。4總結與展望展望：1）首先，在基于大數據的基礎上，視頻評估體系的指標還應該再進行豐富。比如，視頻網絡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，各個評估指標的量化標準