买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京工业大学

摘要：基于情感分析的短视频获赞数量预测方法属于信息预测领域。本发明内容中，数据模型、计算与推理模型两个核心组件部署在点赞量预估装置中，通过数据库接口组件访问短视频平台服务器获取数据，点赞预估结果保存在点赞量数据服务器中，远程访问计算机通过访问点赞量数据服务器获取数据。完成对短视频封面图片理解和短视频文案的理解，将其结果作为特征向量或特征集的理解。同时，利用梯度提升决策树机器学习算法，减小了计算量，从而提高了点赞量预估的效率。将视频博主名、短视频标签数据嵌入特征集，用于训练模型，从而提高了点赞量预估的准确率。

主权项：1.基于情感分析的短视频获赞数量预测方法，其特征在于，包括以下步骤：1获取点赞量数据模型一个短视频除视频本身外还包含与短视频相关的文案、封面图片、点赞数和视频博主名；这里提取和建立短视频历史特征集，包括封面图片、文案、点赞数、视频博主的名字和标签；建立用户观看短视频后的情感反馈矩阵，把历史特征集作为输入，利用情感分析技术计算用户观后对应的“积极-消极”向量，称作点赞态度向量V1；建立领域短视频的封面图片“刺激-平静”维度的向量，通过Softmax网络分类器对大量未知图片进行分类，将分类结果进行Softmax处理，获得概率矩阵，称为点赞情绪向量V2；提取文案中代表性标签作处理；为方便编码，这里使用同一种语言的标签，并进行one-hot编码，把不同的含博主名的标签转换成不同的列向量，作为代表性标签向量V3；将点赞态度向量V1、点赞情绪向量V2、代表性标签向量V3，线性排列并合成一个点赞量参数矩阵V；V＝{V1|V2|V3}＝{v1,v2,……,vm}TV为V1、V2、V3矩阵拼成一个点赞参数矩阵；将连续的点赞量数值按照公式1进行二分类处理，完成二值化，如下所示： k为选定的点赞量数阈值，k为可获取的样本平均点赞数量向上取整；最后，结合二值化数值矩阵Y，获取点赞量数据模型R，如公式2所示：R＝{V，Y}＝{v1,y1，v2,y2,……,vm,ym}T,vi∈V,yi∈Y22计算与推理在获取点赞相关数据后，经过数据模型R处理，作为计算模型的输入数据；根据点赞数据特征，通过构建计算模型获取点赞量；分为以下几个步骤：步骤一S1：分类回归树初始化；设置模型主要参数，即学习率、迭代次数和树的深度，初始化分类回归树；根据经验法取值，学习率设置为0.02、迭代次数设置为370，树的深度设置为8，叶子数量设置为164；步骤二S2：回归树拟合；根据逻辑回归对数损失函数计算负梯度，并根据梯度提升算法，利用损失函数的负梯度值和回归提升树算法中的负梯度近似值，拟合一个回归树；步骤三S3，回归树获取；将负梯度作为标签，即将点赞参数矩阵V和二值化数值矩阵Y组合为因果变量，用以训练初始化后的回归树；步骤四S4：回归树优化；寻找回归树的最佳划分节点，即遍历每个特征的每个可能取值，分别计算分裂后两组数据的平方损失，找到使平方损失和最小的那个划分节点，即为最佳划分节点；根据生长树的生长条件，继续进行多次划分，直到达到预设的生长树深度；同时，对每棵树的每个叶子节点分别赋一个参数进而拟合负梯度；更新回归树分类器以避免过拟合，重复以上步骤，即可得到所有生成树，进而得到用户点赞量预估模型。

全文数据：

权利要求：

百度查询： 北京工业大学 基于情感分析的短视频获赞数量预测方法