电视收视率预测算法研究及软件研制

论文摘要

在现代电视媒体经营中,由于市场经济竞争机制逐步完善,政府拨款扶持将越来越少,因而如何依靠有限资源来增加收益,对电视媒体来说至关重要。本文则主要研究如何有效地预测电视台频道收视率的问题。本文首先介绍当前电视频道收视率预测的研究情况及研究意义,并提出了本文研究的收视率预测问题;接着基于数据挖掘分类理论,包括决策树和贝叶斯分类算法来对电视频道收视率进行预测,并对实际数据建模仿真;针对前述方法只能对收视率进行分类的情况,又进一步提出基于ARMA模型来预测收视率的策略,并通过仿真分析,证明了该模型在电视媒体收视率预测过程中是可行有效的。通过大量的研究工作,针对各种电视频道收视率预测策略的特点,提出了关于电视台收视率预测软件系统的设计及实现,并给出基于面向对象思想的软件模型及相关模块的交互设计和实现,这个软件系统是健壮,可靠,可扩展且有效的。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 电视台收视率预测问题的提出与研究意义
• 1.1.1 电视台收视率预测问题的研究背景
• 1.1.2 电视台收视率预测问题的研究意义
• 1.2 电视台收视率及其市场简介
• 1.2.1 电视台收视率概念及其相关调查机构
• 1.2.2 电视台与企业客户在收视率预测中的市场关系
• 1.3 电视台收视率研究的国内外现状
• 1.4 本文论文的内容和结构安排
• 第二章 收视率数据分析及其相关算法研究
• 2.1 收视率的测量及指标简述
• 2.1.1 收视率的测量
• 2.1.2 收视率的指标概述
• 2.1.3 本文研究的收视率数据的表示形式
• 2.2 关于数据挖掘
• 2.2.1 数据挖掘基本原理
• 2.2.2 数据挖掘主要任务
• 2.3 关于数据分类
• 2.4 决策树分类算法
• 2.4.1 决策树概述
• 2.4.2 决策树生成算法及其伪代码实现
• 2.4.3 ID3 算法与信息增益
• 2.5 决策树分类算法在收视率预测中的应用
• 2.5.1 收视率数据处理
• 2.5.2 应用决策树分类算法预测收视率
• 2.6 关于贝叶斯分类算法
• 2.6.1 相关概率概念简介及贝叶斯分类原理
• 2.6.2 贝叶斯分类算法在收视率预测中的应用
• 2.7 本章小结
• 第三章 时间序列模式
• 3.1 时间序列模式简介
• 3.1.1 时间序列模式研究产生背景
• 3.1.2 国内时间序列模式研究现状
• 3.1.3 时间序列模式概念及其应用
• 3.2 关于时间序列分析
• 3.2.1 时间序列的自相关分析
• 3.2.2 时间序列的随机性分析
• 3.2.3 时间序列的平稳性分析
• 3.3 时间序列模式预测的相关方法
• 3.3.1 时间序列分析的一般方法
• 3.3.2 随机性时间序列的预测方法
• 3.4 收视率数据的时间序列特性
• 3.5 本章小结
• 第四章 基于ARMA 模型的电视台收视率预测
• 4.1 ARMA 模型概述
• 4.1.1 ARMA 模型简介
• 4.1.2 ARMA 模型识别
• 4.1.3 ARMA 模型的估计
• 4.2 关于 EViews
• 4.2.1 Eviews 软件包简介
• 4.2.2 关于EViews 软件使用
• 4.3 ARMA 模型在预测电视台频道收视率中的应用
• 4.3.1 ARMA 模型建模预测的主要步骤
• 4.3.2 电视台收视率数据的平稳化
• 4.3.3 模型识别与定阶
• 4.3.4 模型预测值与实际值的比较
• 4.4 本章小结
• 第五章 软件实现
• 5.1 软件设计基本原则描述
• 5.2 软件功能简述
• 5.3 频道收视率预测软件框架
• 5.3.1 软件模块设计
• 5.3.2 类型设计
• 5.3.3 关于类型间的消息传递
• 5.4 主要模块接口设计
• 5.5 软件系统介绍
• 5.5.1 软件基本实现简介
• 5.5.2 软件使用简介
• 5.6 本章小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 攻读硕士学位期间已发表的论文