基于大数据的网络视频业务特性的分析与应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 论文结构 | 第12-14页 |
| 第二章 网络视频业务特性分析综述 | 第14-20页 |
| 2.1 功能模块 | 第14页 |
| 2.2 数据采集的方法 | 第14-16页 |
| 2.3 Spark大数据分析平台的优势 | 第16-17页 |
| 2.4 基于大数据的视频数据分析与挖掘 | 第17-18页 |
| 2.5 本章小结 | 第18-20页 |
| 第三章 视频业务的操作特征与相关定义 | 第20-28页 |
| 3.1 网络视频海量数据描述与清洗 | 第20-22页 |
| 3.2 视频网站域名识别 | 第22页 |
| 3.3 视频用户行为识别 | 第22-25页 |
| 3.4 视频业务的相关定义 | 第25-26页 |
| 3.4.1 行为定义 | 第25-26页 |
| 3.4.2 概念定义 | 第26页 |
| 3.5 本章小结 | 第26-28页 |
| 第四章 移动互联网视频业务特性的多维度分析 | 第28-44页 |
| 4.1 视频网站整体概况分析 | 第28-31页 |
| 4.1.1 视频网站用户数与流量的对比分析 | 第28-29页 |
| 4.1.2 视频网站请求数与视频数的对比分析 | 第29-31页 |
| 4.1.3 视频网站对比分析总结 | 第31页 |
| 4.2 优酷网站业务使用分析 | 第31-36页 |
| 4.2.1 不同时间粒度下的用户数分析 | 第31-32页 |
| 4.2.2 不同时间粒度下的请求数分析 | 第32-33页 |
| 4.2.3 不同时间粒度下的视频数分析 | 第33-34页 |
| 4.2.4 三种计数的对比分析 | 第34-36页 |
| 4.3 用户差异性分析 | 第36-41页 |
| 4.3.1 用户活跃性分析 | 第36-37页 |
| 4.3.2 用户流量分析 | 第37-38页 |
| 4.3.3 用户播放行为分析 | 第38-41页 |
| 4.3.4 用户地理位置分析 | 第41页 |
| 4.4 视频差异性分析 | 第41-43页 |
| 4.4.1 视频的请求次数分析 | 第41-42页 |
| 4.4.2 视频的观众数分析 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 网络视频播放量的预测 | 第44-54页 |
| 5.1 视频播放量预测综述 | 第44-45页 |
| 5.2 视频播放量的增长模式 | 第45-48页 |
| 5.2.1 增长模式分析方法 | 第45-46页 |
| 5.2.2 增长模式分析结果 | 第46-48页 |
| 5.3 视频播放量预测 | 第48-52页 |
| 5.3.1 预测模型的建立 | 第48-49页 |
| 5.3.2 分类器的选取 | 第49-50页 |
| 5.3.3 参数取值的影响 | 第50页 |
| 5.3.4 模型性能的评估 | 第50-52页 |
| 5.4 本章小结 | 第52-54页 |
| 第六章 用户访问视频网站时的移动模式挖掘 | 第54-66页 |
| 6.1 基于Apriori的用户移动模式挖掘算法 | 第54-56页 |
| 6.1.1 模式挖掘相关概念 | 第54页 |
| 6.1.2 基于Apriori的模式挖掘算法描述 | 第54-56页 |
| 6.1.3 候选项集的产生与剪枝 | 第56页 |
| 6.2 移动互联网中的小区振荡 | 第56-63页 |
| 6.2.1 小区振荡现象的描述 | 第56-57页 |
| 6.2.2 小区振荡现象的研究现状 | 第57页 |
| 6.2.3 小区振荡现象的解决 | 第57-63页 |
| 6.3 移动模式挖掘 | 第63-64页 |
| 6.4 本章小结 | 第64-66页 |
| 第七章 总结与展望 | 第66-68页 |
| 参考文献 | 第68-70页 |
| 致谢 | 第70-72页 |
| 攻读学位期间发表的学术论文目录 | 第72页 |
