• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于神經(jīng)網(wǎng)絡(luò)與馬爾可夫組合模型的視頻流行度預(yù)測(cè)算法

    2021-09-10 08:21:44馬學(xué)森陳樹友許向東儲(chǔ)昭坤
    電信科學(xué) 2021年8期
    關(guān)鍵詞:馬爾可夫預(yù)測(cè)值神經(jīng)網(wǎng)絡(luò)

    馬學(xué)森,陳樹友,許向東,儲(chǔ)昭坤

    (1.合肥工業(yè)大學(xué)計(jì)算機(jī)與信息學(xué)院,安徽 合肥 230601;2.中國(guó)電信股份有限公司研究院,廣東 廣州 510630)

    1 引言

    根據(jù)思科2020年的統(tǒng)計(jì)[1],視頻流量占據(jù)了整個(gè)網(wǎng)絡(luò)流量的 80%。在傳統(tǒng)網(wǎng)絡(luò)架構(gòu)中,用戶的訪問(wèn)請(qǐng)求需要經(jīng)過(guò)基站的接入、核心網(wǎng)的訪問(wèn)以及冗長(zhǎng)的鏈路回傳才能完成,頻繁的用戶請(qǐng)求容易造成核心網(wǎng)絡(luò)的擁塞[2]。將熱點(diǎn)視頻在邊緣側(cè)進(jìn)行緩存,一方面可以減少縱向流量,另一方面還能降低時(shí)延,提升用戶體驗(yàn)[3]。

    其中,各類視頻門戶網(wǎng)站的電視劇播放量又占據(jù)了絕大部分的視頻流量,并且電視劇通常周期性地更新劇集。為了減少中心節(jié)點(diǎn)與邊緣節(jié)點(diǎn)內(nèi)容的反復(fù)遷移,將未來(lái)一個(gè)星期內(nèi)流行度較高的視頻放入緩存更有價(jià)值,因此對(duì)視頻流行度進(jìn)行準(zhǔn)確的中長(zhǎng)期預(yù)測(cè)成為急需解決的問(wèn)題[4]。

    傳統(tǒng)的視頻流行度預(yù)測(cè)模型大致分為兩類:一類是以線性回歸與自回歸模型為代表的時(shí)間序列預(yù)測(cè)模型,參考文獻(xiàn)[5-7]基于歷史流行度構(gòu)建回歸預(yù)測(cè)模型,此類模型雖然訓(xùn)練簡(jiǎn)單,但非線性映射能力差,很難捕捉流行度的動(dòng)態(tài)變化,并且無(wú)法保留時(shí)間序列上的信息依賴,隨著時(shí)間步長(zhǎng)的增加會(huì)逐漸失去對(duì)數(shù)據(jù)的學(xué)習(xí)能力,在中長(zhǎng)期預(yù)測(cè)中表現(xiàn)不佳。另一類是基于特征提取與用戶聚類的有監(jiān)督學(xué)習(xí)方法來(lái)加強(qiáng)預(yù)測(cè)效果[8-9],此類方法在一定程度上提高了模型的預(yù)測(cè)精度,但由于引入過(guò)多的外部變量,導(dǎo)致模型復(fù)雜度較高,極大地增加了模型的訓(xùn)練難度,不適用于實(shí)際應(yīng)用場(chǎng)景。隨著深度學(xué)習(xí)理論的不斷發(fā)展,具有較強(qiáng)學(xué)習(xí)能力的循環(huán)神經(jīng)網(wǎng)絡(luò)(recurrent neural network,RNN)和長(zhǎng)短期記憶(long short-term memory,LSTM)網(wǎng)絡(luò)主要應(yīng)用于模式識(shí)別、語(yǔ)音處理等方面[10],近年國(guó)內(nèi)外學(xué)者也將其應(yīng)用在船舶航跡、小區(qū)的負(fù)荷指標(biāo)等預(yù)測(cè)領(lǐng)域[11-12],實(shí)驗(yàn)表明預(yù)測(cè)精度優(yōu)于傳統(tǒng)方法,但是在視頻流行度預(yù)測(cè)領(lǐng)域的應(yīng)用有待進(jìn)一步研究。

    基于以上分析,本文提出基于神經(jīng)網(wǎng)絡(luò)與馬爾可夫組合模型的視頻流行度預(yù)測(cè)算法,利用LSTM 結(jié)合雙向 RNN構(gòu)建雙向長(zhǎng)短期記憶(bi-2irectional long short-term memory,BiLSTM)網(wǎng)絡(luò)模型,可以保留時(shí)間序列上兩個(gè)方向的特征依賴;并且考慮馬爾可夫具有根據(jù)系統(tǒng)當(dāng)前狀態(tài)對(duì)系統(tǒng)未來(lái)狀態(tài)進(jìn)行預(yù)測(cè)的性質(zhì)[13],利用BiLSTM 網(wǎng)絡(luò)訓(xùn)練時(shí)產(chǎn)生的誤差信息建立馬爾可夫修正模型,在避免引入過(guò)多變量導(dǎo)致模型復(fù)雜度增加的情況下進(jìn)一步提高了網(wǎng)絡(luò)模型的預(yù)測(cè)精度。

    2 基于神經(jīng)網(wǎng)絡(luò)與馬爾可夫的預(yù)測(cè)模型

    2.1 BiLSTM網(wǎng)絡(luò)模型的構(gòu)建

    回歸模型本質(zhì)上是對(duì)數(shù)據(jù)的線性擬合,不容易捕捉非線性的波動(dòng)趨勢(shì);傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)雖然可以有效地解決非線性映射問(wèn)題,但在長(zhǎng)時(shí)間序列訓(xùn)練過(guò)程中會(huì)出現(xiàn)梯度爆炸和梯度消失等問(wèn)題。LSTM 通過(guò)引入控制門機(jī)制,可以在一定程度上避免此類問(wèn)題,但LSTM的單向?qū)W習(xí)機(jī)制只能在一個(gè)方向上學(xué)習(xí)時(shí)間序列的數(shù)據(jù)特征。在視頻流行度的預(yù)測(cè)中,某個(gè)時(shí)間點(diǎn)視頻流行度的預(yù)測(cè)值,除了可由過(guò)去的數(shù)據(jù)進(jìn)行推導(dǎo)計(jì)算,未來(lái)時(shí)刻的數(shù)據(jù)也對(duì)當(dāng)前時(shí)刻流行度的計(jì)算有影響,因此本文在LSTM的基礎(chǔ)之上融入雙向RNN隱藏層構(gòu)建BiLSTM網(wǎng)絡(luò)模型。

    BiLSTM網(wǎng)絡(luò)模型如圖1所示,BiLSTM通過(guò)神經(jīng)元之間的雙向隱藏層來(lái)保存兩個(gè)輸入方向的信息,可以有效學(xué)習(xí)流行度序列上兩個(gè)方向的關(guān)系依賴,增強(qiáng)了模型的學(xué)習(xí)能力;同時(shí)通過(guò)多層神經(jīng)網(wǎng)絡(luò)的疊加結(jié)構(gòu)實(shí)現(xiàn)了流行度序列深層次的特征挖掘,有效提高了模型的預(yù)測(cè)效果。

    圖1 BiLSTM網(wǎng)絡(luò)模型

    2.2 BiLSTM的馬爾可夫修正

    為了進(jìn)一步提高模型的預(yù)測(cè)精度,如果通過(guò)繼續(xù)引入特征變量的方式,新的變量會(huì)作為輸入層的參數(shù)重新訓(xùn)練,過(guò)多的變量會(huì)導(dǎo)致模型訓(xùn)練困難?;谏鲜隹紤],本文在不引入新的外部變量的情況下,通過(guò)對(duì)網(wǎng)絡(luò)模型的預(yù)測(cè)誤差建立馬爾可夫修正模型來(lái)進(jìn)一步提高模型的預(yù)測(cè)精度,如圖2所示。

    圖2 馬爾可夫修正模型

    其中,Pt+1為t+1時(shí)刻error狀態(tài)空間的概率分布,基于等距原則,進(jìn)而求得誤差修正值,如式(2)所示:

    因此,本文視頻流行度的預(yù)測(cè)模型可以定義為式(3),其中pre2icti為網(wǎng)絡(luò)模型的預(yù)測(cè)值,mi22lei為求得的修正值,最終視頻流行度的求解可以轉(zhuǎn)化為Finali的求解:

    3 Mar-BiLSTM算法設(shè)計(jì)與求解

    3.1 視頻流行度的預(yù)測(cè)問(wèn)題描述

    電視劇周期性地更新劇集,其中內(nèi)容熱度可以體現(xiàn)當(dāng)前劇集的受歡迎程度,用序列Popularity={popularity1,popularity2,… ,popularityn}描述電視劇當(dāng)前時(shí)刻的流行度。其中內(nèi)容熱度Popularity由平臺(tái)綜合播放量以及互動(dòng)因子等指標(biāo)計(jì)算,更加能夠反映視頻的流行度。研究指出,電視劇的微博搜索指數(shù)和百度搜索指數(shù)與電視劇流行度具有很強(qiáng)的線性關(guān)系[14],因此分別構(gòu)造微博指數(shù)序列 In 2ex1={in2ex11,in2ex12,…,in2ex1n}和百度搜索指數(shù)序列 I n2ex2={in2ex21, in2ex22,…,in2ex2n};另外在新劇集更新當(dāng)天的電視劇播放量會(huì)比平常有一個(gè)明顯的增加,因此利用One-hot編碼構(gòu)造序列 F lag={+ l ag1, +lag2,… , + lagn}標(biāo)記該變化,其中+lag1代表星期一,+lag7代表星期日;最后利用預(yù)測(cè)模型φ預(yù)測(cè)下一個(gè)時(shí)間單位的電視劇流行度,如式(4)所示。

    問(wèn)題定義:在線電視劇T,已經(jīng)上線i天,流行度記為Popularity,特征序列為Feature,預(yù)測(cè)目標(biāo)為未來(lái)幾天流行度的記錄{popularityi+1,popularityi+2,… ,popularityi+n}。

    3.2 Mar-BiLSTM流行度預(yù)測(cè)算法

    基于第2.2節(jié)構(gòu)建的馬爾可夫修正的BiLSTM網(wǎng)絡(luò)模型,本文設(shè)計(jì)了Mar-BiLSTM算法來(lái)求解視頻流行度預(yù)測(cè)問(wèn)題,算法框架如圖3所示。

    圖3 Mar-BiLSTM算法框架

    Mar-BiLSTM算法大致可以分為5個(gè)步驟,算法的詳細(xì)流程如下。

    步驟1基于Scrapy技術(shù)對(duì)電視劇的流行度進(jìn)行特征分析,得到In2ex1、 I n 2ex2、 F lag 等特征序列。

    步驟 2獲取電視劇從上線開始后 3個(gè)星期的內(nèi)容熱度值popularityi,微博搜索指數(shù)值in2ex1i,百度搜索指數(shù)in2ex2i;+lagi表示當(dāng)天是否為劇集更新日,當(dāng)+lagi=1時(shí)表示當(dāng)天有劇集更新,+lagi=0 時(shí)表示當(dāng)天沒(méi)有劇集更新;進(jìn)而根據(jù)特征向量序列構(gòu)建特征向量矩陣。

    步驟 3利用特征向量Feature進(jìn)行模型訓(xùn)練,取序列Popularity前兩個(gè)星期的數(shù)據(jù)作為模型的訓(xùn)練數(shù)據(jù),最后一個(gè)星期的數(shù)據(jù)用于模型的檢驗(yàn);同時(shí)將序列處理為適合監(jiān)督學(xué)習(xí)的數(shù)據(jù)。

    步驟 4對(duì)序列進(jìn)行差分處理,以此減小數(shù)據(jù)波動(dòng)對(duì)模型訓(xùn)練的影響;同時(shí)采用min-max策略對(duì)原始數(shù)據(jù)進(jìn)行歸一化處理來(lái)消除量綱的差異,其轉(zhuǎn)換如式(5)所示:

    步驟 5采用自適應(yīng)估計(jì)方法計(jì)算每個(gè)參數(shù)的學(xué)習(xí)率;同時(shí)為避免過(guò)擬合現(xiàn)象采用 2ropout機(jī)制來(lái)提高模型的泛化能力;最后利用網(wǎng)絡(luò)模型的預(yù)測(cè)誤差建立馬爾可夫修正模型,根據(jù)式(3)得到修正后的流行度預(yù)測(cè)值Finali。

    Mar-BiLSTM算法實(shí)現(xiàn)的偽代碼如算法1所示。

    算法1Mar-BiLSTM算法

    輸入訓(xùn)練集 Train_set,測(cè)試集 Test_set,屬性(特征序列)

    輸出視頻流行度預(yù)測(cè)值

    步驟1進(jìn)行特征分析,得到特征序列:

    Popularity={popularity1,popularity2,…,popularityk},

    k=1,2,…,21

    In2ex1={in2ex11,in2ex12,…,in2ex1n},n=1,2,…,14

    In2ex2={in2ex21,in2ex22,…,in2ex2m},1,2,…,14

    Flag={+lag1, +lag2,…,+lags},s=1,2,… ,14

    步驟2將各個(gè)時(shí)間序列進(jìn)行整合得到輸入時(shí)間序列:

    concatSequence (i,i+ 1,…,t)

    步驟3將時(shí)間序列數(shù)據(jù)轉(zhuǎn)化為有監(jiān)督數(shù)據(jù):

    I+I>n_in an2I< 0

    input sequence (t -n, …,t-1)

    Else i+I> 0 an2I<n_out

    +orecast sequence (t,t+ 1, …,t+n)

    步驟4max-min特征變換:

    Return (Train_set)

    Return (Test_set)

    步驟5Train_set Train BiLSTM-Markov

    Test_set Test BiLSTM-Markov

    Return(均方根誤差、平均絕對(duì)誤差)

    Return(流行度預(yù)測(cè)值)

    en2

    Mar-BiLSTM算法時(shí)間復(fù)雜度可分為5個(gè)部分。

    步驟1時(shí)間復(fù)雜度可以記為O(|m|);

    步驟2序列整合的時(shí)間復(fù)雜度為O(|m|);

    步驟 3序列轉(zhuǎn)化為有監(jiān)督數(shù)據(jù)的時(shí)間復(fù)雜度為O(|n||m|);

    步驟 4max-min特征變換的時(shí)間復(fù)雜度為O(|n||m|);

    步驟 5計(jì)算均方根誤差及平均絕對(duì)誤差的時(shí)間復(fù)雜度為O(|n||m||i|);因此,Mar-BiLSTM算法的時(shí)間復(fù)雜度為O(|n||m|)。

    4 實(shí)驗(yàn)設(shè)計(jì)與分析

    4.1 實(shí)驗(yàn)環(huán)境

    實(shí)驗(yàn)環(huán)境為聯(lián)想 Thinkpa2 E440筆記本計(jì)算機(jī),CPU為Intel? CoreTM i5-4210 CPU @ 2.60 GHz,內(nèi)存為8 GB,操作系統(tǒng)為Bin2ows10教育版,使用基于Python3.5語(yǔ)言的PyCharm社區(qū)版集成開發(fā)工具構(gòu)建神經(jīng)網(wǎng)絡(luò)模型,利用MATLAB R2018b開發(fā)工具進(jìn)行對(duì)比試驗(yàn)設(shè)計(jì)。

    4.2 評(píng)價(jià)指標(biāo)

    實(shí)驗(yàn)采用預(yù)測(cè)模型常用的均方根誤差(root mean square2 error,RMSE)及平均絕對(duì)誤差(mean absolute error,MAE)作為預(yù)測(cè)性能的評(píng)價(jià)標(biāo)準(zhǔn)[15]。RMSE可以評(píng)價(jià)數(shù)據(jù)的變化情況,RMSE值越小,表示模型有更好的預(yù)測(cè)精確度,MAE可以更好地反映預(yù)測(cè)值與真實(shí)值偏離程度的實(shí)際情況,如式(6)、式(7)所示。

    4.3 網(wǎng)絡(luò)模型參數(shù)選擇

    隱藏層的層數(shù)以及神經(jīng)單元個(gè)數(shù)的選擇對(duì)網(wǎng)絡(luò)模型的性能影響很大,因此需要選擇訓(xùn)練誤差最小的網(wǎng)絡(luò)參數(shù)。不同W值下的RMSE值如圖4所示,在隱藏層數(shù)W=2、隱藏層單元個(gè)數(shù)L=6時(shí)的RMSE值最小,過(guò)多的隱藏層或者單元數(shù)都會(huì)使得網(wǎng)絡(luò)過(guò)于復(fù)雜而喪失網(wǎng)絡(luò)優(yōu)勢(shì)。因此,選擇W=2、L=6作為網(wǎng)絡(luò)模型的訓(xùn)練參數(shù)。

    圖4 不同W值下的RMSE值

    4.4 實(shí)驗(yàn)設(shè)計(jì)及結(jié)果分析

    實(shí)驗(yàn)爬取電視劇《愛(ài)情公寓5》自2020年1月12日上線到同年2月1日的全網(wǎng)數(shù)據(jù)(其中包括播放量、評(píng)論數(shù)、點(diǎn)贊數(shù)、收藏?cái)?shù)、百度搜索指數(shù)與微博搜索指數(shù)等),使用前兩個(gè)星期的數(shù)據(jù)訓(xùn)練模型、后一個(gè)星期的數(shù)據(jù)用來(lái)驗(yàn)證本文算法的優(yōu)越性:首先選取回歸模型中常用于時(shí)間序列預(yù)測(cè)的灰色預(yù)測(cè)(grey mo2el,GM)與指數(shù)平滑(exponential smoothing,ES)驗(yàn)證算法的有效性,進(jìn)而選取神經(jīng)網(wǎng)絡(luò)中常用于時(shí)間序列預(yù)測(cè)的傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)和 LSTM 神經(jīng)網(wǎng)絡(luò)驗(yàn)證算法的優(yōu)越性;最后通過(guò)爬取2021年1月至2021年3月期間的10部首播電視劇的數(shù)據(jù)對(duì)其排名進(jìn)行預(yù)測(cè),以此驗(yàn)證算法的普適性。

    4.4.1 LSTM與回歸模型對(duì)比

    本節(jié)設(shè)計(jì)LSTM與GM、ES之間的對(duì)比實(shí)驗(yàn),以此來(lái)驗(yàn)證 LSTM 的預(yù)測(cè)精度優(yōu)于傳統(tǒng)回歸模型。

    GM、ES及LSTM模型的預(yù)測(cè)值對(duì)比如圖5所示,由于流行度數(shù)據(jù)不符合冪指數(shù)規(guī)律,因此基于指數(shù)規(guī)律建模的GM沒(méi)有很好地預(yù)測(cè)數(shù)據(jù)的波動(dòng)規(guī)律;ES利用序列差分機(jī)制,可以預(yù)測(cè)很小的波動(dòng),但并不吻合真實(shí)數(shù)據(jù)的波動(dòng)規(guī)律;LSTM基于 RNN與門控單元機(jī)制可以學(xué)習(xí)長(zhǎng)時(shí)間序列上的信息依賴,對(duì)未來(lái)數(shù)據(jù)的波動(dòng)給出了大致的

    圖5 GM、ES及LSTM模型的預(yù)測(cè)值對(duì)比

    預(yù)測(cè),驗(yàn)證了 LSTM 的預(yù)測(cè)效果優(yōu)于傳統(tǒng)回歸模型。

    4.4.2 BiLSTM與BP、LSTM模型對(duì)比

    本節(jié)設(shè)計(jì)了LSTM網(wǎng)絡(luò)與BP神經(jīng)網(wǎng)絡(luò)之間的對(duì)比試驗(yàn),就其預(yù)測(cè)精度及其收斂性進(jìn)行分析;在此基礎(chǔ)之上,引入BiLSTM進(jìn)行對(duì)比實(shí)驗(yàn),以此驗(yàn)證BiLSTM的優(yōu)越性,為Mar-DBiLSTM組合預(yù)測(cè)理論模型提供實(shí)驗(yàn)數(shù)據(jù)支撐。

    BP、LSTM 模型訓(xùn)練誤差如圖6所示。BiLSTM、BP、及 LSTM 模型預(yù)測(cè)值對(duì)比如圖7所示。從圖6可以看出,LSTM較BP神經(jīng)網(wǎng)絡(luò)的收斂速度要快,在迭代次數(shù)為200次左右時(shí),網(wǎng)絡(luò)已經(jīng)趨于收斂,此時(shí)BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練誤差還處于較高水平;同時(shí)從圖7可以看出,BP神經(jīng)網(wǎng)絡(luò)雖然能夠預(yù)測(cè)數(shù)據(jù)大致的波動(dòng)趨勢(shì),但 LSTM的預(yù)測(cè)曲線更加貼合于真實(shí)值,因此LSTM不僅學(xué)習(xí)性能強(qiáng)于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò),而且其預(yù)測(cè)效果也優(yōu)于普通的BP神經(jīng)網(wǎng)絡(luò);基于LSTM改進(jìn)的BiLSTM 可以學(xué)習(xí)時(shí)間序列上兩個(gè)時(shí)間方向的信息依賴,因而能夠更好地對(duì)數(shù)據(jù)的波動(dòng)趨勢(shì)進(jìn)行學(xué)習(xí),從圖7也可以看出,BiLSTM較LSTM、BP均具有更高的預(yù)測(cè)精度,驗(yàn)證了本文BiLSTM模型預(yù)測(cè)效果的優(yōu)越性。

    圖6 BP、LSTM模型訓(xùn)練誤差

    圖7 BiLSTM、BP及LSTM模型預(yù)測(cè)值對(duì)比

    4.4.3 Mar-BiLSTM與BiLSTM模型對(duì)比

    在前兩輪實(shí)驗(yàn)的基礎(chǔ)之上,為了驗(yàn)證Mar-BiLSTM 算法的有效性,設(shè)計(jì)該對(duì)比實(shí)驗(yàn)。通過(guò)第2.2節(jié)的描述,對(duì)BiLSTM的預(yù)測(cè)誤差構(gòu)建馬爾可夫修正模型,最終可以求得未來(lái)幾天預(yù)測(cè)誤差可能的狀態(tài)區(qū)間,見(jiàn)表1。

    表1 模型預(yù)測(cè)誤差狀態(tài)區(qū)間

    由表1可知,26號(hào)最有可能的誤差狀態(tài)區(qū)間為 E3,由式(2)計(jì)算得到誤差修正值為 22,BiLSTM模型的預(yù)測(cè)值為9 096,根據(jù)式(3)得到修正后的預(yù)測(cè)值為9 091。在對(duì)27號(hào)誤差狀態(tài)進(jìn)行預(yù)測(cè)時(shí),將26號(hào)誤差預(yù)測(cè)值作為已知值,并將最原始的信息剔除,按照上述方法重復(fù),可以計(jì)算出接下來(lái)6天的誤差修正值。

    由圖8可知,經(jīng)馬爾可夫修正過(guò)的BiLSTM預(yù)測(cè)值要更加貼近真實(shí)值,預(yù)測(cè)效果更好,證明了本文算法的優(yōu)越性。

    圖8 Mar-BiLSTM、BiLSTM模型預(yù)測(cè)值對(duì)比

    綜上,根據(jù)第4.2節(jié)提出的性能指標(biāo),給出對(duì)比預(yù)測(cè)模型的性能分析,見(jiàn)表2。

    表2 性能對(duì)比

    4.4.4 電視劇排名預(yù)測(cè)

    為了進(jìn)一步驗(yàn)證算法的普適性,從全網(wǎng)爬取2021年1月至3月期間首播的10部不同種類的電視劇數(shù)據(jù),并對(duì)其排名進(jìn)行預(yù)測(cè)。由于電視劇并非在同一時(shí)間上線,其上線時(shí)間越長(zhǎng),累積播放量會(huì)越高;并且由于劇集數(shù)的不同,累計(jì)播放量也會(huì)有相應(yīng)的影響。因此,為了更加準(zhǔn)確地體現(xiàn)電視劇的真實(shí)排名,選擇均集播放量和均天播放量的加權(quán)值作為衡量電視劇真實(shí)排名的依據(jù),排名預(yù)測(cè)結(jié)果見(jiàn)表3。

    從表3可以看出,排名靠前的《斗羅大陸》《錦心似玉》《愛(ài)的理想生活》等熱播電視劇得到了準(zhǔn)確的預(yù)測(cè),排名靠后的《你好,安怡》和《這個(gè)世界不看臉》等冷門電視劇也有較好的預(yù)測(cè)。因此,本文算法對(duì)不同類型電視劇的流行度均給出了不錯(cuò)的預(yù)測(cè)效果,證明了算法的普適性較高。

    表3 電視劇排名預(yù)測(cè)結(jié)果

    5 結(jié)束語(yǔ)

    本文針對(duì)傳統(tǒng)視頻流行度預(yù)測(cè)算法非線性映射能力差,在中長(zhǎng)期預(yù)測(cè)中存在精度低、自適應(yīng)性弱等缺點(diǎn),提出基于神經(jīng)網(wǎng)絡(luò)與馬爾可夫組合模型的視頻流行度預(yù)測(cè)算法。該算法在預(yù)測(cè)過(guò)程中兼具時(shí)間相關(guān)性和非線性的特征,充分保留了時(shí)間序列上前向、后向兩個(gè)方向的長(zhǎng)期依賴信息;并利用BiLSTM網(wǎng)絡(luò)訓(xùn)練時(shí)產(chǎn)生的預(yù)測(cè)誤差建立馬爾可夫修正模型,在避免引入過(guò)多變量導(dǎo)致模型復(fù)雜度增加的情況下進(jìn)一步提高了模型的預(yù)測(cè)精度。下一步工作擬將 Mar-BiLSTM 算法引入邊緣側(cè)的緩存調(diào)度策略中,嘗試建立根據(jù)視頻流行度預(yù)測(cè)的緩存替換策略,提高用戶的服務(wù)體驗(yàn)質(zhì)量。

    猜你喜歡
    馬爾可夫預(yù)測(cè)值神經(jīng)網(wǎng)絡(luò)
    IMF上調(diào)今年全球經(jīng)濟(jì)增長(zhǎng)預(yù)期
    企業(yè)界(2024年8期)2024-07-05 10:59:04
    加拿大農(nóng)業(yè)部下調(diào)2021/22年度油菜籽和小麥產(chǎn)量預(yù)測(cè)值
    ±800kV直流輸電工程合成電場(chǎng)夏季實(shí)測(cè)值與預(yù)測(cè)值比對(duì)分析
    法電再次修訂2020年核發(fā)電量預(yù)測(cè)值
    神經(jīng)網(wǎng)絡(luò)抑制無(wú)線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    保費(fèi)隨機(jī)且?guī)в屑t利支付的復(fù)合馬爾可夫二項(xiàng)模型
    基于神經(jīng)網(wǎng)絡(luò)的拉矯機(jī)控制模型建立
    復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
    基于SOP的核電廠操縱員監(jiān)視過(guò)程馬爾可夫模型
    應(yīng)用馬爾可夫鏈對(duì)品牌手機(jī)市場(chǎng)占有率進(jìn)行預(yù)測(cè)
    国产欧美日韩精品一区二区| 亚洲国产精品一区三区| 我要看日韩黄色一级片| 一级片'在线观看视频| 成人影院久久| 成人18禁高潮啪啪吃奶动态图 | 国产老妇伦熟女老妇高清| 夫妻午夜视频| 我要看日韩黄色一级片| 黄片无遮挡物在线观看| 国产黄频视频在线观看| 欧美日韩在线观看h| 黄片wwwwww| 少妇被粗大猛烈的视频| 亚洲美女视频黄频| 99久久中文字幕三级久久日本| 一级毛片 在线播放| 激情五月婷婷亚洲| 观看美女的网站| 啦啦啦视频在线资源免费观看| 亚洲综合精品二区| 亚洲综合精品二区| 狂野欧美白嫩少妇大欣赏| 国产精品久久久久久精品古装| 久久精品国产亚洲av天美| 欧美97在线视频| 久久久久久久久久成人| 欧美日韩综合久久久久久| 边亲边吃奶的免费视频| 自拍偷自拍亚洲精品老妇| 精华霜和精华液先用哪个| 99久久中文字幕三级久久日本| 一级毛片电影观看| 高清不卡的av网站| 日本一二三区视频观看| 国产中年淑女户外野战色| 一级av片app| 国产高清三级在线| 日韩视频在线欧美| 亚洲欧美成人精品一区二区| 女性生殖器流出的白浆| 精品熟女少妇av免费看| 只有这里有精品99| 草草在线视频免费看| 又粗又硬又长又爽又黄的视频| 成人二区视频| 99久国产av精品国产电影| 亚洲国产精品成人久久小说| 亚洲av综合色区一区| 丝袜喷水一区| 亚洲精品一二三| .国产精品久久| 日韩av不卡免费在线播放| 婷婷色综合大香蕉| 中国三级夫妇交换| 亚洲欧洲日产国产| 国产黄片视频在线免费观看| 插阴视频在线观看视频| 久久人人爽人人片av| 精品亚洲成a人片在线观看 | 久久人人爽人人爽人人片va| 日韩成人av中文字幕在线观看| 日本一二三区视频观看| 少妇熟女欧美另类| 国产久久久一区二区三区| av专区在线播放| 黄色日韩在线| 天天躁夜夜躁狠狠久久av| 国产午夜精品久久久久久一区二区三区| 一区二区av电影网| 多毛熟女@视频| 欧美成人a在线观看| 51国产日韩欧美| 国产在线一区二区三区精| 亚洲精华国产精华液的使用体验| 亚洲色图av天堂| 午夜日本视频在线| 草草在线视频免费看| 我要看日韩黄色一级片| 免费观看的影片在线观看| 干丝袜人妻中文字幕| 亚洲第一av免费看| 一个人看视频在线观看www免费| 国产精品久久久久久久电影| 国产精品偷伦视频观看了| 97超视频在线观看视频| 欧美日韩视频高清一区二区三区二| 春色校园在线视频观看| 亚洲精品456在线播放app| 久久精品熟女亚洲av麻豆精品| 国产精品一区二区三区四区免费观看| 高清黄色对白视频在线免费看 | 视频区图区小说| 日韩强制内射视频| av国产久精品久网站免费入址| 久久99热6这里只有精品| 51国产日韩欧美| 蜜桃亚洲精品一区二区三区| 亚洲丝袜综合中文字幕| 久久久久久久久久久免费av| 男人舔奶头视频| 丰满人妻一区二区三区视频av| 少妇裸体淫交视频免费看高清| 春色校园在线视频观看| 香蕉精品网在线| 80岁老熟妇乱子伦牲交| 国产精品一区二区在线观看99| 婷婷色麻豆天堂久久| 亚洲一级一片aⅴ在线观看| 一区二区三区四区激情视频| 黄色视频在线播放观看不卡| 涩涩av久久男人的天堂| 亚洲久久久国产精品| 欧美精品一区二区大全| 亚洲美女视频黄频| 少妇高潮的动态图| 成人毛片a级毛片在线播放| 亚洲欧美成人综合另类久久久| 美女国产视频在线观看| 免费大片18禁| 黄色视频在线播放观看不卡| 精品亚洲成a人片在线观看 | 观看美女的网站| a 毛片基地| 免费黄频网站在线观看国产| 黄色配什么色好看| 免费高清在线观看视频在线观看| 国产亚洲91精品色在线| 欧美zozozo另类| 麻豆乱淫一区二区| 国产 一区 欧美 日韩| 国产在线免费精品| freevideosex欧美| 啦啦啦在线观看免费高清www| 国产精品久久久久久av不卡| 麻豆精品久久久久久蜜桃| 免费少妇av软件| 国产毛片在线视频| 久久久久久九九精品二区国产| 十分钟在线观看高清视频www | 91久久精品国产一区二区三区| 中文字幕精品免费在线观看视频 | 欧美最新免费一区二区三区| 亚洲熟女精品中文字幕| 成人影院久久| 国产 精品1| 国产精品麻豆人妻色哟哟久久| 国产淫语在线视频| 国产av码专区亚洲av| 亚洲av欧美aⅴ国产| 国产精品国产三级专区第一集| 又粗又硬又长又爽又黄的视频| 男男h啪啪无遮挡| 欧美成人a在线观看| 丝袜脚勾引网站| 韩国高清视频一区二区三区| 18禁动态无遮挡网站| 日日摸夜夜添夜夜添av毛片| 在线看a的网站| 高清日韩中文字幕在线| 视频中文字幕在线观看| 国产精品99久久99久久久不卡 | 亚洲精品乱码久久久久久按摩| 色吧在线观看| 大片免费播放器 马上看| 晚上一个人看的免费电影| 中国美白少妇内射xxxbb| 亚洲精品自拍成人| 久久人人爽人人爽人人片va| 99久久精品国产国产毛片| 久久 成人 亚洲| 噜噜噜噜噜久久久久久91| 麻豆成人午夜福利视频| 又黄又爽又刺激的免费视频.| 三级经典国产精品| av国产免费在线观看| 综合色丁香网| 久久人人爽人人片av| 久久久久网色| 久久精品国产a三级三级三级| 日日摸夜夜添夜夜添av毛片| 亚洲激情五月婷婷啪啪| 中文精品一卡2卡3卡4更新| 成人无遮挡网站| 熟妇人妻不卡中文字幕| 一个人看视频在线观看www免费| 一区二区三区精品91| 亚洲精品国产成人久久av| 亚洲国产精品成人久久小说| 亚洲第一av免费看| av.在线天堂| 97超视频在线观看视频| 天美传媒精品一区二区| 国产乱来视频区| 午夜视频国产福利| 人妻夜夜爽99麻豆av| 日韩中文字幕视频在线看片 | 国产av码专区亚洲av| 少妇人妻久久综合中文| 天天躁日日操中文字幕| 成年av动漫网址| 黄色一级大片看看| 欧美日韩视频精品一区| 成人漫画全彩无遮挡| 日韩一区二区三区影片| 免费看不卡的av| 亚洲精品日韩在线中文字幕| 国产亚洲午夜精品一区二区久久| 亚洲国产色片| 久久婷婷青草| 两个人的视频大全免费| 精品久久久久久久久av| 国产 精品1| 国产在线男女| 久久精品人妻少妇| 色哟哟·www| 简卡轻食公司| 免费人成在线观看视频色| 国产女主播在线喷水免费视频网站| 日韩中文字幕视频在线看片 | 免费观看在线日韩| 各种免费的搞黄视频| 国产精品久久久久成人av| 国产久久久一区二区三区| 国产在线视频一区二区| 国产真实伦视频高清在线观看| 中国国产av一级| 免费黄色在线免费观看| 国产又色又爽无遮挡免| 久久久午夜欧美精品| 中国国产av一级| 国产亚洲一区二区精品| 精品少妇黑人巨大在线播放| 黄片无遮挡物在线观看| 日本av手机在线免费观看| 欧美成人精品欧美一级黄| 十八禁网站网址无遮挡 | 欧美bdsm另类| 卡戴珊不雅视频在线播放| 国产爽快片一区二区三区| 性高湖久久久久久久久免费观看| 久久精品国产自在天天线| 久久97久久精品| 蜜桃久久精品国产亚洲av| 老司机影院毛片| 久久久久久伊人网av| videossex国产| 国产一区有黄有色的免费视频| 国产伦精品一区二区三区四那| av在线蜜桃| 日本猛色少妇xxxxx猛交久久| 少妇 在线观看| 日韩成人伦理影院| 少妇人妻一区二区三区视频| 欧美日韩视频高清一区二区三区二| 91精品国产九色| 欧美激情极品国产一区二区三区 | 亚洲色图综合在线观看| 中文字幕免费在线视频6| 成人免费观看视频高清| 色婷婷av一区二区三区视频| 一区二区三区乱码不卡18| 黄色欧美视频在线观看| 日韩一本色道免费dvd| 久久人人爽av亚洲精品天堂 | 国产精品无大码| 久久99热这里只有精品18| videossex国产| 日本欧美视频一区| 亚洲av欧美aⅴ国产| 多毛熟女@视频| 韩国高清视频一区二区三区| 亚洲在久久综合| 久久国产乱子免费精品| 久久韩国三级中文字幕| 国产日韩欧美亚洲二区| 永久网站在线| 成人特级av手机在线观看| 免费看av在线观看网站| 亚洲在久久综合| 国产成人91sexporn| 建设人人有责人人尽责人人享有的 | 成人漫画全彩无遮挡| 国产一级毛片在线| 三级经典国产精品| 日韩中文字幕视频在线看片 | 亚洲av中文av极速乱| 久久97久久精品| 观看免费一级毛片| 91久久精品电影网| 综合色丁香网| av黄色大香蕉| 日韩人妻高清精品专区| 久久综合国产亚洲精品| 丝瓜视频免费看黄片| 国产免费福利视频在线观看| 国产精品爽爽va在线观看网站| 欧美 日韩 精品 国产| 国产高清不卡午夜福利| 中文精品一卡2卡3卡4更新| 日韩一区二区三区影片| 大香蕉久久网| 日韩中文字幕视频在线看片 | 国产乱人视频| 欧美日韩视频高清一区二区三区二| 午夜精品国产一区二区电影| 少妇高潮的动态图| 国产精品国产三级国产av玫瑰| 最近的中文字幕免费完整| 久久精品国产亚洲av涩爱| 国产成人免费观看mmmm| av不卡在线播放| 国产精品人妻久久久久久| 国产午夜精品久久久久久一区二区三区| 亚洲aⅴ乱码一区二区在线播放| 最近最新中文字幕大全电影3| 午夜福利高清视频| 一级毛片久久久久久久久女| 国产精品蜜桃在线观看| 欧美日韩综合久久久久久| 一级毛片电影观看| 精品99又大又爽又粗少妇毛片| 身体一侧抽搐| 一级二级三级毛片免费看| 国产深夜福利视频在线观看| 中文天堂在线官网| 老司机影院成人| 日韩成人伦理影院| 美女国产视频在线观看| 久久精品夜色国产| 久久久久久久久久久免费av| 少妇的逼好多水| 亚洲av不卡在线观看| 亚洲av日韩在线播放| 色视频在线一区二区三区| 极品少妇高潮喷水抽搐| 亚洲一区二区三区欧美精品| 在线观看免费高清a一片| 久久国产精品男人的天堂亚洲 | 亚洲色图综合在线观看| 国产免费又黄又爽又色| 亚洲精品日韩av片在线观看| 日本一二三区视频观看| 国产毛片在线视频| 少妇人妻久久综合中文| 国产中年淑女户外野战色| 波野结衣二区三区在线| 男女国产视频网站| 少妇丰满av| 亚洲国产色片| www.av在线官网国产| 777米奇影视久久| 欧美日韩亚洲高清精品| 黄色日韩在线| 国产成人精品婷婷| 亚洲精品国产av蜜桃| 夜夜看夜夜爽夜夜摸| 久久久久人妻精品一区果冻| 国产乱人偷精品视频| 我的老师免费观看完整版| 亚洲精品久久午夜乱码| 99热这里只有是精品50| 成人黄色视频免费在线看| 一本一本综合久久| 日韩电影二区| 成人国产麻豆网| 国产美女午夜福利| 三级经典国产精品| 国产视频首页在线观看| 又爽又黄a免费视频| 自拍偷自拍亚洲精品老妇| 我要看黄色一级片免费的| 亚洲,欧美,日韩| 亚洲自偷自拍三级| 亚洲av不卡在线观看| 欧美精品人与动牲交sv欧美| 美女福利国产在线 | 亚洲精品日韩av片在线观看| 国产老妇伦熟女老妇高清| 国产在线免费精品| a级毛片免费高清观看在线播放| 99久久人妻综合| av播播在线观看一区| 日本一二三区视频观看| 99国产精品免费福利视频| 国产男女内射视频| 国产在线一区二区三区精| 一区二区三区精品91| 美女cb高潮喷水在线观看| 不卡视频在线观看欧美| 久久久国产一区二区| 内地一区二区视频在线| 亚洲精品久久久久久婷婷小说| 国产精品久久久久成人av| 成人高潮视频无遮挡免费网站| 啦啦啦在线观看免费高清www| 熟妇人妻不卡中文字幕| 免费高清在线观看视频在线观看| 国产亚洲精品久久久com| 少妇高潮的动态图| 我要看日韩黄色一级片| 日本欧美视频一区| av播播在线观看一区| 免费不卡的大黄色大毛片视频在线观看| 国产精品久久久久久久电影| 日本vs欧美在线观看视频 | 国产精品一区二区在线不卡| 亚洲色图综合在线观看| 久久久久久久大尺度免费视频| 色5月婷婷丁香| 国产黄色免费在线视频| 91精品国产国语对白视频| 涩涩av久久男人的天堂| 男女边摸边吃奶| 高清av免费在线| 免费黄网站久久成人精品| 人妻夜夜爽99麻豆av| 丰满迷人的少妇在线观看| 国产在线一区二区三区精| 男人舔奶头视频| 成人无遮挡网站| kizo精华| 一级毛片 在线播放| 国产无遮挡羞羞视频在线观看| 九九在线视频观看精品| 欧美一区二区亚洲| 在线观看人妻少妇| 亚洲一区二区三区欧美精品| 18禁裸乳无遮挡免费网站照片| 亚洲国产精品999| 一级片'在线观看视频| 亚洲精品国产av蜜桃| 亚洲激情五月婷婷啪啪| 国产免费视频播放在线视频| 久久婷婷青草| 久久99热这里只有精品18| 性色av一级| 身体一侧抽搐| 久久国产亚洲av麻豆专区| 人人妻人人看人人澡| 色吧在线观看| 晚上一个人看的免费电影| 日韩一本色道免费dvd| 亚洲va在线va天堂va国产| 中文资源天堂在线| 大片电影免费在线观看免费| 蜜桃久久精品国产亚洲av| 汤姆久久久久久久影院中文字幕| 亚洲四区av| 黄色日韩在线| 亚洲精品久久午夜乱码| 80岁老熟妇乱子伦牲交| 成人国产av品久久久| 日本欧美国产在线视频| 国产欧美亚洲国产| 国产高清国产精品国产三级 | 爱豆传媒免费全集在线观看| 欧美极品一区二区三区四区| 午夜日本视频在线| 高清欧美精品videossex| 久久鲁丝午夜福利片| 国产男女内射视频| 蜜桃亚洲精品一区二区三区| 亚洲一区二区三区欧美精品| 九色成人免费人妻av| 青春草国产在线视频| 国产精品一区二区性色av| 欧美成人一区二区免费高清观看| 欧美+日韩+精品| 美女主播在线视频| 少妇 在线观看| 国产精品一区二区性色av| 国语对白做爰xxxⅹ性视频网站| 九草在线视频观看| 深爱激情五月婷婷| 日韩一区二区视频免费看| 各种免费的搞黄视频| 国产深夜福利视频在线观看| 一区在线观看完整版| 韩国av在线不卡| 欧美精品人与动牲交sv欧美| 99久国产av精品国产电影| 99精国产麻豆久久婷婷| 一二三四中文在线观看免费高清| 尾随美女入室| 91久久精品国产一区二区三区| 日韩电影二区| 免费不卡的大黄色大毛片视频在线观看| 国产久久久一区二区三区| 哪个播放器可以免费观看大片| 国产精品国产三级国产专区5o| 久久热精品热| 国产老妇伦熟女老妇高清| 成年美女黄网站色视频大全免费 | 亚洲av欧美aⅴ国产| 18禁裸乳无遮挡免费网站照片| 国产又色又爽无遮挡免| 精品国产乱码久久久久久小说| 热re99久久精品国产66热6| 只有这里有精品99| 亚洲欧美日韩另类电影网站 | 久久ye,这里只有精品| 国产在线男女| 国产视频首页在线观看| 国产又色又爽无遮挡免| 久久ye,这里只有精品| 蜜桃在线观看..| av又黄又爽大尺度在线免费看| 国产精品麻豆人妻色哟哟久久| 亚洲综合色惰| 国产 一区 欧美 日韩| 99久久中文字幕三级久久日本| 中文在线观看免费www的网站| 一本—道久久a久久精品蜜桃钙片| 又黄又爽又刺激的免费视频.| av免费在线看不卡| videos熟女内射| 亚洲伊人久久精品综合| 美女高潮的动态| 少妇人妻一区二区三区视频| 日本黄色片子视频| 欧美日韩在线观看h| 超碰97精品在线观看| 免费人妻精品一区二区三区视频| 啦啦啦啦在线视频资源| 日韩av在线免费看完整版不卡| 狂野欧美白嫩少妇大欣赏| 亚洲一区二区三区欧美精品| 日韩一区二区三区影片| 2022亚洲国产成人精品| 成年免费大片在线观看| 街头女战士在线观看网站| 啦啦啦啦在线视频资源| 日本午夜av视频| 香蕉精品网在线| 精品国产三级普通话版| 久久精品国产a三级三级三级| 亚洲综合色惰| 亚洲国产毛片av蜜桃av| 一级a做视频免费观看| 赤兔流量卡办理| 我要看日韩黄色一级片| 在线播放无遮挡| 黄色怎么调成土黄色| 色综合色国产| 91精品国产国语对白视频| 色网站视频免费| 老司机影院成人| 日韩av不卡免费在线播放| 亚洲精品第二区| 国产黄频视频在线观看| 欧美日韩亚洲高清精品| 3wmmmm亚洲av在线观看| 久久久久久久久久久丰满| 亚洲一级一片aⅴ在线观看| 亚洲三级黄色毛片| 高清av免费在线| 久久亚洲国产成人精品v| 久久97久久精品| 看十八女毛片水多多多| 国产在视频线精品| 国产免费福利视频在线观看| 51国产日韩欧美| 国产午夜精品久久久久久一区二区三区| 亚洲精品456在线播放app| 美女主播在线视频| 极品少妇高潮喷水抽搐| 亚洲内射少妇av| kizo精华| 亚洲天堂av无毛| 午夜精品国产一区二区电影| 国产成人91sexporn| 成人一区二区视频在线观看| av一本久久久久| 十八禁网站网址无遮挡 | 夜夜骑夜夜射夜夜干| 亚洲精品aⅴ在线观看| 99热这里只有是精品在线观看| 日韩中字成人| 国产日韩欧美亚洲二区| 国产亚洲欧美精品永久| 亚洲欧美成人精品一区二区| 国产av国产精品国产| 精品国产露脸久久av麻豆| 国产在视频线精品| 男人舔奶头视频| 久久久久久久大尺度免费视频| 国产精品一及| 免费人成在线观看视频色| 美女xxoo啪啪120秒动态图| 亚洲欧美日韩东京热| 日本一二三区视频观看| 边亲边吃奶的免费视频| 国产无遮挡羞羞视频在线观看| 草草在线视频免费看| 一级爰片在线观看| 狂野欧美激情性xxxx在线观看| 女性生殖器流出的白浆| 在现免费观看毛片| 日本与韩国留学比较| 99久久人妻综合| 大片电影免费在线观看免费| 人人妻人人爽人人添夜夜欢视频 | 大片电影免费在线观看免费| 久久av网站| 91精品伊人久久大香线蕉| 亚洲av日韩在线播放| 狂野欧美激情性bbbbbb| 99热国产这里只有精品6| 亚洲第一av免费看| 亚洲精品国产成人久久av| av国产免费在线观看| 色视频www国产| 亚洲av男天堂| 80岁老熟妇乱子伦牲交|