[发明专利]一种支持向量机进行智能流量缓存预测的方法及系统

权利要求书

1.一种支持向量机进行智能流量缓存预测的方法，其特征在于，包括如下步骤：

基于爬虫技术获取各用户端的视频属性数据，所述视频属性数据包括：视频加载页URI、视频访问总数、视频访问加权分值、视频标题、热词数、视频类型、视频评论总数、视频总体浏览量、视频所属专辑、视频频道、视频频道粉丝数；

基于分词技术对所述视频属性数据进行数据整理和加工；

基于支持向量机对数据整理和加工后的视频属性数据进行预测分析结果；

基于所述预测分析结果编排用户端所喜好的视频推荐列表，并向用户端推送所对应的视频推荐列表，并基于视频推荐列表缓存相应的视频内容；

所述基于爬虫技术获取各用户端的各视频属性数据包括：

获取各用户端所对应的URI列表；

对用户端所对应的URI列表进行随机排序；

从排序后的用户端列表中按照顺序提取用户端所在的视频属性数据，再按照顺序提取下一个用户端的视频属性数据；

对所获取的各用户端所在的视频属性数据赋予相应的权重值，所述权重值用于表示该用户端在各用户端的重要性，若本身用户端所涉及的视频属性数据都是零星的，表示该客户端本身不涉及到视频端的内容关注，对于视频属性数据比较丰富的用户端，所赋予权重值高，保障可以顺利进入到SVM预测机制中，实现智能流量缓存预测过程；

所述基于分词技术对所述各视频属性数据进行数据整理和加工包括：

判断各用户端的视频属性数据的权重值是否小于权重预设值；

若判断出所述各用户端中的第一用户端的视频属性数据的权重值小于预设值，则不对所述第一用户端的视频属性数据进行分词处理；

若判断出所述各用户端中的第二用户端的视频属性数据的权重值大于等于预设值，则基于分词技术对所述第二用户端的视频属性数据进行数据整理和加工；

所述基于支持向量机对数据整理和加工后的视频属性数据进行预测分析结果包括：

基于并行遗传算法对支持向量机中的核函数参数进行优化处理；

并基于优化处理后的核函数对数据整理和加工后的视频属性数据进行分析处理。

2.如权利要求1所述的支持向量机进行智能流量缓存预测的方法，其特征在于，所述基于支持向量机对数据整理和加工后的视频属性数据进行预测分析结果包括：

对所述数据整理和加工后的视频属性数据形成多维特征向量，填充为项目矩阵；

基于视频属性数据中各参数的重要性对支持向量机中的核函数相应的分量赋予相应的权重来完成支持向量机的数据分析过程。

3.如权利要求2所述的支持向量机进行智能流量缓存预测的方法，其特征在于，所述基于视频推荐列表缓存相应的视频内容包括：

基于用户端在线状态和网络拥堵状态向用户端缓冲相应的视频内容。

4.如权利要求3所述的支持向量机进行智能流量缓存预测的方法，其特征在于，所述基于用户端在线状态和网络拥堵状态向用户端缓冲相应的视频内容包括：

在当前网络拥堵状态小于预设拥堵阈值时，基于视频推荐列表在用户端缓存相应的视频内容；

在当前网络拥堵状态大于预设拥堵阈值时，不向用户端缓存相应的视频内容。

5.如权利要求4所述的支持向量机进行智能流量缓存预测的方法，其特征在于，所述在当前网络拥堵状态大于预设拥堵阈值时，不向用户端缓存相应的视频内容之后还包括：

实时监测用户端的在线状态和网络拥堵状态，并在检测到用户端在线且网络用户状态小于拥堵阈值时，基于视频推荐列表在用户端缓存相应的视频内容。

6.一种支持向量机进行智能流量缓存预测的系统，其特征在于，所述系统用于执行如权利要求1至5任一项所述的方法。