视频分析代码douyin

## clear data & close graphs--------
rm(list=ls())
graphics.off()
#install.packages("dplyr")
#install.packages("pastecs")
#install.packages("haven")
library("dplyr")
library("pastecs")#设置当前工作空间-----------
getwd()
#setwd("D:/ⅡR+Stata/R语言代码2021/R语言包 CGSS/媒介使用 vs 幸福-1")#--------import data---------
library(haven)
data <- read.csv("3 data.csv")
data<-as.data.frame(data)
class(data)
newdata <-data###加载Bootstrap中介效应程序：
library(bruceR)
library(progress)#查看是否有缺失值
is.na(data)
data[!complete.cases(data),]  #列出有缺失值的行
nrow(data[!complete.cases(data),])  #计算有缺失值的样本量,12582(原因是有些注释变量)#对青年群体样本数据newdata进行数据预处理：
##1.因变量
table(newdata$like)
table(newdata$comment)
table(newdata$transmit)##2.自变量
##(1)传播主体1
table(newdata$accounts_nature) #1-4
newdata$publisher <- as.numeric(newdata$accounts_nature==1)
newdata$company <- as.numeric(newdata$accounts_nature==2)
newdata$author <- as.numeric(newdata$accounts_nature==3)
newdata$blogger <- as.numeric(newdata$accounts_nature==4)
table(newdata$blogger)#company+author+blogger##(2)传播主体2
table(newdata$accounts_field)
newdata$zonghe <- as.numeric(newdata$accounts_field==1)
newdata$chuizhi <- as.numeric(newdata$accounts_field==2)
table(newdata$chuizhi)##(3)标题句式(此分类不显著，拟删除)
newdata<-newdata[newdata$title1>0,]    ##筛选数据
table(newdata$title1)   #1-3
newdata$chenshu <- as.numeric(newdata$title1==1)
newdata$gantan <- as.numeric(newdata$title1==2)
newdata$yiwen <- as.numeric(newdata$title1==3)
table(newdata$yiwen)#gantan+yiwen##(4)标题2(一句还是)
table(newdata$title2)   #1-3
newdata$one <- as.numeric(newdata$title2==1)
newdata$two <- as.numeric(newdata$title2==2)
newdata$three <- as.numeric(newdata$title2==3)
table(newdata$three)##(5)封面(纯文字为参照)
table(newdata$cover_type) #0-4
newdata<-newdata[newdata$cover_type>0,]    ##筛选数据
newdata$chunwenzi <- as.numeric(newdata$cover_type==1)
newdata$shipinjietu <- as.numeric(newdata$cover_type==2)
newdata$tupian_wenzi <- as.numeric(newdata$cover_type==3)
newdata$shipin_wenzi <- as.numeric(newdata$cover_type==4)
table(newdata$shipin_wenzi)#shipinjietu+tupian_wenzi+shipin_wenzi##(6)内容
table(newdata$content_type) #1-10
newdata$shudan <- as.numeric(newdata$content_type==1|newdata$content_type==7)
newdata$gushi <- as.numeric(newdata$content_type==2)
newdata$zhishi <- as.numeric(newdata$content_type==3|newdata$content_type==5)
newdata$gerenganwu <- as.numeric(newdata$content_type==4)
newdata$wenanjinju <- as.numeric(newdata$content_type==6)
newdata$zuozhe <- as.numeric(newdata$content_type==8)
newdata$chanpintuijian <- as.numeric(newdata$content_type==9)
newdata$hudonglei <- as.numeric(newdata$content_type==10)
table(newdata$zhishi)#shudan+gushi+zhishi+gerenganwu+wenanjinju+zuozhe+hudonglei##(7)视频
table(newdata$video_type) #1-9
newdata$tuwen <- as.numeric(newdata$video_type==1)
newdata$dognhua <- as.numeric(newdata$video_type==2)
newdata$zhenren <- as.numeric(newdata$video_type==3)
newdata$lieju <- as.numeric(newdata$video_type==4)
newdata$qignjingju <- as.numeric(newdata$video_type==5)
newdata$paishe <- as.numeric(newdata$video_type==6)
newdata$gongkaike <- as.numeric(newdata$video_type==7)
newdata$hunhe <- as.numeric(newdata$video_type==8)
newdata$xunirenwu <- as.numeric(newdata$video_type==9)
table(newdata$xunirenwu)#dognhua+zhenren+lieju+qignjingju+paishe+gongkaike+hunhe+xunirenwu+##(7)字幕
table(newdata$subtitle)   #0-1
newdata$nosubtitle <- as.numeric(newdata$subtitle==0)
newdata$havesubtitle <- as.numeric(newdata$subtitle==1)   ##(8)叙事风格
table(newdata$narrative_style) #1-6
newdata$qingsong <- as.numeric(newdata$narrative_style==1)
newdata$ganxing <- as.numeric(newdata$narrative_style==2)
newdata$jiqing <- as.numeric(newdata$narrative_style==3)
newdata$shanggan <- as.numeric(newdata$narrative_style==4)
newdata$lixing <- as.numeric(newdata$narrative_style==5)
newdata$gaoxiaoyoumo <- as.numeric(newdata$narrative_style==6) #ganxing+jiqing+shanggan+lixing+gaoxiaoyoumo+##(9)音乐
table(newdata$music) # 0-7
newdata$shuhuan <- as.numeric(newdata$music==1)
newdata$huobo <- as.numeric(newdata$music==2)
newdata$zhuangyan <- as.numeric(newdata$music==3)
newdata$beishangning <- as.numeric(newdata$music==4)
newdata$jiqignpengpai <- as.numeric(newdata$music==5)
newdata$gufengwanzhuan <- as.numeric(newdata$music==6)
newdata$guiyi <- as.numeric(newdata$music==7) #huobo+zhuangyan+beishangning+jiqignpengpai+gufengwanzhuan+guiyi+##(10)时长
table(newdata$video_length) # 1-3##(一)基准模型
attach(newdata)
#install.packages("ggplot2")
require(foreign)
require(ggplot2)
require(MASS)
#install.packages("Hmisc")
require(Hmisc)
#install.packages("reshape2")
require(reshape2)
#attach(newdata)
dim(newdata)     #899样本
#summary(newdata)
#mode(newdata)
#使用剔除异常值的样本进行建模##1.OLS模型(like+comment+transmit)
fit1<-lm(comment~shudan+gushi+zhishi+gerenganwu+wenanjinju+zuozhe+hudonglei,data = newdata)
summary(fit1) fit2<-lm(like~ganxing+jiqing+shanggan+lixing+gaoxiaoyoumo,data = newdata)
summary(fit2) fit3<-lm(like~company+author+blogger+two+three+shipinjietu+tupian_wenzi+shipin_wenzi+shudan+gushi+zhishi+gerenganwu+wenanjinju+zuozhe+hudonglei+# dognhua+zhenren+lieju+qignjingju+paishe+gongkaike+hunhe+xunirenwu+ganxing+jiqing+shanggan+lixing+gaoxiaoyoumo+# huobo+zhuangyan+beishangning+jiqignpengpai+gufengwanzhuan+guiyi+video_length,data = newdata) #OLS (2)
summary(fit3)

视频分析代码douyin相关推荐

MMIT冠军方案 | 用于行为识别的时间交错网络，商汤公开视频理解代码库
作者 | 商汤出品 | AI科技大本营(ID:rgznai100) 本文主要介绍三个部分: 一个高效的SOTA视频特征提取网络TIN,发表于AAAI2020 ICCV19 MMIT多标签视频理解竞赛 ...
OpenCV视频分析背景提取与前景提取
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达基本思想 OpenCV中支持的两种背景提取算法都是基于模型密度评估 ...
DeepStream: 新一代智能城市视频分析
在Jetson TX2上试用TensorRT https://jkjung-avt.github.io/tensorrt-cats-dogs/ NVIDIA提供了一个名为TensorRT的高性能深度学 ...
用FFmpeg搭建基于CNN的视频分析方案
Photo by Lukas from Pexels FFmpeg作为一个集录制.转换.音/视频编码解码功能为一体的开源框架,自然也需要考虑怎样去和当下流行的视频分析技术融合.本文来自英特尔网络平台部 ...
使用DeepStream 2.0加速视频分析开发
翻译自:https://devblogs.nvidia.com/accelerate-video-analytics-deepstream-2/ 智慧城市的规模令人难以置信.全球将部署数十亿的传感器, ...
面试必备：高频算法题汇总「图文解析 + 教学视频 + 范例代码」之字符串处理+动态规划合集！
Attention 秋招接近尾声,我总结了牛客.WanAndroid 上,有关笔试面经的帖子中出现的算法题,结合往年考题写了这一系列文章,所有文章均与 LeetCode 进行核对.测试.欢迎食用本 ...
【机器学习】机器学习在爱奇艺视频分析理解中的实践
原标题:大规模机器学习在爱奇艺视频分析理解中的实践 AI 前线导读:视频包含了图像.声音.文字等多种信息,可以表达生动.丰富的内容.随着 AI 时代的带来,互联网视频应用高速发展,视频更成为一种人人可 ...
大规模机器学习在爱奇艺视频分析理解中的实践
视频包含了图像.声音.文字等多种信息,可以表达生动.丰富的内容.随着AI时代的带来,互联网视频应用高速发展,视频更成为一种人人可生成的内容,数据量暴涨.如何利用机器学习将海量的视频内容充分利用起来,成 ...
【视频分析】大规模机器学习在爱奇艺视频分析理解中的实践
原标题:大规模机器学习在爱奇艺视频分析理解中的实践 AI 前线导读:视频包含了图像.声音.文字等多种信息,可以表达生动.丰富的内容.随着 AI 时代的带来,互联网视频应用高速发展,视频更成为一种人人可 ...

视频分析代码douyin

视频分析代码douyin相关推荐

最新文章

热门文章