基于统计学习和深度学习的电视剧热度研究-丘成桐中学科学奖.PDF

基于统计学习和深度学习的电视剧热度研究 参赛队员姓名： 李嘉乐，谷芸竹，王博文 中学：青岛第二中学 省份：山东省 国家/地区：中国 指导教师姓名：朱彬 论文题目： 基于统计学习与深度学习的电视剧 热度研究 - 1 - 基于统计学习和深度学习的电视剧热度研究 基于统计学习和深度学习的电视剧热度研究 山东省青岛第二中学，李嘉乐，谷芸竹，王博文 摘要：本文将传统的统计学习技术与深度学习相结合，利用网络爬虫获取数据，利用自 回归积分滑动平均模型和以Tensorflow 为基础的长短期记忆神经网络模型进行了准确 的电视剧收视率预测，应用统计学方法对电视剧收视率和播放量进行分析和比较，利用 因子分析法给出了有参考价值的电视剧热度定义和计算方法及电视剧热度排行榜，最后 利用神经网络模型和以 Tensorflow 为基础的多元线性回归模型给出电视剧热度的预测 模型。本文实现了传统的统计学习方法和深度学习的优势互补，达到了理论系统和现实 应用的有机统一。 关键词：电视剧热度 网络爬虫 因子分析 时间序列 Tensorflow - 2 - 基于统计学习和深度学习的电视剧热度研究 目录 定义过程17 5.2. 比较电视剧热度和收视率、播放量 1. 前言3 排名的异同18 2. 数据来源及表示名称3 5.2.1.三种排名的比较 18 2.1.新浪微指数3 5.2.2.排名存在差异的原因讨论-- 19 2.2.爱奇艺指数4 5.3.2017 年电视剧热度前十名及对所 3. 数据处理5 给热度定义的看法20 4. 角度一7 5.3.1.截至目前 2017 年电视剧热度 4.1. 电视剧收视率预测问题7 前十名20 4.1.1. 基于 ARIMA 模型的预测方 5.3.2.对所给电视剧热度定义的评 法7 价20 4.1.2. 基于 TensorFlow 建立的 5.3.3.本节总结21 LSTM 神经网络模型的预测方法8 6. 扩展研究：预测未收官电视剧的热度值 4.2.探讨收视率与播放量之间的联系和 2 1 区别11 6.1.选取影响因素21 4.2.1.收视率和播放量的相关性-- 11 6.