【摘要】：準(zhǔn)確預(yù)測節(jié)目流行度是互聯(lián)網(wǎng)電視節(jié)目系統(tǒng)設(shè)計與優(yōu)化所要解決的關(guān)鍵問題之一。針對現(xiàn)有預(yù)測方法存在模型訓(xùn)練時間長、樣本數(shù)量多、且對突發(fā)熱點節(jié)目流行度預(yù)測效果差等問題,該文測量了某互聯(lián)網(wǎng)電視平臺280萬用戶的60億條收視行為數(shù)據(jù),采用行為動力學(xué)分類方法將節(jié)目流行度演化過程分為內(nèi)源臨界、內(nèi)源亞臨界、外源臨界和外源亞臨界4種類型,運用雙種群粒子優(yōu)化的最小二乘支持向量機對每種類型分別構(gòu)建了一種互聯(lián)網(wǎng)電視節(jié)目流行度預(yù)測模型BD3P,并將BD3P模型應(yīng)用于實際數(shù)據(jù)測驗。實驗結(jié)果表明,與現(xiàn)有其他方法相比,BD3P模型預(yù)測精度可提升17%以上,并能有效縮短預(yù)測周期。
[Abstract]:Accurate prediction of program popularity is one of the key problems to be solved in the design and optimization of Internet TV program system. Aiming at the problems of long training time of model, large number of samples and poor prediction effect on the popularity of burst hot spots, this paper measures 6 billion data of viewing behavior of 2.8 million users of an Internet TV platform. The evolution process of program popularity was classified into four types: endogenous critical, endogenous subcritical, exogenous critical and exogenous subcritical. Based on the two-population particle optimization least squares support vector machine (LS-SVM), an Internet TV program popularity prediction model BD3P is constructed for each type, and the BD3P model is applied to the actual data test. The experimental results show that compared with other existing methods, the prediction accuracy of the model can be improved by more than 17%, and the prediction period can be shortened effectively.
【作者單位】： 東南大學(xué)計算機科學(xué)與工程學(xué)院;教育部計算機網(wǎng)絡(luò)和信息集成重點實驗室(東南大學(xué));
【基金】：國家863計劃項目(2015AA015603) 江蘇省未來網(wǎng)絡(luò)創(chuàng)新研究院未來網(wǎng)絡(luò)前瞻性研究項目(BY2013095-5-03) 江蘇省“六大人才高峰”高層次人才項目(2011-DZ024)~~
【分類號】：TN949.292

【相似文獻】

相關(guān)期刊論文 前1條

1 吳綺;;基于節(jié)點流行度的Gnutella路由查詢策略[J];科技信息;2009年02期

相關(guān)碩士學(xué)位論文 前2條

1 張志偉;基站環(huán)境下媒體流行度預(yù)測與緩存策略研究[D];中國科學(xué)技術(shù)大學(xué);2016年

2 牛振興;媒體分發(fā)應(yīng)用中基于內(nèi)容流行度緩存技術(shù)的研究[D];華中科技大學(xué);2006年

，

本文編號：2196014