基于自适应分段广延指数模型的IPTV用户点播行为

doi:10.11959/j.issn.1000-0801.2018123

电信科学 ›› 2018, Vol. 34 ›› Issue (5): 148-154.doi: 10.11959/j.issn.1000-0801.2018123

基于自适应分段广延指数模型的IPTV用户点播行为

陈步华,陈戈,梁洁

中国电信股份有限公司广州研究院，广东广州 510630

修回日期:2018-03-02 出版日期:2018-05-01 发布日期:2018-05-30
作者简介:陈步华（1992-），女，中国电信股份有限公司广州研究院工程师，主要研究方向为CDN应用技术、数据分析与建模。|陈戈（1973-），男，中国电信股份有限公司广州研究院高级工程师，主要研究方向为IPTV、CDN、DRM技术。|梁洁（1973-），女，中国电信股份有限公司广州研究院高级工程师，主要研究方向为IPTV、CDN技术。
基金资助:
国家高技术研究发展计划（“863”计划）基金资助项目(2015AA015803)

IPTV user’s on-demand behavior based on adaptive segmental stretched exponential model

Buhua CHEN,Ge CHEN,Jie LIANG

Guangzhou Research Institute of China Telecom Co.,Ltd.,Guangzhou 510630,China

Revised:2018-03-02 Online:2018-05-01 Published:2018-05-30
Supported by:
The National High Technology Research and Development Program(863 Program)(2015AA015803)

摘要/Abstract

摘要：

为优化IPTV CDN系统配置，并改善视频调度与存储策略，使得用户获得更优质的视频访问体验，提出了一种基于自适应分段广延指数（adaptive segmental stretched exponential，ASSE）模型的IPTV用户点播行为建模方法。同时，采用中国电信股份有限公司（以下简称中国电信）IPTV实际用户点播行为数据对提出的 ASSE 模型进行视频访问概率建模仿真。实验表明，与传统建模方法相比，提出的 ASSE 模型不仅可以达到简化数学模型和减少计算的目的，而且可以更好地提高曲线拟合的精度，与实际数据具有良好的一致性。

关键词: IPTV, 点播系统, ASSE模型, 用户行为分析

Abstract:

The IPTV user’s on-demand behavior model based on adaptive segmental stretched exponential (ASSE) was proposed to optimize the configuration of IPTV CDN system,to improve the video scheduling and storage strategy,and to provide users with better experience for video access.At the same time,the probability of the video access by using the actual IPTV user’s on-demand data of China Telecom was simulated.Experiments show that compared with the traditional modeling methods,the ASSE model proposed not only achieves the purpose of simplifying the mathematical model and reducing the computation,but also improves the accuracy of the curve fitting.It has good consistency with the actual data.

Key words: IPTV, on-demand system, ASSE model, analysis of user’s behavior

中图分类号:

TP393

陈步华,陈戈,梁洁. 基于自适应分段广延指数模型的IPTV用户点播行为[J]. 电信科学, 2018, 34(5): 148-154.

Buhua CHEN,Ge CHEN,Jie LIANG. IPTV user’s on-demand behavior based on adaptive segmental stretched exponential model[J]. Telecommunications Science, 2018, 34(5): 148-154.

图/表 6

图1

图2

图3

图4

图5

表1

参考文献 12

[1]	张旺俊 . Web缓存替换策略与预取技术的研究[D]. 合肥:中国科学技术大学, 2011.
	ZHANG W J . Research on Web cache replacement strategy and prefetching technology[D]. Hefei:University of Science and Technology of China, 2011.
[2]	夏琰 . 基于实际用户行为分析的缓存研究[D]. 合肥:中国科学技术大学, 2011.
	XIA Y . Research on caching based on actual user behavior analysis[D]. Hefei:University of Science and Technology of China, 2011.
[3]	韦乐平 . 三网融合与 IPTV 的发展和挑战[J]. 电信科学, 2006,22(7): 1-5.
	WEI L P . Triple-play and the development and challenges of IPTV[J]. Telecommunications Science, 2006,22(7): 1-5.
[4]	崔华杰 . 大型直播与点播IPTV 系统的用户行为分析[D]. 广州:中山大学, 2013.
	CUI H J . Dissecting user behaviors for a simultaneous live and VOD IPTV system[D]. Guangzhou:Sun Yat-sen University, 2013.
[5]	GUO L , TAN E , CHEN S ,et al. The stretched exponential distribution of internet media access patterns[C]// TwentySeventh ACM Symposium on Principles of Distributed Computing,PODC 2008,August 18-21,Toronto,Canada. New York:ACM Press, 2008: 283-294.
[6]	LAHERRèRE J , SORNETTE D . Stretched exponential distributions in nature and economy:“fat tails” with characteristic scales[J]. The European Physical Journal B-Condensed Matter and Complex Systems, 1998,2(4): 525-539.
[7]	赵晨阳, 翟少丹 . 高尔顿与相关理论的产生[J]. 西北大学学报:自然科学版, 2008,38(4): 680-684.
	ZHAO C Y , ZHUO S D . Galton and the invention of correla-tion[J]. Journal of Northwestern University:Natural Science Edition, 2008,38(4): 680-684.
[8]	李祖亮 . 基于数学建模的经济变量线性回归统计预测研究[J]. 中国校外教育, 2011(2): 142-142.
	LI Z L . Research on statistical prediction of linear regression of economic variables based on mathematical modeling[J]. Educa-tion for Chinese After-School, 2011(2): 142-142.
[9]	贾丹华, 王润润, 王鹏 . 电信套餐资费预演中客户量的预测方法研究[J]. 电信科学, 2011,27(8): 25-32.
	JIA D H , WANG R R , WANG P . Research on prediction method of the amount of customers in Telecom services tariff pre-view[J]. Telecommunications Science, 2011,27(8): 25-32.
[10]	吕游, 刘吉臻, 赵文杰 ,等. 基于分段曲线拟合的稳态检测方法[J]. 仪器仪表学报, 2012,33(1): 194-200.
	LV Y , LIU J Z , ZHAO W J ,et al. Steady-state detecting method based on piecewise curve fitting[J]. Chinese Journal of Scien-tific Instrument, 2012,33(1): 194-200.
[11]	方艾, 张玉忠, 徐雄 ,等. 基于MapR的IPTV用户收视行为分析的方案与实践[J]. 电信科学, 2017,33(2): 138-143.
	FANG A , ZHANG Y Z , XU X ,et al. Scheme and practice of IPTV user viewing behavior analysis based on MapR[J]. Tele-communications Science, 2017,33(2): 138-143.
[12]	王重, 刘黎明 . 拟合优度检验统计量的设定方法[J]. 统计与决策, 2010(5): 154-156.
	WANG C , LIU L M . Setting method of statistics for goodness of fit[J]. Statistics and Decision, 2010(5): 154-156.

统计指标	ASSE模型	SE模型
回归平方和	900.1	1 047.4
残差平方和	4.7	20.4
总平方和	904.8	1 067.8
拟合优度R²	0.994 8	0.980 9
注：总平方和=回归平方和+残差平方和；拟合优度R²=回归平方和/总平方和。

[1]	谭晓敏,方艾,梁冰,杨豪杰. 基于决策树的EPG体验异常原因定位[J]. 电信科学, 2019, 35(8): 158-164.
[2]	谭晓敏,方艾,金铎,李长江. IPTV用户体验异常的自动化检测[J]. 电信科学, 2019, 35(7): 159-164.
[3]	廖明,陈明,周冀,向小华,李芳,焦叶芬. 基于大数据融合算法的DNS日志分析系统[J]. 电信科学, 2019, 35(5): 129-139.
[4]	赵洪刚,宋春晖,廉东升. 基于IPTV的宽带提速技术研究及应用[J]. 电信科学, 2018, 34(7): 187-194.
[5]	李峰,杨琛,李兴达. IPTV架构下VR业务关键技术与解决方案[J]. 电信科学, 2018, 34(11): 119-125.
[6]	沈晶歆. IPTV超高清视频中的DRM技术研究与应用[J]. 电信科学, 2018, 34(11): 133-138.
[7]	陈戈,陈麒,海锦霞. 基于IPTV的动态媒体封装技术研究及应用[J]. 电信科学, 2017, 33(8): 53-59.
[8]	牛瑛霞,何欣. 家庭宽带IPTV业务开展策略[J]. 电信科学, 2017, 33(4): 163-169.
[9]	于洪涌,邱晨旭,闻剑峰. IPTV视频个性化推荐方案[J]. 电信科学, 2017, 33(12): 127-135.
[10]	罗传飞,孔德辉,刘翔凯,徐科,杨浩. 智慧家庭的VR全景视频业务实现[J]. 电信科学, 2017, 33(10): 185-193.
[11]	汪敏娟,嵇正鹏,吕超. 基于预测度量值的IPTV用户行为规则预测算法[J]. 电信科学, 2016, 32(5): 160-165.
[12]	谷红勋,杨珂. 基于大数据的移动用户行为分析系统与应用案例[J]. 电信科学, 2016, 32(3): 139-146.
[13]	蔡鑫,阮宜龙,石屹嵘. 基于图数据库的IPTV内容知识库设计和实现[J]. 电信科学, 2016, 32(12): 32-36.
[14]	于洪涌,闻剑峰,蔡鑫,邱晨旭. 基于大数据的IPTV精准营销方案研究与应用[J]. 电信科学, 2016, 32(12): 37-42.
[15]	肖晴,王思伟. 开放互联网环境下电信运营商视频业务技术演进策略[J]. 电信科学, 2015, 31(4): 9-14.

基于自适应分段广延指数模型的IPTV用户点播行为

IPTV user’s on-demand behavior based on adaptive segmental stretched exponential model

在线阅读

PDF下载

可视化

被引次数

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 12

相关文章 15

Metrics

推荐阅读 0