Predicting video popularity of streaming services with machine learning approaches
Akış servislerindeki video popüleritesinin makine öğrenmesi yaklaşımlarıyla öngörülmesi
- Tez No: 801429
- Danışmanlar: Prof. Dr. ARZU TEKTAŞ, Prof. Dr. SONA MARDİKYAN, Prof. Dr. BİLGE ACAR BOLAT
- Tez Türü: Yüksek Lisans
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Uluslararası Ticaret ve Ticaret Yönetimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 67
Özet
Son yıllarda internetin genişlemesi ve Covid-19'un etkisi nedeniyle canlı veya çevrimiçi video yayın hizmetleri büyük bir popülerlik kazanmıştır. Ancak, her geçen gün artan kullanıcı kitlesine içerik sunmak, çevrimiçi video yayın şirketleri için zorluklar oluşturmaktadır. Kullanıcı taleplerine ve tercihlerine yanıt vermek için yüksek dog˘ruluklu bir tahmin modeline ihtiyaç vardır. Bu tezde, ˙Iran'daki önde gelen bir çevrimiçi video yayın sag˘layıcısının her video için metadata ve metin özelliklerine makine ög˘renimi algoritmaları uygulanarak video popülerlig˘inin popüler veya popüler olmayan olarak tahmin edilmesi için bir tahmin modeli geliştirilmiştir. Tez çalışması, Pers dilindeki video ile ilgili özellikler ve metin özellikleri temel alınarak video popülerlig˘inin yüksek dog˘rulukla modellenebileceg˘ini göstermektedir. Dört sınıflandırma modeli uygulanmış olup, Rastgele Orman modeli en yüksek dog˘rulug˘u ve F1-Puanını, sırasıyla % 86 ve % 72 ile elde etmisştir. NLP yoluyla elde edilen yeni öznitelikler metadata ile birles¸tirildig˘inde, Destek Vektör Makinesi en dog˘ru sonuçları elde etmektedir. Ayrıca, video açıklamasının kelime gömbelemelerinin tahmin edici özellikler olarak dahil edilmesi, sınıflandırıcıların performansını önemli ölçüde artırmaktadır. Çalışma, program bölümlerinin sayısı, video türü, kanal ve yapım yılı gibi özelliklerin video popülerlig˘inin tahmininde en etkili özellikler oldug˘unu bulmus¸tur. Video içerik popülerlig˘inin önceden tahmin edilmesi, pazarlama amaçları, ag˘ kullanımı ve ag˘ maliyetlerinin azaltılması gibi büyük faydalar sag˘lar.
Özet (Çeviri)
Live or online video streaming services have gained immense popularity in recent years due to the expansion of the internet and the impact of Covid-19. However, delivering content to an ever-increasing user base poses challenges to online video streaming companies. To respond to user demands and preferences, a prediction model with high accuracy is needed. In this thesis, a predictive model is developed to anticipate a video's popularity as popular or unpopular by applying machine learning algorithms to metadata and textual features of each video from a prominent online video streaming provider in Iran. The study shows that video popularity can be modeled with high accuracy based on video-related attributes and textual features in Persian language. Four classification models are applied, with the Random Forest model achieving the highest accuracy and F1-Score of 86% and 72%, respectively. The Support Vector Machine obtains the most accurate results when new attributes obtained through NLP are combined with metadata. Moreover, the inclusion of word embeddings of the video description as predictive features improves classifiers' performance significantly. The study finds that the number of program episodes, video type, channel, and year of production are the most influential features in predicting video popularity. Predicting video content popularity in advance has enormous benefits for marketing purposes, network usage, and network cost reduction.
Benzer Tezler
- Hevc'de iç tahmin için heterojen CPU+GPU platformlarında bir paralel model kurulması
A parallel model for intra prediction in hevc on heterogeneous CPU+GPU platforms
MÜCAHİT KAPLAN
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMaltepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALİ AKMAN
- Implementation of 8x8 luma intra prediction module for H.264/AVC standard
H.264/AVC standart için 8x8 luma çerçeve içi tahmin modülünün uygulanması
BUNJI ANTOINETTE RINGNYU
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik MühendisliğiKocaeli ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ TANGEL
- Decision support system for a football team management by using machine learning techniques
Makine öğrenmesi teknikleri ile bir futbol takımı yönetimi için karar destek sistemi
MUSTAFA AADEL MASHJAL AL-ASADI
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAKİR TAŞDEMİR
- Recurrent neural network based approaches for electricity consumption forecasting
Tekrarlayan sinir ağı tabanlı elektrik tüketim tahmini
ALPER TOKGÖZ
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. GÖZDE ÜNAL
- Popularity prediction of image posts in social networks based on user and post attributes
Sosyal ağlarda görüntü içerikli paylaşımların kullanıcı ve paylaşım özelliklerine dayalı popülerlik tahmini
MEHMETCAN GAYBERİ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE GÜNDÜZ ÖĞÜDÜCÜ