汪 洋，田 鋼，溫淑鴻

（中國傳媒大學(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)測模型

汪 洋，田 鋼，溫淑鴻

（中國傳媒大學(xué) 信息工程學(xué)院，北京 100024）

電視節(jié)目收視率預(yù)測是一種典型非線性預(yù)測，收視率在短時間內(nèi)相對穩(wěn)定。人工神經(jīng)網(wǎng)絡(luò)具有良好的容錯性、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)測精度較高?；贐P神經(jīng)網(wǎng)絡(luò)建立了預(yù)測模型，并采用軟件仿真的方式對預(yù)測過程以及預(yù)測結(jié)果進行分析，實驗結(jié)果表明采用BP神經(jīng)網(wǎng)絡(luò)預(yù)測電視節(jié)目收視率是可行的。

BP神經(jīng)網(wǎng)絡(luò)；收視率；預(yù)測

收視率是電視節(jié)目的一個重要指標(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)營效益和廣告價值。如果能準確預(yù)測電視臺預(yù)期播出節(jié)目的收視率，就能夠更好地進行節(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)目收視率在短時間內(nèi)是具有很強穩(wěn)定性的，因此近期收視率數(shù)據(jù)在預(yù)測即將播出的節(jié)目收視率的問題中具有很大的價值。本文提出的基于BP神經(jīng)網(wǎng)絡(luò)[1-2]的預(yù)測方法，與決策樹理論、貝葉斯網(wǎng)絡(luò)[3]以及ARMA模型等方法相比，更注重數(shù)據(jù)之間的穩(wěn)定規(guī)律，因此精度相對較高。

1 BP神經(jīng)網(wǎng)絡(luò)簡介

人工神經(jīng)網(wǎng)絡(luò)是一種并行計算網(wǎng)絡(luò)，具有自學(xué)習(xí)性、良好容錯性和非線性映射能力。BP算法的實質(zhì)就是求解誤差函數(shù)的最小值問題，BP算法因其簡單、易行、計算量小、并行性強等優(yōu)點，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)，它通常具有一個輸入層，若干個隱含層，以及一個輸出層，每層具有多個神經(jīng)元，神經(jīng)元之間彼此聯(lián)系，對應(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)過程是一個反復(fù)迭代的過程，在每一次迭代過程中信號正向傳播，由輸入層輸入數(shù)據(jù)，經(jīng)各層傳導(dǎo)和計算后傳向輸出層，得到數(shù)據(jù)后和真實值比對得到誤差，然后將誤差值反向傳輸，調(diào)整各個權(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。對大量的樣本數(shù)據(jù)進行自適應(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)進行自動推理和識別。

圖1 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練流程圖

2 預(yù)測模型與仿真

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)測是一個典型的非線性預(yù)測，而BP神經(jīng)網(wǎng)絡(luò)具有很好的非線性映射能力[4-5]。同時電視收視率具有相對穩(wěn)定的特點，可以建立BP神經(jīng)網(wǎng)絡(luò)，通過對歷史數(shù)據(jù)的學(xué)習(xí)來推測未播出節(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)，方便進行模型計算。MATLAB還能自動給出訓(xùn)練次數(shù)、訓(xùn)練時間、誤差函數(shù)指標(biāo)等參數(shù)，以及自動生成誤差函數(shù)。

2.2 預(yù)測模型的建立

本模型中建立了具有一個隱含層的神經(jīng)網(wǎng)絡(luò)，輸入層、隱含層、輸出層具有的神經(jīng)元個數(shù)分別為3個、7個和1個，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個神經(jīng)元，輸出含有1個神經(jīng)元，在訓(xùn)練或者預(yù)測實驗中，將前3期節(jié)目的收視數(shù)據(jù)作為輸入，經(jīng)過神經(jīng)元計算后，輸出下一期節(jié)目收視率。

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

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)測計算的輸入和輸出

第13期節(jié)目預(yù)測結(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)精度達到預(yù)設(shè)值0.1%。

為了測試模型的可行性，實驗還測試了多組數(shù)據(jù)，部分數(shù)據(jù)測試結(jié)果見表3。實驗中已知某檔電視節(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)測第13期節(jié)目的收視率。

表3 測試數(shù)據(jù)表

應(yīng)該注意的是，BP神經(jīng)網(wǎng)絡(luò)預(yù)測是非線性預(yù)測，同樣結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)輸入同樣一組數(shù)據(jù)，多次實驗的結(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)達到規(guī)定的最大次數(shù)15 000次還未收斂的情況，此時預(yù)測實驗失敗，經(jīng)過統(tǒng)計這類情況的失誤率約為13.203%，但是實驗失敗后用同樣結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)和同樣的數(shù)據(jù)重復(fù)實驗?zāi)軌虻玫狡谕念A(yù)測效果。希望今后的研究者能改進算法，得到更好的實驗效果。

3 小結(jié)

本文建立一種可以預(yù)測電視節(jié)目收視率的BP神經(jīng)網(wǎng)絡(luò)，經(jīng)驗證，經(jīng)過有限次迭代后，能夠達到預(yù)期的0.1%的精確度，說明采用這種方法預(yù)測收視率是可行的，且精確度較高。這種方法不僅能為電視臺工作人員在節(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[J].中國傳媒大學(xué)學(xué)報：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)測研究[J].科學(xué)技術(shù)與工程，2007，7（19）：5099-5102．

[4] 吳江，張國華.電視欄目收視率預(yù)測的一種方法[J].市場調(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)計算法及其應(yīng)用研究[J].黃岡師范學(xué)院學(xué)報，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)。