期刊文献+

基于大数据的数字电视用户关机行为预测 被引量:1

Prediction of shutdown behavior of digital TV users based on big data
下载PDF
导出
摘要 广电有线运营商利用双向数字电视机顶盒回传的用户收视行为数据,结合广电BOSS系统提供的媒资数据,通过采用大数据分析技术,为数字电视用户提供个性化的收视服务,极大提升了用户体验并增加了营业收入。然而,回传数据难以捕捉到电视机的状态,在机顶盒未关闭而电视机关闭的情况下,通过回传数据得到的用户收视行为是无效的,会影响大数据分析系统对用户收视行为的预估。通过分析已知的数字电视用户关闭电视机的行为特征,生成用户关机模型,从而预测无法采集到电视机关机数据的数字电视用户的关机行为,保证用户收视行为统计的有效性。 Radio and television cable operators greatly enhance the user experience and increase operating revenue by providing personalized viewing service for digital TV users, which benifits from the big data techniques and the abundant data collected by two-way digital TV set-top boxes and TV boss system. However, it is difficult to collect TV state for the set-top boxes except rare TV. Therefore, when the set-top box is not closed and the TV is turned off, the user viewing behavior uploades during this period is invalid, which will affect the big data analysis system' s predictions of the user viewing behavior. With the deep analysis of TV shutdown behavior on partial users, this paper buildes an user shutdown model, to predict the shutdown behavior of other digital TV users whose shutdown data cannot be collected. Consequtently, the validity of user viewing behavior statistics is ensured with this model.
出处 《电视技术》 北大核心 2016年第12期68-72,114,共6页 Video Engineering
基金 国家新闻出版广电总局科研项目"有线电视大数据融合分析平台设计及关键技术研究"
关键词 大数据 关机模型 回归决策树 GBDT big data shutdown model regression decision tree GBDT
  • 相关文献

参考文献4

二级参考文献17

  • 1李青.基于商业智能的广电运营数据资源管理系统[D].天津:天津大学,2010:1-74.
  • 2詹姆斯G韦伯斯.视听率分析:受众研究的理论与实践(第二版)[M].华夏出版社.2004.
  • 3汪莉.数字电视用户收视行为调查系统最大并发量研究及推广前景[c].北京:中广互联.2010.
  • 4Jean.J.Labrosse,MicroC/OS-II The Real-Time Kernel(第二版)[M].北京航空航天大学出版社.2003.
  • 5CertusNet.iTV用户行为分析系统[EB/OL].http://hlog.sina.com.cn/s/blog_6a12e30h0100mxpu.html.2010年.
  • 6Barry C.Arnold. Pareto Distributions[M].International Co-operative Publishing House,.
  • 7Jeffrey Dean. Sanjay Ghemawat.MapReduce:Simplified Data[A].2004.
  • 8Matei Zaharia,Mosharaf Chowdhury,Michael J.Franklin. Spark:Cluster Computing with Working Sets[A].2010.
  • 9Matei Zaharia,Mosharaf Chowdhury,Tathagata Das. Resilient Distributed Datasets:A Fault-Tolerant Abstraction for In Memory Cluster Computing.Technical Report UCB/EECS-2011-82[R].2011.
  • 10Daniel Lemire,Anna Maclachlan. Slope One Predictors for Online Rating-Based Collaborative Filtering[A].Newport Beach,Californai,2005.

共引文献13

同被引文献1

引证文献1

二级引证文献1

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部