阿里音樂流行趨勢預(yù)測陜西師范大學(xué)網(wǎng)絡(luò)信息中心團隊介紹內(nèi)容總體思路內(nèi)容算法闡述預(yù)處理算法闡述

eg:

MonthTrendType:10111

0

1005編碼方法

當(dāng)月均值高于前一個月均值，則為“1”，否則為“0”

編碼

=基本趨勢

+增量趨勢若當(dāng)月均值高于前一月，則當(dāng)月均值除以上月均值的結(jié)果取整，否則上月均值除以當(dāng)月均值的結(jié)果取整4月>3月5月<4月6月>5月7月>6月8月>7月保持平穩(wěn)大幅增長算法闡述

根據(jù)月編碼、周編碼、日編碼的基本趨勢和增量趨勢部分對歌手進行分類，最終分為24個基本類別。

建立分類規(guī)則分類規(guī)則列表算法闡述類別最優(yōu)值選擇法子序列模式匹配法預(yù)測方法選擇類別最優(yōu)值選擇法候選預(yù)測方法集合S均值法百分位數(shù)法最后三天均值法最后一周均值法最后一個月均值法最后三個月均值法

......08_658月份65%分位數(shù)法07_60:7-8月份60%分位數(shù)法03_50:3-8月份50%分位數(shù)法

遍歷待選預(yù)測方法集合Smi(trainset)做為8月份的預(yù)測值max(F)對應(yīng)的mi作為最優(yōu)預(yù)測方法根據(jù)評判函數(shù)對預(yù)測值評分Fi類別最優(yōu)值選擇法類別最優(yōu)值選擇法子序列模式匹配法預(yù)測方法選擇部分歌手8月中下旬的日播放量突然成倍增長

通過對其他歌手樣本數(shù)據(jù)中曾經(jīng)出現(xiàn)過的類似曲線的學(xué)習(xí)，計算出待預(yù)測歌手9-10月份日播放量回落到正常水平的預(yù)測值。子序列模式匹配法繼續(xù)增長？保持平穩(wěn)？大幅回落？9月份后確定預(yù)測值123求最佳匹配子序列子序列模式匹配法截取歌手的待匹配子序列截取待預(yù)測的歌手最后15天的日變化率序列在其他歌手的日變化率序列中找出歐式距離最小的5個子序列求最佳匹配子序列123確定預(yù)測值子序列模式匹配法截取歌手的待匹配子序列歐式距離最小的5個子序列待匹配子序列123截取歌手的待匹配子序列確定預(yù)測值求最佳匹配子序列子序列模式匹配法選取三個子序列待匹配序列

對選出的3個子序列匹配結(jié)束后的樣本序列的變化率進行處理，計算出待預(yù)測歌手的9、10月份的日播放量趨勢。子序列模式匹配法算法闡述對top1歌手的處理發(fā)布新專輯附加處理附加處理1--對top1歌手的處理對日播放量越大的歌手預(yù)測的準(zhǔn)確程度對分?jǐn)?shù)的影響越大實際播放量總和的平方根附加處理2--發(fā)布新專輯9、10月有新專輯發(fā)布發(fā)布時間歌曲數(shù)量調(diào)整后的結(jié)果以發(fā)布時間為分割點對9-10月份進行分段根據(jù)專輯中的歌曲數(shù)量，對發(fā)布時間后的預(yù)測值略作提升算法闡述回顧內(nèi)容曾經(jīng)的嘗試常見時間序列模型（Arima、STL、HoltWinters）預(yù)測的日期數(shù)較長，會出現(xiàn)過擬合問題；Arima等時間序列模型的擬合依據(jù)與比賽的評判函數(shù)不同。曾經(jīng)的嘗試周期性