| 加入情感分析的Stacking模型在网络剧播放量预测中的应用 |
| |
| 引用本文： | 李明珠,米传民,肖琳,许乃元. 加入情感分析的Stacking模型在网络剧播放量预测中的应用[J]. 计算机系统应用, 2022, 31(6): 315-323. DOI: 10.15888/j.cnki.csa.008510 |
| |
| 作者姓名： | 李明珠 米传民 肖琳 许乃元 |
| |
| 作者单位： | 南京航空航天大学 经济与管理学院, 南京 211106 |
| |
| 摘 要： | 随着网络剧近年来的飞速发展, 对播放量的研究也逐渐受到关注. 网络剧播放量反映了网络剧的口碑和受欢迎程度, 这与制作方和投资方的收益密切相关. 但目前的研究尚未考虑观众评论的情感态度对播放量的影响, 并且预测模型也较为简单, 预测精度有待进一步提高. 本文在对用户评论进行情感分析的基础上, 构建Stacking集成学习模型对我国网络剧的播放量进行预测. 首先基于SO-PMI算法构建网络剧领域情感词典, 并结合基础情感词典以及点赞数权重计算出评论情感得分, 加入预测指标体系中; 接着以随机森林(random forest, RF), GBDT, XGBoost以及LightGBM为基学习器, MLR为元学习器, 构建Stacking网络剧播放量分阶段的预测模型, 使用当前数据对下一周的播放量进行预测; 最后进行模型比较分析, 并得出预测变量的重要性分值. 实验结果显示, 本文所构建的模型判定系数R方值达到了0.89, 高于基学习器单独的模型预测R方值 (最高0.84)以及未加入情感得分变量的Stacking模型预测R方值 (0.81). 可以得出加入情感得分变量后, 本文构建的Stacking集成学习模型在一定程度上可以提高网络剧播放量的预测精度.
|
| 关 键 词： | 网络剧 播放量预测 情感分析 集成学习 Stacking模型融合 深度学习 |
| 收稿时间： | 2021-08-28 |
| 修稿时间： | 2021-09-26 |
Predicting Network Drama Broadcast Volume Based on Sentiment Analysis and Stacking Model |
| |
| LI Ming-Zhu,MI Chuan-Min,XIAO Lin,XU Nai-Yuan. Predicting Network Drama Broadcast Volume Based on Sentiment Analysis and Stacking Model[J]. Computer Systems& Applications, 2022, 31(6): 315-323. DOI: 10.15888/j.cnki.csa.008510 |
| |
| Authors: | LI Ming-Zhu MI Chuan-Min XIAO Lin XU Nai-Yuan |
| |
| Affiliation: | College of Economics and Management, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China |
| |
| Abstract: | |
| |
| Keywords: | network drama broadcast volume prediction sentiment analysis ensemble learning stacking model fusion deep learning |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机系统应用》浏览原始摘要信息 |
|
点击此处可从《计算机系统应用》下载全文 |
|
