[發(fā)明專利]視頻資源流行度預(yù)測方法

在審

• 申請?zhí)枺?/td>: 201710409198.2
• 申請日: 2017-06-02
• 公開（公告）號: CN107222787A
• 公開（公告）日: 2017-09-29
• 發(fā)明（設(shè)計(jì)）人: 王子磊;朱策
• 申請（專利權(quán)）人: 中國科學(xué)技術(shù)大學(xué)
• 主分類號: H04N21/466
• 分類號: H04N21/466;H04N21/45;G06F17/30
• 代理公司: 北京凱特來知識產(chǎn)權(quán)代理有限公司11260
• 代理人: 鄭立明,鄭哲

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)技術(shù)領(lǐng)域，尤其設(shè)計(jì)一種視頻資源流行度預(yù)測方法。

背景技術(shù)

視頻點(diǎn)播是一種基于用戶收視的動態(tài)需求，傳輸并播放相應(yīng)需求的服務(wù)內(nèi)容的視頻播放技術(shù)。在收視內(nèi)容的選擇和觀看方式上用戶具有對數(shù)據(jù)流的主動權(quán)，是否能及時響應(yīng)用戶收視行為需求與資源調(diào)度的效率密切相關(guān)。在資源調(diào)度過程中，資源信息的流行度是調(diào)度算法的重要參考標(biāo)準(zhǔn)。

下面分別從用戶行為分析和資源流行度預(yù)測研究分別來介紹相關(guān)的研究工作。

現(xiàn)有的關(guān)于用戶行為分析的研究中，對用戶行為的定義主要分為兩類：一類指的是用戶在點(diǎn)播收視過程中的交互式用戶操作，所述的交互式操作與研究的具體問題有密切關(guān)系，如賽特斯網(wǎng)絡(luò)科技公司的“IPTV系統(tǒng)中用戶行為分析裝置及實(shí)現(xiàn)”分析應(yīng)用的系統(tǒng)，主要研究如何結(jié)合用戶行為對設(shè)備管理模型進(jìn)行維護(hù)和運(yùn)行，將不同的用戶數(shù)據(jù)信息統(tǒng)計(jì)整理過后反饋到服務(wù)提供商，其中的用戶行為主要指的是用戶對直播、點(diǎn)播、回看的使用情況，包括觀看時長和觀看次數(shù)等，其中的用戶行為是在其公司自己設(shè)備管理系統(tǒng)框架下定義并統(tǒng)計(jì)的，對收視行為的定義局限于收視模式(直播、點(diǎn)播)之間的區(qū)別，而沒有真正深入到對點(diǎn)播模式中不同的用戶交互行為中；另一類用戶行為指的是用戶請求的內(nèi)容，以請求的內(nèi)容代表用戶行為并對用戶請求內(nèi)容進(jìn)行處理和挖掘，如王攀等的專利“基于全業(yè)務(wù)視圖分析的IPTV用戶行為分析方法”以業(yè)務(wù)為中心，根據(jù)業(yè)務(wù)屬性匹配適合偏好的用戶群矩陣，其中的用戶行為主要指的是用戶對IPTV增值業(yè)務(wù)的需求，包括信息瀏覽、游戲、可視電話、影像空間等增值業(yè)務(wù)，其對用戶行為的研究局限地認(rèn)為用戶對不同業(yè)務(wù)的使用代表不同的用戶行為，仍然沒有深入到用戶交互行為的本質(zhì)，無法準(zhǔn)確地反應(yīng)用戶對收視內(nèi)容的需求。

針對資源流行度預(yù)測，中國聯(lián)通的“一種資源服務(wù)系統(tǒng)及其資源分配方法”主要將業(yè)務(wù)系統(tǒng)中的排隊(duì)任務(wù)按照權(quán)重屬性進(jìn)行聚類分組，按照優(yōu)先級打分對任務(wù)進(jìn)行資源分配；四達(dá)時代通訊網(wǎng)絡(luò)技術(shù)有限公司的“流媒體代理緩存替換方法及裝置”主要根據(jù)主成分分析和多元線性回歸的方法確定流媒體對象的流行度預(yù)測值，結(jié)合視頻峰值的信噪比確定流媒體對象的綜合價值以進(jìn)行緩存替換；張?zhí)炜仍凇耙环N基于內(nèi)容流行度預(yù)測的信息中心網(wǎng)絡(luò)緩存方法”中提出了將每個節(jié)點(diǎn)記錄通過相似度分析進(jìn)行聚類，計(jì)算節(jié)點(diǎn)上的內(nèi)容流行度并做周期統(tǒng)計(jì)，再根據(jù)預(yù)測算法對流行度進(jìn)行預(yù)測，與本地?cái)?shù)據(jù)包進(jìn)行對比決定是否更新節(jié)點(diǎn)緩存；常標(biāo)等在“一種基于自回歸模型的在線連載內(nèi)容流行度預(yù)測方法”中，著重解決在線連載內(nèi)容流行度的預(yù)測，通過爬取在線連載內(nèi)容的整體播放量趨勢，解析整體播放量趨勢頁面的HTML源代碼，利用自回歸模型預(yù)測新連載內(nèi)容的流行度。從上述方案來看，現(xiàn)有研究沒有將流行度的預(yù)測與用戶交互行為進(jìn)行聯(lián)合分析，使得流行度的預(yù)測研究缺少了用戶行為角度的數(shù)據(jù)支撐，流行度預(yù)測精度無法得到可靠保證。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種視頻資源流行度預(yù)測方法，綜合考慮用戶收視交互內(nèi)容數(shù)據(jù)和交互行為數(shù)據(jù)對資源流行度預(yù)測的影響，研究兩類數(shù)據(jù)與流行度之間的關(guān)系，提高對資源流行度預(yù)測的準(zhǔn)確性。

本發(fā)明的目的是通過以下技術(shù)方案實(shí)現(xiàn)的：

一種視頻資源流行度預(yù)測方法，包括：

統(tǒng)計(jì)一定區(qū)域內(nèi)群體用戶的收視數(shù)據(jù)，獲得群體用戶的收視類型數(shù)據(jù)和交互行為數(shù)據(jù)，并利用收視類型數(shù)據(jù)來計(jì)算所統(tǒng)計(jì)數(shù)據(jù)的資源流行度；

利用耦合用戶行為的文檔主題生成模型LDA，遍歷收視類型數(shù)據(jù)和交互行為數(shù)據(jù)分別生成對應(yīng)狄利克雷分布，通過鏈?zhǔn)椒▌t推導(dǎo)每個行為模式的全概率并求取其狄利克雷分布的期望，得到行為模式矩陣；

結(jié)合神經(jīng)網(wǎng)絡(luò)模型，將所統(tǒng)計(jì)數(shù)據(jù)的資源流行度與行為模式矩陣作為神經(jīng)網(wǎng)絡(luò)輸入，經(jīng)過訓(xùn)練生成預(yù)測模型，根據(jù)訓(xùn)練的預(yù)測模型來預(yù)測未來的視頻資源流行度。

所述統(tǒng)計(jì)一定區(qū)域內(nèi)群體用戶的收視數(shù)據(jù)，獲得群體用戶的收視類型數(shù)據(jù)和交互行為數(shù)據(jù)包括：

統(tǒng)計(jì)一個地區(qū)所有群體用戶的觀看日志，通過劃分時間段和節(jié)目類型，得到群體用戶一定天數(shù)內(nèi)不同時間段的收視類型數(shù)據(jù)和交互行為的數(shù)據(jù)；

其中，劃分時間段是指對一天的時間進(jìn)行劃分，若將一天劃分為24個時間段，則每一時間段即為一個小時；

交互行為是指用戶在點(diǎn)播業(yè)務(wù)中的播放狀態(tài)，共有10種：節(jié)目收藏、首次啟動播放、再次啟動播放、快進(jìn)狀態(tài)、快退狀態(tài)、暫停狀態(tài)、定位播放、播放失敗、退出播放與記憶播放。

所述利用收視類型數(shù)據(jù)來計(jì)算所統(tǒng)計(jì)數(shù)據(jù)的資源流行度包括：