[发明专利]一种视频播放流量预测方法及装置

说明书

本发明提供了一种视频播放流量预测方法及装置，获取待预测视频的视频信息，其中，待预测视频可以是任意一个未播出的视频。然后，从该视频信息中提取关键特征，并将该关键特征输入到预测模型中，预测该待预测视频在未来播出后的播放流量的目标预测值及预测值范围，其中，目标预测值是待预测视频在未来播出后出现概率最大的播放流量，以及，出现概率不低于概率阈值的播放流量预测值范围。可见，利用该预测方法不仅能够预测得到播放流量的目标预测值，还能够预测得到播放流量的预测值范围。因此提高了播放流量预测结果的可信度和合理性。

技术领域

本发明属于互联网技术领域，尤其涉及一种视频播放流量的预测方法及装置。

背景技术

对于视频相关企业而言，视频播放流量(例如，视频播放数)是十分关键的参考指标。例如，对视频(例如，影视剧、综艺节目等)的播放流量相关指标进行预测，可以为节目制作、策划、视频版权采购、运营、内容宣发等多个方面提供重要参考依据。

目前预测视频播放流量的方式，通常是在视频播出前的某个时间，例如，视频播出前几个月或半个月，预测视频播出后的播放流量相关指标的数值，例如，该视频播出后的播放流量数值。但获得的播放流量数值可能与实际播出后的播放流量值相差很多，即预测准确率低。

发明内容

有鉴于此，本发明的目的在于提供一种视频播放流量预测方法及装置，以解决传统的视频播放流量方式预测准确率低的问题。

第一方面，本申请提供了一种视频播放流量预测方法，包括：

获取待预测视频的视频信息，所述视频信息包括与视频播放流量相关的信息；

从所述视频信息中提取关键特征；

将所述关键特征输入至预测模型，得到所述待预测视频播出后的播放流量的目标预测值及预测值范围，所述预测模型利用已播出视频的视频信息对线性回归模型进行训练得到。

可选地，所述从所述视频信息中提取关键特征，包括：

从所述视频信息中提取关键信息；

将所述关键信息转换为数值型数据；

对得到的数值型数据进行归一化变换得到所述关键特征。

可选地，所述对得到的数值型数据进行归一化变换得到所述关键特征，包括：

对所述视频信息中与视频制作排播发行相关的数据所对应的数值型数据进行归一化变换，得到对应的关键特征；

将所述视频信息中与舆情口碑相关的数据所对应的数值型数据映射成正态分布数据，得到第一数值型数据，并对所述第一数值型数据进行归一化变换，得到对应的关键特征；

将所述视频信息中与流量相关的数据所对应的数值型数据映射成正态分布数据，得到第二数值型数据，并对所述第二数值型数据进行归一化变换，得到对应的关键特征。

可选地，所述方法还包括：

从训练样本数据集中提取关键信息，该训练样本数据集包括已播出视频的信息，该关键信息包括该已播出视频的视频信息及的播放流量真实值；

从所述关键信息中提取关键特征，并根据该关键特征及包含该关键特征的已播放视频对应的播放流量真实值，调整线性回归模型中的待优化特征参数，得到用于预测待预测视频的预测模型，该预测模型中包括所述待优化特征参数对应的目标数值及数值范围。

可选地，所述将所述关键特征输入至预测模型，得到所述待预测视频播出后的播放流量目标预测值及播放流量预测值范围，包括：

将所述待优化特征参数的目标数值以及所述待预测视频的关键特征，输入该预测模型的目标函数中，计算得到所述待预测视频播出后的播放流量目标预测值；