基于大数据的视频评估模型研究与系统实现

基于大数据的视频评估模型研究与系统实现学生：于龙凤导师：顾军华专业：计算机科学与技术主要内容1课题研究背景与意义2课题研究现状3课题主要研究内容

3.1完善视频评估指标体系3.2构建视频评估模型3.3建立视频评估系统4总结与展望1课题研究背景及意义1）随着IPTV用户的不断增多，洞察和理解用户的需求成为发展的关键。如何对大量的视频进行评估并选择出更受用户喜欢的视频成为IPTV亟待解决的问题。结合新媒体平台上海量视频相关数据完善视频评估指标体系，能够更加全面的评估视频，以选择更受用户喜欢的视频。1课题研究背景及意义2）人为制定评估指标的权重，主观因素影响较大。引入反映IPTV受众群体喜好的隐式评分并建立视频评估模型，有利于减少人为主观因素对视频评估的影响。1课题研究背景及意义3）手动收集视频相关信息，并进行视频评估，耗费大量的人力物力。

建立视频评估系统，能够有效的节约视频评估的时间，方便非技术人员进行视频评估。2课题研究现状——视频评估的现状（1）《收视率全效指标评估体系研究—以电视剧为例》2009

一级指标二级指标指标赋值知名度传统媒体报道数量论坛议题数量12.512.5关注度网民评论量12.5收视度点击量下载量12.512.5推荐度网页位置12.5满意度正负向意见分布12.5集中度网友类型分布12.52课题研究现状—视频评估现状（2）《大数据背景下收视评估体系再思考》2013

文章提出的几方面设想：

1）新媒体环境下，视频的内容提供者多元化，应该综合多屏环境下评估视频。

2）在新媒体和大数据的环境下，能够采集到的数据几乎是全部的数据，而不是传统媒体利用样本数据进行评估视频。

3）挖掘用户大数据是利用大数据评估视频的关键。2课题研究现状—视频评估现状（3）《多屏发展背景下电视节目评估指标体系创新初探》2015

一级指标二级指标数据来源收视度点击量视频网站下载量视频网站讨论量视频网站、社会化媒体满意度视频网站跟帖意见视频网站社会化媒体讨论意见社会化媒体2课题研究现状—建立视频评估模型的方法算法特点主成分分析法1、定量化各个指标之间的权重；2、人为主观因素大；层次分析法BP神经网络1、不着重于指标的权重，主要是分析指标与评估结果之间的关系；2、基于历史行为数据建立评估模型；主要研究内容3.1完善视频评估指标体系3.2构建视频评估模型

3.3建立视频评估系统3.1完善视频评估指标体系序号指标数据来源1播放量传统媒体、视频播放网站2下载量视频播放网站3票房（电影）电影网表3.1基于收视度的评估指标及数据来源3.1完善视频评估指标体系序号指标数据来源1网络评分视频播放网站、豆瓣2网络讨论量视频播放网站、论坛、微博、豆瓣3网络评论的正负面意见视频播放网站、论坛、微博、豆瓣表3.2基于网络影响度的指标以及数据来源3.1完善视频评估指标体系序号指标数据来源1上映时间视频播放网站、豆瓣2上映地区视频播放网站、豆瓣3创作团队（导演、演员等）豆瓣网、时光网4片种视频播放网站、豆瓣5首播平台（电视剧）视频播放网站、豆瓣、百度百科6出品单位（少儿片、纪录片）视频播放网站、豆瓣、百度百科表3.3基于视频本身的评估指标和数据来源3.2构建视频评估模型输入层：视频评估指标的各个指标量化之后的数据；输出层：视频的IPTV隐式评分；3.2构建视频评估模型原评估模型：人为设定评估指标权重；现评估模型：基于BP神经网络构建的评估模型；3.2构建视频评估模型—BP神经网络并行化计算流程3.2构建视频评估模型—Spark平台上RDD转换过程3.2构建视频评估模型—基于Spark平台在Spark平台下进行BP神经网络训练，计算加速比。公式中，Sp代表加速比，T1代表使用1个节点时任务执行时间，Tp代表使用p个节点时任务执行时间。3.2构建视频评估模型—基于Spark平台在Spark平台下进行BP神经网络训练有效提高的了训练效率：3.3建立视频评估系统3.3建立视频评估系统—视频信息采集模块3.3建立视频评估系统—视频信息整合模块3.3建立视频评估系统—视频信息补充模块3.3建立视频评估系统—视频信息评估模块4总结与展望总结：1）首先，完善了IPTV视频评估指标体系。

结合视频相关海量数据从视频收视度、视频网络影响度、视频内容三个方面完善视频评估指标体系。并指出各个指标的数据来源和量化标准，为后续建立视频评估模型提供数据支持。2）其次，构建了视频评估模型。

引入IPTV视频隐式评分，并利用BP神经网络方法建立视频评估模型。各个指标的定量之后的数据作为输入，视频隐式评分作为输出。本文建立的视频评估模型能够更加有效的评估视频，并在大数据量的基础上，选择在Spark大数据处理平台上进行BP神经网络训练，能够有效的提高构建评估模型的效率。3）最后，建立了视频评估系统。

系统能够实现视频信息的采集、整合、补充、评估功能，为非技术人员提供视频评估的一站式服务。4总结与展望展望：1）首先，在基于大数据的基础上，视频评估体系的指标还应该再进行丰富。比如，视频网络媒体上的不同时段的用户情况，视频的原著的影响情况等。2）其次，各个评估指标的量化标准