发明名称 |
一种基于深度信念网络的视频热度预测方法及其系统 |
摘要 |
本发明提供了一种基于深度信念网络的视频热度预测方法,包括:根据视频特征选择输入变量并对影响因子进行归一量化,以对训练数据进行预处理;根据所选择的输入变量以及特征重构误差确定单层的限制性玻尔兹曼机重构维数,并通过多层限制性玻尔兹曼机的堆叠和BP神经网络以构成深度信念网络;通过全局学算法对所述深度信念网络进行调整,以获取最优视频预测模型;将待测的视频测试数据放入所述最优视频预测模型中进行热度预测分析以及观看量预测分析。本发明还提供了一种基于深度信念网络的视频热度预测系统。本发明提出了一种基于深度信念网络的在线视频预测模型,将深层神经网络应用于在线视频预测领域,且能提高预测的准确度和可靠性。 |
申请公布号 |
CN105635762A |
申请公布日期 |
2016.06.01 |
申请号 |
CN201610027422.7 |
申请日期 |
2016.01.15 |
申请人 |
深圳大学 |
发明人 |
陈亮;张俊池;王娜;李霞 |
分类号 |
H04N21/258(2011.01)I;G06F17/30(2006.01)I |
主分类号 |
H04N21/258(2011.01)I |
代理机构 |
深圳市恒申知识产权事务所(普通合伙) 44312 |
代理人 |
王利彬 |
主权项 |
一种基于深度信念网络的视频热度预测方法,其特征在于,所述方法包括:根据视频特征选择输入变量并对影响因子进行归一量化,以对训练数据进行预处理;根据所选择的输入变量以及特征重构误差确定单层的限制性玻尔兹曼机重构维数,并通过多层限制性玻尔兹曼机的堆叠和BP神经网络以构成深度信念网络;通过全局学习算法对所述深度信念网络进行调整,以获取最优视频预测模型;将待测的视频测试数据放入所述最优视频预测模型中进行热度预测分析以及观看量预测分析。 |
地址 |
518000 广东省深圳市南山区南海大道3688号 |