许闻秋++高伟++申健

摘要：用户视频浏览行为是视频个性化推荐及视频网站优化的关键，而校园网用户区别于其他社会群体有其特殊代表性。本文基于校园网流量，提出了一种基于MapReduce的校园网视频用户行为分析方案，融合深度包检测与网络爬虫技术，挖掘校园网用户视频行为特征。以优酷网为例，统计了用户行为识别率并分析了视频用户行为，给出校园网用户视频推荐列表。

关键词：校园网 视频用户 行为分析

中图分类号：TP391 文献标识码：A 文章编号：1007-9416（2014）12-0134-02

Design and Implementation of Campus Network Users Behavior Analysis System

Xu Wenqiu，Gao Wei，Shen Jian

大数据时代，信息量增长，用户数增加。截至2014年12月，我国网络视频用户规模达到4.33亿，比去年年底增加了478万，用户使用率为66.7%，中国网络视频的用户规模持依旧呈现出持续稳定上升的态势[1]。校园网用户不同于其他社会群体，有其独特的行为和偏好特征。视频浏览是校园网用户学习生活的一部分。

本文在传统视频推荐及流量识别的基础上，提出了一种对校园网视频流量识别及用户行为分析方案。

1 研究背景

传统的视频推荐技术需要首先获取视频网站日志挖掘用户数据，再对视频网站用户行为进行研究。传统基于端口及协议的流量识别方法并不能满足校园网大数据流量的存储与分析要求。前人的研究无一例外都是以商业网站的自身优化为目的。为了解决传统数据挖掘算法无法对TB级校园网流量数据进行存储于运算的问题，本文借助MapReduce的分布式存储及并行运算优势。融合深度数据包检测及视频网站爬虫技术对校园网视频用户行为进行挖掘和统计分析，并生成推荐列表。……