基于BP神經(jīng)網(wǎng)絡(luò)的電視節(jié)目收視率預(yù)測(cè)模型

汪 洋，田 鋼，溫淑鴻

（中國(guó)傳媒大學(xué) 信息工程學(xué)院，北京 100024）

基于BP神經(jīng)網(wǎng)絡(luò)的電視節(jié)目收視率預(yù)測(cè)模型

汪 洋，田 鋼，溫淑鴻

（中國(guó)傳媒大學(xué) 信息工程學(xué)院，北京 100024）

電視節(jié)目收視率預(yù)測(cè)是一種典型非線性預(yù)測(cè)，收視率在短時(shí)間內(nèi)相對(duì)穩(wěn)定。人工神經(jīng)網(wǎng)絡(luò)具有良好的容錯(cuò)性、自適應(yīng)學(xué)習(xí)能力以及非線性映射能力，采用人工神經(jīng)網(wǎng)絡(luò)做收視率預(yù)測(cè)精度較高。基于BP神經(jīng)網(wǎng)絡(luò)建立了預(yù)測(cè)模型，并采用軟件仿真的方式對(duì)預(yù)測(cè)過程以及預(yù)測(cè)結(jié)果進(jìn)行分析，實(shí)驗(yàn)結(jié)果表明采用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)電視節(jié)目收視率是可行的。

BP神經(jīng)網(wǎng)絡(luò)；收視率；預(yù)測(cè)

收視率是電視節(jié)目的一個(gè)重要指標(biāo)，它不僅關(guān)系到某檔節(jié)目在觀眾中的口碑，還直接關(guān)系到節(jié)目經(jīng)營(yíng)效益和廣告價(jià)值。如果能準(zhǔn)確預(yù)測(cè)電視臺(tái)預(yù)期播出節(jié)目的收視率，就能夠更好地進(jìn)行節(jié)目調(diào)度工作。

考慮到特定電視節(jié)目的受眾群體相對(duì)穩(wěn)定，排除極少數(shù)突發(fā)事件的影響，電視節(jié)目收視率在短時(shí)間內(nèi)是具有很強(qiáng)穩(wěn)定性的，因此近期收視率數(shù)據(jù)在預(yù)測(cè)即將播出的節(jié)目收視率的問題中具有很大的價(jià)值。本文提出的基于BP神經(jīng)網(wǎng)絡(luò)[1-2]的預(yù)測(cè)方法，與決策樹理論、貝葉斯網(wǎng)絡(luò)[3]以及ARMA模型等方法相比，更注重?cái)?shù)據(jù)之間的穩(wěn)定規(guī)律，因此精度相對(duì)較高。

1 BP神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介

人工神經(jīng)網(wǎng)絡(luò)是一種并行計(jì)算網(wǎng)絡(luò)，具有自學(xué)習(xí)性、良好容錯(cuò)性和非線性映射能力。BP算法的實(shí)質(zhì)就是求解誤差函數(shù)的最小值問題，BP算法因其簡(jiǎn)單、易行、計(jì)算量小、并行性強(qiáng)等優(yōu)點(diǎn)，目前是神經(jīng)網(wǎng)絡(luò)訓(xùn)練采用比較多也是比較成熟的訓(xùn)練算法之一。

BP神經(jīng)網(wǎng)絡(luò)是一種多層感知器結(jié)構(gòu)，它通常具有一個(gè)輸入層，若干個(gè)隱含層，以及一個(gè)輸出層，每層具有多個(gè)神經(jīng)元，神經(jīng)元之間彼此聯(lián)系，對(duì)應(yīng)著相應(yīng)的權(quán)值和閾值，在神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程中，各個(gè)權(quán)值和閾值將不斷調(diào)整。BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程是一個(gè)反復(fù)迭代的過程，在每一次迭代過程中信號(hào)正向傳播，由輸入層輸入數(shù)據(jù)，經(jīng)各層傳導(dǎo)和計(jì)算后傳向輸出層，得到數(shù)據(jù)后和真實(shí)值比對(duì)得到誤差，然后將誤差值反向傳輸，調(diào)整各個(gè)權(quán)值和閾值。這樣周而復(fù)始地迭代調(diào)整，直到誤差減小到預(yù)期范圍內(nèi)，或者達(dá)到了預(yù)設(shè)最大訓(xùn)練次數(shù)。BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練流程圖見圖1。對(duì)大量的樣本數(shù)據(jù)進(jìn)行自適應(yīng)學(xué)習(xí)后，網(wǎng)絡(luò)中的權(quán)值和閾值已經(jīng)調(diào)整到與對(duì)應(yīng)模型相適應(yīng)的狀態(tài)，便可以用此訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行自動(dòng)推理和識(shí)別。

圖1 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練流程圖

2 預(yù)測(cè)模型與仿真

影響電視收視率的因素很多，主要有所在頻道、播出時(shí)間、節(jié)目包裝、節(jié)目編排、名人效應(yīng)等，所以收視率預(yù)測(cè)是一個(gè)典型的非線性預(yù)測(cè)，而BP神經(jīng)網(wǎng)絡(luò)具有很好的非線性映射能力[4-5]。同時(shí)電視收視率具有相對(duì)穩(wěn)定的特點(diǎn)，可以建立BP神經(jīng)網(wǎng)絡(luò)，通過對(duì)歷史數(shù)據(jù)的學(xué)習(xí)來推測(cè)未播出節(jié)目的收視情況。不難看出，選用BP神經(jīng)網(wǎng)絡(luò)來預(yù)測(cè)電視收視率是可行的。

2.1 仿真軟件的選取

本論文的仿真軟件選用MATLAB，MATLAB中有神經(jīng)網(wǎng)絡(luò)工具箱，能夠快速地建立神經(jīng)網(wǎng)絡(luò)，方便進(jìn)行模型計(jì)算。MATLAB還能自動(dòng)給出訓(xùn)練次數(shù)、訓(xùn)練時(shí)間、誤差函數(shù)指標(biāo)等參數(shù)，以及自動(dòng)生成誤差函數(shù)。

2.2 預(yù)測(cè)模型的建立

本模型中建立了具有一個(gè)隱含層的神經(jīng)網(wǎng)絡(luò)，輸入層、隱含層、輸出層具有的神經(jīng)元個(gè)數(shù)分別為3個(gè)、7個(gè)和1個(gè)，層之間的傳遞函數(shù)選用tansig，輸出選用log?sig函數(shù)，訓(xùn)練函數(shù)選用traingd。其神經(jīng)網(wǎng)絡(luò)模型如圖2所示。

圖2 神經(jīng)網(wǎng)絡(luò)模型

本模型中的輸入層含有3個(gè)神經(jīng)元，輸出含有1個(gè)神經(jīng)元，在訓(xùn)練或者預(yù)測(cè)實(shí)驗(yàn)中，將前3期節(jié)目的收視數(shù)據(jù)作為輸入，經(jīng)過神經(jīng)元計(jì)算后，輸出下一期節(jié)目收視率。

可以采用多個(gè)隱含層，隱含層增多會(huì)使預(yù)測(cè)精度增加，但在計(jì)算過程中會(huì)耗費(fèi)大量時(shí)間。理論已經(jīng)證明神經(jīng)網(wǎng)絡(luò)只要擁有一個(gè)隱含層，就能通過增加隱含層神經(jīng)元個(gè)數(shù)的方法來逼近任何一個(gè)復(fù)雜非線性模型。本模型中只含有一個(gè)隱含層，而采用增加隱含層神經(jīng)元個(gè)數(shù)的方法來完成精確預(yù)測(cè)。

2.3 仿真分析

某檔綜藝節(jié)目在北京市的2013年前12期節(jié)目收視率分別為0.208 1%，0.211 3%，0.204 2%，0.192 6%，0.188 7%，0.197 7%，0.202 9%，0.206 0%，0.205 5%，0.209 4%，0.212 8%，0.206 5%，從而預(yù)測(cè)第13期節(jié)目的收視率。根據(jù)以上神經(jīng)網(wǎng)絡(luò)模型，可以得到9組樣本數(shù)據(jù)，見表1。

表1 樣本數(shù)據(jù)

最大迭代次數(shù)設(shè)置為15 000次，預(yù)設(shè)精度設(shè)置為0.1%，然后開始訓(xùn)練神經(jīng)網(wǎng)絡(luò)。

訓(xùn)練神經(jīng)網(wǎng)絡(luò)之后，將第10期節(jié)目、第11期節(jié)目以及第12期節(jié)目收視率作為輸入，神經(jīng)網(wǎng)絡(luò)輸出值便是第13期節(jié)目收視率，見表2。

表2 預(yù)測(cè)計(jì)算的輸入和輸出

第13期節(jié)目預(yù)測(cè)結(jié)果為0.205 4%，誤差曲線如圖3所示。

圖3 誤差曲線圖

從誤差曲線中可以看出，經(jīng)過1 261次迭代，神經(jīng)網(wǎng)絡(luò)精度達(dá)到預(yù)設(shè)值0.1%。

為了測(cè)試模型的可行性，實(shí)驗(yàn)還測(cè)試了多組數(shù)據(jù)，部分?jǐn)?shù)據(jù)測(cè)試結(jié)果見表3。實(shí)驗(yàn)中已知某檔電視節(jié)目在北京市的2013年前12期節(jié)目收視率，建立上述神經(jīng)網(wǎng)絡(luò)，預(yù)測(cè)第13期節(jié)目的收視率。

表3 測(cè)試數(shù)據(jù)表

應(yīng)該注意的是，BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)是非線性預(yù)測(cè)，同樣結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)輸入同樣一組數(shù)據(jù)，多次實(shí)驗(yàn)的結(jié)果并不一定完全相同，但都在誤差允許范圍之內(nèi)。另外，由于BP神經(jīng)網(wǎng)絡(luò)采用非線性規(guī)劃中的最速下降方法，BP神經(jīng)網(wǎng)絡(luò)收斂速度較慢，偶爾出現(xiàn)迭代次數(shù)達(dá)到規(guī)定的最大次數(shù)15 000次還未收斂的情況，此時(shí)預(yù)測(cè)實(shí)驗(yàn)失敗，經(jīng)過統(tǒng)計(jì)這類情況的失誤率約為13.203%，但是實(shí)驗(yàn)失敗后用同樣結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)和同樣的數(shù)據(jù)重復(fù)實(shí)驗(yàn)?zāi)軌虻玫狡谕念A(yù)測(cè)效果。希望今后的研究者能改進(jìn)算法，得到更好的實(shí)驗(yàn)效果。

3 小結(jié)

本文建立一種可以預(yù)測(cè)電視節(jié)目收視率的BP神經(jīng)網(wǎng)絡(luò)，經(jīng)驗(yàn)證，經(jīng)過有限次迭代后，能夠達(dá)到預(yù)期的0.1%的精確度，說明采用這種方法預(yù)測(cè)收視率是可行的，且精確度較高。這種方法不僅能為電視臺(tái)工作人員在節(jié)目編排和調(diào)整上提供很大幫助，也能為廣告投放商提供數(shù)據(jù)參考。

[1] ADYA M，COLLOPY F.How effective are neural network at fore?casting and prediction?A review and evaluation[J]．Journal of Forecasting，1998（17）：481-495．

[2] 鄔麗云，曲洲青.基于BP神經(jīng)網(wǎng)絡(luò)的收視率預(yù)測(cè)[J].中國(guó)傳媒大學(xué)學(xué)報(bào)：自然科學(xué)版，2011，18（3）：59-62．

[3]張晶，白冰，蘇勇.基于貝葉斯網(wǎng)絡(luò)的電視節(jié)目收視率預(yù)測(cè)研究[J].科學(xué)技術(shù)與工程，2007，7（19）：5099-5102．

[4] 吳江，張國(guó)華.電視欄目收視率預(yù)測(cè)的一種方法[J].市場(chǎng)調(diào)研，2009（11）：34-38．

[5] 徐永群，陳年友，朱怡權(quán)，等.BP神經(jīng)網(wǎng)絡(luò)計(jì)算法及其應(yīng)用研究[J].黃岡師范學(xué)院學(xué)報(bào)，2000，20（3）：74-78.

Prediction M odel of Television Program Rating Based on BP Neural Network

WANG Yang,TIAN Gang,WEN Shuhong
（Information Engineering School,Communication University of China,Beijing 100024,China）

The television program rating prediction is a typical nonlinear prediction,and the rating is relatively stable in a short time.Artificial neural network has a good fault tolerance,adaptive learning ability and nonlinear mapping ability, therefore the prediction model of television program rating based on BP neural network has high precision.Prediction model is established based on BP neural network,and using software simulation approach predicting process.The predicted results are analyzed.The test results show that the prediction of television program rating using BP neural network is feasible.

BP neural network;rating;prediction

TN948；TP389

A

??健男

2013-07-20

【本文獻(xiàn)信息】汪洋，田鋼，溫淑鴻.基于BP神經(jīng)網(wǎng)絡(luò)的電視節(jié)目收視率預(yù)測(cè)模型[J].電視技術(shù)，2014，38（6）.

汪 洋（1989—），碩士生，主研數(shù)字廣播電視技術(shù)；

田 鋼（1986—），碩士生，主研數(shù)字媒體技術(shù);

溫淑鴻（1969—），副教授，碩士生導(dǎo)師，主研嵌入式技術(shù)。