基于深度学习的IPTV视频用户行为分析方法研究

刘 超 贾毓臻 王 攀

1(江苏大学电气信息工程学院 江苏 镇江 212013)2(南京邮电大学现代邮政研究院 江苏 南京 210003)

0 引 言

随着天翼高清业务的持续发展，业务的多样性和复杂性十分明显，业务质量是确保用户体验和业务发展的关键[1]。IPTV借助宽带有线电视网的基础配置，将家用电视机作为输出设备，通过IP协议提供多种数字媒体服务[2]。IPTV主要用于连接用户与终端、用户与用户、用户与服务，让用户能够充分发现服务、体验服务、社交互动，使电视真正成为家庭媒体娱乐中心[3]。用户行为是人与商家的关键纽带，通过用户行为分析，帮助IPTV服务提供商提升服务质量同时为终端用户提供精准个性化服务，具体体现在三个方面：(1) 改善系统设施，通过用户数据分析，便于对系统结构进行设计，减少服务器数量，节省开支；(2) 改善视频调度、存储方案，通过视频点播率、点播时长等分析，可以改进存储算法，充分利用服务器的内存与带宽；(3) 改善服务质量，拉近运营商与用户之间的距离，为用户提供高效优质的服务[4]。

自从1999年开始，全球大约有大大小小的50多家电信运营商进入IPTV运营。随着亚洲和北美地区IPTV市场的快速增长，有众多学者对IPTV用户行为开展了许多有意义的分析与研究，并取得了大量极具影响力的研究成果。汪敏娟等[5]提出基于点播行为特征指数的分群算法对IPTV用户进行精准分类,该算法无法清洗无意识的点播行为，不能充分描述用户的实际偏好，分群准确率低于90%。唐明等[6]提出基于关键词的用户兴趣模型对用户的兴趣爱好进行归纳总结。这种采用关键词的表达方法虽易于理解，计算机难以对其准确识别。Hei等[7]以有限范围的节点信息为基础，采用被动嗅探方法获取数据包，对P2P IPTV系统进行了测量与研究，由于无法获取系统全局信息，研究结果局限性较大。

由于目前对于IPTV用户行为分析还没有规范性模型，针对IPTV视频业务的复杂性和多样性，本文提出一种基于深度学习的IPTV视频用户行为分析方法。该方法采用DNN模型对用户点播行为进行分析，同时借助wireshark工具采集IPTV收视数据，能够避免无意识的点播行为，最终为用户精准个性化服务提供有效的数据支持。

1 数据采集和预处理

1.1 数据采集

IPTV具有双向性，用户通过点播行为向服务器发送请求命令，服务器返回用户需求，同时IPTV的播放数据是客观且真实的，结合双向性，根据数据采集系统，对IPTV特有的收视数据进行归纳分析，具有重要意义。

数据采集就是从网络收集原始数据流量[8]，本系统数据流量的采集利用Wireshark[9]，Wireshark是世界上流行的网络分析工具，借助它能够爬取到各种协议的网络二进制数据包，明显提高了对网络活动的监测分析效率。数据采集拓扑图如图1所示，通过在机顶盒和电视接口ONU之间增加一个镜像路由器，借助Wireshark工具在PC机上采集流量数据。

图1 数据采集拓扑图

数据流量中反映IPTV视频用户行为的主要元素是遥控器点播视频所对应的URL、点播该视频的时间戳、IPTV开机关机时间戳。通过对URL进行解析，得到点播视频对应名称；根据点播视频时间戳计算出视频播放时长，定义点播当前视频时间为Tnow，切换至下个视频时间为Tnext，则播放时长T为：

T=Tnext-Tnow

(1)

同时根据IPTV开机关机时间戳计算在线时长。将一天中各个开关机时间段的关机时间Tclose减去开机时间Topen的差相加求和得到一天IPTV在线时长Ton：

Ton=∑(Tclose-Topen)

(2)

1.2 数据预处理

由于上述采集到的数据为文本类型，而深度学习算法中输入类型只能是数值型[10]，无法直接接受文本型数据。但若在数量很多的非数值型环境下使用深度神经网络，就需要对输入数据进行预处理，将非数值型输入转化为数值类型数据。其中数据预处理分为量化与归一化两部分。

1.2.1量 化

针对所采集的原始数据集为非数值型数据并且行为特征不明显，因此，在数据分析前，需要将数据按特征进行分类，同时将分类后的数据量化为数值型数据[11]。将原始数据集分为三个特征：IPTV在线时长、视频播放时长、点播视频类型。在分析过程中，需要将原始数据集量化处理，从以上几个特征对IPTV用户点播视频活跃度进行分析。

对于在线时长，为了简化模型，在测试过程中以等级形式对其进行量化，其中在线时长分为：0～1 h、1～2 h、2～3 h、3～4 h、4～5 h、5 h以上，分别用0、1、2、3、4、5表示。

对于视频播放时长，即点播一个视频直到切换至其他视频的连续时间Tcon(单位：h)。根据Tcon，将用户行为分为两类:设定Tcon小于等于5 min时，记为浏览行为；Tcon大于5 min时，认为用户在观看视频，则记为观看行为。将浏览和观看行为初始值X0分别设为0和1。

对于点播视频类型，将视频名称按类型划分为电视剧、电影、综艺、纪录片、体育、游戏、动画，从而得到用户某一类视频点播率P，P=N/S，其中N代表某一类被点播视频，S表示当天点播视频类型总数。此处是观看记录，而不是浏览记录。

1.2.2归一化

为了后续数据处理的方便，使得梯度始终朝着最小值的方向前进，同时保证模型运行时快速收敛[12]，需要把量化后的数据经过相关处理后限制在一定域值范围内。因此将上述量化后的数据集进一步处理。

对于在线时长，通过上述公式转换后得到数据集[0，0.2，0.4，0.6，0.8，1]。

对于点播视频名称而言，通过量化后已得到视频点播率，属于0-1之间，所以不对其进行归一化处理。

2 基于深度学习的IPTV视频用户行为分析方法

2.1 深度神经网络模型

深度神经网络(DNN)按照不同层的位置划分可以分为三类，输入层、隐藏层和输出层[13]。隐藏层可以包含多层，负责增强模型的表达能力，本文采用包含三层隐藏层的DNN模型，如图2所示。输出层可以包含多个输出，从而更灵活有效地应用于分类回归。其中层与层之间是全连接的，同一层的神经元之间无连接。

图2 深度神经网络图

由于DNN内部网络复杂，本文对局部模型进行解析，其结构如图3所示。

图3 DNN局部结构图

从第l-1到第l层可用一个线性关系表示：

z=Wx+b

(3)

式中：W表示权值矩阵，x表示输入向量，b表示偏倚向量，变换如下：

(4)

在式(4)基础上加入一个激励函数σ(z)以增加模型非线性和鲁棒性。本文使用softmax函数作为模型的激励函数：

(5)

2.2 基于深度学习的IPTV视频用户行为分析

由于IPTV机顶盒的业务流程主要利用遥控器向家庭宽带网络获取视频信号，网络将点播的视频信号发送到机顶盒，经过解码后最终在电视上输出。因为机顶盒具有唯一的用户标识，所以机顶盒遥控器行为是分析用户行为的关键属性。IPTV可提供的业务有电视直播、视频点播、互动游戏等，通过遥控器行为可以得知用户操作属于直播还是点播等其他行为。本文主要针对IPTV用户点播视频活跃度行为进行分类。

将预处理后的数据输入到CSV文档中，完成数据集D的制作。本文使用留出法(hold-out)[14]，该方法将数据集D划分为两个互斥的集合：训练集S和测试集T，即D=S∪T,S∩T=φ。利用S训练出理想模型后，再使用T来评估模型优劣。

将训练集S输入到深度学习网络训练模块中，模型输出预测结果，同时根据真实用户标签，反馈到深度学习网络训练模块中对误差进行持续修正训练，训练过程中，利用损失函数来判断模型预测的好坏，如下式所示：

(6)

本文设置7个样本标签，分别表示用户喜欢收看的种类电视剧、电影、综艺、纪录片、体育、游戏、动画。由于样本标签是离散数据，为了方便模型分类预测，使用one-hot编码处理样本标签y，则：

因此，将式(6)进一步化简，得到：

(7)

当loss值足够小时，代表模型预测结果与真实结果近似接近，此时模型训练完毕。为了验证模型准确率，向训练后的模型输入测试集T，最终输出用户点播视频活跃度分类。

3 实验与结果分析

实验环境：编译工具Python 3.5.0，采集工具wireshark 2.2.1，操作系统Mac os 10.12.6，CPU i7-4850HQ四核处理器，主频2.5 GHz，内存16 GB，硬盘容量512 GB SSD。

实验数据：实验组织100个友好家庭用户，在其观看视频后采取问卷调查等方式，获得用户真实的点播数据及对视频的点评数据。调查内容主要有观看视频种类、观后感，其等级分为喜欢、不喜欢，另外还包含开机在线时长、观看视频的连续时间等，完成对用户活跃度的判断，其结果将作为真实用户标签。同时连续30天采集每个家庭的机顶盒数据，对其进行预处理得到符合模型标准要求的数据集D，则D=3 000。其中2 500条数据集为训练集S，剩余500条为测试集。

本文利用深度学习对IPTV视频点播用户进行分析。实验模型为三层隐藏层网络结构，即l=3，输入x0为15维特征集向量，包括在线时长，观看7类视频连续时间以及7类视频点播率，设置网络模型第一层为20维，第二层为16维，经过第三层，下降成7维，最后输出与对应7维标签相比较，优化差距，训练模型。

实验设置模型训练次数为10 000次，当loss值足够小时，模型训练完毕。图4为训练loss变化图。

图4 loss变化图

如图4所示，经过10 000次训练，loss值已经降低到0.3左右并保持稳定，模型训练完毕。训练过程中，为了判断模型是否训练符合要求，实验设置每训练50次，输入一次测试集验证准确率，同时输出测试结果，如图5所示。

图5 测试集验证准确率

实验结果显示，随着训练次数的增加，测试准确率不断提高。当训练次数为0～2 500次时，即测试次数为0～50次时，模型准确率呈线性增长趋势；训练到2 500次以后，准确率逐渐平缓上升，训练到10 000次时，准确率已保持在93%左右。对比汪敏娟等提出的精准分群算法,其分群准确率低于90%，本研究分析效果较好，解决对离散数据分类的问题，并且能够避免无意识的点播行为，同时能够捕获到各种协议网络数据流，缩小实验局限性，准确度较高。

4 结 语

研究表明，利用深度学习技术能够以较高的准确率快速精准地分析IPTV用户点播视频类型活跃度。尽管本文的研究已经取得了一定阶段性成果，但是由于模型还不够完善，并且对用户行为分析不够全面。下一步工作将会对用户行为进行全方位分析，包括用户点播视频消费指数、用户观看视频体验质量等，并对以上信息进行行为建模、深度学习和知识发现，具体分析IPTV用户的观看视频行为习惯和兴趣爱好，从整体上洞悉用户的需求、强化客户关怀，使得运营商可进一步为用户提供更有价值的、个性化的服务。