基于聚類與模糊神經(jīng)網(wǎng)絡(luò)相結(jié)合的視頻點擊量預(yù)測研究.pdf

1、隨著互聯(lián)網(wǎng)產(chǎn)業(yè)的飛速發(fā)展，各種視頻應(yīng)用網(wǎng)站應(yīng)運而生，網(wǎng)絡(luò)視頻及網(wǎng)絡(luò)視頻用戶數(shù)量急劇增長，逐漸替代了傳統(tǒng)的通過電視頻道直播收看視頻的方式。視頻數(shù)據(jù)的海量和存儲規(guī)模的不斷擴大，給視頻文件的副本放置和視頻數(shù)據(jù)的副本管理帶來了挑戰(zhàn)，如何利用視頻的點擊趨勢來預(yù)測視頻的熱度，將視頻副本調(diào)配到更合適的物理存儲和網(wǎng)絡(luò)訪問資源的服務(wù)節(jié)點上則成為業(yè)界和學界都面臨的一個亟待解決的問題。因此，本文選取如何在視頻較短的上線時間內(nèi)預(yù)測出其未來訪問趨勢作為研究內(nèi)容，

2、將視頻點擊量預(yù)測作為核心研究內(nèi)容。
　　預(yù)測作為數(shù)據(jù)挖掘技術(shù)中重要的任務(wù)之一，通過操作者積累的研究經(jīng)驗，結(jié)合現(xiàn)實數(shù)據(jù)，建立預(yù)測模型，對未來事物發(fā)展做出一些可靠性的推測，達到把握全局事先調(diào)整發(fā)展策略的目的。預(yù)測文本的未來使用次數(shù)作為計算機存儲中副本遷移和重建的前提，對關(guān)于計算機存儲方面的研究有較大作用。目前雖然有些學者針對文本預(yù)測進行了研究分析，做出了一些貢獻，但由于需要大量歷史先驗數(shù)據(jù)、預(yù)測粒度較大，沒有較好的發(fā)揮預(yù)測及時性、實用

3、型、準確性的目的。基于此，本文的主要研究內(nèi)容和創(chuàng)新如下：
　　本文將預(yù)測問題分為兩個階段解決，第一，基于指標量化模型和K-means算法相結(jié)合的視頻聚類；第二，基于模糊神經(jīng)網(wǎng)絡(luò)的視頻預(yù)測。前者是盡可能的將具有相同屬性的視頻進行聚類，后者則根據(jù)同類視頻的訪問規(guī)律結(jié)合視頻當前訪問量對其未來訪問進行預(yù)測。
　　首先，本文以視頻文件作為研究對象，針對視頻信息資源豐富、文件特征復雜的特點，建立了一種較為全面的指標量化體系，將重要的能反

4、映視頻特點的屬性進行細致劃分并根據(jù)建立的量化模型得出量化結(jié)果，形成目標量化矩陣，然后通過聚類算法找出與待測視頻相似的視頻文件。將聚類結(jié)果同其他算法對比，發(fā)現(xiàn)其更符合用戶的實際情況。
　　然后，本文將聚類得出的相似視頻文件作為影響視頻點擊量的因素，同待測視頻一起進行后續(xù)預(yù)測實驗。預(yù)測時，通過統(tǒng)計站點網(wǎng)絡(luò)視頻指數(shù)分析平臺的相關(guān)播放數(shù)據(jù)，建立時間序列模型，采用模糊神經(jīng)網(wǎng)絡(luò)算法對樣本進行訓練，從而對測試數(shù)據(jù)做出預(yù)測。采用同樣的聚類視頻數(shù)據(jù)