基于BP神经网络的电视节目收视率预测模型

汪 洋，田 钢，温淑鸿

（中国传媒大学 信息工程学院，北京 100024）

基于BP神经网络的电视节目收视率预测模型

汪 洋，田 钢，温淑鸿

（中国传媒大学 信息工程学院，北京 100024）

电视节目收视率预测是一种典型非线性预测，收视率在短时间内相对稳定。人工神经网络具有良好的容错性、自适应学习能力以及非线性映射能力，采用人工神经网络做收视率预测精度较高。基于BP神经网络建立了预测模型，并采用软件仿真的方式对预测过程以及预测结果进行分析，实验结果表明采用BP神经网络预测电视节目收视率是可行的。

BP神经网络；收视率；预测

收视率是电视节目的一个重要指标，它不仅关系到某档节目在观众中的口碑，还直接关系到节目经营效益和广告价值。如果能准确预测电视台预期播出节目的收视率，就能够更好地进行节目调度工作。

考虑到特定电视节目的受众群体相对稳定，排除极少数突发事件的影响，电视节目收视率在短时间内是具有很强稳定性的，因此近期收视率数据在预测即将播出的节目收视率的问题中具有很大的价值。本文提出的基于BP神经网络[1-2]的预测方法，与决策树理论、贝叶斯网络[3]以及ARMA模型等方法相比，更注重数据之间的稳定规律，因此精度相对较高。

1 BP神经网络简介

人工神经网络是一种并行计算网络，具有自学习性、良好容错性和非线性映射能力。BP算法的实质就是求解误差函数的最小值问题，BP算法因其简单、易行、计算量小、并行性强等优点，目前是神经网络训练采用比较多也是比较成熟的训练算法之一。

BP神经网络是一种多层感知器结构，它通常具有一个输入层，若干个隐含层，以及一个输出层，每层具有多个神经元，神经元之间彼此联系，对应着相应的权值和阈值，在神经网络学习过程中，各个权值和阈值将不断调整。BP神经网络的学习过程是一个反复迭代的过程，在每一次迭代过程中信号正向传播，由输入层输入数据，经各层传导和计算后传向输出层，得到数据后和真实值比对得到误差，然后将误差值反向传输，调整各个权值和阈值。这样周而复始地迭代调整，直到误差减小到预期范围内，或者达到了预设最大训练次数。BP神经网络的训练流程图见图1。对大量的样本数据进行自适应学习后，网络中的权值和阈值已经调整到与对应模型相适应的状态，便可以用此训练好的神经网络进行自动推理和识别。

图1 BP神经网络的训练流程图

2 预测模型与仿真

影响电视收视率的因素很多，主要有所在频道、播出时间、节目包装、节目编排、名人效应等，所以收视率预测是一个典型的非线性预测，而BP神经网络具有很好的非线性映射能力[4-5]。同时电视收视率具有相对稳定的特点，可以建立BP神经网络，通过对历史数据的学习来推测未播出节目的收视情况。不难看出，选用BP神经网络来预测电视收视率是可行的。

2.1 仿真软件的选取

本论文的仿真软件选用MATLAB，MATLAB中有神经网络工具箱，能够快速地建立神经网络，方便进行模型计算。MATLAB还能自动给出训练次数、训练时间、误差函数指标等参数，以及自动生成误差函数。

2.2 预测模型的建立

本模型中建立了具有一个隐含层的神经网络，输入层、隐含层、输出层具有的神经元个数分别为3个、7个和1个，层之间的传递函数选用tansig，输出选用log⁃sig函数，训练函数选用traingd。其神经网络模型如图2所示。

图2 神经网络模型

本模型中的输入层含有3个神经元，输出含有1个神经元，在训练或者预测实验中，将前3期节目的收视数据作为输入，经过神经元计算后，输出下一期节目收视率。

可以采用多个隐含层，隐含层增多会使预测精度增加，但在计算过程中会耗费大量时间。理论已经证明神经网络只要拥有一个隐含层，就能通过增加隐含层神经元个数的方法来逼近任何一个复杂非线性模型。本模型中只含有一个隐含层，而采用增加隐含层神经元个数的方法来完成精确预测。

2.3 仿真分析

某档综艺节目在北京市的2013年前12期节目收视率分别为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%，从而预测第13期节目的收视率。根据以上神经网络模型，可以得到9组样本数据，见表1。

表1 样本数据

最大迭代次数设置为15 000次，预设精度设置为0.1%，然后开始训练神经网络。

训练神经网络之后，将第10期节目、第11期节目以及第12期节目收视率作为输入，神经网络输出值便是第13期节目收视率，见表2。

表2 预测计算的输入和输出

第13期节目预测结果为0.205 4%，误差曲线如图3所示。

图3 误差曲线图

从误差曲线中可以看出，经过1 261次迭代，神经网络精度达到预设值0.1%。

为了测试模型的可行性，实验还测试了多组数据，部分数据测试结果见表3。实验中已知某档电视节目在北京市的2013年前12期节目收视率，建立上述神经网络，预测第13期节目的收视率。

表3 测试数据表

应该注意的是，BP神经网络预测是非线性预测，同样结构的神经网络输入同样一组数据，多次实验的结果并不一定完全相同，但都在误差允许范围之内。另外，由于BP神经网络采用非线性规划中的最速下降方法，BP神经网络收敛速度较慢，偶尔出现迭代次数达到规定的最大次数15 000次还未收敛的情况，此时预测实验失败，经过统计这类情况的失误率约为13.203%，但是实验失败后用同样结构的神经网络和同样的数据重复实验能够得到期望的预测效果。希望今后的研究者能改进算法，得到更好的实验效果。

3 小结

本文建立一种可以预测电视节目收视率的BP神经网络，经验证，经过有限次迭代后，能够达到预期的0.1%的精确度，说明采用这种方法预测收视率是可行的，且精确度较高。这种方法不仅能为电视台工作人员在节目编排和调整上提供很大帮助，也能为广告投放商提供数据参考。

[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] 邬丽云，曲洲青.基于BP神经网络的收视率预测[J].中国传媒大学学报：自然科学版，2011，18（3）：59-62．

[3]张晶，白冰，苏勇.基于贝叶斯网络的电视节目收视率预测研究[J].科学技术与工程，2007，7（19）：5099-5102．

[4] 吴江，张国华.电视栏目收视率预测的一种方法[J].市场调研，2009（11）：34-38．

[5] 徐永群，陈年友，朱怡权，等.BP神经网络计算法及其应用研究[J].黄冈师范学院学报，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

【本文献信息】汪洋，田钢，温淑鸿.基于BP神经网络的电视节目收视率预测模型[J].电视技术，2014，38（6）.

汪 洋（1989—），硕士生，主研数字广播电视技术；

田 钢（1986—），硕士生，主研数字媒体技术;

温淑鸿（1969—），副教授，硕士生导师，主研嵌入式技术。