基于用戶點(diǎn)播行為的視頻質(zhì)量評(píng)價(jià)研究.pdf

1、2014年在全球及中國(guó)經(jīng)濟(jì)復(fù)蘇態(tài)勢(shì)不如預(yù)期、部分廣告主預(yù)算保守、政府限娛令以及視頻企業(yè)上一年度為了購(gòu)買版權(quán)而激烈爭(zhēng)奪等背景下，中國(guó)視頻行業(yè)拉開了深度整合的序幕，通過(guò)合并、結(jié)盟、團(tuán)購(gòu)、互換等措施，以降低版權(quán)成本、提高資源效率，提升企業(yè)盈利能力。2014年也是網(wǎng)絡(luò)視頻企業(yè)投入變革的一年，除了對(duì)傳統(tǒng)PC端業(yè)務(wù)的大力投入，還在移動(dòng)視頻、UGC、社交、付費(fèi)、高清視頻等方面都將有重點(diǎn)突破。針對(duì)上述情況，需要了解當(dāng)前市場(chǎng)格局，摸清網(wǎng)民需求與偏好、渠道

2、選擇、收視行為、付費(fèi)行為以及購(gòu)買能力等現(xiàn)狀，給企業(yè)在戰(zhàn)略選擇、產(chǎn)品設(shè)計(jì)、內(nèi)容供給和市場(chǎng)活動(dòng)方面的決策提供參考。
　　基于以上背景，本文在介紹了數(shù)據(jù)挖掘技術(shù)的基本原理等與用戶行為挖掘密切相關(guān)的經(jīng)典算法的前提下，又分別對(duì)網(wǎng)絡(luò)視頻用戶基本行為進(jìn)行采集處理，基于用戶聚類算法及其執(zhí)行流程，從海量用戶歷史行為數(shù)據(jù)切入進(jìn)行了概括介紹。并在上述分析結(jié)果的基礎(chǔ)上，從多元回歸模型的角度，闡釋了播放指數(shù)對(duì)視頻位置優(yōu)化的影響，并初步建立播放指數(shù)回歸預(yù)測(cè)模

3、型，分析了用戶行為特征及表現(xiàn)形式，并對(duì)用戶行為的流動(dòng)性做了詳細(xì)描述，結(jié)合用戶日志的原始數(shù)據(jù)，對(duì)用戶行為進(jìn)行聚類和主成分分析。
　　其次，基于實(shí)驗(yàn)數(shù)據(jù)建立了多頻道視頻播放指數(shù)動(dòng)態(tài)規(guī)劃模型，并根據(jù)對(duì)視頻移動(dòng)客戶端操作系統(tǒng)版本、網(wǎng)絡(luò)運(yùn)營(yíng)商、屏幕分辨率、品牌和機(jī)型的統(tǒng)計(jì)分析，綜合建立了模型表達(dá)式，結(jié)合分析軟件計(jì)算出播放指數(shù)值，并對(duì)其進(jìn)行簡(jiǎn)單解析。為確保模型的準(zhǔn)確度，基于目標(biāo)函數(shù)的系數(shù)變化和右端項(xiàng)變化兩個(gè)測(cè)度情況，對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行靈敏度分析，