[发明专利]基于LDA主题模型与固定效应模型的直播效果的预测方法

说明书

基于LDA主题模型与固定效应模型的直播效果的预测方法，属于数据分析技术领域。方法是：获取主播和每场直播的信息，得到原始数据集；对原始数据集中的弹幕文本进行数据预处理，得到初始数据集；根据初始数据集，构建LDA主题模型，并通过LDA主题模型从初始数据集中挖掘出主题词和每场直播的主题概率分布；依据每场直播互动模式的概率分布及其二次项，并分别加入直播时长、粉丝数量、该场直播的访问量及直播效果构建固定效应模型，从而探究多个自变量对直播效果的影响关系，并得到固定效应模型系数和残差项；根据二次项固定效应模型系数，探求该主播群体固定效应模型的极值点，探究针对直播的最佳互动模式。本发明用于直播效果的预测、分析与提升。

技术领域

本发明属于数据分析技术领域，具体涉及一种基于LDA主题模型与固定效应模型的直播效果的预测方法。

背景技术

直播能更好的呈现商品，并让观众与主播能够实时互动，极大的促进观众的冲动消费。作为当下的重要网络购物购买渠道，主播新增数量也十分的巨大，导致的主播市场竞争加剧。每位主播和品牌方也都采取各种措施来提升自己直播间的销售量。同时，由于观众在直播间的购物往往属于冲动购买，学界关于直播的属性以及冲动购买影响因素的研究也取得了较为丰富的成果。然而，关于影响直播销售量的研究还有较大的增长空间，目前的研究更多使用实验法和问卷法，利用自然语言处理和计量经济模型来进行直播效果分析的文献相对较少，且数据采集的样本偏少，对文本内容的挖掘也不够充分，令主播难以真实了解到互动风格等多种要素对销售量的影响，平台方和品牌方也难以较好的预测主播的带货效果。而且，基于关系营销，关系型互动(聚焦于情感)和交易型(聚焦于产品和信息)互动在直播带货场景下的重要性并没有得到全面的探讨，较少有学者能从实证数据的角度来进行全面完整的分析和探索，因此，有必要研究一种可以将直播的多方因素纳入考虑，尤其将直播间的互动内容和其他多方要素同时纳入考量，构建对直播效果进行预测的模型，来探究对直播带货效果造成影响的要素的全面分析。同时，每位主播也有自己的独特情况和粉丝偏好，依据自身的直播互动特征、风格定位、粉丝偏好等往期情况，基于数据构建属于自己的直播带货影响因素模型也同样重要。依据分析模型结果，对自身带货的情况和风格做出调整，以达到最佳的直播效果。但此类模型目前并未在直播场景下，依据直播的特性进行充分的研究构建。

发明内容

本发明为解决现有技术存在的上述问题，提供一种基于LDA主题模型与固定效应模型的直播效果的预测方法。

实现上述目的，本发明采取的技术方案如下：

基于LDA主题模型与固定效应模型的直播效果的预测方法，利用LDA主题模型得到不同主题分布，利用固定效应模型探究直播的多种因素对直播销量的影响，并得出主播的最佳互动模式，所述方法包括以下步骤：

S1、获取主播和每场直播的信息，得到原始数据集；

S2、对原始数据集中的弹幕文本进行数据预处理，得到初始数据集；

S3、根据初始数据集，构建LDA主题模型，并通过LDA主题模型从初始数据集中挖掘出主题词和每场直播的主题分布，即每场直播互动模式的概率分布；

S4、依据每场直播互动模式的概率分布及其二次项，并分别加入直播时长、粉丝数量、该场直播的访问量及该场直播的效果构建固定效应模型，从而探究多个自变量对直播效果的影响关系，并得到二次项固定效应模型系数和残差项；

S5、根据二次项固定效应模型系数，探求该主播群体固定效应模型的极值点，探究针对直播的最佳互动模式。

进一步的是，所述步骤S1中，获取主播和每场直播的信息，包括弹幕和销量信息。

进一步的是，所述步骤S2中，对原始数据集中的弹幕文本进行数据预处理，得到初始数据集的具体步骤如下：

S21、筛选掉含有缺失值、销售量为0、弹幕量为0的直播；