一种预测 YouTube 流行度的潜在社会方法
社会与信息网络
2014-07-07 v1 多媒体
网络与互联网体系结构
物理与社会
摘要
当前关于信息中心网络的研究假设基于最近最少/最频繁使用 (LRFU) 方案的缓存策略谱系为事实标准，这是由于此类策略易于实现且便于分析。在本文中，我们预测了校园网络内 YouTube 视频的流行度分布。我们探索了两种预测网络中视频流行度的广泛方法：基于网络聚合行为的共识方法，以及基于隐式网络上信息扩散的社会方法。我们通过根据预测分布选取 个最热门视频并计算缓存命中率，在简单的缓存框架下衡量了我们方法的性能。我们首先将视频到达间隔时间（基于无标度网络中同一消息的两个接收者之间传输时间所遵循的幂律分布）纳入基线 (LRFU)，然后结合支配网络中视频扩散的推断潜在社会图上的信息扩散模型，从而开发了我们的方法。我们应用潜在社会网络推断技术来学习网络中用户间的分享概率，并借用数学流行病学中的病毒传播模型来估计未来视频被访问的次数。我们的方法使命中率比基线提高了 14%。
引用
@article{arxiv.1308.1418,
title = {A Latent Social Approach to YouTube Popularity Prediction},
author = {Amandianeze O Nwana and Salman Avestimehr and Tsuhan Chen},
journal= {arXiv preprint arXiv:1308.1418},
year = {2014}
}