络视频点播系统中用户行为的分析与建模.doc

网络视频点播系统中的用户 行为分析与建模 作者：陈磊 张西文 张强 学校： 中国科学技术大学  网络视频点播系统中的用户 行为分析与建模 摘 要 随着网络带宽、计算能力和存储能力的提高，互联网中基于流媒体技术传输视频音频的系统大幅增长。现有流媒体系统与用于对系统性能进行评估的用户行为发生器的设计均基于对流媒体系统中用户行为的测量、分析与建模，所以我们有必要对用户行为进行准确深入的了解。 本文选取两个视频点播系统作为研究对象：教育网内的中国科学技术大学视频点播系统(中科大VOD系统)和上海嘉定区高性能视频点播系统(上海嘉定TVOD系统)。通过记录的日志文件来对用户访问行为进行测量、分析与建模。在对用户行为进行分析时，根据日志文件的内容，提出能反映其特征的几个统计指标：视频流行度，视频播放时间，用户交互操作数，然后对以上几个指标进行建模分析。 在对视频播放时间和用户操作数进行建模分析时，通过统计分析，证明在不同时间尺度内中国科学技术大学视频点播系统的用户交互式请求数分布均表现出重尾现象，常用的幂律分布不适合对其建模，提出采用广延指数模型描述交互式请求数分布。在对视频流行度建模分析时：通过统计分析，证明常用的Zipf-like模型不适合建立流行度分布模型，提出采用广延指数模型描述视频流行度分布。通过对上述建立的模型进行卡方检验验证了模型的正确性，并在理论和模型分析的基础上提出了优化VOD系统性能的意见。 关键词：视频点播 模型 交互式 流行度 重尾 广延指数分布 Zipf-like 模型目 录 第一章 问题的提出 1 第二章 研究对象描述 3 2.1 中国科学技术大学VOD系统 3 2.1.1 视频点播系统介绍 3 2.1.2 数据采集系统介绍 4 2.2 上海嘉定地区TVOD系统 4 第三章 数据描述 7 3.1 中国科学技术大学VOD系统日志数据描述 7 3.2 上海嘉定地区TVOD系统日志数据描述 8 第四章 模型建立前的准备 10 4.1 数据预处理 10 4.2 指标的选取 11 4.2.1 视频流行度 11 4.2.2 用户交互请求数 11 4.2.3 视频播放时间 12 第五章 模型的构建和检验 13 5.1 视频流行度模型 13 5.1.1 估计模型的选择 13 Zipf-like模型 13 广延指数（Stretched Exponential，SE）模型 14 5.1.2 估计模型的建立 16 上海嘉定地区TVOD系统 16 中国科学技术大学VOD系统 18 5.2 用户交互请求数模型 22 5.2.1 交互式请求数的重尾现象 23 5.2.2 交互请求数的幂律模型 25 5.2.3 交互请求数的广延指数（SE）模型 30 5.3 视频播放时间模型 34 5.3.1 视频播放时间的重尾现象 34 5.3.2 视频播放时间的幂律模型 36 5.3.3 视频播放时间的广延指数（SE）模型 37 第六章 总结 40 附录 广延指数与ZIPF-LIKE模型的CHI-SQUARE拟合优度检验 41 参考文献 43 第一章 问题的提出 Internet 的应用普及和计算机技术的迅猛发展使人们的工作、生活发生了巨大变化，个人计算机、计算机网络已经逐渐成为人们生活的一部分。人们对于信息和娱乐的需求快速增长，形式趋于多样化：从静态的文本、图片形式，逐渐向动态的语音、视频方向发展。随着多媒体技术的发展，各种视音频格式层出不穷，视音频信息的传输、处理技术的应用越来越广泛；而宽带网络的逐步成熟，又使得应用流媒体技术在互联网上传输高质量的视音频成为可能，在宽带的基础上，流媒体可以提供更丰富的视频内容(包括课堂教学直播、视频会议)。 同时，处在二十一世纪这样一个信息“爆炸”的时代，越来越多的人们更愿意及时、主动地获取信息。这种趋势冲击着传统的广播电视的收看模式。传统的电视为被动的接收模式，不能定制节目，无互动性。其消费特点为分频道，定时单向广播，用户为了看感兴趣的节目必须参照电视台预先确定的节目表，按时打开电视，而且还要忍受广告的折磨。而数字电视通过数字信号承载电视节目，为用户带来了更好的视听效果。这种趋势迫使广播电视系统向交互式方向发展，实现互动点播。视频点播技术为这一问题提供了很好的解决方案。 视频点播(Video On Demand，VOD)[1]，即按需要的视音频流播放，是近年来新兴的传媒方式。VOD 是以“用户自主”的崭新概念为基础的双向视音频信息系统，实现了按用户需要播放视音频节目的理想，其最大特点在于主动性和选择性。而且VOD的用户可以在观看视频时采取一系列的VCR操作[2]（跳进，跳退，暂停，停止等）来对视频实现交互。VOD依托