簡易檢索 / 詳目顯示
| 研究生： |
支向理 Chih, Hsiang-Li |
|---|---|
| 論文名稱： |
以人工智慧方法預測Youtube趨勢影片 Using artificial intelligence to predict Youtube trending video |
| 指導教授： | 謝明華 |
| 口試委員: |
李宜熹
邱于芬 |
| 學位類別： |
碩士
Master |
| 系所名稱： |
商學院 - 經營管理碩士學程(EMBA) Executive Master of Business Administration(EMBA) |
| 論文出版年： | 2019 |
| 畢業學年度： | 107 |
| 語文別： | 中文 |
| 論文頁數： | 43 |
| 中文關鍵詞： | 人工智慧 、機器學習 、線上影音 |
| 外文關鍵詞： | Machine-learning, AI, Youtube |
| DOI URL： | http://doi.org/10.6814/THE.NCCU.EMBA.028.2019.F08 |
| 相關次數： | 點閱：343 下載：14 |
| 分享至: |
| 查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報 |
本研究採用機器學習之迴歸預測方法，以資料科學競賽平台Kaggle所提估之公開資料集，建立預測線上影音網站Youtube趨勢（熱門）影片上榜天數的預測模型。第一次訓練先使用原資料集之四個數值變數（累計瀏覽人數、累計按喜歡數、累計按不喜歡數、累計評論數）建構模型，第二次訓練透過Python中自然語言處理的情感分析方法，將影片敘述欄位轉化為數值的正面及負面情緒分數，以加入迴歸模型之新變數進行分析，第三次訓練則將原資料集影片分類的欄位透過scikit-learn中的One-Hot-Encoder工具將類別變數轉為數值變數加入模型，三次訓練皆以線性迴歸、決策樹、隨機森林三種學習方法比較預測效果，最終以隨機森林模型效果最佳。
第壹章、緒論 5
第一節、研究背景與動機 5
第二節、研究目的 7
第貳章、文獻回顧 8
第一節、人工智慧(Artificial Intelligence, AI) 8
第二節、機器學習 11
第參章、媒體及娛樂業市場 19
第一節、全球媒體及娛樂業發展現況 19
第二節、台灣媒體及娛樂市場發展趨勢 22
第肆章、實證分析 25
第一節、資料集介紹 25
第二節、資料集分析 27
第三節、選擇訓練模型 35
第四節、模型分析結果 37
第伍章、結論與未來改善 40
第陸章、參考文獻 42
中文文獻
資誠聯合會計師事務所（民106年6月7日）。2017 全球與臺灣娛樂暨媒體業展望報告。取自：https://www.pwc.tw/zh/news/press-release/press-20170607.html
創市際雙週刊第七十一期（民105年9月19日）。影音網站調查與台灣影音
相關網站使用概況。取自：http://www.ixresearch.com/wp-content/uploads/report/InsightXplorer%20Biweekly%20Report_20160919.pdf
英文文獻
Bird, S., Klein, E., & Loper, E. (2009). Natural language processing with Python: analyzing text with the natural language toolkit. " O'Reilly Media, Inc.".
Chui, M., & Francisco, S. (2017). Artificial intelligence the next digital frontier?. McKinsey and Company Global Institute, 47.
Géron, A. (2017). Hands-on machine learning with Scikit-Learn and TensorFlow: concepts, tools, and techniques to build intelligent systems. " O'Reilly Media, Inc.".
PwC. (2018). Global Entertainment & Media Outlook 2018–2022. Retrieved from https://www.pwc.com/gx/en/industries/tmt/media/outlook.html
Russell, S. J., & Norvig, P. (2016). Artificial intelligence: a modern approach. Malaysia; Pearson Education Limited,.
Shalev-Shwartz, S., & Ben-David, S. (2014). Understanding machine learning: From theory to algorithms. Cambridge university press.
Towards Data Science. (2018). Top AI and Machine Learning Trends in Media and Entertainment. Retrieved from https://towardsdatascience.com/top-ai-and-machine-learning-trends-in-media-and-entertainment-823f7efea928
