基于用戶行為的內(nèi)容加速系統(tǒng)的設(shè)計與實現(xiàn).pdf

1、互聯(lián)網(wǎng)的高速發(fā)展以及用戶對高清網(wǎng)絡(luò)內(nèi)容需求增加，使得向用戶提供高清視頻內(nèi)容成為一種應(yīng)用趨勢。目前網(wǎng)絡(luò)接入帶寬或服務(wù)器的服務(wù)能力都可能成為瓶頸，導(dǎo)致視頻流緩沖時間過長、播放時斷時續(xù)、用戶體驗極差。
　　本文利用用戶上網(wǎng)瀏覽的網(wǎng)頁文本以及用戶對電影的評分，來實現(xiàn)基于用戶行為的內(nèi)容加速系統(tǒng)。系統(tǒng)結(jié)合了基于用戶的協(xié)同過濾推薦方法和基于內(nèi)容的推薦方法為用戶預(yù)測視頻，然后將預(yù)測視頻進(jìn)行下載、管理，當(dāng)用戶觀看該視頻時可以直接從本地觀看，避免了視

2、頻緩沖等待。本文首先對系統(tǒng)的總體結(jié)構(gòu)進(jìn)行設(shè)計，將系統(tǒng)總體分為兩部分：即基于用戶行為的推薦子系統(tǒng)和內(nèi)容加速子系統(tǒng)。然后對基于用戶行為的推薦子系統(tǒng)和內(nèi)容加速子系統(tǒng)進(jìn)行設(shè)計和實現(xiàn)?；谟脩粜袨榈耐扑]子系統(tǒng)重點對混合推薦方法以及計算用戶相似度方法進(jìn)行研究。內(nèi)容加速子系統(tǒng)主要是對文件管理、文件下載、文件映射、重定向進(jìn)行研究。最后，通過大量的實驗對系統(tǒng)的功能指標(biāo)進(jìn)行了測試，并對測試結(jié)果進(jìn)行分析。論文工作的重點主要包含以下幾個方面：
　　(1)

3、計算用戶之間相似度時在傳統(tǒng)方法上加入了用戶評分稀疏因子，能夠有效緩解由于用戶評分稀疏現(xiàn)象導(dǎo)致計算用戶相似度不夠精確問題。
　　(2)利用混合推薦即結(jié)合基于用戶的協(xié)同過濾和基于內(nèi)容的推薦方法來給用戶預(yù)測視頻，提高了預(yù)測準(zhǔn)確率。
　　(3)內(nèi)容預(yù)取加速，推薦子系統(tǒng)計算出推薦視頻列表之后，將這些用戶將來可能消費(fèi)的電影傳給內(nèi)容加速子系統(tǒng)，內(nèi)容加速子系統(tǒng)通過預(yù)取算法從網(wǎng)絡(luò)中提取電影內(nèi)容存儲于本地存儲區(qū)域，用戶通過代理服務(wù)器上網(wǎng)，當(dāng)用戶

4、觀看的電影在本地時，將本地存儲的電影呈現(xiàn)給用戶，從而實現(xiàn)加速。
　　最后，爬蟲收集大量豆瓣上用戶的日記文本、用戶電影評分以及電影簡介信息來模擬用戶行為數(shù)據(jù)。并以這些數(shù)據(jù)做實驗，制作不同參數(shù)的測試用例，通過大量的實驗，計算結(jié)果的準(zhǔn)確率、召回率、F1值。對所實現(xiàn)的系統(tǒng)進(jìn)行了詳細(xì)的分析評估。以傳統(tǒng)的基于用戶協(xié)同過濾方法（user-based CF）作為基準(zhǔn)，測試結(jié)果表明本文使用的推薦方法比普通的基于用戶協(xié)同過濾方法在準(zhǔn)確率、召回率、F1