張捷侃

基于CDIO模式的互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征挖掘方法

張捷侃

（福州外語(yǔ)外貿(mào)學(xué)院 藝術(shù)與設(shè)計(jì)學(xué)院，福州 350202）

：為了提高對(duì)互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征的檢測(cè)能力，提出基于CDIO模式的互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征挖掘方法。首先構(gòu)建互動(dòng)性動(dòng)畫(huà)視頻受眾群體大數(shù)據(jù)分布式采樣模型，并結(jié)合統(tǒng)計(jì)特征分析和樣本回歸采樣方法實(shí)現(xiàn)相似度信息融合。然后通過(guò)模糊信息匹配和多維空間結(jié)構(gòu)重組方法，實(shí)現(xiàn)對(duì)互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征的量化回歸分析。基于此，在CDIO模式下，通過(guò)分段樣本匹配和語(yǔ)義本體融合的方法完成受眾群體特征檢測(cè)和路徑規(guī)劃，從而實(shí)現(xiàn)特征提取。仿真結(jié)果表明，該方法對(duì)互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征挖掘結(jié)果的準(zhǔn)確性較高。

CDIO模式；互動(dòng)性；動(dòng)畫(huà)；視頻；受眾群體；特征挖掘

隨著互動(dòng)性動(dòng)畫(huà)視頻的發(fā)展，對(duì)互動(dòng)性動(dòng)畫(huà)視頻受眾群體的分析受到人們的關(guān)注，通過(guò)建立互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征分析模型，結(jié)合受眾群體的偏好性，進(jìn)行互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征挖掘和分析，提高互動(dòng)性動(dòng)畫(huà)視頻受眾性，研究互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征提取模型，通過(guò)模糊度匹配和特征挖掘的方法，進(jìn)行互動(dòng)性動(dòng)畫(huà)視頻受眾群體的多元回歸分析，通過(guò)參數(shù)信息融合和特征分析，實(shí)現(xiàn)互動(dòng)性動(dòng)畫(huà)視頻受眾群體挖掘的尋優(yōu)控制[1]，提高互動(dòng)性動(dòng)畫(huà)視頻受眾群體的空間規(guī)劃能力，相關(guān)的互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征挖掘方法研究在促進(jìn)互動(dòng)性動(dòng)畫(huà)視頻發(fā)展和推廣方面具有重要意義[2]。

一般來(lái)說(shuō)，對(duì)互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征挖掘是建立在互動(dòng)性動(dòng)畫(huà)視頻受眾群體的大數(shù)據(jù)信息采樣基礎(chǔ)上，通過(guò)空間信息融合和特征分解，建立互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征挖掘的統(tǒng)計(jì)分析模型，再結(jié)合模糊度特征檢測(cè)實(shí)現(xiàn)互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征挖掘和自適應(yīng)推薦，繼而建立互動(dòng)性動(dòng)畫(huà)視頻受眾群體推薦模型，通過(guò)統(tǒng)計(jì)檢測(cè)和模糊度跟蹤識(shí)別，實(shí)現(xiàn)互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征挖掘。

本文提出CDIO模式的互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征挖掘方法。CDIO由構(gòu)思（Conceive）、設(shè)計(jì)（Design）、實(shí)現(xiàn)（Implement）和運(yùn)作（Operate）4個(gè)單詞的首字母組成。其以產(chǎn)品生命周期為載體，通過(guò)主動(dòng)實(shí)踐的方式實(shí)現(xiàn)特征學(xué)習(xí)過(guò)程[3]?；诖?，本研究構(gòu)建互動(dòng)性動(dòng)畫(huà)視頻受眾群體大數(shù)據(jù)分布式采樣模型，建立互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征提取的區(qū)域信息融合和大數(shù)據(jù)分析模型，結(jié)合統(tǒng)計(jì)特征分析和樣本回歸采樣方法，進(jìn)行互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征融合和相似度信息融合，通過(guò)CDIO模式識(shí)別構(gòu)建互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征提取的自適應(yīng)尋優(yōu)控制模型，實(shí)現(xiàn)互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征提取和大數(shù)據(jù)挖掘。最后進(jìn)行仿真測(cè)試分析，展示了本文方法在提高互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征挖掘能力方面的優(yōu)越性能。

1 互動(dòng)性動(dòng)畫(huà)視頻受眾群體信息采樣和推薦模型

1.1 互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征信息采樣

為了實(shí)現(xiàn)互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征挖掘和信息檢測(cè)，建立互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征分析模型，結(jié)合語(yǔ)義信息特征分析和尋優(yōu)控制方法，進(jìn)行互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征信息融合和參數(shù)匹配，通過(guò)模糊度參數(shù)提取方法，進(jìn)行模糊度融合和特征分解，結(jié)合參數(shù)尋優(yōu)控制方法，建立CDIO模式下互動(dòng)性動(dòng)畫(huà)視頻受眾群體的特征檢測(cè)和分析模型[4]，得到CDIO模式下互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征尋優(yōu)和參數(shù)匹配模型為

通過(guò)分段樣本回歸分析方法，得到第個(gè)信息采樣節(jié)點(diǎn)的信息飽和度：

式中，為有效性評(píng)估的回歸分析方法，之后進(jìn)行互動(dòng)性動(dòng)畫(huà)視頻受眾群體的可靠性分析和大數(shù)據(jù)信息采樣。

1.2 互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征推薦模型

通過(guò)互動(dòng)性動(dòng)畫(huà)視頻受眾群體參數(shù)模擬的方法，進(jìn)行空間線性規(guī)劃設(shè)計(jì)，通過(guò)多元狀態(tài)融合的方法，構(gòu)建互動(dòng)性動(dòng)畫(huà)視頻受眾分布模糊集，得到互動(dòng)性動(dòng)畫(huà)視頻受眾群體規(guī)劃的統(tǒng)計(jì)特征分量滿足得：

2 互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征挖掘優(yōu)化

2.1 互動(dòng)性動(dòng)畫(huà)視頻受眾群體信息融合

通過(guò)模糊信息匹配和多維空間結(jié)構(gòu)重組方法，進(jìn)行互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征的量化回歸分析，在CDIO模式下，通過(guò)分段樣本匹配，得到互動(dòng)性動(dòng)畫(huà)視頻受眾群體分布的二元規(guī)劃模型為

采用模板匹配方法，實(shí)現(xiàn)對(duì)互動(dòng)性動(dòng)畫(huà)視頻受眾群體的稀疏性回歸分析，得到互動(dòng)性動(dòng)畫(huà)視頻受眾群體的特征，構(gòu)建互動(dòng)性動(dòng)畫(huà)視頻受眾群體的CDIO二元規(guī)劃模型，得到互動(dòng)性動(dòng)畫(huà)視頻受眾群體方法的狀態(tài)參量分布集描述為

2.2 特征提取和挖掘

在CDIO模式下，通過(guò)分段樣本匹配和語(yǔ)義本體融合的方法進(jìn)行互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征檢測(cè)和路徑規(guī)劃，結(jié)合流程優(yōu)化控制方法進(jìn)行互動(dòng)性動(dòng)畫(huà)視頻受眾群體規(guī)劃的分布式向量融合，得到互動(dòng)性動(dòng)畫(huà)視頻受眾群體分布式控制函數(shù)為

通過(guò)分塊融合和線性規(guī)劃方法，得到互動(dòng)性動(dòng)畫(huà)視頻受眾群體規(guī)劃的多維空間參數(shù)分布函數(shù)為

3 仿真測(cè)試分析

為了驗(yàn)證本文方法在實(shí)現(xiàn)互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征提取和信息檢測(cè)的應(yīng)用性能，采用Matlab進(jìn)行仿真測(cè)試分析，對(duì)CDIO模式下，通過(guò)多元回歸分析，對(duì)互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征檢測(cè)的信息長(zhǎng)度為1024，互動(dòng)性動(dòng)畫(huà)視頻受眾群體分布的關(guān)聯(lián)系數(shù)為0.25，模糊度匹配系數(shù)為0.16，關(guān)聯(lián)度特征匹配系數(shù)為0.16，對(duì)互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征檢測(cè)的描述性統(tǒng)計(jì)分析如表1所示。

表1 互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征挖掘的描述性統(tǒng)計(jì)分析結(jié)果

根據(jù)表1統(tǒng)計(jì)結(jié)果，進(jìn)行互動(dòng)性動(dòng)畫(huà)視頻受眾群體規(guī)劃和空間參數(shù)設(shè)計(jì)，得到互動(dòng)性動(dòng)畫(huà)視頻群體受眾的分布點(diǎn)集如圖1所示。

根據(jù)圖1的互動(dòng)性動(dòng)畫(huà)視頻群體受眾的分布結(jié)果，進(jìn)行互動(dòng)性動(dòng)畫(huà)視頻群體受眾性特征挖掘，得到挖掘結(jié)果如圖2所示。

圖1 互動(dòng)性動(dòng)畫(huà)視頻群體受眾的分布點(diǎn)集

圖2 互動(dòng)性動(dòng)畫(huà)視頻群體受眾性特征挖掘結(jié)果

分析圖2得知，本文方法進(jìn)行互動(dòng)性動(dòng)畫(huà)視頻群體受眾性特征挖掘的性聚類性較好，測(cè)試互動(dòng)性動(dòng)畫(huà)視頻群體受眾性特征挖掘的精度，得到對(duì)比結(jié)果如圖3所示，分析圖3得知，本文方法進(jìn)行互動(dòng)性動(dòng)畫(huà)視頻群體受眾性特征挖掘的精度較高，性能較好，提高了互動(dòng)性動(dòng)畫(huà)視頻群體推薦能力。

圖3 互動(dòng)性動(dòng)畫(huà)視頻群體特征挖掘準(zhǔn)確率

4 結(jié)束語(yǔ)

研究互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征提取模型，通過(guò)模糊度匹配和特征挖掘的方法，進(jìn)行互動(dòng)性動(dòng)畫(huà)視頻受眾群體的多元回歸分析，本文提出CDIO模式的互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征挖掘方法。結(jié)合參數(shù)尋優(yōu)控制方法，建立CDIO模式下互動(dòng)性動(dòng)畫(huà)視頻受眾群體的特征檢測(cè)和分析模型，通過(guò)互動(dòng)性動(dòng)畫(huà)視頻受眾群體參數(shù)模擬的方法，進(jìn)行空間線性規(guī)劃設(shè)計(jì)，采用模板匹配方法，實(shí)現(xiàn)對(duì)互動(dòng)性動(dòng)畫(huà)視頻受眾群體的稀疏性回歸分析，結(jié)合特征提取結(jié)果實(shí)現(xiàn)互動(dòng)性動(dòng)畫(huà)視頻受眾群體推薦。分析得知，本文方法進(jìn)行互動(dòng)性動(dòng)畫(huà)視頻受眾群體特征挖掘的精度較高，推薦性能較好。

[1] 高沛?zhèn)? 彈幕視頻特性與受眾互動(dòng)行為探析[J]. 傳播與版權(quán)，2018(11): 113-114

[2] 鄺小潔，馮帆，任儒軒，等. 移動(dòng)互聯(lián)網(wǎng)環(huán)境下短視頻受眾中的大學(xué)生群體用戶畫(huà)像研究[J]. 科技與創(chuàng)新，2019(21): 67-69

[3] 梁興柱，周華平. CDIO模式在數(shù)據(jù)庫(kù)系統(tǒng)概論教學(xué)中的應(yīng)用[J]. 電腦知識(shí)與技術(shù)：學(xué)術(shù)版，2018, 14(24): 109-110

[4] 洪慶，王思堯，趙欽佩，等. 基于彈幕情感分析和聚類算法的視頻用戶群體分類[J]. 計(jì)算機(jī)工程與科學(xué)，2018, 40(06): 1125-1139

[5] 周詩(shī)敏. 大眾傳播視角下彈幕視頻受眾分析[J]. 長(zhǎng)春師范學(xué)院學(xué)報(bào)：自然科學(xué)版，2019, 38(01): 144-146

[6] 田保軍，劉爽，房建東. 融合主題信息和卷積神經(jīng)網(wǎng)絡(luò)的混合推薦算法[J]. 計(jì)算機(jī)應(yīng)用，2020, 40(7): 1901-1907

Interactive animation video audience feature mining method based on CDIO Mode

ZHANG Jie-kan

(School of Art and Design, Fuzhou University of International Studies and Trade, Fuzhou 350202, China)

In order to improve the ability to detect the audience characteristics of interactive animated video, a CDIO-based method for the audience characteristics mining of interactive animated video was proposed. Firstly, the distributed sampling model of interactive animation video audience is constructed, and the similarity information fusion is realized by combining statistical feature analysis and sample regression sampling method. Then through fuzzy information matching and multi-dimensional spatial structure recombination, the quantitative regression analysis of the audience characteristics of interactive animation video is realized. Based on this, in the CDIO mode, feature detection and path planning of audience groups are completed by segmental sample matching and semantic ontology fusion, so as to achieve feature extraction. The simulation results show that this method has a high accuracy in the results of interactive animation video audience feature mining.

CDIO mode；interactivity；animation；video；audience groups；feature mining

2020-09-15

張捷侃（1983-），男，福建福州人，講師，碩士，主要從事動(dòng)畫(huà)、傳媒研究，zhangwn8889@126.com。

TP391

A

1007-984X(2021)01-0031-05