Akış servislerindeki video popüleritesinin makine öğrenmesi yaklaşımlarıyla öngörülmesi

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.