[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

权利要求书

1.一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。

2.根据权利要求1所述的网络热度预测的方法，其特征在于，所述步骤1中的深度神经网络中为含有多层限制玻尔兹曼机的深度置信网，网络的第一层特征信息为：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；第二层为SVM层；第三层为限制玻尔兹曼机层，其中第一、二、三层之间形成全连接进行信息反馈；第四层为最终的输出层，获得最佳播放时间段、最佳上映频道参数信息。

3.一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；

最优参数生成模块，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。

4.根据权利要求1所述的网络热度预测的系统，其特征在于，所述模型构建模块中的深度神经网络中为含有多层限制玻尔兹曼机的深度置信网，网络的第一层特征信息为：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；第二层为SVM层；第三层为限制玻尔兹曼机层，其中第一、二、三层之间形成全连接进行信息反馈；第四层为最终的输出层，获得最佳播放时间段、最佳上映频道参数信息。

5.一种存储有指令的程序介质，其存储的程序指令能够实现如权利要求1-2所述的方法。