基于用户观看时间测量和模型的网络视频系统优化

As the penetration of broadband Internet access, online video streaming service has become a dominant application on the Internet. Video watching time is a crucial measure for studying user watching behavior in online Internet video-on-demand (VoD) systems. It is important for system planning, user engagement understanding, system quality evaluation and algorithm optimization. However, due to the limited access of user data in large-scale streaming systems, a systematic measurement, analysis, and modeling of video watching time is still missing. In this proposal, we plan to analyze and model users' video watching time based on a large-scale trace collected in PPLive, one of the most popular commercial Internet video-on-demand (VoD) systems in China. Based on the measurement data, we plan to characterize the distribution of watching time of different videos and reveal the characteristics regarding the relation between video watching time and various user/video/context/playback quality-related features. We further plan to build a suite of mathematical and data-mining based models for characterizing these relationships and predicting users' video watching time. Based on the measurement and modeling results, we plan to theoretically evaluate existing client prefetch algorithms and server prefix caching algorithms and design new algorithms. Our research results will bring forth important insights for understanding users' watching behaviors in Internet VoD systems, building online video workload model, and desiging new system optimization algorithms.

随着宽带网络的快速普及，网络视频已成为互联网最主要的承载业务。研究用户观看时间，有助于理解互联网用户的视频观看行为，评估用户粘性，估计系统负载和优化系统算法。然而，由于缺乏充分的测量数据支持，对用户观看时间的研究一直不系统、不精确、不全面，没有建立用户观看时间的准确模型。本研究拟基于国内主流网络视频业务提供商提供的海量、高精度、内容丰富的用户观看行为测量数据，通过大规模数据分析和挖掘，发现用户观看时间与用户、视频、环境、演播质量等因素之间的关系，建立用户观看时间的分布模型和预测模型。基于上述模型，比较分析目前流行的网络视频系统中采用的客户端预取策略和网络缓存策略的性能，提出新的优化算法。本研究意在揭示互联网用户视频观看行为的本质特征，建立网络视频用户服务模型，理论评估和优化系统算法。本研究的成果对于提升网络视频传输的效率，促进网络视频技术的发展和系统优化具有重要意义。

视频正成为通信网最主要的承载业务。测量和分析视频用户的观看时间和行为、优化和设计新一代视频系统，是促进通信产业、视频行业发展的当务之急。在本课题中，课题组首先通过对项目合作单位、国内主流网络视频业务提供商PPTV提供的大规模用户观看行为测量数据的分析、挖掘，对网络视频用户行为、特别是观看时间，进行了特征分析和建模，建立了网络视频用户的观看时间分布模型，揭示了移动用户、观看热门视频的用户、观看视频连续剧的用户、新进入系统用户的观看行为特征，提出了用户观看行为、寿命、性别的预测算法，并就保护用户隐私、提高推荐准确度，提出了设计框架和具体改进算法。为了测量公共空间视频用户行为，课题也提出了一种利用用户轨迹进行用户识别和跟踪的算法；基于上述测量结果和模型，课题组对视频客户端、云+P2P的视频内容分发系统的预取策略、缓存策略等算法进行了设计，提出了新的算法，并针对无线用户设计了一套WiFi-Direct和LTE合作的手机视频流媒体系统。