[发明专利]一种预测剧集播放量的方法和装置

权利要求书

1.一种预测剧集播放量的方法，其中，所述方法包括：

将目标剧集节目的剧集相关信息及所述目标剧集节目的第一集的播放量输入已训练的剧集播放量预测模型，输出所述目标剧集节目的后续每一集的预测播放量，其中，所述剧集播放量预测模型是通过收集到的多个剧集节目的剧集相关信息及每个剧集节目的每一集的播放量进行模型训练得到的；

根据所述第一集的播放量以及所述后续每一集的预测播放量，估计得到所述目标剧集节目对应的总播放量。

2.根据权利要求1所述的方法，其中，所述方法还包括：

收集得到多个剧集节目的剧集播放信息，其中，所述剧集播放信息包括所述多个剧集节目的剧集相关信息及每个剧集节目的每一集的播放量；

对所述剧集播放信息进行数据处理，得到可用于训练剧集播放量预测模型的训练数据集；

通过所述训练数据集进行模型训练，得到已训练的剧集播放量预测模型。

3.根据权利要求2所述的方法，其中，所述对所述剧集播放信息进行数据处理，包括：

对所述剧集播放信息进行数据清理，删除所述剧集播放信息中的异常数据和/或冗余数据。

4.根据权利要求3所述的方法，其中，所述对所述剧集播放信息进行数据处理，还包括：

对于所述剧集播放信息中的空数据，通过均值策略填补所述空数据。

5.根据权利要求2所述的方法，其中，所述对所述剧集播放信息进行数据处理，包括：

构造可用于训练剧集播放量预测模型的训练数据集，其中，所述训练数据集包括多个数据条目，每个数据条目由两个维度的数据构成，对于每个数据条目，其中一个维度的数据包括一个剧集节目的剧集相关信息、该剧集节目的第一集的播放量、该剧集节目除第一集之外的一集的序号信息，另一个维度的数据包括该除第一集之外的一集的播放量。

6.根据权利要求2所述的方法，其中，所述通过所述训练数据集进行模型训练，得到已训练的剧集播放量预测模型，包括：

根据随机森林预测算法通过所述训练数据集进行模型训练，得到已训练的剧集播放量预测模型，其中，所述剧集播放量预测模型为集成模型，所述剧集播放量预测模型包括多个决策树；

其中，所述将目标剧集节目的剧集相关信息及所述目标剧集节目的第一集的播放量输入已训练的剧集播放量预测模型，输出所述目标剧集节目的后续每一集的预测播放量，包括：

对于每个决策树，将目标剧集节目的剧集相关信息及所述目标剧集节目的第一集的播放量输入该决策树，输出该决策树对应的预测结果，其中，所述预测结果包括所述目标剧集节目的后续每一集的预测播放量；

根据所述多个决策树对应的多个预测结果，确定最终预测结果，其中，所述最终预测结果包括所述目标剧集节目的后续每一集的预测播放量。

7.根据权利要求6所述的方法，其中，所述根据随机森林预测算法通过所述训练数据集进行模型训练，得到已训练的剧集播放量预测模型，包括：

通过Bootstrap方法对所述训练数据集进行随机采样，生成多个训练数据子集；

对于每个训练数据子集，通过该训练数据子集进行模型训练，得到已训练的该训练数据子集对应的决策树。

8.根据权利要求6所述的方法，其中，所述方法还包括：

通过AUTOML方法从所述多个决策树中确定至少一个决策树，其中，所述至少一个决策树中的每个决策树的泛化能力满足预定条件。

9.一种预测剧集播放量的装置，其中，所述装置包括：

用于将目标剧集节目的剧集相关信息及所述目标剧集节目的第一集的播放量输入已训练的剧集播放量预测模型，输出所述目标剧集节目的后续每一集的预测播放量的装置，其中，所述剧集播放量预测模型是通过收集到的多个剧集节目的剧集相关信息及每个剧集节目的每一集的播放量进行模型训练得到的；

用于根据所述第一集的播放量以及所述后续每一集的预测播放量，估计得到所述目标剧集节目对应的总播放量的装置。