数据展示方法
【专利摘要】本发明公开了一种数据展示方法，涉及数据处理领域。为解决现有技术不能客观地对视频的价值进行评估的问题而发明。本发明实施例公开的技术方案包括：S10、根据用户输入的指示确定待评估的视频的名称和评估种类；S20、根据所述名称和评估种类从预先连接的数据库中采集对应的数据；S30、对所述数据进行数据挖掘，得到有用数据；S40、从预设模型库中获取所述评估种类对应的数学模型，并通过所述数学模型对所述有用数据进行分析，得到所述评估种类对应的数据量化指标；S50、展示所述数据量化指标。该方案可以应用在视频评估、竞价等领域。
【专利说明】数据展示方法
【技术领域】
[0001]本发明涉及数据处理领域，尤其涉及一种数据展示方法。
【背景技术】
[0002]随着互联网的发展，视频等影视内容被大量的制作。现有技术中，为得到丰厚的市场回报，需要专业人士在视频制作之前对视频的价值进行预测、评估。
[0003]然而，专业人员的预测、评估极大的依赖其行业经验，具有很大的主观性和偶然性，不能客观地对视频的价值进行评估。
【发明内容】
[0004]本发明提供一种数据展示方法，能够使用户根据其展示的内容客观的对视频的价值进行评估。
[0005]本发明解决技术问题采用如下技术方案:一种数据展示方法，包括:S10、根据用户输入的指示确定待评估的视频的名称和评估种类；S20、根据所述名称和评估种类从预先连接的数据库中采集对应的数据；S30、对所述数据进行数据挖掘，得到有用数据；S40、从预设模型库中获取所述评估种类对应的数学模型，并通过所述数学模型对所述有用数据进行分析，得到所述评估种类对应的数据量化指标；S50、展示所述数据量化指标。
[0006]可选的，本实施例提供的数据展示方法中所述评估种类，包括:播前预测评估或播后综合评估；
[0007]所述播前预测评估，包括:投资评估、生产评估、销售评估、购买评估和营销评估中的一种或多种；
[0008]所述播后综合评估，包括:全媒体收视评估、全媒体传播力评估、全媒体舆情评估、用户在线评估和分析师在线评估中的一种或多种。
[0009]可选的，本实施例提供的数据展示方法中所述预先连接的数据库，包括:
[0010]用户行为库、新闻媒介库、视频网站库、电商网站库、社交媒体库、媒体收视库、分析师评估库和用户评估库。
[0011]可选的，本实施例提供的数据展示方法中所述S30，包括:S301、根据预设规则对所述数据进行处理，去除噪声数据，得到干净数据；S302、对所述干净数据进行数据挖掘，得到有用数据；所述数据挖掘包括关键词抽取、倾向性分析和正则化中的一种或多种。
[0012]可选的，本实施例提供的数据展示方法中所述预设规则，包括:数据完整、数据正确、数据不重复和数据一致的一种或多种。
[0013]可选的，本实施例提供的数据展示方法中所述预设模型库，包括:聚类分析模型、语义分析模型、热词分析模型、因子分析模型、指数分析模型和交互分析模型。
[0014]可选的，本实施例提供的数据展示方法中所述S50，包括:以文字、数据报表或多维图形图像的形式展示所述数据量化指标。
[0015]可选的，本实施例提供的数据展示方法，还包括:S60、所述评估种类为播前预测评估时，获取待评估的视频的实际传播数据；S70、根据所述实际传播数据对所述数据量化指标进行验证。
[0016]本发明具有如下有益效果:对用户输入的指示对应的数据进行挖掘得到有用数据后，通过预设模型库中的数学模型对有用数据进行分析，从而得到数据量化指标并展示，从而实现数据的展示。由于上述过程是根据用户输入的指示对应的视频的名称和评估种类进行的，使本发明实施例提供的技术方案能够使用户根据其展示的内容客观的对视频的价值进行评估；解决了现有技术中专业人员的预测、评估极大的依赖其行业经验，具有很大的主观性和偶然性，不能客观地对视频的价值进行评估的问题。
【专利附图】
【附图说明】
[0017]图1为本发明实施例1提供的数据展示方法的流程图；
[0018]图2为本发明实施例2提供的数据展示方法的流程图。
【具体实施方式】
[0019]下面结合实施例及附图对本发明的技术方案作进一步阐述。
[0020]实施例1
[0021]如图1所示，本实施例提供了一种数据展示方法，包括:
[0022]步骤101，根据用户输入的指示确定待评估的视频的名称和评估种类。
[0023]在本实施例中，步骤101中用户输入的指示，可以以文字的方式输入，格式如对XX视频进行XX评估等；也可以为在预设位置输入，在此不作限制。
[0024]在本实施例中，步骤101中评估种类包括播前预测评估或播后综合评估；其中，播前预测评估，包括:投资评估、生产评估、销售评估、购买评估和营销评估中的一种或多种；播后综合评估，包括:全媒体收视评估、全媒体传播力评估、全媒体舆情评估、用户在线评估和分析师在线评估中的一种或多种。
[0025]在本实施例中，全媒体收视评估的指标包括电视直播收视、电视点播收视和网络视频点击；全媒体传播力评估的指标包括电视媒体、网络媒体、纸质媒体和专业媒体；全媒体舆情评估的指标包括用户社交互联网舆情、媒体报道舆情、用户在线点评舆情和分析师在线点评舆情；用户在线评估的指标包括喜好度、粘着度、推荐度、用户关键词和用户在线点评；分析师在线评估的指标包括制作评估、艺术评估、团队评估、投资评估、分析师关键词、分析师在线点评和分析师改进建议。
[0026]步骤102，根据该名称和评估种类从预先连接的数据库中采集对应的数据。
[0027]在本实施例中，步骤102可以根据视频名称和评估种类从所有预先连接的数据库中采集对应的数据，也可以根据视频名称和评估种类从部分预先连接的数据库中采集对应的数据，在此不作限制。其中，预先连接的数据库包括:用户行为库、新闻媒介库、视频网站库、电商网站库、社交媒体库、媒体收视库、分析师评估库和用户评估库。
[0028]在本实施例中，可以从新闻媒体库获取视频的新闻资讯、预告、用户的关注点等信息，也可以从社交媒体库获取实时舆情信息，也可以从媒体收视库获取电视、网络视频等收视率信息，还可以从分析师评估库和用户评估库获取视频的评审、改进信息，还可以从用户行为库获取用户的基本信息以及用户的登录、点击、关注、产品交易和需求等信息。
[0029]步骤103，对该数据进行挖掘，得到有用数据。
[0030]在本实施例中，在通过步骤102采集对应的数据后，可以直接通过步骤103进行数据挖掘。为防止噪声数据的干扰，该步骤103可以包括:首先根据预设规则对数据进行处理，去除噪声数据，得到干净数据；然后对干净数据进行数据挖掘，得到有用数据。其中，预设规则，包括:数据完整、数据正确、数据不重复和数据一致中的一种或多种；数据挖掘包括关键词抽取、倾向性分析和正则化中的一种或多种，针对不同的评估种类可以采用不同的数据挖掘方式。
[0031 ] 在本实施例中，通过上述预设规则，可以过滤分析师评估库和用户评估库中的无效问卷；也可以对各类来源获取的数据进行去重、过滤无意义的字符等操作；还可以对数据的一致性进行检查。
[0032]步骤104，从预设模型库中获取该评估种类对应的数学模型，并通过数学模型对有用数据进行分析，得到评估种类对应的数据量化指标。
[0033]在本实施例中，步骤104中预设模型库包括聚类分析模型、语义分析模型、热词分析模型、因子分析模型、指数分析模型和交互分析模型。
[0034]步骤105，展示该数据量化指标。
[0035]在本实施例中，步骤105可以以文字、数据报表或多维图形图像的形式展示该数据量化指标，也可以以其他方式展示，在此不再一一赘述。步骤105可以以上述方式仅展示数据量化指标，为方便用户使用，还可以同时展示待评估的视频和/或展示过程，在此不作限制。
[0036]在本实施例中，通过步骤105展示的数据量化指标，可以为用户推荐内容产品，也可以实现竞价，还可以帮助用户进行交易决策或统观其行情和趋势。
[0037]以对节目A进行播后综合评估中全媒体收视评估为例，获取该节目A的电视收视率、网站收视率等数据，可以通过统计分析方法对该数据进行挖掘，能够得到收视率、占有率、到达率、重复率、访问量、到达用户量、到达率、使用时间、网络视频播放量、播放时长、频道权重、网站权重、平台权重、内容类型权重、内容播放时间权等有用数据；通过对应的数学模型如Logistic Regress1n、SVM等分类器模型对上述有用数据进行分析，得到全媒体收视指数、电视收视指数、网络视频点播指数、点赞指数、点踩指数、数字电视点播回看指数、IPTV点播回看指数等数据量化指标。
[0038]具体的，对于电视收视指数，可以根据节目不同，将节目划分为选秀、访谈、体育赛事、少儿、音乐、教育、健康、旅游、纪录片等类型。对于不同类型的节目，预先设定不同的指数范围；如对选秀、体育赛事类节目，其收视率1.0对应收视指数80 ;对其他类型节目，收视率0.4对应收视指数80。
[0039]对于网络视频点播指数，可以进行与收视率相同的映射，即将点播量与点播指数对应；同时计算其点播的同比留存(观看了前一期节目的观众，在观看当期节目的用户中所占比例)、累积留存(观看了之前任意一期节目的用户，在观看当期节目用户中所占比例)、每日点播数量的变化情况，用以衡量观众的忠诚度和节目的持续影响力，作为指数计算的重要指标。
[0040]以对节目A进行播后综合评估中全媒体传播力评估为例，获取该节目A的各媒体的传播情况数据，可以通过统计分析方法对该数据进行挖掘，能够得到发布媒体的权重、媒体领域、媒体的影响力、发布新闻数量、转载数量、评论数量、点赞数量、发布的新闻属性、发布时间、影响的区域范围、销售数量、评价星级、报道的关键词、报道的倾向性等有用数据；通过对应的数学模型如Logistic Regress1n、SVM等分类器模型对上述有用数据进行分析，得到全媒体传播指数、电视传播指数、网络传播指数、纸媒传播指数、专业媒体传播指数、电商传播指数，及舆情、语义分析结果等数据量化指标。
[0041]对于媒体传播力，可以按照媒体属性不同，对不同媒体赋予不同权重，以此反映节目在媒体报道中获得的影响；如电视媒体的权重为3，网络媒体和纸媒的权重为2，专业媒体和电商媒体是权重为I。可以通过语义分析对报道的正负向进行划分，正面赋予正向指数，负面则赋予负向指数。
[0042]以对节目A进行播后综合评估中全媒体舆情评估为例，获取该节目A的社交媒体、视频网站等评论数据，可以通过统计分析方法对该数据进行挖掘，能够得到发布条数、转发数量、评论数量、点赞数量、点踩数量、评论内容、关键词、情感倾向性等有用数据；通过对应的数学模型如基于条件随机场的序列标注模型等对上述有用数据进行分析，得到社交媒体舆情热度指数、社交媒体舆情倾向性、视频网站评论热度指数、视频网站舆情倾向性等数据量化指标。
[0043]对于全媒体舆情中社交媒体舆情热度指数，是综合节目相关内容的舆情条数(经过去重，将转发、评论、点赞计算在内)计算得出；社交媒体舆情倾向性则是经过文本分析，确定每条讨论的正负向，并得出综合指数；视频网站评论热度则是对视频网站评论条数、点赞量、点踩量进行加总。
[0044]以对节目A进行播后综合评估中用户在线评估(问卷调研系统)为例，该系统从各级城市中选择样本，建设样本库，涵盖不同年龄、性别、学历的人群进行问卷调研，获取该节目A的用户评估数据，可以对该数据进行挖掘，能够得到喜好度评分、黏着度评分、推荐性评分、权重、地理区域、性别、职业状态、年龄的交互分析和加权、统计量、平均值、最高值、最低值、中位数、关键词词频、语义分析、倾向性判断等有用数据；通过对上述有用数据进行分析，得到用户对该节目的喜好度指数、黏着度指数、推荐度指数，以及关键词和倾向性分析等数据量化指标。由于可以在问卷中设计上述数据量化指标相应的问题，因此可以直接对问卷答案进行分析得到对应的数据量化指标。
[0045]以对节目A进行播后综合评估中分析师在线评估(问卷调研系统)为例，该系统涵盖十种类型的分析师，设计不同的问卷进行调研，获取该节目A的分析师评估数据，可以通过对该数据进行挖掘，能够得到视觉指标、音响指标、动画指标、题材指标、策划指标、仓1J意指标、叙述手法、导演指标、制作指标、演员指标、市场需求、营销力、产品回报率、关键词、倾向性、舆情分析等有用数据；通过对应对上述有用数据进行分析，得到分析师对该节目的质量指数、团队指数、艺术指数，投资采购指数、关键词和倾向性分析、以及评论详情和改进建议等数据量化指标。由于可以在问卷中设计上述数据量化指标相应的问题，因此可以直接对问卷答案进行分析得到对应的数据量化指标。
[0046]本发明具有如下有益效果:对用户输入的指示对应的数据进行挖掘得到有用数据后，通过预设模型库中的数学模型对有用数据进行分析，从而得到数据量化指标并展示，从而实现数据的展示。由于上述过程是根据用户输入的指示对应的视频的名称和评估种类进行的，使本发明实施例提供的技术方案能够使用户根据其展示的内容客观的对视频的价值进行评估；解决了现有技术中专业人员的预测、评估极大的依赖其行业经验，具有很大的主观性和偶然性，不能客观地对视频的价值进行评估的问题。
[0047]实施例2
[0048]如图2所示，本发明实施例提供的数据展示方法，该方法与图1所示的相似，区别在于，还包括:
[0049]步骤106，该评估种类为播前预测评估时，获取待评估的视频的实际传播数据。
[0050]步骤107，根据该实际传播数据对数据量化指标进行验证。
[0051 ] 在本实施例中，通过上述过程，能够对数据量化指标进行验证，使预测的数据量化指标偏离实际较远时，对数学模型进行优化，提高数据量化的准确率。
[0052]本发明具有如下有益效果:对用户输入的指示对应的数据进行挖掘得到有用数据后，通过预设模型库中的数学模型对有用数据进行分析，从而得到数据量化指标并展示，从而实现数据的展示。由于上述过程是根据用户输入的指示对应的视频的名称和评估种类进行的，使本发明实施例提供的技术方案能够使用户根据其展示的内容客观的对视频的价值进行评估；解决了现有技术中专业人员的预测、评估极大的依赖其行业经验，具有很大的主观性和偶然性，不能客观地对视频的价值进行评估的问题。
[0053]以上实施例的先后顺序仅为便于描述，不代表实施例的优劣。
[0054]最后应说明的是:以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
【权利要求】
1.一种数据展示方法，其特征在于，包括: S10、根据用户输入的指示确定待评估的视频的名称和评估种类； S20、根据所述名称和评估种类从预先连接的数据库中采集对应的数据； S30、对所述数据进行数据挖掘，得到有用数据； S40、从预设模型库中获取所述评估种类对应的数学模型，并通过所述数学模型对所述有用数据进行分析，得到所述评估种类对应的数据量化指标； S50、展示所述数据量化指标。
2.根据权利要求1所述的数据展示方法，其特征在于，所述评估种类，包括: 播前预测评估或播后综合评估； 所述播前预测评估，包括:投资评估、生产评估、销售评估、购买评估和营销评估中的一种或多种； 所述播后综合评估，包括:全媒体收视评估、全媒体传播力评估、全媒体舆情评估、用户在线评估和分析师在线评估中的一种或多种。
3.根据权利要求1或2所述的数据展示方法，其特征在于，所述预先连接的数据库，包括: 用户行为库、新闻媒介库、视频网站库、电商网站库、社交媒体库、媒体收视库、分析师评估库和用户评估库。
4.根据权利要求1或2所述的数据展示方法，其特征在于，所述S30，包括: 5301、根据预设规则对所述数据进行处理，去除噪声数据，得到干净数据； 5302、对所述干净数据进行数据挖掘，得到有用数据； 所述数据挖掘包括关键词抽取、倾向性分析和正则化中的一种或多种。
5.根据权利要求4所述的数据展示方法，其特征在于，所述预设规则，包括: 数据完整、数据正确、数据不重复和数据一致的一种或多种。
6.根据权利要求1或2所述的数据展示方法，其特征在于，所述预设模型库，包括: 聚类分析模型、语义分析模型、热词分析模型、因子分析模型、指数分析模型和交互分析模型。
7.根据权利要求1或2所述的数据展示方法，其特征在于，所述S50，包括: 以文字、数据报表或多维图形图像的形式展示所述数据量化指标。
8.根据权利要求2所述的数据展示方法，其特征在于，还包括: S60、所述评估种类为播前预测评估时，获取待评估的视频的实际传播数据； S70、根据所述实际传播数据对所述数据量化指标进行验证。
【文档编号】G06F17/30GK104516983SQ201510009175
【公开日】2015年4月15日 申请日期:2015年1月8日 优先权日:2015年1月8日
【发明者】龙思薇 申请人:龙思薇