项目理念 | YouTube 广告推荐

项目名称： YouTube 广告推荐

理念：
一个 B2B 应用程序，根据内容对 YouTube 视频进行分段，以优化广告的转化率。

我们有什么：
人们（如 SocialBlade）目前主要通过提取元数据（如标题、语言、当前视图、发布日期）和回归来生成未来视图来完成此操作。

我的建议：
YouTube 帖子最重要的部分是内容（视频）本身。不幸的是，由于缺乏计算能力，它没有被使用。然而，这个想法是使用计算机视觉技术生成一个数据集，并在生成的数据集上应用集成方法来生成有用的信息，如目标受众人口统计、流派、地区以及最后的流行度预测（这是最重要的部分）。

我们需要的东西：

• GPU（推荐 - Nvidia GTX 980）
• YouTube视频链接列表（没错，我们不需要下载M数据集）
• 高速互联网

概念：
这个想法可以分为两部分：

• 数据集生成
• 建模与预测

在第一部分中，我们编写了一个脚本来获取Python环境中的视频实例，并从中提取所有有用的信息。这可以通过 -

import pafy
import vlc
  
url = "https://www.youtube.com / watch?v = dZ0fwJojhrs"
video = pafy.new(url)

一旦我们得到视频，我们可以在每几帧中使用一个并对其进行对象检测（这可以通过 OpenCV 等开源库来完成）。你可以在这里看到它的实际效果。

然后我们投票，并获取最相关的对象并填充表格。运行一个完整的视频后，它在表格中的条目将如下所示 -

当然，我们也可以在最终数据集中包含元数据。我们的目标变量将是反应的数量和视图的数量。我们还可以对数据集进行聚类以促进广告。

在下一部分中，我们使用 LightGBM/XGBoost 等标准机器学习库来生成预测。

结论：
YouTube 已成为最高的内容持有者。主要收入是广告，广告行业将保证在内容上放置定制广告以提高转化率。如果广告公司知道哪个视频有受欢迎的潜力，他们会从一开始就在其上放置不可跳过的广告。这也将防止我们看到不相关的广告。例如，如果您正在观看与健身相关的视频，您会看到蛋白质奶昔的广告，而不是 Zomato 的广告。

注意：此项目创意由Mohit Sinha为 ProGeek Cup 2.0 贡献 - GeeksforGeeks 的项目竞赛。