本發明實施例提供了一種視頻播放量預測方法、裝置及電子設備，其中，所述方法包括：獲取待預測時間段之前預設數量的已知視頻播放量；其中，所述已知視頻播放量包括真實視頻播放量和/或預測視頻播放量；將所述已知視頻播放量作為預先訓練的預設的神經網絡模型的輸入，將所述神經網絡模型的輸出作為所述待預測時間段對應的預測視頻播放量；其中，所述神經網絡模型是根據歷史真實視頻播放量對預設模型進行訓練得到的，所述預設數量是根據驗證數據以及所述預設模型確定的。通過本發明實施例的技術方案，可以減小預測視頻播放量與實際視頻播放量之間的偏差，提高視頻播放量預測準確率。

技術領域

本發明涉及互聯網技術領域，特別是涉及一種視頻播放量預測方法、裝置及電子設備。

背景技術

隨著網絡技術的發展，通過網絡進行視頻投放已越來越普遍，例如，可以通過網絡投放電影、電視劇、綜藝節目等多種類型的視頻。通常，在進行視頻投放之前，希望能了解到已投放視頻的相關數據，如各視頻的視頻播放量等，以根據已知的視頻播放量，預測之后一段時間內的視頻播放量，并根據預測的視頻播放量，確定待投放視頻的類型、數量等。

現有技術進行視頻播放量預測通常采用的方法是：使用時間序列方法，如ARIMA模型(Autoregressive Integrated Moving Average Model，自回歸移動平均模型)進行視頻播放量的預測。具體的，可以獲取歷史數據，即已知的過去一段時間的視頻播放量，并將歷史數據作為ARIMA模型的輸入，ARIMA模型的輸出即為預測值。

然而，發明人在實現本發明的過程中發現，現有技術至少存在如下問題：

ARIMA模型要求數據是穩定的，或者是通過差分化后是穩定的，本質上只能捕捉線性關系，而不能捕捉非線性關系。也就是說，針對不穩定的數據，使用ARIMA模型是無法捕捉到規律的。而實際的視頻播放量通常不能保證完全是穩定的，因此，使用現有技術進行視頻播放量預測時，會導致預測視頻播放量與實際視頻播放量之間的偏差較大，視頻播放量預測準確率較低。

發明內容

本發明實施例的目的在于提供一種視頻播放量預測方法、裝置及電子設備，以減小預測視頻播放量與實際視頻播放量之間的偏差，提高視頻播放量預測準確率。具體技術方案如下：

在本發明實施的一方面，提供了一種視頻播放量預測方法，包括：

獲取待預測時間段之前預設數量的已知視頻播放量；其中，所述已知視頻播放量包括真實視頻播放量和/或預測視頻播放量；

將所述已知視頻播放量作為預先訓練的預設的神經網絡模型的輸入，將所述神經網絡模型的輸出作為所述待預測時間段對應的預測視頻播放量；其中，所述神經網絡模型是根據歷史真實視頻播放量對預設模型進行訓練得到的，所述預設數量是根據驗證數據以及所述預設模型確定的。

可選的，所述神經網絡模型的訓練過程包括：

獲取歷史真實視頻播放量；其中，各所述歷史真實視頻播放量與各時間段一一對應；

依次確定各目標時間段，將所述目標時間段之前多個連續時間段對應的歷史真實視頻播放量作為預設模型的輸入，將所述預設模型的輸出作為所述目標時間段的預測視頻播放量；計算所述目標時間段的預測視頻播放量與所述目標時間段對應的歷史真實視頻播放量的殘差，并根據所述殘差調整所述預設模型的參數，直至所述殘差滿足預設條件時，將所述預設模型作為所述神經網絡模型。

可選的，獲取歷史真實視頻播放量之后，所述方法還包括：

對所述歷史真實視頻播放量進行預處理；

所述將所述目標時間段之前多個連續時間段對應的歷史真實視頻播放量作為預設模型的輸入，將所述預設模型的輸出作為所述目標時間段的預測視頻播放量；計算所述目標時間段的預測視頻播放量與所述目標時間段對應的歷史真實視頻播放量的殘差，包括：