趙命燕，李澤平

(貴州大學計算機科學與技術學院，貴州 貴陽 550025)

0 引 言

隨著互聯(lián)網技術的飛速發(fā)展，互聯(lián)網提供的服務也發(fā)生了一定的變化。早期的互聯(lián)網應用主要集中于網頁瀏覽、文件共享等文本信息通信服務，已不能滿足人們日益豐富和多樣化的需求，視頻會議、遠程教學、視頻點播等新的流媒體服務和應用如雨后春筍般地出現(xiàn)，因此流媒體的發(fā)展為存儲及網絡帶寬等帶來不小的挑戰(zhàn)[1]。通過在離用戶更近的服務器端緩存熱點內容，能減少用戶訪問的響應時間，提高服務質量。如何合理地選取緩存內容以提高資源利用率是流媒體服務目前面臨的主要問題，解決該問題的關鍵是需要對流媒體文件的流行度進行科學的預測。

近年來，隨著網絡中流媒體文件的激增，越來越多的研究者關注流行度預測問題?，F(xiàn)有的流行度預測方法主要分為2大類，基于時間序列建模的流行度預測方法及基于機器學習的流行度預測方法[2]。Tan等人[3]將在線視頻的流行度視為給定時間段的時間序列，并提出一種新的流行度預測時間序列模型，該模型基于視頻累積的觀看次數(shù)的方差之間的相關性進行預測，而不是其不同階段的累積觀看次數(shù)的值。該模型優(yōu)于現(xiàn)有的幾個流行度預測模型，但并未考慮外部因素，如視頻的演員、上映時間等對視頻點播量的影響。Li等人[4]提出一種新穎的在線學習方法來執(zhí)行高效快速的緩存替換策略。該學習方法不直接了解每個內容的受歡迎程度，而是學習內容的未來流行度與上下文之間的關系，從而利用不同內容訪問模式之間的相似性。但該方法需要大量的空間存儲內容的上下文，各節(jié)點間的通信較復雜。朱琛剛等人[5]基于隨機森林算法及主成分分析法構建了互聯(lián)網+電視平臺節(jié)目流行度的預測模型，并提出一種基于節(jié)目流行度的緩存調度算法。該算法在保證緩存命中率的同時能有效地降低存儲空間，但該算法僅考慮了節(jié)目的部分因素對流行度的影響。Liu等人[6]提出一些新的微博動態(tài)特征，如轉發(fā)深度、轉發(fā)寬度等，并利用這些動態(tài)傳播特征訓練一個決策樹預測微博的受歡迎程度，再使用線性回歸算法來預測1 h后轉發(fā)的動態(tài)特征值。該模型能較好地預測微博早期的流行度，但對長期的預測效果不佳。Abdelkrim等人[7]提出一種新型混合多回歸模型預測用戶生成視頻(UGV)的流行度。該模型基于整個數(shù)據集的信息，定期更新最近的視頻流行度，使用統(tǒng)計誤差分析，將用戶觀看時間和分享次數(shù)作為模型中預測變量的最佳參數(shù)。此混合多回歸模型預測勝過普通的在線回歸模型，但該算法并沒有考慮在線社交網絡對用戶生成視頻流行度的影響。Hassine等人[8]使用不同領域(如統(tǒng)計、機器學習、控制理論)的各種預測方法作為專家，并根據累積損失、最大瞬時損失和最佳排名這3個標準來評估專家，然后根據K個最佳的專家的預測結果來預測視頻的流行度。該模型能較好地對視頻的流行度進行預測，但由于每位專家都必須對每次請求的視頻做出判斷，增加了模型的復雜程度。

本文在已有研究的基礎上，提出一種基于流媒體特征及歷史點播數(shù)據的混合預測模型。該模型將流媒體預測問題分為2個步驟：1)對流媒體流行程度的預測；2)對流媒體點播量的預測。通過將機器學習與基于時間序列的預測方法相結合，使用K-近鄰(KNN)算法及自回歸滑動平均(Autoregressive Moving Average, ARMA)模型的混合模型對流媒體流行度進行預測，該模型能對影片的流行程度進行大致預測，并能彌補動態(tài)時序預測模型僅利用歷史點播量，未考慮不同視頻之間的相關性的缺點及剛上線視頻進行預測的不足。通過真實數(shù)據分析和預測結果表明，與樸素貝葉斯分類器及自回歸滑動平均預測模型相比，本文提出的預測模型能更加有效地對流媒體流行度進行預測。

通過Eviews8.0軟件繪制殘差預測值圖（見圖1），以及歷年財政教育支出的實際值和預測值的對比圖（見圖2），圖２中橫坐標01，02，…，16分別代表2001年、2002年、……、2016年．

1 視頻流行度特征

流行度是度量視頻熱度的重要指標之一，一般以視頻點播量作為流行度的度量。本文通過爬取優(yōu)酷視頻、新浪微博、豆瓣電影相關數(shù)據，分析視頻的流行度與不同特征的關系如下。

1.1 流行度與內容的關系

假設訓練集L={(R1,Y1),(R2,Y2),…,(Rn,Yn)}，其中Ri表示第i個視頻的特征向量，Yi表示第i個視頻的點播量。

在動物膿毒癥模型中，選擇性激活S1PR1或抑制S1PR2和S1PR3表達均能改善內皮屏障功能。而血管內皮細胞主要表達S1PR1[20]，因此，選擇性激活S1P/S1PR1可能成為改善內皮屏障功能的主要途徑。

圖1 流行度與內容的關系

1.2 流行度與類型的關系

1)獲取測試樣本K個近鄰的歷史點播數(shù)據{CRj(ti)|i∈[0,n],Rj∈Mk(R)}并計算測試樣本的點播量：

圖2 流行度與類型的關系

1.3 流行度與時間的關系

圖3 流行度與時間的關系

如圖3所示，視頻的點播量會隨著時間呈現(xiàn)周期性變化，周末的點播量遠高于工作日的點播量。對于電視劇類視頻，一般會在每周六更新一集，這時會有大量的點播量，之后點播量會逐漸降低，直到下一次更新，點播量會重新達到頂峰。電影類視頻在上線初期會有很高的點播量，隨著上線時間的增加，點播量也逐漸降低，但在周末會出現(xiàn)一個回升。

1.4 流行度與演員的關系

視頻由不同演員參演，其點播量也明顯不同，圖4顯示了3個不同的影星參演的影片的點播量變化情況，從圖中可以看出，由同一個影星參演的影片點播量也大致相同。圖5為影片演員在微博的影響力與影片點播量的關系，演員在微博的影響力越大，該影片的點播量也越大，呈現(xiàn)出一種正相關關系。

圖4 參演演員與流行度的關系

圖5 參演演員與流行度的關系

2 流行度預測算法

本文研究新上傳的視頻的流行度問題，并把這個問題分為2個任務，預測視頻的流行程度和預測視頻的點播量。首先，根據新上傳視頻的特征值對視頻是否會流行進行預測，這個任務可以看作是一個分類問題。然后，根據第一階段的預測結果，預測視頻上線之后的具體點播量，這個任務是依據時間序列進行建模。

視頻的流行度是反應視頻熱度的重要指標[10]，通過對視頻的流行度進行預測，捕獲用戶的收視興趣，根據用戶的興趣對系統(tǒng)的緩存內容進行調度能有效地降低用戶的訪問延時[11]。由第1章可知，視頻的流行度與視頻的類型、上線時長、參演演員等特征有著密切聯(lián)系，因此，本文使用以上特征來對視頻流行度進行預測，并據此進行合理的緩存調度。

2.1 數(shù)據預處理

本文將采用上線時間、演員、類型這3種特征作為視頻特征向量。但這些特征不能直接作為算法的輸入，需要對其進行預處理。

1)上線時間。視頻在周末的點播量明顯高于工作日的點播量，在周末上線的新視頻也會獲得相對較高的點播量。因此，本文將一周按7天分為7個時間點，根據視頻上線的時間，標記1～7中對應的值。

目前的家裝建材配送市場秩序很不規(guī)范，普遍存在配送時效差以及貨損率高的情況，配送成本也是一直居高不下。家裝企業(yè)必須規(guī)范其配送模式，加強對與配送相關的供應商以及承運商專業(yè)配送人員的管理，與對方建立合作伙伴關系，并且不斷地進行優(yōu)化，提高效率和效益，在降低配送成本的同時，努力實現(xiàn)供應商、企業(yè)、消費者三者共贏。

2)演員。演員的熱度直接影響了視頻的點播量。每個影片對應著多個演員，數(shù)量眾多，直接使用比較困難，因此，將利用新浪微博的明星熱搜榜及粉絲人數(shù)量化演員的熱度，而對未上榜的演員，則視為影響因子為0。

3)類型。每個資源對應著一個或多個類型，將這些類型轉換為0，1向量，每一列代表不同的取值，即如果數(shù)據集中包含N個類型，則對應一個的向量，某一個影片的類型所在的列為1，其余全為0。

劉清建船是為了亦失哈下奴兒干所用，責任重大，工期有限。古人崇拜司水的龍王，因而劉清就在船廠附近修建起一座龍王廟，以便就近供奉，祈請風調雨順，按期完成造船任務。

每個特征對影片流行度的影響是同等重要的，有必要對數(shù)據進行歸一化處理，本文將采用公式(1)處理數(shù)據，使特征值轉化為0到1的區(qū)間。

(1)

其中，x為歸一化后的特征值，x0為原特征值，xmax為原特征中的最大值，xmin為最小值。

2.2 視頻流行程度預測

網絡中視頻數(shù)量巨大，每日上新的視頻也層出不窮，但是只有20%的視頻會收獲80%的點播量，也就是說，只有20%的視頻會流行[12]。因此，先預測上新的視頻是否會流行，并據此決定是否繼續(xù)預測視頻的點播量會大大降低系統(tǒng)的運行成本。

“116號文”的規(guī)定是，內外部觀測工程列入第一部分的其他建筑工程，外部觀測設備列入第二部分的公用設備及安裝工程。由于該規(guī)定沒有對內外部觀測工程和外部觀測設備進行解釋和界定，有的人士就要求將埋設于結構內部、固定于結構表面的監(jiān)測設備列入公用設備及安裝工程，但查閱水利工程造價有關資料，“116號文”的本意是列入其他建筑工程。

KNN算法是一種基本的機器學習算法，它利用訓練數(shù)據集對特征向量空間進行劃分，并作為其分類的“模型”[13]。KNN算法的核心思想是在訓練集中找出K個最相鄰的樣本，并根據這K個樣本的大多數(shù)類別來確定測試樣本的類別[14]。本文將基于KNN算法對視頻的流行度進行預測。

關于資源建設的探討，地方特色尤為突出。如李子賢指出天津海運高職院校圖書館應加強海洋特色數(shù)字資源建設，積極參與天津市海洋經濟與文化建設［25］；蔣冬英倡議創(chuàng)新嶺南海洋文化資源建設，通過對文獻資源及歷史遺跡的專題研究建立“一帶一路”特色資源庫，包括自建電子資源、紙質文獻及網絡電子資源［26］；張曉丹則分析了少數(shù)民族古籍文獻的特點及分類，主張抓住“一帶一路”重大項目“絲路書香工程”立項的機遇，統(tǒng)一協(xié)調、共建共享東北民族高校少數(shù)民族文獻資源［27］。

不同于KNN算法，本文找出K個最近的樣本后，根據距離給樣本賦予一定的權值，距離越近，權值越大，然后根據這K個樣本的流行度，計算預測樣本的程度。

如圖1所示，視頻的流行度符合Zipf分布[9]，即排名前20%的內容占了80%的點播量，除此之外，不同類型的視頻，點播量也相差很大。優(yōu)酷視頻會和電視同步更新電視劇、綜藝及動漫資源，這3類視頻的點播量能較好地反應流行度的分布情況。游戲類型的視頻主要是一些自媒體上傳的視頻，而且受眾面相對較小，所以點播量遠小于以上3類視頻的點播量。而電影類視頻由于版權問題，一般都在線下院線上映很長一段時間之后才會在線上上映，不具有實時性，點播量也遠小于其他類型的視頻。

其預測過程如下：

1)根據距離公式計算訓練集中的所有樣本與測試樣本的距離，一般采用歐氏距離計算樣本之間的距離：

C1m(tn)=θ1CR1(tn)+θ2CR2(tn)+…+θkCRk(tn)

(2)

預測完影片的流行程度之后，進行點播量的預測。在此，將利用2.2節(jié)的預測結果，并結合ARMA預測模型對影片的流行度進行預測。

3)根據分類決策規(guī)則決定測試樣本的類別，即：

(3)

2.3 視頻點播量預測

2)找出與測試樣本距離最近的K個樣本，包含這K個樣本點播量的領域記作Mk(R)。

ARMA預測模型是一種時間序列預測模型，在理論上已經趨于成熟，并且廣泛應用在各個領域[15]。假設影片m自上線之后的點播量序列{Cm(ti)|i∈[0,n]}是以等間隔采樣的一組離散值，它的子序列{Cm(ti)|i∈[0，r]}是在時間[0,tr]內的歷史點播量，則影片m在n+1時刻的流行度Cm(tn+1)為前n個單位時間間隔的點播量的線性組合。即：

Cm(tn)=α1Cm(tn-1)+…+αpCm(tn-p)+εn-β1εn-1-…-βqεn-q

(4)

其中，α1,…,αp為自回歸系數(shù)，β1,…,βq為滑動平均系數(shù)。隨機項εn,εn-1,…,εn-q為相互獨立的白噪聲序列，且服從均值為0，方差為σ2的正態(tài)分布，即εn～N(0,σ2)。

ARMA預測模型并不能對影片上線初期的點播量進行預測，為了解決這個問題，本文采用KNN與ARMA相結合的方式對影片流行度進行預測。具體預測過程如下：

具有不同類型標簽的影片，點播量也大不相同。如圖2所示，視頻的點播量與視頻的類型也符合Zipf分布。在本文使用的數(shù)據集中，類型標簽為劇情、喜劇、愛情的影片占了總數(shù)據量點播量的80%。

我們在教學中對時代背景的處理，看似無關宏旨，其實還是很重要的。要想恰當?shù)靥幚砗盟?，就要求教師對文本有清晰的認識，對教學目標的設置有準確的把握，對文本所涉及的背景有確鑿的分析，因為這直接影響到學生對文本的理解，同時也會影響教學的節(jié)奏。但不管采用哪種方式，都要從學生出發(fā)，從閱讀的規(guī)律出發(fā)，從具體的文本特點出發(fā)，只有適合的才是最好的。

(5)

其中θ1+θ2+…+θk=1。

2)獲取測試樣本的歷史點播數(shù)據，并用公式(4)計算點播量C2m(tn)。

3)測試樣本最終的點播量為：

Cm(tn)=νC1m(tn)+(1-ν)C2m(tn)

可以看出，“對高校部門決算報表分析文字說明屬于無用分析以及不能正確運用決算分析的各種方法”這兩方面因素是區(qū)內外高校認知最大的區(qū)別，這其中原因也是相關聯(lián)的，因為不能正確使用決策分析方法，所以數(shù)據分析準確性及相關性不高，運用于實際工作就比較少。同時也能看出來區(qū)外財務人員對能正確運用決算分析的各種方法認同度更高。

(6)

3 實 驗

3.1 數(shù)據集

本文通過編寫爬蟲程序，爬取了豆瓣電影(https://movie.douban.com)中標簽含有“2016”及“中國”的所有資源的影片名、上映時間、主要演員及評論。該數(shù)據集包括685個資源，包含了電影、電視劇、真人秀、動畫等，共有26個類型及2747名演員。為了使數(shù)據集更加易于處理，刪除了評論數(shù)小于100的視頻，最后剩512個資源。同時，還爬取了新浪微博名人影響力榜(http://data.weibo.com/top/influence/famous)及微博(http://weibo.com)中的標簽含有明星、演員的用戶及其粉絲數(shù)共2485個。

黃土高原地區(qū)植被覆蓋整體呈東南覆蓋高，西北地區(qū)覆蓋低的空間分布。覆蓋最高的生態(tài)區(qū)為燕山-太行山山地落葉闊葉林生態(tài)區(qū)，覆蓋最低的為內蒙古高原中東部典型草原生態(tài)區(qū)、內蒙古高原中部-隴中荒漠生態(tài)區(qū)及內蒙古高原中部草原化荒漠生態(tài)區(qū)。植被覆蓋多年平均的SEN變化趨勢，變化幅度最大的為黃土高原農業(yè)與草原生態(tài)區(qū)，最小的是祁連山森林與高寒草原生態(tài)區(qū)，變幅不明顯的則是內蒙古高原中部-隴中荒漠草原生態(tài)區(qū)。

3.2 性能評估

為了評價本文提出的模型在預測影片流行度的性能，本文將以天為單位時間計算點播量，與文獻[16]中的樸素貝葉斯分類器(the Naive Bayes Classifier, NBC)和文獻[17]中的ARMA模型進行比較。

去片后的裸眼視力頻數(shù)分布如圖1所示。71%（37/52）的兒童去片后裸眼視力集中在0.6～0.8。通過單因素回歸分析，較差的去片裸眼視力與基礎較長的眼軸（b=-0.09，β=-0.29，P=0.003）、較高的球鏡度（b=0.07，β=0.36，P＜0.001）、較高的柱鏡度（b=0.12，β=0.22，P=0.030）有關，與角膜厚度、眼壓、角膜曲率、瞳孔直徑、角膜對稱性、偏位程度等無關（見表2）。

召回率(recall)是廣泛用于分類領域的度量值，反映了被正確預測的正例中預測正確的比重。召回率越高，分類器的預測越準。其計算方式如下：

2.2 安全過度梁式氣管套管固定帶的更換方法 一人獨立可以操作。當氣管套管固定帶有潮濕或污染時，用2根過度固定帶分別穿入并固定于外套管底板上的左右兩側的安全過度梁上，在患者頸后打結固定，并確保固定牢固，松緊一指為宜。然后用清潔的正式固定帶替換固定于外套管底板上左右兩側的半圓孔上的被污染的固定帶，于頸后3個外科結固定，松緊一指為宜。最后撤去安全過度梁式氣管套管上的過度固定帶。

(7)

其中TP代表預測準確的流行影片數(shù)量，TN代表測試集中流行影片的總數(shù)量。

平均平方根誤差(Root Mean Square Error, RMSE)是用于測量時間序列預測結果精準度最廣泛的度量標準之一，RMSE值越小，說明算法預測的精度越高。其規(guī)定如下：

十年樹木，百年樹人，教育是一項百年大計，對一個國家和民族復興和發(fā)展具有重要的意義和作用。隨著時代的發(fā)展和社會的進步，英語越來越受到人們的重視。學好英語已經不再是外交官與國家領導人的責任，更加是學生的重要課程，是新一代學生不可推卸的重任。目前，我國急缺高質量的英語人才，這對學生與英語教師提出了更加嚴格的要求。城鄉(xiāng)小學生的實際英語水平卻相差甚遠，主要有教材版本不同、教學安排不合理、教師教學方法以及城鄉(xiāng)小學生家長的重視等原因。

(8)

隨著K的取值不同，模型的召回率如圖6所示，當K<7時，分類器的召回率較低；當K=9時，分類器的召回率最高；當K>9時，召回率又開始降低。表1展示了與樸素貝葉斯分類器的對比結果,樸素貝葉斯分類器的召回率僅為31.47%，而本文提出的KNN模型的召回率高達89.05%，明顯優(yōu)于樸素貝葉斯分類器。

圖6 近鄰(K)個數(shù)與召回率的關系

表1 KNN算法與NBC模型召回率(%)

KNNNBCRecall89．0531．47

把本文的預測模型與文獻[17]中的ARMA模型進行比較，ARMA模型在第4天時能達到較好的預測效果。本文預測影片上映后10天的播放量，其平均平方根誤差RMSE如圖7所示。從圖中可以看出，本文提出的模型的RMSE低于ARMA，尤其是上映后3天，比ARMA模型的RMSE降低了約20%。隨著上映時間的增加，2個模型的RMSE逐漸降低，并且在第4天后趨于平穩(wěn)。

第i天圖7 K-ARMA模型與ARMA模型RMSE比較

4 結束語

為了對影片的流行度進行預測，本文將預測問題分為2個過程，一是流行程度預測，二是點播量預測。通過對數(shù)據集進行分析獲取影響影片流行度的特征，并結合影片在社交網絡中的影響力對特征進行量化。然后使用量化后的特征對影片流行程度進行預測，根據預測結果，結合歷史數(shù)據對影片的點播量進行預測。與對比模型相比，本文提出的模型預測結果更加準確，尤其是對影片上線前幾天的預測。未來，將結合用戶行為數(shù)據，增加預測的特征值，以提高模型的預測精度。

[1] Li Chenyu, Liu Jun, Ouyang Shuxin. Analysis and prediction of content popularity for online video service: A Youku case study[J]. China Communications, 2016,13(12):216-233.

[2] 高帥. 在線社會網絡中影響力度量和流行度預測問題研究[D]. 濟南:山東大學, 2015.

[3] Tan Zhiyi, Wang Yanfeng, Zhang Ya, et al. A novel time series approach for predicting the long-term popularity of online videos[J]. IEEE Transactions on Broadcasting, 2016,62(2):436-445.

[4] Li Suoheng, Xu Jie, Schaar M V D, et al. Trend-aware video caching through online learning[J]. IEEE Transactions on Multimedia, 2016,18(12):2503-2516.

[5] 朱琛剛,程光,胡一非,等. 基于流行度預測的互聯(lián)網+電視節(jié)目緩存調度算法[J]. 計算機研究與發(fā)展, 2016,53(4):742-751.

[6] Liu Wensen, Wang Xiaoyi, Cao Zewen. Popularity prediction in microblog based on LR-DT[C]// IEEE International Conference on Behavioral, Economic and Socio-Cultural Computing. 2015:18-23.

[7] Abdelkrim E B, Salahuddin M A, Elbiaze H, et al. Ahybrid regression model for video popularity-based cache replacement in content delivery networks[C]// 2016 IEEE Global Communications Conference (GLOBECOM). 2016.

[8] Hassine N B, Marinca D, Minet P, et al. Expert-based on-line learning and prediction in Content Delivery Networks[C]// International Wireless Communications and Mobile Computing Conference. 2016:182-187.

[9] Krishnan S S, Sitaraman R K. Videostream quality impacts viewer behavior: Inferring causality using quasi-experimental designs[J]. IEEE/ACM Transactions on Networking, 2013,21(6):2001-2014.

[10] 楊傳棟,余鎮(zhèn)危,王行剛,等. 基于流行度預測的流媒體代理緩存替換算法[J]. 計算機工程, 2007,33(7):99-100.

[11] Tan Zhiyi, Zhang Ya, Li Chaofeng, et al. Lifetime popularity prediction for online videos[C]// IEEE International Symposium on Broadband Multimedia Systems and Broadcasting. 2014:1-6.

[12] 徐理想. 視頻點播系統(tǒng)層級式緩存優(yōu)化技術研究[D]. 合肥:中國科學技術大學, 2016.

[13] Zhang Shichao, Li Xuelong, Ming Zong, et al. Efficient kNN classification with different numbers of nearest neighbors[J]. IEEE Transactions on Neural Networks & Learning Systems, 2017,PP(99):1-12.

[14] Jain J, Hiwale S, Bhat P V. Classification of labour contractions using K-NN classifier[C]// International Conference on Systems in Medicine and Biology. 2016.

[15] Hassine N B, Milocco R, Minet P. ARMA based popularity prediction for caching in Content Delivery Networks[C]// IEEE 2017 Wireless Days. 2017:113-120.

[16] Ouyang Shuxin, Li Chenyu, Li Xueming. A peek into the future: Predicting the popularity of online videos[J]. IEEE Access, 2016,4:3026-3033.

[17] Chang Biao, Zhu Hengshu, Ge Yong, et al. Predicting the popularity of online serials with autoregressive models[C]// Proceedings of the 23rd ACM International Conference on Conference on Information and Knowledge Management. 2014:1339-1348.