摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-14页 |
1.1 研究背景 | 第11-12页 |
1.2 研究意义 | 第12-13页 |
1.3 论文结构 | 第13-14页 |
第二章 网络视频业务相关技术介绍 | 第14-21页 |
2.1 网络视频分析数据来源及字段描述 | 第14-16页 |
2.1.1 用户行为及视频质量分析相关数据描述 | 第14-15页 |
2.1.2 网络视频流行等级分析数据来源及字段描述 | 第15-16页 |
2.2 网络视频播放流程 | 第16页 |
2.3 网络视频用户行为定义及识别 | 第16-18页 |
2.3.1 显式用户行为 | 第17页 |
2.3.2 隐式网站反馈 | 第17-18页 |
2.3.3 用户行为特征及识别 | 第18页 |
2.4 网络视频质量分析方法及事件表定义 | 第18-20页 |
2.4.1 网络视频质量分析基础步骤 | 第18-19页 |
2.4.2 事件表定义 | 第19-20页 |
2.5 本章小结 | 第20-21页 |
第三章 网络视频质量分析 | 第21-30页 |
3.1 网络视频质量综述 | 第21-22页 |
3.2 视频服务质量指标设计 | 第22-24页 |
3.2.1 视频播放期间用户交互流程 | 第22页 |
3.2.2 视频质量指标设计 | 第22-23页 |
3.2.3 质量指标的意义 | 第23-24页 |
3.3 用户体验质量预测 | 第24-28页 |
3.3.1 预测方法介绍 | 第24-25页 |
3.3.2 指标分布情况分析 | 第25-26页 |
3.3.3 模型性能评估 | 第26-28页 |
3.4 本章小结 | 第28-30页 |
第四章 网络视频用户行为分析 | 第30-43页 |
4.1 用户行为分析综述 | 第30页 |
4.2 网络视频用户流量分布特性 | 第30-34页 |
4.2.1 用户流量分布 | 第30-31页 |
4.2.2 用户消耗流量分布分析与建模 | 第31-33页 |
4.2.3 头部用户的确定 | 第33-34页 |
4.3 网络视频用户业务使用情况分析 | 第34-36页 |
4.3.1 观看视频数分析 | 第34-35页 |
4.3.2 使用天数分析 | 第35-36页 |
4.4 网络视频用户观看视频类别分析 | 第36-42页 |
4.4.1 用户观看视频类别数分析 | 第37-38页 |
4.4.2 用户兴趣值按时间分布情况分析 | 第38-39页 |
4.4.3 用户兴趣发现 | 第39-42页 |
4.5 本章小结 | 第42-43页 |
第五章 网络视频流行等级分析 | 第43-57页 |
5.1 网络视频流行等级分析综述 | 第43页 |
5.2 流行等级定义及特征处理 | 第43-46页 |
5.2.1 网络视频流行等级定义 | 第43-45页 |
5.2.2 特征处理 | 第45-46页 |
5.3 特征流行性分析 | 第46-51页 |
5.3.1 视频类别分析 | 第46-48页 |
5.3.2 视频时长分析 | 第48页 |
5.3.3 专辑播放次数分析 | 第48-49页 |
5.3.4 视频历史播放量分析 | 第49-50页 |
5.3.5 标签情感值分析 | 第50-51页 |
5.4 视频流行度预测 | 第51-56页 |
5.4.1 预测方法介绍 | 第51-52页 |
5.4.2 评价指标介绍 | 第52-54页 |
5.4.3 模型性能评估 | 第54-56页 |
5.5 本章小结 | 第56-57页 |
第六章 系统设计与实现 | 第57-64页 |
6.1 系统总体功能介绍 | 第57-58页 |
6.2 系统框架结构 | 第58-61页 |
6.2.1 基本结构 | 第58-59页 |
6.2.2 匹配模块事件生成 | 第59页 |
6.2.3 视频ID修复 | 第59-60页 |
6.2.4 事件处理 | 第60-61页 |
6.3 系统关键技术 | 第61-63页 |
6.3.1 Spark大数据处理工具 | 第61页 |
6.3.2 URL匹配 | 第61-62页 |
6.3.3 区间合并 | 第62-63页 |
6.4 本章小节 | 第63-64页 |
第七章 总结与展望 | 第64-65页 |
参考文献 | 第65-67页 |
致谢 | 第67-68页 |
攻读学位期间发表的学术论文目录 | 第68页 |