基于预测度量值的IPTV用户行为规则预测算法

提出了一种符合用户行为的,基于海量IPTV用户特征数据,对IPTV用户进行分群和规则提取的算法模型。首先提出了符合用户点播使用行为的IPTV用户分群的描述维度,即通过基础属性描述用户分群、通过点播行为描述用户分群变化趋势。然后提出了预测度量值的概念,对用户分群的稳定性进行描述,并提出了对稳定的用户分群提取点播行为概率的算法。最后通过大量的IPTV运营数据对算法模型进行了验证分析。     

IPTV CDN用户点播行为分析与建模

通过对中国电信某省IPTV系统中超过60亿条用户行为记录进行分析,深入研究IPTV点播系统服务与用户之间的交互行为,并提取有价值的用户行为特征,构建以Zipf为函数的影片热度模型,拟合出用户请求达到数量符合泊松分布模型,这些模型的建立为IPTV CDN规划建设提供有力的数据支撑。     

基于用户行为分析的PPTV点播系统测量研究

利用基于协议分析和逆向工程的主动测量方法对PPTV点播系统进行了研究,通过对PPTV点播协议进行分析,获悉该协议的通信格式和语义信息,总结出了PPTV点播系统的工作原理,在此基础上设计并实现了基于分布式网络爬虫的PPTV点播系统主动测量平台,并对该平台获取的用户数据进行统计分析,获得了PPTV点播系统部分用户行为特征.研究结果对P2P点播系统的监控及优化提供了研究方法.     

机顶盒参与P2P分发的IPTV点播业务可行性研究

为了有效降低上海电信IPTV的运营和部署成本,由机顶盒参与P2P分发的IPTV点播方案是一个可能的有效方案。为了研究这个方案的可行性,首先提出了机顶盒参与P2P分发的IPTV系统主要性能指标及主要影响参数,分析上海电信IPTV系统的实际用户行为数据和实际网络拓扑,并构建大规模IPTV计算机仿真系统RVSPS,然后用真实的用户行为和拓扑激励仿真系统,分析各类参数对主要系统性能指标的影响,从技术角度详细研究机顶盒参与P2P分发的上海电信IPTV点播业务的可行性。     

IPTV用户群分类模型设计与实现

提出了一种基于时间维度及特征参数的用户行为分析方法,通过时间维度样本矩阵及点播记录特征参数进行关联计算,实现了IPTV用户群分类模型,为IPTV数据运营提供了一种用户群分类的分析方法。     

构建基于用户及影视知识图谱的IPTV智能推荐算法 ——以河北广电为例

IPTV即交互式网络电视.当前,IPTV已成为体量最大的新媒体电视平台以及广播电视运营的主要形态.大数据技术通过用户数据管理和用户行为分析,使得IPTV精准匹配海量内容和用户需求成为可能.而在业务量迅猛增长的同时,IPTV运营平台凸显出对大数据统一管理和运营能力的不足.基于此,以河北广播电视台(简称河北广电)为例,研究其在IPTV运维中建立的基于用户及影视知识图谱的IPTV智能推荐算法.河北广电利用大数据模型算法赋能编排运营,实现用户增长和运营增收,其经验值得推广.     

构建基于用户及影视知识图谱的IPTV智能推荐算法 ——以河北广电为例

IPTV即交互式网络电视.当前,IPTV已成为体量最大的新媒体电视平台以及广播电视运营的主要形态.大数据技术通过用户数据管理和用户行为分析,使得IPTV精准匹配海量内容和用户需求成为可能.而在业务量迅猛增长的同时,IPTV运营平台凸显出对大数据统一管理和运营能力的不足.基于此,以河北广播电视台(简称河北广电)为例,研究其在IPTV运维中建立的基于用户及影视知识图谱的IPTV智能推荐算法.河北广电利用大数据模型算法赋能编排运营,实现用户增长和运营增收,其经验值得推广.     

新传输协议SCTP和DCCP在IPTV中的应用

IPTV技术近些年发展迅猛。推广前景可观。本文首先简单介绍了IPTV的概念及其网络结构，分析了TCP和UDP应用在传送IPTV流媒体数据和流控制数据时所存在的缺陷，鉴于SCTP和DCCP的良好特性。提出了一种基于SCTP和DCCP的IPTV传输设计方案，并且将SCTP和DCCP应用于IPTV点播上，说明了这种设计方案的消息交互流程。     

LTE-Advanced网络Uu接口用户行为分析系统的研究与实现

大数据时代,面对海量且复杂的结构化、半结构化和非结构化数据,传统的信令监测分析系统无法快速准确地分类、处理以及存储海量数据中包含的信息.针对这些问题,提出了一种基于Hadoop系统技术平台和支持向量机(Support Vector Machine,SVM)分类算法的LTE-Advanced网络Uu接口用户行为分析系统.对用户行为分析系统的系统架构、在Hadoop平台下数据挖掘分类算法SVM的实现进行了详细阐述,并通过Uu接口进行了现网测试,测试结果表明,提出的用户行为分析系统达到了预期的效果,对用户偏好分析以及精准营销具有推广意义.     

IPTV系统的性能指标

IPTV是一种利用宽带网络为用户提供交互式多媒体服务的业务。其主要特点在于交互性和实时性。通过IPTV业务。用户可以得到高质量的数字媒体服务。可以自由地选择宽带IP网的视频节目，还可以非常容易地将电视服务和互联网浏览、电子邮件收发以及多种在线信息咨询、娱乐、教育及商务功能结合在一起。它的宽带服务模式将形成一个极具前景的产业。目前已有很多设备厂家提供ITPV系统平台和设备。业界公认IPTV业务包含两种基本业务：VOD点播和TV直播。那么，对于IPTV系统的测试亟需进行规范。本文对IPTV系统的这两种基本业务的性能测试进行了简单的探讨。     

UT斯达康谈IPTV业务与IPTV系统设计关键要素

IPTV业务以其可以向用户提供具有交互功能的时移电视业务和电视点播业务而区别与传统的电视业务。为此,在TPTV业务本身的需求和系统设计方面将有其特殊性,一些关键的要素需要考虑,同时需要使用一些特定的技术手段。作为IPTV业务系统提供商的UT斯达康公司在其所研制的IPTV业务系统中可以为用户提供时移电视和点播电视业务。其所撰《UT斯达康谈IPTV业务与IPTV系统设计关键要素》一文便是该公司对IPTV业务的分析和对IPTV系统设计相关的关键要素讨论的相关内容,主要介绍了IPTV的两个重要功能:时移电视和点播电视,说明了基于文件存储和服务技术的不足,介绍了切片技术进行存储以及采用切片技术与采用其他技术进行存储的比较等内容。可供寻找提供时移电视和点播电视业务的系统解决技术的人员参考。     

基于嵌入式向量和循环神经网络的用户行为预测方法

为了进一步描述时间因素对用户行为的影响,进而提高推荐系统的推荐效果,综合考虑了用户的长期行为特征和短期行为特征提出一种基于嵌入式向量和循环神经网络的用户行为预测方法。依据推荐系统中的所有用户行为数据,将用户和商品嵌入到相同的特征空间,并通过嵌入式向量反应用户的长期行为特征。针对每个用户,依据其历史行为的时间序列,基于循环神经网络建立该用户的行为预测模型,从而描述该用户的短期行为特征。实验结果表明,提出的方法与特征级时间序列分析等方法相比具有更好的推荐效果。     

ITV系统及其发展的影响因素

大多数专家、设备厂商认为将宽带应用的增长点锁定在IPTV上，将IPTV与ITV等同，也未免偏颇。笔者认为，IPTV概念不能表达这场深刻的媒体变革全部内涵，认为ITV概念更为准确。ITV基本有三层含义，即系统基于互联网(Internet)，具备灵活交互(Interactive)途径，提供超媒体融合信息(Information)。Internet表明电视系统是基于IP网络传输的，通过互连网将点播与频道节目传输给用户，     

IPTV用户数据挖掘建模体系研究

分析中国电信IPTV使用数据挖掘技术的重要性以及将会产生的社会效益与经济效应,简要分析数据挖掘常用的算法以及应用方式,并提出一种为适合中国电信IPTV用户行为特征和兴趣偏好数据挖掘的实现方法,最终为中国电信IPTV及其他类似业务的数据挖掘建模体系实现提供参考。     

文摘

宽带带动IPTV点播电视需求增长 eMarketer 电信服务商Verizon和AT＆T在美国推出了IPTV服务。eMarketer预计,到2012年,美国的IPTV用户将达到1270万,在2008年,这一数字仅为330万。     

一种基于XGBoost算法的用户投诉预测方法

用户的投诉行为既受到客观网络环境作用，又具有强烈的主观行为意识。通过收集投诉用户的主客观数据特征，引入机器学习算法预测潜在的投诉用户，提早介入进行网络优化和用户关怀，能够有效降低网络投诉的发生。本文介绍了一种基于XGBoost算法的投诉用户特征识别和预测方法，通过收集投诉用户数据特征，构建投诉特征指标集，利用XGBoost算法迭代处理实现潜在投诉用户预测。经大量数据验证，本算法可有效实现对网络潜在投诉预测，为网络优化提供了重要依据。     

天津网络广播电视台完成大数据系统商用部署

天津网络广播电视台与大数据专业公司开展深入合作,在天津IPTV业务中建设了国内首个基于全样本进行数据采集、分析和用户7×24小时实时收视行为监测的大数据系统,颠覆了传统媒体粗放型的运营方式,助力交互式电视直播、点播、回看及专题产品的科学化运营。经过半年多的试运行,该项目在如下几个方面开展了探索,并取得了重要突破:一是IPTV全样本大数据分析平台能够系统地记录、统计和分析电视播出平台各频道、各栏目的直播、点播、回看的收视     

单传感器数据驱动的人体日常短时行为识别方法

在基于惯性传感器的人体行为识别研究中，特征提取是其中的关键环节之一。而离散数据统计特征的稳定性依赖于特征提取的窗口大小。一般来说，训练数据的窗口长度需要大于一个运动周期。因此，针对测试数据远小于一个运动周期的短序列样本识别问题，提出了一种基于模板匹配的新的解决方案。首先，通过适当分割训练数据的长序列样本，构建一个过完备的短时行为模板库，将待测短时样本与模板库中样本进行一致化处理并进行匹配；其次，在匹配算法中，采用样本间的F范数与整体梯度向量的2范数累加作为匹配度量准则，得到相似度直方图；最后，基于相似度直方图，根据投票策略得到最终分类识别结果。实验表明:在使用单传感器识别短时行为的情况下，新算法比传统算法在精度和稳定性上具有更好的性能，并能适应不同窗口下短时行为分类问题。     

基于DBP的Web用户行为分析关键技术

文章针对Web用户行为分析所面临的"无规范、智能性差"问题,提出基于动态行为轮廓库(DBP)的行为分析方法,从数据净化、用户识别、事务识别、用户行为模式匹配几方面进行详细阐述,建立基于DBP的Web用户行为分析模型。首次提出基于DBP的Web用户行为分析关键技术,采用网站黄页法和逆向搜索引擎法构建DBP,通过实验验证,此方法很好解决了Web用户行为分类问题,能很好应用到Web用户行为分析领域。     

基于大数据平台的IPTV用户行为分析

IPTV业务的不断发展积累了大量的用户和数据,这些宝贵的数据资源如果能充分挖掘和利用,将会为业务设计、营销决策等提供坚实的数据基础。本文采用大数据技术对IPTV用户的收视和行为数据进行科学的分析,通过IPTV用户画像和收视路径分析,准确发现用户的收视和行为特点,优化用户的个性化收视体验,为IPTV业务运营带来更好的决策依据。