[發明專利]一種支持向量機進行智能流量緩存預測的方法及系統

有效

• 申請號: 201810615635.0
• 申請日: 2018-06-14
• 公開（公告）號: CN108810573B
• 公開（公告）日: 2022-01-04
• 發明（設計）人: 劉宇
• 申請（專利權）人: 廣東互通寬帶網絡服務有限公司
• 主分類號: H04N21/235
• 分類號: H04N21/235;H04N21/24;H04N21/25;H04N21/258;G06F16/953;G06F16/78
• 代理公司: 廣東廣盈專利商標事務所(普通合伙) 44339
• 代理人: 李俊

本發明公開了一種支持向量機進行智能流量緩存預測的方法及系統，其方法包括：基于爬蟲技術獲取各用戶端的視頻屬性數據；基于分詞技術對所述視頻屬性數據進行數據整理和加工；基于支持向量機對數據整理和加工后的視頻屬性數據進行預測分析結果；基于所述預測分析結果編排用戶端所喜好的視頻推薦列表，并向用戶端推送所對應的視頻推薦列表，并基于視頻推薦列表緩存相應的視頻內容。通過實施本發明提供的方法及系統，其通過爬蟲技術獲取各用戶端的視頻屬性數據，然后針對這些視頻屬性數據進行分詞處理，便于支持向量機實現流量預測，實現對用戶端所需要的視頻數據推送緩沖內容，可為用戶的訪問加速，并節約了本地網絡對外的帶寬流量。

技術領域

本發明涉及計算機技術領域，具體涉及一種支持向量機進行智能流量緩存預測的方法及系統。

背景技術

隨著計算機軟件、互聯網、數據存儲技術的發展，計算機子學科與技術之間的聯系越來越緊密。當今的計算機軟件憑借互聯網的優勢，積累了大量數據，而高級數據庫技術日趨成熟，支持大量數據的存儲，支持高效的檢索數據和處理數據。這為人工智能的分支—機器學習打下基礎。機器學習通過統計大量累積的數據而找到某些潛在的規則或方法，大規模地應用于計算機各種數據挖掘領域，如購物行為分析、社交行為分析、金融數據分析等等。當一個應用領域積累到足夠的數據時，就通過機器學習的智能技術與之相結合，可優化這一領域的行為。

由于資源的限制，現代人們訪問互聯網的方式很多都不是直接以公網IP的方式訪問。局域網、校園網、駐地網(駐地網是架設在電信運營商和用戶之間的一層網絡，具備機房、布線、監控設備等設施，通過向電信運營商租賃帶寬，通過ADSL，LAN等方式讓用戶接入互聯網)等是典型的架設在用戶與互聯網之間的橋梁。在高峰時期，用戶訪問互聯網流量增加，往往會對出口網絡造成壓力，典型的是大文件下載、視頻語音的通訊都會造成巨大的壓力。目前有些中間網絡層一般有智能流量緩存系統，當用戶訪問某一個大容量資源達到一定次數的時候，就會自動緩存在本地機房的存儲設備中，下次再訪問這個資源的時候，就會從本地存儲中直接返回給用戶，無需再到外部網絡下載。

目前的智能緩存產品通過用戶的訪問次數判斷這個視頻是否需要緩存，是一種先訪問后緩存的方式，能緩解了高峰期的網絡壓力。如果是能夠在用戶未訪問該資源之前就已經有緩存了，即先緩存后訪問，可進一步緩解網絡壓力。但是目前的產品尚未把機器學習的模型應用于智能緩存中。它們基本上都是主要是先訪問后緩存，在用戶沒有任何訪問視頻次數的前提下，是不會對未知的資源進行智能緩存的，是被動式的智能緩存。在智能緩存領域中使用機器學習預測未來的訪問緩存，目前尚沒有較好的實現。

機器學習統計過往歷史數據，不使用顯式的編程即能具備一定的智能，是比較依賴于過往的經驗。其思想類似于“人類是如何學習”。機器學習有多種學習的模型，有模仿生物的神經元網絡，有基于概率框架的貝葉斯分類學習模型，有使用基尼指數和熵值計算的決策樹等。不同的學習模型都是其擅長的處理領域。如圖像分類，語音識別則適合使用神經元網絡學習模型，而如何實現對用戶端的視頻對象屬性的研究，而實現一種支持向量機的智能流量預測的方法，目前還未較好的實現，需要本發明基于現有的網絡架構來研究并實現。

發明內容

本發明的目的是提供一種支持向量機進行智能流量緩存預測的方法及系統，通過網絡爬蟲技術實現對視頻屬性數據采集過程，針對性實現預測分析之后，實現對用戶端所需要的視頻數據推送緩沖內容，可為用戶的訪問加速，并節約了本地網絡對外的帶寬流量。

為此，本發明提供了一種支持向量機進行智能流量緩存預測的方法，包括如下步驟：

基于爬蟲技術獲取各用戶端的視頻屬性數據，所述視頻屬性數據包括：視頻加載頁URI、視頻訪問總數、視頻訪問加權分值、視頻標題、熱詞數、視頻類型、視頻評論總數、視頻總體瀏覽量、視頻所屬專輯、視頻頻道、視頻頻道粉絲數；

基于分詞技術對所述視頻屬性數據進行數據整理和加工；

基于支持向量機對數據整理和加工后的視頻屬性數據進行預測分析結果；