基于數據驅動的網絡內容流行度預測研究

李曉穎 趙安娜 周曉靜 楊成偉

摘 ?要：高速發(fā)展的互聯網時代使得越來越多的用戶成為網絡內容的創(chuàng)造者與分銷商，數據信息的爆炸式增長加劇了各類在線內容對于用戶關注度的競爭。用戶的搜索瀏覽與消費交易信息反映了其行為習慣與興趣愛好，從海量數據中挖掘出有效信息并將其轉化為商業(yè)價值將大大增強企業(yè)的核心競爭力。本文以網絡內容的重要組成部分——電商平臺的服裝銷售為例，回顧了網絡內容流行度的預測方法及服裝流行趨勢預測的發(fā)展歷程，并就如何利用數據驅動的方法來對在線服裝流行度進行預測展開了邏輯路徑分析，具有一定的指導意義與應用價值。

關鍵詞：數據驅動;網絡內容;流行度

中圖分類號：TP393.092;TP333 ? ? 文獻標識碼：A 文章編號：2096-4706（2019）12-0020-03

Abstract：The rapid development of the internet era has made more and more users become the creators and distributors of network content. The explosive growth of data information has intensified the competition of various online content for usersattention. Userssearch，browse and consumption transaction information reflect their behavior habits and interests. Mining effective information from massive data and transforming it into commercial value will greatly enhance the core competitiveness of enterprises. Taking the clothing sales of e-commerce platform as an example，this paper reviews the development process of forecasting the popularity of network content and the trend of clothing popularity，and carries out a logical path analysis on how to use data-driven method to predict online clothing popularity，which has certain guiding significance and application value.

Keywords：data driven;network content;popularity

0 ?引 ?言

互聯網上各類社交媒體與消費交易平臺每日產生大量的用戶社交與產品交易信息，這些內容是用戶行為習慣、關注重點、審美喜好標準最直觀的反映。面對數據信息的爆炸式增長，對網絡內容流行度進行及時而準確的預測，一方面可以幫助用戶快速尋找到所需內容，根據用戶的需求主動分配資源;另一方面，可以增強在線內容運營商的市場競爭力。其在產品推薦、營銷廣告、用戶行為分析及網絡流量管理等方面均實現了廣泛的應用。

在新零售背景下，服裝銷售渠道逐漸由線下為主轉為以線上為主，淘寶、天貓、京東等各類電商平臺積聚的大量服裝銷售數據成為網絡內容的重要組成部分。服裝流行趨勢作為時尚的風向標，一直引領著消費者的購買傾向。在以數據驅動為主導的大數據時代，從網絡內容流行度的角度出發(fā)，基于數據驅動的方法來預測服裝流行度在未來一段時間內的發(fā)展趨勢具有重要的研究價值。

1 ?網絡內容流行度預測研究現狀

預測網絡內容在互聯網上的流行程度如何隨時間變化，根據用戶的興趣主動分配網絡流量已成為一個較為活躍的研究領域。

1.1 ?網絡內容流行度的主要研究類型

網絡內容的流行度，即給定某個網絡信息i，預測其在第t個時刻的流行程度Yi（t）。目前最受歡迎的研究內容主要有在線視頻、新聞資訊、社交媒體等，而瀏覽量、評論量、轉發(fā)量等則是預測的主要度量標準。

（1）在線視頻。各大視頻分享平臺吸引了大量網絡用戶，YouTube每年的全球瀏覽量超萬億次，已成為一個活躍的大型在線社區(qū)平臺。其流行度以瀏覽量作為主要度量，且隨著時間的推移變化，可用冪律或指數分布來描述[1]。

（2）新聞資訊。在數字世界中，信息的主要來源為互聯網上傳播的大量新聞資訊，其及時、快速的特點導致人們對新聞資訊的關注度在發(fā)布后的幾天內很快消減，而在線新聞與資訊的流行度通常由瀏覽量、評論量等表示，可以用冪律或對數正態(tài)分布來描述[2]。

（3）社交媒體。社交網絡服務在互聯網平臺中占據極高的話題聚集度，基于內容共享的方式允許用戶建立和維護在線社交關系，Twitter與微博已是當下被廣泛運用的社交網絡服務。不同話題的內容可通過社交網絡進行傳播，拓展內容的覆蓋范圍。接收內容的用戶數量與內容的轉發(fā)數量通常被用來衡量流行程度，Tweet的流行度也可用冪律分布來刻畫[2]。

1.2 ?網絡內容流行度預測的研究方法

目前，在網絡內容流行趨勢預測方面的研究中，較為廣泛的研究思路為聚集用戶的關注度來推斷某在線內容未來的流行程度。這種研究思路的具體研究方法又可分為基于早期流行度的積聚增長、基于時間序列分析和網絡傳播影響力等的預測。

1.2.1 ?基于積聚增長的流行度預測

該方法通過測量某一個時刻或者某個時間點的網絡內容積累數量作為當前時刻流行度預測指標。網絡內容在發(fā)布早期的流行程度對于其后期的流行度具有很大的影響，因此，可以用早期流行度來預測該內容在未來一段時間內的流行度?；貧w分析模型經常被用于預測研究中，且對早期流行度與未來流行度進行對數處理后，二者將表現出非常強的線性相關性[3，4]。

1.2.2 ?基于時間分析的流行度預測

該方法主要是為了測量一段時期內的流行度演化趨勢。對于那種在較長一段時間內持續(xù)獲得關注度的網絡內容，早期不同時刻的流行度對于未來某一時刻的流行度的影響程度是不同的，一般考慮對不同歷史時刻的流行度建立加權多元線性回歸模型[3]來預測未來某一時刻的流行程度。這種模型在網絡連續(xù)劇的流行趨勢預測中表現出了良好的性能[5]。還有一些研究將時間序列預測模型應用于網絡內容在較長一段時間內的流行趨勢分析，比如Gursun等人就對在線視頻的日瀏覽量建立ARMA模型來預測給定的第n天視頻的流行度[6]。在線內容往往具有幾種常見的時間演化模式，通過聚類方法可以將具有相似流行趨勢的網絡內容劃分到同一種演化模式的集群中，通過集群的演化趨勢來推斷其未來某一時刻的流行度[7，8]。

1.2.3 ?基于網絡傳播影響力的流行度預測

該方法通過測量網絡內容在網絡中傳播的深度、廣度預測其流行度。當某網絡內容在一個網站被發(fā)布以后，其相關信息往往會在Twitter、微博等多個社交網絡平臺傳播，研究表明，從多個信息來源提取特征值可以提高在線內容流行度的預測精度。在基于內容共享的社交網絡平臺上，網絡信息呈爆炸式傳播，大量研究[9，10]將描述信息傳播的傳染病理論應用于社交網絡上內容流行度的預測。

2 ?服裝流行趨勢預測的發(fā)展歷程及演化分析

服裝流行趨勢的預測貫穿于時尚產業(yè)的整個發(fā)展歷程。服裝流行度的預測可分為定性預測與定量預測兩類。

定性預測即憑借專業(yè)知識與行業(yè)經驗，對未來服裝流行發(fā)展趨勢進行定性的評判，其中主要包括直覺預測法和流行專家會議預測法等。其專業(yè)性與主觀性較強，這對于有經驗的權威機構來說有獨特優(yōu)勢，但可操作性較差，不適合大范圍的應用。

定量預測是采用合適有效的數理統計手段和數學模型推算出未來服裝流行的發(fā)展變化。傳統定量預測的數據來源大多為政府或權威機構發(fā)布的統計報告，存在著一定的滯后性，且數據量有限，往往不能滿足較高預測精度的要求。在預測方法與模型應用上，運用回歸分析法、馬爾科夫預測法等傳統數理統計方法建立預測模型[11，12]是最為基本的預測方法;隨著預測技術的發(fā)展，又出現較為智能與復雜化的灰色GM（1，1）模型[13，14]、神經網絡[15，16]等方法。從服裝元素的角度來講，研究涉及服裝色彩、面料、圖案、廓形款式等各方面，流行色因其較易量化與分析等特征在服裝流行度預測研究中一直備受關注。但是就目前而言，現有的大多數針對服裝流行度的預測僅僅涉及服裝某單一因素的專業(yè)性研究，且數據來源較為有限，只有少數研究者試圖通過利用互聯網上的大量數據信息來分析預測服裝的流行趨勢，但并未達到理想的研究效果。

3 ?基于數據驅動的電商平臺服裝流行度預測邏輯路徑分析

3.1 ?數據搜集與預處理

選取某一類服裝作為研究對象，在熱門電商銷售平臺連續(xù)采集一定時間段內的服裝銷售數據，對缺失值、重復值、異常值等進行數據預處理，得到基本數據集。

3.2 ?變量選擇與流行度定義

電商平臺中的服裝產品一般包含成交量、收藏量、瀏覽量、好評率等多個反映用戶購買喜好的產品交易信息，在這里可以將某一交易屬性單獨定義為流行度，也可選取幾個典型的交易屬性作為特征屬性并采取加權等多種表示方式來綜合定義研究的服裝流行度。

3.3 ?模型建立與優(yōu)化

面對獲取的電商平臺的海量服裝銷售數據，我們可以考慮將以往對網絡內容流行度的相關研究模型和方法應用于服裝流行度的研究，使傳統的預測方法與在線內容的預測方法相結合，對于具體的服裝商品而言，其前后的交易屬性間都存在著較強的相關性。早期的成交量、瀏覽量、收藏量、好評率等都會以一定的概率影響后期的不同交易屬性，可據此建立基于數據驅動的在線服裝流行趨勢的預測模型。

3.4 ?實驗設計與效果評估

在實驗設計這部分，針對建立或優(yōu)化的預測模型構造執(zhí)行算法，除了將不同的模型進行對比分析外，還可以將同一模型在不同數據分析工具上顯示的預測結果進行對比。最后，將實驗報告所得的結果整理匯總，列出流行度較高的服裝商品，利用關鍵詞分析等方法提取其服裝元素，通過社會調查與服裝企業(yè)專家評定等方法驗證模型預測的應用真實效果與準確性。

4 ?結 ?論

在大數據時代，服裝流行趨勢的預測更加側重于對消費者行為的分析與建模，數據來源的多樣化、數據結構的復雜化要求更為精準的預測模型來指導服裝產品生產與設計。雖然近年來針對不同領域的網絡內容提出了大量的預測方法，其中包括媒體廣告、趨勢預測、流量管理、選舉預測等。但由于網絡內容的流行度之間有著復雜的在線交互和難以預測的信息級聯等多種因素，網絡內容流行度的預測準確度依舊面臨很大的挑戰(zhàn)。在線服裝具有與其他網絡內容相似的數據信息與傳播方式，因此我們可以利用數據驅動的方式來為服裝流行趨勢的研究提出新的預測模型與發(fā)展方向，并可將其推廣應用于其他網絡內容流行度的預測研究中。

參考文獻：

[1] Avramova Z，Wittevrongel S，Bruneel H，etal. Analysis and Modeling of Video Popularity Evolution in Various Online Video Content Systems：Power-Law versus Exponential Decay [C]//1st International Conference on Evolving Internet，INTERNET，2009：95-100.

[2] Tatar A，Amorim M D D，Fdida S，etal. A survey on predicting the popularity of web content [J].Journal of Internet Services & Applications，2014，5（1）：8.

[3] Szabo G，Huberman B A. Predicting the popularity of online content [J].Communications of the ACM，2010，53（8）：80-88.

[4] Kim S D，Kim S H，Cho H G. Predicting the Virtual Temperature of Web-Blog Articles as a Measurement Tool for Online Popularity [C]//IEEE International Conference on Computer & Information Technology. IEEE Computer Society，2011：449-454.

[5] Chang B，Zhu H，Ge Y，etal. Predicting the Popularity of Online Serials with Autoregressive Models [C]//Shanghai：ACM Press the 23rd ACM International Conference，2014：1339-1348.

[6] Gursun G，Crovella M，Matta I. Describing and forecasting video access patterns [C]//INFOCOM，2011 Proceedings IEEE.S.l.：s.n.，2011：16-20.

[7] Pinto H，Almeida J M，Gon?alves，etal. Using early view patterns to predict the popularity of youtube videos [C]//Acm International Conference on Web Search & Data Mining. ACM，2013.

[8] Ahmed M，Spagna S，Huici F，etal. A peek into the future：Predicting the evolution of popularity in user generated content [C]//Rome：Proceedings of the sixth ACM international conference on Web search and data mining，2013：607-616.

[9] Ma Z，Sun A，Cong G. On predicting the popularity of newly emerging hashtags in T witter [J].Journal of the American Society for Information Science and Technology，2013，64（7）：1399-1410.

[10] Bao P，Shen H W，Huang J，etal. Popularity Prediction in Microblogging Network：A Case Study on Sina Weibo [C]//Rio de Janeiro：Proceedings of the 22nd International Conference on World Wide Web（WWW），2013：177-178.

[11] 張艷，苗剛，何秀麗.回歸分析法在服裝流行色預測中的應用 [J].佳木斯教育學院學報，2012（6）：434-435.

[12] 常麗霞，高衛(wèi)東，張萬琴，等.馬爾可夫預測法在國際服裝流行色預測中的應用 [J].毛紡科技，2012，40（7）：44-47.

[13] 常麗霞，高衛(wèi)東，潘如如，等.灰色GM（1，1）模型在國際春夏女裝流行色色相預測中的應用 [J].紡織學報，2015，36（4）：128-133.

[14] 周捷，李健.離散GM（1，1）模型在服裝流行色預測中的應用 [J].西安工程大學學報，2019，32（1）：23-30.

[15] 許凡，王高媛，趙晶.基于灰色模型和神經網絡的服裝流行色預測 [J].紡織科技進展，2013（6）：64-66+70.

[16] 趙黎，楊連賀，黃新.采用多蜂群協同演化算法的服裝流行色預測 [J].紡織學報，2018，39（3）：137-142.

作者簡介：李曉穎（1997.11-），女，漢族，山東威海人，本科在讀，研究方向：數據分析與挖掘、推薦系統、網絡內容流行度;趙安娜（1998.08-），女，滿族，河北承德人，本科在讀，研究方向：數據分析與挖掘、推薦系統、網絡內容流行度;周曉靜（1997.06-），女，漢族，山東威海人，本科在讀，研究方向：數據分析與挖掘、推薦系統、網絡內容流行度;通訊作者：楊成偉（1981.01-），男，漢族，山東濟寧人，講師，博士，研究方向：數據流挖掘、網絡智能算法等。