• <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)
    亚洲 欧美一区二区三区| 国产亚洲av嫩草精品影院| 日本 欧美在线| 日韩av在线大香蕉| 狠狠狠狠99中文字幕| 中国美女看黄片| 非洲黑人性xxxx精品又粗又长| 日本在线视频免费播放| 99精品在免费线老司机午夜| 99国产精品一区二区三区| 成人精品一区二区免费| 超碰成人久久| 手机成人av网站| 神马国产精品三级电影在线观看 | 欧美黑人巨大hd| 久久中文字幕一级| 一级片免费观看大全| 午夜精品久久久久久毛片777| 可以免费在线观看a视频的电影网站| e午夜精品久久久久久久| 别揉我奶头~嗯~啊~动态视频| 无人区码免费观看不卡| 精品一区二区三区四区五区乱码| 在线看三级毛片| 国产精品一区二区免费欧美| 中文资源天堂在线| 在线观看www视频免费| 97碰自拍视频| 18禁国产床啪视频网站| 欧美午夜高清在线| 欧美性猛交黑人性爽| 亚洲国产精品成人综合色| 黄片大片在线免费观看| 给我免费播放毛片高清在线观看| 麻豆成人午夜福利视频| 亚洲成a人片在线一区二区| 99热这里只有精品一区 | 亚洲成a人片在线一区二区| 久久久精品大字幕| 又黄又粗又硬又大视频| 日韩免费av在线播放| 免费av毛片视频| 我要搜黄色片| 1024手机看黄色片| 日本撒尿小便嘘嘘汇集6| 国产精品久久电影中文字幕| 在线观看免费午夜福利视频| 精品欧美一区二区三区在线| 中文字幕高清在线视频| 亚洲专区国产一区二区| 亚洲专区字幕在线| 亚洲全国av大片| 成人国产一区最新在线观看| 99久久精品热视频| 最近视频中文字幕2019在线8| 国模一区二区三区四区视频 | 午夜老司机福利片| 精品久久久久久成人av| 欧美日韩亚洲国产一区二区在线观看| 国内久久婷婷六月综合欲色啪| 老司机福利观看| 国产精品亚洲av一区麻豆| 久久久精品大字幕| 韩国av一区二区三区四区| 熟女电影av网| 成人三级黄色视频| 国产主播在线观看一区二区| 亚洲无线在线观看| 色综合站精品国产| 一个人免费在线观看电影 | 男插女下体视频免费在线播放| 久久草成人影院| 一本精品99久久精品77| 天堂av国产一区二区熟女人妻 | 色综合站精品国产| 国产成人影院久久av| 久久久久性生活片| 久久久久精品国产欧美久久久| 亚洲精品av麻豆狂野| 成人国产综合亚洲| 日本成人三级电影网站| 91字幕亚洲| 久久精品aⅴ一区二区三区四区| 一个人免费在线观看的高清视频| 日韩高清综合在线| 免费在线观看成人毛片| 淫秽高清视频在线观看| 十八禁人妻一区二区| www国产在线视频色| 亚洲在线自拍视频| 欧美日韩瑟瑟在线播放| 亚洲国产高清在线一区二区三| 日本五十路高清| 日韩三级视频一区二区三区| 91国产中文字幕| 亚洲在线自拍视频| 男女午夜视频在线观看| 免费人成视频x8x8入口观看| 九色国产91popny在线| 日韩中文字幕欧美一区二区| 久久精品综合一区二区三区| 亚洲av电影不卡..在线观看| 久久精品91蜜桃| 亚洲av成人av| 最新在线观看一区二区三区| av福利片在线观看| 国产一区二区激情短视频| 免费在线观看成人毛片| 777久久人妻少妇嫩草av网站| 1024香蕉在线观看| 无人区码免费观看不卡| 免费无遮挡裸体视频| 宅男免费午夜| 99热6这里只有精品| 韩国av一区二区三区四区| 搡老岳熟女国产| 久久久久久久精品吃奶| 一级毛片女人18水好多| 国产精品久久久av美女十八| tocl精华| 中文字幕av在线有码专区| 免费看a级黄色片| 亚洲av第一区精品v没综合| 狂野欧美激情性xxxx| 久久精品国产综合久久久| 国产精品国产高清国产av| 亚洲五月天丁香| 性欧美人与动物交配| 国产成+人综合+亚洲专区| 亚洲av成人不卡在线观看播放网| 九色成人免费人妻av| 99精品久久久久人妻精品| 欧美一级a爱片免费观看看 | 亚洲精品粉嫩美女一区| 欧美黑人巨大hd| 亚洲第一欧美日韩一区二区三区| 欧美日本视频| 久久久久久九九精品二区国产 | 正在播放国产对白刺激| 搞女人的毛片| 亚洲美女黄片视频| 波多野结衣高清作品| www.www免费av| 亚洲欧美精品综合久久99| 窝窝影院91人妻| 国产精品免费视频内射| 成人三级黄色视频| 舔av片在线| 精品熟女少妇八av免费久了| 九色国产91popny在线| 国产精品98久久久久久宅男小说| 国产三级在线视频| 亚洲中文av在线| 给我免费播放毛片高清在线观看| 久久伊人香网站| 757午夜福利合集在线观看| 亚洲成人精品中文字幕电影| or卡值多少钱| 非洲黑人性xxxx精品又粗又长| 高潮久久久久久久久久久不卡| 精品不卡国产一区二区三区| a级毛片a级免费在线| 精品日产1卡2卡| 亚洲成人免费电影在线观看| 久久久久久大精品| 制服人妻中文乱码| 久久人人精品亚洲av| 色播亚洲综合网| 99热这里只有是精品50| 丁香欧美五月| 亚洲欧美日韩高清专用| 日韩欧美在线乱码| 久久精品aⅴ一区二区三区四区| 久9热在线精品视频| 9191精品国产免费久久| 99精品欧美一区二区三区四区| 亚洲欧美激情综合另类| 亚洲精品中文字幕在线视频| 一个人免费在线观看电影 | 亚洲午夜精品一区,二区,三区| 欧美黄色片欧美黄色片| 国产69精品久久久久777片 | 99在线人妻在线中文字幕| 女人被狂操c到高潮| 又紧又爽又黄一区二区| 欧美日韩亚洲综合一区二区三区_| www.熟女人妻精品国产| 女人高潮潮喷娇喘18禁视频| 1024手机看黄色片| 亚洲精品一卡2卡三卡4卡5卡| 变态另类丝袜制服| 久久精品国产99精品国产亚洲性色| 精品不卡国产一区二区三区| 亚洲欧美一区二区三区黑人| 亚洲av成人精品一区久久| 午夜影院日韩av| 18美女黄网站色大片免费观看| 国产激情偷乱视频一区二区| 日本 av在线| 免费在线观看黄色视频的| 亚洲一区中文字幕在线| 色综合站精品国产| 精品一区二区三区av网在线观看| 国产高清激情床上av| 亚洲人成电影免费在线| 久久国产精品影院| 18禁美女被吸乳视频| 国产在线精品亚洲第一网站| 男人舔女人下体高潮全视频| xxxwww97欧美| 欧美日韩黄片免| 少妇裸体淫交视频免费看高清 | 色噜噜av男人的天堂激情| 欧美乱妇无乱码| 国产亚洲精品一区二区www| 在线免费观看的www视频| 成人国语在线视频| 日本黄大片高清| 制服丝袜大香蕉在线| 男女那种视频在线观看| 两个人免费观看高清视频| 一进一出抽搐动态| 久久久久久免费高清国产稀缺| 男女午夜视频在线观看| a在线观看视频网站| 欧美日本视频| 亚洲精品国产精品久久久不卡| 成人亚洲精品av一区二区| 久久久久久九九精品二区国产 | 亚洲人成网站在线播放欧美日韩| 国产成人精品久久二区二区91| 窝窝影院91人妻| 国产主播在线观看一区二区| 久久精品国产99精品国产亚洲性色| 欧美日韩黄片免| 大型av网站在线播放| 看片在线看免费视频| 色综合亚洲欧美另类图片| e午夜精品久久久久久久| 精品国产亚洲在线| 精品免费久久久久久久清纯| 久久精品国产综合久久久| 亚洲男人天堂网一区| 可以免费在线观看a视频的电影网站| 亚洲一区二区三区色噜噜| 亚洲aⅴ乱码一区二区在线播放 | 99久久无色码亚洲精品果冻| 国产精品亚洲美女久久久| 天堂动漫精品| 日韩欧美国产在线观看| 日韩精品免费视频一区二区三区| 精品一区二区三区四区五区乱码| 一区二区三区高清视频在线| 久久久久九九精品影院| 婷婷精品国产亚洲av| 成在线人永久免费视频| 高潮久久久久久久久久久不卡| 亚洲国产看品久久| 欧美3d第一页| 波多野结衣高清无吗| 日本一二三区视频观看| 在线a可以看的网站| 少妇裸体淫交视频免费看高清 | 美女黄网站色视频| 色综合欧美亚洲国产小说| 波多野结衣高清无吗| 国产亚洲av嫩草精品影院| 亚洲午夜精品一区,二区,三区| 一个人免费在线观看的高清视频| 成人欧美大片| 五月玫瑰六月丁香| xxx96com| 在线视频色国产色| 俺也久久电影网| 一区二区三区国产精品乱码| 国产精品久久久久久亚洲av鲁大| 一夜夜www| 亚洲精品国产一区二区精华液| 久久国产精品影院| 国产精品一区二区三区四区久久| 国产精品美女特级片免费视频播放器 | 19禁男女啪啪无遮挡网站| 日本撒尿小便嘘嘘汇集6| 又黄又爽又免费观看的视频| 少妇被粗大的猛进出69影院| 青草久久国产| 可以在线观看毛片的网站| 色在线成人网| 日韩av在线大香蕉| 成人18禁高潮啪啪吃奶动态图| 亚洲 国产 在线| 国产亚洲av嫩草精品影院| 老司机在亚洲福利影院| 99国产精品一区二区蜜桃av| 欧美日韩瑟瑟在线播放| 狠狠狠狠99中文字幕| 亚洲国产日韩欧美精品在线观看 | 国产精品一区二区免费欧美| av天堂在线播放| 午夜亚洲福利在线播放| 亚洲在线自拍视频| 人人妻,人人澡人人爽秒播| 亚洲一码二码三码区别大吗| 成人亚洲精品av一区二区| 亚洲中文字幕日韩| av有码第一页| 久久精品国产99精品国产亚洲性色| 婷婷精品国产亚洲av| 国产av不卡久久| e午夜精品久久久久久久| 一级黄色大片毛片| 琪琪午夜伦伦电影理论片6080| 中出人妻视频一区二区| 国产视频一区二区在线看| 国产一区二区在线av高清观看| 久久久国产成人精品二区| 女同久久另类99精品国产91| 国产欧美日韩精品亚洲av| 国内久久婷婷六月综合欲色啪| 精华霜和精华液先用哪个| 国内精品久久久久久久电影| 男人舔奶头视频| 久99久视频精品免费| 动漫黄色视频在线观看| 一本一本综合久久| 亚洲中文字幕日韩| 亚洲成av人片免费观看| 亚洲精品在线美女| 给我免费播放毛片高清在线观看| 成人特级黄色片久久久久久久| 麻豆av在线久日| 免费无遮挡裸体视频| 岛国在线免费视频观看| 亚洲最大成人中文| 国产高清有码在线观看视频 | 国产亚洲欧美在线一区二区| 99国产精品99久久久久| 舔av片在线| 国产成人精品久久二区二区免费| 亚洲狠狠婷婷综合久久图片| 一本综合久久免费| 51午夜福利影视在线观看| 亚洲一区二区三区不卡视频| 一夜夜www| 熟妇人妻久久中文字幕3abv| 国产黄色小视频在线观看| 香蕉久久夜色| 91av网站免费观看| 欧美精品啪啪一区二区三区| 最近最新中文字幕大全免费视频| 国内精品一区二区在线观看| 99国产精品一区二区蜜桃av| 国产精品免费视频内射| 黄片大片在线免费观看| 999精品在线视频| tocl精华| 999久久久国产精品视频| 欧美色视频一区免费| 精品国产亚洲在线| 亚洲一卡2卡3卡4卡5卡精品中文| 国内少妇人妻偷人精品xxx网站 | 日韩欧美在线乱码| 日韩欧美免费精品| 日韩国内少妇激情av| 免费观看人在逋| 老司机深夜福利视频在线观看| 久久精品综合一区二区三区| 99精品在免费线老司机午夜| 久久99热这里只有精品18| 国产亚洲欧美98| 日韩欧美国产一区二区入口| 国产亚洲av嫩草精品影院| 无限看片的www在线观看| 少妇裸体淫交视频免费看高清 | 露出奶头的视频| 欧美高清成人免费视频www| 色综合站精品国产| 欧美日本视频| 亚洲七黄色美女视频| 日韩国内少妇激情av| 国产成人精品久久二区二区91| 亚洲午夜精品一区,二区,三区| 亚洲黑人精品在线| 三级男女做爰猛烈吃奶摸视频| 麻豆av在线久日| 全区人妻精品视频| 国产真实乱freesex| 午夜福利高清视频| x7x7x7水蜜桃| 一级a爱片免费观看的视频| 精品日产1卡2卡| 黄片大片在线免费观看| 亚洲精品中文字幕在线视频| 国产麻豆成人av免费视频| www.自偷自拍.com| 久久久国产成人精品二区| 97人妻精品一区二区三区麻豆| 色av中文字幕| 国产精品一及| 亚洲精品av麻豆狂野| 午夜福利免费观看在线| 国产免费男女视频| 久久亚洲真实| 国产午夜福利久久久久久| 久久久国产成人免费| 好男人电影高清在线观看| 国产成人一区二区三区免费视频网站| 精品久久久久久,| 少妇的丰满在线观看| 国产不卡一卡二| 欧洲精品卡2卡3卡4卡5卡区| 亚洲av美国av| 中文字幕高清在线视频| 51午夜福利影视在线观看| 欧美不卡视频在线免费观看 | 日本免费一区二区三区高清不卡| 桃色一区二区三区在线观看| avwww免费| 国产精品永久免费网站| 亚洲精品色激情综合| 窝窝影院91人妻| 亚洲av电影在线进入| 欧美乱色亚洲激情| 欧美黑人巨大hd| 亚洲成人免费电影在线观看| 可以在线观看的亚洲视频| av中文乱码字幕在线| 中出人妻视频一区二区| 欧美午夜高清在线| 国产av麻豆久久久久久久| 国产一区二区三区在线臀色熟女| 岛国在线观看网站| 日本一二三区视频观看| 久久久久久人人人人人| 欧美色欧美亚洲另类二区| 亚洲成人中文字幕在线播放| 午夜久久久久精精品| 一二三四社区在线视频社区8| 精品久久久久久久人妻蜜臀av| 欧美日韩亚洲综合一区二区三区_| 757午夜福利合集在线观看| 1024视频免费在线观看| 每晚都被弄得嗷嗷叫到高潮| av片东京热男人的天堂| 亚洲精品久久成人aⅴ小说| 日韩欧美国产在线观看| 久久精品综合一区二区三区| 在线十欧美十亚洲十日本专区| 亚洲五月天丁香| 欧美日韩黄片免| 久久久精品国产亚洲av高清涩受| 三级男女做爰猛烈吃奶摸视频| 久久中文字幕一级| 亚洲欧美精品综合一区二区三区| 久久香蕉激情| 亚洲成人精品中文字幕电影| 国产高清videossex| 亚洲熟妇中文字幕五十中出| 国产亚洲精品一区二区www| 免费人成视频x8x8入口观看| 身体一侧抽搐| 女人被狂操c到高潮| 亚洲美女视频黄频| 99精品在免费线老司机午夜| 国产黄色小视频在线观看| 一级黄色大片毛片| 操出白浆在线播放| 国产一区在线观看成人免费| 欧美久久黑人一区二区| 午夜福利免费观看在线| 老熟妇乱子伦视频在线观看| 欧美色视频一区免费| 人人妻人人澡欧美一区二区| 丰满人妻熟妇乱又伦精品不卡| АⅤ资源中文在线天堂| 欧美 亚洲 国产 日韩一| 欧美成人性av电影在线观看| 国产午夜福利久久久久久| 精品一区二区三区四区五区乱码| 久久精品夜夜夜夜夜久久蜜豆 | 久久精品国产亚洲av香蕉五月| 精品一区二区三区av网在线观看| av在线天堂中文字幕| 婷婷精品国产亚洲av| 麻豆成人午夜福利视频| 亚洲成人中文字幕在线播放| 91老司机精品| 久久人妻福利社区极品人妻图片| 一二三四在线观看免费中文在| av福利片在线| 五月伊人婷婷丁香| 夜夜躁狠狠躁天天躁| 99国产综合亚洲精品| 国产乱人伦免费视频| 久9热在线精品视频| 天天躁狠狠躁夜夜躁狠狠躁| 天堂影院成人在线观看| 国产一区二区三区在线臀色熟女| 亚洲精品一卡2卡三卡4卡5卡| 亚洲一卡2卡3卡4卡5卡精品中文| 黄片小视频在线播放| 欧美日韩中文字幕国产精品一区二区三区| av福利片在线| 91字幕亚洲| 日韩有码中文字幕| 亚洲全国av大片| 亚洲免费av在线视频| 无遮挡黄片免费观看| 国产v大片淫在线免费观看| 欧美黑人精品巨大| 国产精品一区二区免费欧美| 国产精品一区二区三区四区久久| 精品第一国产精品| 精品国产美女av久久久久小说| 欧洲精品卡2卡3卡4卡5卡区| 免费在线观看完整版高清| 国产在线精品亚洲第一网站| 99精品欧美一区二区三区四区| 50天的宝宝边吃奶边哭怎么回事| 十八禁网站免费在线| 高潮久久久久久久久久久不卡| www.999成人在线观看| 免费观看精品视频网站| 免费高清视频大片| 黄色毛片三级朝国网站| 欧美日韩中文字幕国产精品一区二区三区| 真人做人爱边吃奶动态| 亚洲av电影在线进入| 国产精品亚洲美女久久久| 一夜夜www| 白带黄色成豆腐渣| 亚洲精品久久国产高清桃花| 亚洲电影在线观看av| 久久久国产成人免费| 大型黄色视频在线免费观看| 老司机午夜十八禁免费视频| 99国产极品粉嫩在线观看| 国产精品亚洲av一区麻豆| 搡老岳熟女国产| 久久伊人香网站| 99热只有精品国产| 国产探花在线观看一区二区| 久久精品综合一区二区三区| 亚洲av成人精品一区久久| 美女扒开内裤让男人捅视频| 国产一区在线观看成人免费| 久久国产精品人妻蜜桃| 欧美+亚洲+日韩+国产| 成人手机av| 日韩免费av在线播放| 久久久久久亚洲精品国产蜜桃av| 亚洲成人精品中文字幕电影| 久久伊人香网站| 亚洲熟妇中文字幕五十中出| 欧美高清成人免费视频www| 亚洲九九香蕉| 久久久久免费精品人妻一区二区| cao死你这个sao货| 999久久久精品免费观看国产| 免费在线观看黄色视频的| 美女大奶头视频| 制服人妻中文乱码| 久久精品综合一区二区三区| 欧美性长视频在线观看| 男女之事视频高清在线观看| 国产精品亚洲一级av第二区| 午夜精品在线福利| 天天躁夜夜躁狠狠躁躁| 99久久精品国产亚洲精品| 99re在线观看精品视频| 九色国产91popny在线| 亚洲精品粉嫩美女一区| 人人妻人人看人人澡| 人成视频在线观看免费观看| 在线观看www视频免费| 老司机午夜十八禁免费视频| 国产精品久久久av美女十八| 国产片内射在线| 亚洲熟妇熟女久久| 久久精品国产综合久久久| 亚洲aⅴ乱码一区二区在线播放 | 最近视频中文字幕2019在线8| 天天一区二区日本电影三级| 欧美成人一区二区免费高清观看 | 又黄又爽又免费观看的视频| a在线观看视频网站| 国内少妇人妻偷人精品xxx网站 | 久久精品人妻少妇| 精品一区二区三区四区五区乱码| 日韩成人在线观看一区二区三区| 亚洲免费av在线视频| av欧美777| 精品久久久久久久久久免费视频| 91成年电影在线观看| 亚洲国产精品合色在线| 午夜免费激情av| 91字幕亚洲| 精品日产1卡2卡| 亚洲精品色激情综合| 色综合婷婷激情| 国产成人精品久久二区二区91| 午夜两性在线视频| 欧美人与性动交α欧美精品济南到| 日韩免费av在线播放| 久久久久久亚洲精品国产蜜桃av| 国产一区二区在线观看日韩 | 2021天堂中文幕一二区在线观| 精品欧美一区二区三区在线| 丰满的人妻完整版| 日日爽夜夜爽网站| 亚洲性夜色夜夜综合| 欧美不卡视频在线免费观看 | 久久久久久免费高清国产稀缺| 操出白浆在线播放| 国产成人系列免费观看|