Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
User Behavior Analysis and Prediction Methods for Large-scale Video-on- demand System
Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi.
2015 (Engelska)Självständigt arbete på avancerad nivå (masterexamen), 20 poäng / 30 hpStudentuppsats (Examensarbete)
Abstract [en]

Video-on-demand (VOD) systems are some of the best-known examples of 'next-generation' Internet applications. With their growing popularity, huge amount of video content imposes a heavy burden on Internet traffic which, in turns, influences the user experience of the systems. Predicting and pre- fetching relevant content before user requests is one of the popular methods used to reduce the start-up delay. In this paper, a typical VOD system is characterized and user's watching behavior is analyzed. Based on the characterization, two pre- fetching approaches based on user behavior are investigated. One is to prediction relevant content based on access history. The other is prediction based on user-clustering. The results clearly indicate the value of pre-fetching approaches for VOD systems and lead to the discussions on future work for further improvement.

Ort, förlag, år, upplaga, sidor
2015. , s. 51
Serie
IT ; 15071
Nationell ämneskategori
Teknik och teknologier
Identifikatorer
URN: urn:nbn:se:uu:diva-263261OAI: oai:DiVA.org:uu-263261DiVA, id: diva2:857596
Utbildningsprogram
Masterprogram i människa-datorinteraktion
Handledare
Examinatorer
Tillgänglig från: 2015-09-29 Skapad: 2015-09-29 Senast uppdaterad: 2015-09-29Bibliografiskt granskad

Open Access i DiVA

fulltext(1419 kB)539 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 1419 kBChecksumma SHA-512
28c5ed0778d185e44027476b3673260675fed45f4a7f9a2a56a508f67da8c3a5162704cd37bda3f1ca545cdc2087aa13462c098ff762753bc5ecec4e5a9689e0
Typ fulltextMimetyp application/pdf

Av organisationen
Institutionen för informationsteknologi
Teknik och teknologier

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 539 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 1016 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf