陈春燕，张　钰，常　标，吕俊龙

1.蚌埠医学院卫生管理系，安徽蚌埠2330302.中国科学技术大学计算机科学与技术学院，合肥2300003.蚌埠学院计算机科学与技术系，安徽蚌埠233030

ISSN 1673-9418 CODEN JKYTA8

Journal of Frontiers of Computer Science and Technology 1673-9418/2016/10(03)-0425-08



基于ARMA模型的在线电视剧流行度预测*

陈春燕1,2，张钰1,2，常标2，吕俊龙3+

1.蚌埠医学院卫生管理系，安徽蚌埠233030
2.中国科学技术大学计算机科学与技术学院，合肥230000
3.蚌埠学院计算机科学与技术系，安徽蚌埠233030

ISSN 1673-9418 CODEN JKYTA8

Journal of Frontiers of Computer Science and Technology 1673-9418/2016/10(03)-0425-08

E-mail: fcst@vip.163.com

http://www.ceaj.org

Tel: +86-10-89056056

* The Natural Science Foundation of Anhui Province under Grant No. 1408085QF110 (安徽省自然科学基金); the Fundamental Research Funds for the Central Universities of China under Grant No. WK0110000042 (中央高校基本科研业务费专项资金); the University Natural Science Foundation of Anhui Province under Grant No. KJ2015B071by (安徽省高等学校自然科学研究项目); the University ExcellentYouth Talents FoundationofAnhui Provinceunder Grant No.2010SQRL126(安徽省高等学校优秀青年人才基金).

Received 2015-05,Accepted 2015-07.

CNKI网络优先出版: 2015-08-11, http://www.cnki.net/kcms/detail/11.5602.TP.20150811.1517.003.html

Key words: autoregressive moving average model; popularity prediction; online teleplays; time series; sharing parameters

摘要：在线电视剧的迅速普及和发展，引发了一个全新的研究问题，即在线电视剧流行度预测。电视剧情节演化的连续性，使相邻剧集的流行度序列具有很强的线性相关性。扩展了自回归滑动平均（autoregressive moving average，ARMA）模型。具体地，采用多集单天和多集多天两种不同的建模策略，使用电视剧之间共享参数方法进行模型参数估计。利用均方根误差（root mean squared error，RMSE）评价预测方法的准确性，在大量的真实数据集上的实验表明，上述两种策略相比于对比方法，可以使RMSE平均分别降低22.0%和32.3%。关键词：自回归滑动平均模型；流行度预测；在线电视剧；时间序列；共享参数

1　引言

近年来，国内网民数量一直呈上升趋势，数量超过6亿，互联网的普及率接近50%，各种网络应用深刻改变着网民的生活。传统的电视节目在观看时间上使用户受到了很大的限制，已经不能满足老百姓的日常娱乐生活。这就促使了许多提供在线电视剧网站的迅速发展，国内也迅速涌现出了许多视频网站，如优酷、爱奇艺等。……