基于社交访问行为与传播特性的在线视频内容部署与传输方法研究

Recent years have witnessed a rapid convergence of online social network service and online video service. More and more video contents have been imported from video sharing systems to the online social networks and shared between users in the online social network. The online social network is becoming an important approach for users to consume video contents..However, due to the unique propagation patterns of videos in the online social network, traditional approaches for video service deployment and transmission are facing great challenges, e.g., how to facilitate an effective cloud-based infrastructure for socialized video service deployment, and how to efficiently deliver the videos to users with best service quality. To realize the potential of the socialized video service, in this research, (1) we will perform extensive measurement studies based on real-world traces obtained from multiple online social network services and video services, to bridge the gap between studies in online social network and online video service and motivate our deployment and transmission studies; (2) we will design cloud-based deployment for the backbone of the socialized video service, where not only the network resource but also the social propagation patterns are considered; and (3) we will design peer-assisted delivery strategies to compensate the deployment in (2), including efficient social-oriented prefetching and caching for video contents.

在线社交网络（Online Social Network）已经成为视频内容分发的重要平台并对用户如何访问视频产生了根本性的影响。在线视频表现出流量快速增长，并具有突发时变的特性，现有在线视频部署和传输的策略，如内容分发网络（CDN）、P2P技术，由于缺少对内容访问的预知，无法有效降低系统资源消耗、快速响应用户请求，已成为在线视频服务提供商面临的巨大挑战，需要进行重新设计视频内容的部署和传输策略。本项目将研究对在线社交网络用户行为与视频内容访问之间关联规律进行大规模测量和建模的理论与方法，提出基于社交访问行为预测的视频内容部署策略，降低在线视频服务的资源开销，提出基于社交传播的视频内容缓存、预取等传输策略，优化系统资源利用效率，提高用户在线视频访问的体验。

随着在线视频服务的快速发展以及在线社交网络的涌现，在线社交网络的用户行为决定了视频的传播和访问模式，直接改变了在线视频的应用模式。传统依赖内容流行度的在线视频部署和分发策略，仅从内容的角度出发，忽略了用户行为带来的影响，无法满足在线视频流量快速增长以及突发时变的特性，不再适用社交化视频内容的分发。如何降低系统资源消耗，快速响应用户请求成为在线视频部署与传输的巨大挑战。..本项目融合社交网络对在线视频的影响，提出了基于社交访问行为与传播特性的新型在线视频内容部署和传输的模型与方法。..本项目通过数据驱动的方法，对在线社交网络用户行为与视频内容访问之间的关联规律进行测量，分析社交化视频内容访问与传播规律，揭示了社交视频内容的边缘化、小圈子、流行度扁平，用户行为异构性以及内容传播的差异性与局部性等特性；基于这些社交化视频独有的特征，研究融合社交属性与内容属性的用户视频内容精准推荐，针对个人与群体两种不同的应用场景，设计了基于用户行为的个体视频协同推荐算法以及融合群组成员特性的群组视频推荐算法；进一步，根据用户的社交访问行为指导视频内容的部署，提出了基于传播强度预测的云端与边缘结合的视频数据部署策略以及多边缘云计算环境下基于用户偏好以及传播模型的网络资源分配策略；最后，结合内容提供商特有的上下文信息设计一种综合考虑社交关系和内容属性地内容提供商运营的内容分发网络，创新性地把视频处理与传输联合优化，并提出一种内容分发路径感知的边缘内容分发网络。..实验结果显示，本项目提出的方法能够有效根据内容、用户、上下文等信息进行内容放置，实现社交化视频地高效分发，降低系统资源同时降低延迟，提升用户体验。相关成果已在腾讯公司在线视频、社交平台等部门进行了应用测试，能够提升视频传输速度40%。项目成果突破了传统的基于内容流行度的视频内容分发方法，对于社交网络环境下视频分发传输具有重要的理论意义和应用价值。