劉 超 賈毓臻 王 攀

1(江蘇大學(xué)電氣信息工程學(xué)院 江蘇 鎮(zhèn)江 212013)2(南京郵電大學(xué)現(xiàn)代郵政研究院 江蘇 南京 210003)

0 引 言

隨著天翼高清業(yè)務(wù)的持續(xù)發(fā)展，業(yè)務(wù)的多樣性和復(fù)雜性十分明顯，業(yè)務(wù)質(zhì)量是確保用戶體驗(yàn)和業(yè)務(wù)發(fā)展的關(guān)鍵[1]。IPTV借助寬帶有線電視網(wǎng)的基礎(chǔ)配置，將家用電視機(jī)作為輸出設(shè)備，通過(guò)IP協(xié)議提供多種數(shù)字媒體服務(wù)[2]。IPTV主要用于連接用戶與終端、用戶與用戶、用戶與服務(wù)，讓用戶能夠充分發(fā)現(xiàn)服務(wù)、體驗(yàn)服務(wù)、社交互動(dòng)，使電視真正成為家庭媒體娛樂(lè)中心[3]。用戶行為是人與商家的關(guān)鍵紐帶，通過(guò)用戶行為分析，幫助IPTV服務(wù)提供商提升服務(wù)質(zhì)量同時(shí)為終端用戶提供精準(zhǔn)個(gè)性化服務(wù)，具體體現(xiàn)在三個(gè)方面：(1) 改善系統(tǒng)設(shè)施，通過(guò)用戶數(shù)據(jù)分析，便于對(duì)系統(tǒng)結(jié)構(gòu)進(jìn)行設(shè)計(jì)，減少服務(wù)器數(shù)量，節(jié)省開(kāi)支；(2) 改善視頻調(diào)度、存儲(chǔ)方案，通過(guò)視頻點(diǎn)播率、點(diǎn)播時(shí)長(zhǎng)等分析，可以改進(jìn)存儲(chǔ)算法，充分利用服務(wù)器的內(nèi)存與帶寬；(3) 改善服務(wù)質(zhì)量，拉近運(yùn)營(yíng)商與用戶之間的距離，為用戶提供高效優(yōu)質(zhì)的服務(wù)[4]。

自從1999年開(kāi)始，全球大約有大大小小的50多家電信運(yùn)營(yíng)商進(jìn)入IPTV運(yùn)營(yíng)。隨著亞洲和北美地區(qū)IPTV市場(chǎng)的快速增長(zhǎng)，有眾多學(xué)者對(duì)IPTV用戶行為開(kāi)展了許多有意義的分析與研究，并取得了大量極具影響力的研究成果。汪敏娟等[5]提出基于點(diǎn)播行為特征指數(shù)的分群算法對(duì)IPTV用戶進(jìn)行精準(zhǔn)分類,該算法無(wú)法清洗無(wú)意識(shí)的點(diǎn)播行為，不能充分描述用戶的實(shí)際偏好，分群準(zhǔn)確率低于90%。唐明等[6]提出基于關(guān)鍵詞的用戶興趣模型對(duì)用戶的興趣愛(ài)好進(jìn)行歸納總結(jié)。這種采用關(guān)鍵詞的表達(dá)方法雖易于理解，計(jì)算機(jī)難以對(duì)其準(zhǔn)確識(shí)別。Hei等[7]以有限范圍的節(jié)點(diǎn)信息為基礎(chǔ)，采用被動(dòng)嗅探方法獲取數(shù)據(jù)包，對(duì)P2P IPTV系統(tǒng)進(jìn)行了測(cè)量與研究，由于無(wú)法獲取系統(tǒng)全局信息，研究結(jié)果局限性較大。

由于目前對(duì)于IPTV用戶行為分析還沒(méi)有規(guī)范性模型，針對(duì)IPTV視頻業(yè)務(wù)的復(fù)雜性和多樣性，本文提出一種基于深度學(xué)習(xí)的IPTV視頻用戶行為分析方法。該方法采用DNN模型對(duì)用戶點(diǎn)播行為進(jìn)行分析，同時(shí)借助wireshark工具采集IPTV收視數(shù)據(jù)，能夠避免無(wú)意識(shí)的點(diǎn)播行為，最終為用戶精準(zhǔn)個(gè)性化服務(wù)提供有效的數(shù)據(jù)支持。

1 數(shù)據(jù)采集和預(yù)處理

1.1 數(shù)據(jù)采集

IPTV具有雙向性，用戶通過(guò)點(diǎn)播行為向服務(wù)器發(fā)送請(qǐng)求命令，服務(wù)器返回用戶需求，同時(shí)IPTV的播放數(shù)據(jù)是客觀且真實(shí)的，結(jié)合雙向性，根據(jù)數(shù)據(jù)采集系統(tǒng)，對(duì)IPTV特有的收視數(shù)據(jù)進(jìn)行歸納分析，具有重要意義。

數(shù)據(jù)采集就是從網(wǎng)絡(luò)收集原始數(shù)據(jù)流量[8]，本系統(tǒng)數(shù)據(jù)流量的采集利用Wireshark[9]，Wireshark是世界上流行的網(wǎng)絡(luò)分析工具，借助它能夠爬取到各種協(xié)議的網(wǎng)絡(luò)二進(jìn)制數(shù)據(jù)包，明顯提高了對(duì)網(wǎng)絡(luò)活動(dòng)的監(jiān)測(cè)分析效率。數(shù)據(jù)采集拓?fù)鋱D如圖1所示，通過(guò)在機(jī)頂盒和電視接口ONU之間增加一個(gè)鏡像路由器，借助Wireshark工具在PC機(jī)上采集流量數(shù)據(jù)。

圖1 數(shù)據(jù)采集拓?fù)鋱D

數(shù)據(jù)流量中反映IPTV視頻用戶行為的主要元素是遙控器點(diǎn)播視頻所對(duì)應(yīng)的URL、點(diǎn)播該視頻的時(shí)間戳、IPTV開(kāi)機(jī)關(guān)機(jī)時(shí)間戳。通過(guò)對(duì)URL進(jìn)行解析，得到點(diǎn)播視頻對(duì)應(yīng)名稱；根據(jù)點(diǎn)播視頻時(shí)間戳計(jì)算出視頻播放時(shí)長(zhǎng)，定義點(diǎn)播當(dāng)前視頻時(shí)間為Tnow，切換至下個(gè)視頻時(shí)間為Tnext，則播放時(shí)長(zhǎng)T為：

T=Tnext-Tnow

(1)

同時(shí)根據(jù)IPTV開(kāi)機(jī)關(guān)機(jī)時(shí)間戳計(jì)算在線時(shí)長(zhǎng)。將一天中各個(gè)開(kāi)關(guān)機(jī)時(shí)間段的關(guān)機(jī)時(shí)間Tclose減去開(kāi)機(jī)時(shí)間Topen的差相加求和得到一天IPTV在線時(shí)長(zhǎng)Ton：

Ton=∑(Tclose-Topen)

(2)

1.2 數(shù)據(jù)預(yù)處理

由于上述采集到的數(shù)據(jù)為文本類型，而深度學(xué)習(xí)算法中輸入類型只能是數(shù)值型[10]，無(wú)法直接接受文本型數(shù)據(jù)。但若在數(shù)量很多的非數(shù)值型環(huán)境下使用深度神經(jīng)網(wǎng)絡(luò)，就需要對(duì)輸入數(shù)據(jù)進(jìn)行預(yù)處理，將非數(shù)值型輸入轉(zhuǎn)化為數(shù)值類型數(shù)據(jù)。其中數(shù)據(jù)預(yù)處理分為量化與歸一化兩部分。

1.2.1量 化

針對(duì)所采集的原始數(shù)據(jù)集為非數(shù)值型數(shù)據(jù)并且行為特征不明顯，因此，在數(shù)據(jù)分析前，需要將數(shù)據(jù)按特征進(jìn)行分類，同時(shí)將分類后的數(shù)據(jù)量化為數(shù)值型數(shù)據(jù)[11]。將原始數(shù)據(jù)集分為三個(gè)特征：IPTV在線時(shí)長(zhǎng)、視頻播放時(shí)長(zhǎng)、點(diǎn)播視頻類型。在分析過(guò)程中，需要將原始數(shù)據(jù)集量化處理，從以上幾個(gè)特征對(duì)IPTV用戶點(diǎn)播視頻活躍度進(jìn)行分析。

對(duì)于在線時(shí)長(zhǎng)，為了簡(jiǎn)化模型，在測(cè)試過(guò)程中以等級(jí)形式對(duì)其進(jìn)行量化，其中在線時(shí)長(zhǎng)分為：0～1 h、1～2 h、2～3 h、3～4 h、4～5 h、5 h以上，分別用0、1、2、3、4、5表示。

對(duì)于視頻播放時(shí)長(zhǎng)，即點(diǎn)播一個(gè)視頻直到切換至其他視頻的連續(xù)時(shí)間Tcon(單位：h)。根據(jù)Tcon，將用戶行為分為兩類:設(shè)定Tcon小于等于5 min時(shí)，記為瀏覽行為；Tcon大于5 min時(shí)，認(rèn)為用戶在觀看視頻，則記為觀看行為。將瀏覽和觀看行為初始值X0分別設(shè)為0和1。

對(duì)于點(diǎn)播視頻類型，將視頻名稱按類型劃分為電視劇、電影、綜藝、紀(jì)錄片、體育、游戲、動(dòng)畫(huà)，從而得到用戶某一類視頻點(diǎn)播率P，P=N/S，其中N代表某一類被點(diǎn)播視頻，S表示當(dāng)天點(diǎn)播視頻類型總數(shù)。此處是觀看記錄，而不是瀏覽記錄。

1.2.2歸一化

為了后續(xù)數(shù)據(jù)處理的方便，使得梯度始終朝著最小值的方向前進(jìn)，同時(shí)保證模型運(yùn)行時(shí)快速收斂[12]，需要把量化后的數(shù)據(jù)經(jīng)過(guò)相關(guān)處理后限制在一定域值范圍內(nèi)。因此將上述量化后的數(shù)據(jù)集進(jìn)一步處理。

對(duì)于在線時(shí)長(zhǎng)，通過(guò)上述公式轉(zhuǎn)換后得到數(shù)據(jù)集[0，0.2，0.4，0.6，0.8，1]。

對(duì)于點(diǎn)播視頻名稱而言，通過(guò)量化后已得到視頻點(diǎn)播率，屬于0-1之間，所以不對(duì)其進(jìn)行歸一化處理。

2 基于深度學(xué)習(xí)的IPTV視頻用戶行為分析方法

2.1 深度神經(jīng)網(wǎng)絡(luò)模型

深度神經(jīng)網(wǎng)絡(luò)(DNN)按照不同層的位置劃分可以分為三類，輸入層、隱藏層和輸出層[13]。隱藏層可以包含多層，負(fù)責(zé)增強(qiáng)模型的表達(dá)能力，本文采用包含三層隱藏層的DNN模型，如圖2所示。輸出層可以包含多個(gè)輸出，從而更靈活有效地應(yīng)用于分類回歸。其中層與層之間是全連接的，同一層的神經(jīng)元之間無(wú)連接。

圖2 深度神經(jīng)網(wǎng)絡(luò)圖

由于DNN內(nèi)部網(wǎng)絡(luò)復(fù)雜，本文對(duì)局部模型進(jìn)行解析，其結(jié)構(gòu)如圖3所示。

圖3 DNN局部結(jié)構(gòu)圖

從第l-1到第l層可用一個(gè)線性關(guān)系表示：

z=Wx+b

(3)

式中：W表示權(quán)值矩陣，x表示輸入向量，b表示偏倚向量，變換如下：

(4)

在式(4)基礎(chǔ)上加入一個(gè)激勵(lì)函數(shù)σ(z)以增加模型非線性和魯棒性。本文使用softmax函數(shù)作為模型的激勵(lì)函數(shù)：

(5)

2.2 基于深度學(xué)習(xí)的IPTV視頻用戶行為分析

由于IPTV機(jī)頂盒的業(yè)務(wù)流程主要利用遙控器向家庭寬帶網(wǎng)絡(luò)獲取視頻信號(hào)，網(wǎng)絡(luò)將點(diǎn)播的視頻信號(hào)發(fā)送到機(jī)頂盒，經(jīng)過(guò)解碼后最終在電視上輸出。因?yàn)闄C(jī)頂盒具有唯一的用戶標(biāo)識(shí)，所以機(jī)頂盒遙控器行為是分析用戶行為的關(guān)鍵屬性。IPTV可提供的業(yè)務(wù)有電視直播、視頻點(diǎn)播、互動(dòng)游戲等，通過(guò)遙控器行為可以得知用戶操作屬于直播還是點(diǎn)播等其他行為。本文主要針對(duì)IPTV用戶點(diǎn)播視頻活躍度行為進(jìn)行分類。

將預(yù)處理后的數(shù)據(jù)輸入到CSV文檔中，完成數(shù)據(jù)集D的制作。本文使用留出法(hold-out)[14]，該方法將數(shù)據(jù)集D劃分為兩個(gè)互斥的集合：訓(xùn)練集S和測(cè)試集T，即D=S∪T,S∩T=φ。利用S訓(xùn)練出理想模型后，再使用T來(lái)評(píng)估模型優(yōu)劣。

將訓(xùn)練集S輸入到深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練模塊中，模型輸出預(yù)測(cè)結(jié)果，同時(shí)根據(jù)真實(shí)用戶標(biāo)簽，反饋到深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練模塊中對(duì)誤差進(jìn)行持續(xù)修正訓(xùn)練，訓(xùn)練過(guò)程中，利用損失函數(shù)來(lái)判斷模型預(yù)測(cè)的好壞，如下式所示：

(6)

本文設(shè)置7個(gè)樣本標(biāo)簽，分別表示用戶喜歡收看的種類電視劇、電影、綜藝、紀(jì)錄片、體育、游戲、動(dòng)畫(huà)。由于樣本標(biāo)簽是離散數(shù)據(jù)，為了方便模型分類預(yù)測(cè)，使用one-hot編碼處理樣本標(biāo)簽y，則：

因此，將式(6)進(jìn)一步化簡(jiǎn)，得到：

(7)

當(dāng)loss值足夠小時(shí)，代表模型預(yù)測(cè)結(jié)果與真實(shí)結(jié)果近似接近，此時(shí)模型訓(xùn)練完畢。為了驗(yàn)證模型準(zhǔn)確率，向訓(xùn)練后的模型輸入測(cè)試集T，最終輸出用戶點(diǎn)播視頻活躍度分類。

3 實(shí)驗(yàn)與結(jié)果分析

實(shí)驗(yàn)環(huán)境：編譯工具Python 3.5.0，采集工具wireshark 2.2.1，操作系統(tǒng)Mac os 10.12.6，CPU i7-4850HQ四核處理器，主頻2.5 GHz，內(nèi)存16 GB，硬盤容量512 GB SSD。

實(shí)驗(yàn)數(shù)據(jù)：實(shí)驗(yàn)組織100個(gè)友好家庭用戶，在其觀看視頻后采取問(wèn)卷調(diào)查等方式，獲得用戶真實(shí)的點(diǎn)播數(shù)據(jù)及對(duì)視頻的點(diǎn)評(píng)數(shù)據(jù)。調(diào)查內(nèi)容主要有觀看視頻種類、觀后感，其等級(jí)分為喜歡、不喜歡，另外還包含開(kāi)機(jī)在線時(shí)長(zhǎng)、觀看視頻的連續(xù)時(shí)間等，完成對(duì)用戶活躍度的判斷，其結(jié)果將作為真實(shí)用戶標(biāo)簽。同時(shí)連續(xù)30天采集每個(gè)家庭的機(jī)頂盒數(shù)據(jù)，對(duì)其進(jìn)行預(yù)處理得到符合模型標(biāo)準(zhǔn)要求的數(shù)據(jù)集D，則D=3 000。其中2 500條數(shù)據(jù)集為訓(xùn)練集S，剩余500條為測(cè)試集。

本文利用深度學(xué)習(xí)對(duì)IPTV視頻點(diǎn)播用戶進(jìn)行分析。實(shí)驗(yàn)?zāi)Ｐ蜑槿龑与[藏層網(wǎng)絡(luò)結(jié)構(gòu)，即l=3，輸入x0為15維特征集向量，包括在線時(shí)長(zhǎng)，觀看7類視頻連續(xù)時(shí)間以及7類視頻點(diǎn)播率，設(shè)置網(wǎng)絡(luò)模型第一層為20維，第二層為16維，經(jīng)過(guò)第三層，下降成7維，最后輸出與對(duì)應(yīng)7維標(biāo)簽相比較，優(yōu)化差距，訓(xùn)練模型。

實(shí)驗(yàn)設(shè)置模型訓(xùn)練次數(shù)為10 000次，當(dāng)loss值足夠小時(shí)，模型訓(xùn)練完畢。圖4為訓(xùn)練loss變化圖。

圖4 loss變化圖

如圖4所示，經(jīng)過(guò)10 000次訓(xùn)練，loss值已經(jīng)降低到0.3左右并保持穩(wěn)定，模型訓(xùn)練完畢。訓(xùn)練過(guò)程中，為了判斷模型是否訓(xùn)練符合要求，實(shí)驗(yàn)設(shè)置每訓(xùn)練50次，輸入一次測(cè)試集驗(yàn)證準(zhǔn)確率，同時(shí)輸出測(cè)試結(jié)果，如圖5所示。

圖5 測(cè)試集驗(yàn)證準(zhǔn)確率

實(shí)驗(yàn)結(jié)果顯示，隨著訓(xùn)練次數(shù)的增加，測(cè)試準(zhǔn)確率不斷提高。當(dāng)訓(xùn)練次數(shù)為0～2 500次時(shí)，即測(cè)試次數(shù)為0～50次時(shí)，模型準(zhǔn)確率呈線性增長(zhǎng)趨勢(shì)；訓(xùn)練到2 500次以后，準(zhǔn)確率逐漸平緩上升，訓(xùn)練到10 000次時(shí)，準(zhǔn)確率已保持在93%左右。對(duì)比汪敏娟等提出的精準(zhǔn)分群算法,其分群準(zhǔn)確率低于90%，本研究分析效果較好，解決對(duì)離散數(shù)據(jù)分類的問(wèn)題，并且能夠避免無(wú)意識(shí)的點(diǎn)播行為，同時(shí)能夠捕獲到各種協(xié)議網(wǎng)絡(luò)數(shù)據(jù)流，縮小實(shí)驗(yàn)局限性，準(zhǔn)確度較高。

4 結(jié) 語(yǔ)

研究表明，利用深度學(xué)習(xí)技術(shù)能夠以較高的準(zhǔn)確率快速精準(zhǔn)地分析IPTV用戶點(diǎn)播視頻類型活躍度。盡管本文的研究已經(jīng)取得了一定階段性成果，但是由于模型還不夠完善，并且對(duì)用戶行為分析不夠全面。下一步工作將會(huì)對(duì)用戶行為進(jìn)行全方位分析，包括用戶點(diǎn)播視頻消費(fèi)指數(shù)、用戶觀看視頻體驗(yàn)質(zhì)量等，并對(duì)以上信息進(jìn)行行為建模、深度學(xué)習(xí)和知識(shí)發(fā)現(xiàn)，具體分析IPTV用戶的觀看視頻行為習(xí)慣和興趣愛(ài)好，從整體上洞悉用戶的需求、強(qiáng)化客戶關(guān)懷，使得運(yùn)營(yíng)商可進(jìn)一步為用戶提供更有價(jià)值的、個(gè)性化的服務(wù)。