视频点播系统中的用户行为时序模型和聚类

视频点播系统中的用户行为时序模型和聚类

ID:9378080

大小:1017.57 KB

页数:4页

时间:2018-04-29

视频点播系统中的用户行为时序模型和聚类_第1页
视频点播系统中的用户行为时序模型和聚类_第2页
视频点播系统中的用户行为时序模型和聚类_第3页
视频点播系统中的用户行为时序模型和聚类_第4页
资源描述:

《视频点播系统中的用户行为时序模型和聚类》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、小型微型计算机系统2011年5月第5期JournalofChineseComputerSystemsVol32No.52011视频点播系统中的用户行为时序模型和聚类1,21,22王炳飞,王劲林,刘学1(中国科学技术大学自动化系,安徽合肥210000)2(中国科学院声学研究所国家网络与新媒体技术工程研究中心,北京100190)Emai:lwangb@fdsp.ac.cn摘要:对视频点播系统中用户行为进行建模和仿真,是研究系统使用状况、设计性能优化算法的重要手段.但在以往的研究中,对用户行为建模和仿真

2、都是基于整体历史数据的统计进行的,而在很多情况下,对不同模式的行为采用不同的策略能够更好的提供视频传输服务.本文针对视频点播系统中用户点播行为的特性,以及系统优化策略的需要,提出用户行为时间序列模型和聚类方法,在中国科技大学视频点播系统实际数据基础上进行了仿真测试,结果表明了该方法的可行性.关键词:用户行为;聚类;视频点播系统;时间序列模型中图分类号:TP391文献标识码:A文章编号:10001220(2011)05086704TimeSerialModelandCluster

3、ingofUserBehaviorinVideoondemandSystem1,21,22WANGBingfei,WANGJinlin,LIUXue1(AutomationUniversityofScienceanTechnologyofChina,Hefei210000,China)2(NationalNetworkNewMediaEngineeringResearchCenter,InstituteofAcoustics,ChineseAcademyofSciences,Beijing1001

4、90,China)Abstract:ResearchofsimulationoftheuseractioninVODsystemisveryimportantfortheanalyzingofthesystemandthedesigningofalgorithmforoptimizingsystemperformance.Allthepreviousresearchesarebasedonthewholedatasetofuseractions,theycannotreviewpatternofthes

5、eactionseffectively.Anoveltimeserialmodelofuserbehaviorandtheclusteringalgorithmforitispresentedtoresolvethisproblem.ResearchbasedontheUSTCVODsystemshownthatthismethodisfeasible.Keywords:userbehavior;clustering;videoondemandsystem;timeserialmodel1引言测

6、,具有更高的准确率,以此为基础制定的部署调度策略,可以达到更好的效果.利用行为分类预测来做系统部署和调度,在视频点播系统中,对用户使用行为的分析是制定系统已经在web服务器部署等内容相关的服务系统领域有了一定服务策略的重要依据.一般情况下,由于对用户行为统计涉及的研究和应用,并取得了较好的效果,文献[3]提出了一种针的数据量异常庞大,导致直接在实际数据集上研究系统行为对web用户浏览行为的类markov模型,将用户行为聚类与传有较大的困难,这就需要对其建立合适的数学模型和仿真平统的morkov链模型相结合

7、,取得了较好的预测效果.台,最终通过模型反映出的规律,如用户使用偏好,媒体冷,热作为内容相关的服务系统,视频点播系统中不同模式的播状况等来制定系统的内容部署、缓存、流调度等方面的策略.行为对系统造成的影响差异很大,如观看时长、涉及的媒体类对视频点播系统中用户行为的建模和应用,目前已经有别、交互次数等行为属性,直接对系统缓存、流调度等有重要了较为深入的研究和应用.文献[1]提出了一种流媒体点播影响,因此同样可以引入分类预测的方式来提高预测命中率.系统中用户交互行为的markov模型,引入"内容偏好"的概念但

8、研究表明,视频点播系统中用户行为有其一定的特殊性,不来描述跳转等VCR动作的趋势和目标,提出在内容偏好的基能直接采纳其他系统的行为模型和聚类方法.本文的主要目础上对媒体数据进行分块.文献[2]具体分析了用户到达行的就是针对视频点播系统中用户行为特性,结合点播系统性为的分布,为其建立了Poison过程模型,同时确定了媒体流能优化各方面的需求,提出用户使用行为的时间序列模型,以行度的zipf分布模型,并在这两个模型的基础上,提出了

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。