伴随大数据技术的发展,数据规模结构变化、算法模型研究、硬件平台进步为体现其核心价值的定量预测带来了新的发展机遇,通过定量预测算法实现更加及时、准确、持久的系统预测是各个领域的研究热点。定量预测算法具有严格的科学性和客观性,对于辅助系统决策、保持系统正确发展方向具有十分重要的作用。定量预测技术正逐步向视频网站领域渗透,用户点播量是视频网站良性发展的保障,因此视频点播量定量预测研究具有重要的现实意义。经过过去几十年的研究,形成了一些技术成熟的预测算法,但是数据信息制约、影响因子挖掘、建立预测模型等依然是定量预测面临的主要问题。同时,在视频点播量预测研究方面,由于视频的连续性、周期长等特点造成了视频点播量预测的困难,缺少对其定量预测的有效研究。研究发现,视频点播量数据基础广,时间影响因素强,微博评论和搜索数据等社交数据与点播量具有较强相关性。基于视频点播量较强的领域特征和多元数据基础,实现点播量的早期和中长期准确的定量预测是系统研究的核心问题。本文针对视频上线前期和早期,缺少系统内部历史数据造成的数据信息制约问题,基于点播量与系统外部数据的相关性研究,提出了视频微博评论情感极性判断算法。在此基础上针对相关因素分析困难的问题,基于外部数据挖掘影响因子,提出了基于社交数据与搜索数据的视频点播量预测算法。针对视频上线早期点播量数据欠缺的问题,提出了基于系统内部现有视频点播量的历史数据,利用相似性计算确定邻居信息,基于KNN回归的早期预测算法。针对视频点播周期长造成的预测模型选择困难,提出了基于待预测视频自身累积的点播量数据,利用平稳期时间节点探测和平稳期预测实现点播量的中长期预测算法。具体研究内容如下(1)提出视频微博评论情感极性判断算法OSS-TS。研究表明,视频微博评论的情感极性对视频点播量具有潜在的影响。针对视频微博评论的有效价值密度低、评论对象范围广、领域特征强、正负情感偏执以及情感极性逆转等因素造成的情感极性判定困难的问题,提出了基于动态情感词典构建、句法分析、情感特征提取、SVM二次分类的视频微博评论情感极性判断算法,解决了上述因素对情感极性判定的影响,提高了情感极性判定的准确性。(2)提出了基于社交数据与搜索数据的视频点播量预测算法SoStLVL。研究表明,微博关注数量、微博评论数量、微博评论情感倾向以及搜索数据量与视频点播量具有强相关性。利用社交数据与搜索数据对点播量预测的时效性差异,挖掘影响因子,融入情感偏执项,提出了基于系统外部数据的点播量预测算法,提高了点播量预测的时效性与客观性。(3)提出了基于现有点播量数据和KNN回归的早期预测算法KSSSP。针对现有视频点播量数据存在早期噪声影响、峰值与数量级差异等问题,利用视频点播量曲线拟合形态的相似性特点,提出了基于KNN回归模型的相关动态曲线匹配算法,融入平滑、缩放和平移处理,实现视频上线早期的点播量预测,提高了预测的及时性和准确性。(4)提出了基于自身历史数据和线性回归思想的中长期预测算法SDLRP。针对点播量发展趋势的特征变化和数据基础的差异,提出了与KSSSP算法相结合的平稳期时间节点探测算法SD以及平稳期预测算法LRP,实现了准确的中长期预测,提高了预测的持久性。(5)最后,基于上述算法研究,分别提出了基于视频网站外部数据和利用视频网站内部历史数据的点播量定量预测系统,包括数据获取、数据存储、分析预测和结果展示模块。实现了点播量客观及时、准确持久的预测,并提供了便捷直观的展示平台。系统的实现对视频点播量领域定量预测技术的研究具有较大的理论与应用价值。