科研之友
微信
新浪微博
Facebook
分享链接
摘要
预测内容资源流行度是提前进行缓存资源布局,提升用户体验的重要环节。针对内容资源流行度预测,提出一种面向不同资源周期的混合流行度预测模型。首先以社交网络数据为基础,针对内容资源历史数据周期长短构建ARIMA和多元对数回归模型,然后分别对模型进行参数估计、拟合和检验,得到适用于内容资源流行度预测的混合模型。最后将此混合模型与其他模型进行MAE性能指标对比,结果表明混合模型的预测绝对误差率最小,在0.38%以内,预测精度较高。
- 单位
预测内容资源流行度是提前进行缓存资源布局,提升用户体验的重要环节。针对内容资源流行度预测,提出一种面向不同资源周期的混合流行度预测模型。首先以社交网络数据为基础,针对内容资源历史数据周期长短构建ARIMA和多元对数回归模型,然后分别对模型进行参数估计、拟合和检验,得到适用于内容资源流行度预测的混合模型。最后将此混合模型与其他模型进行MAE性能指标对比,结果表明混合模型的预测绝对误差率最小,在0.38%以内,预测精度较高。
