基于混合模型的内容资源流行度预测算法

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.

关键词：内容资源、流行度、混合模型、预测

所属期刊栏目：36

分类号：TP3(计算技术、计算机技术)

在线出版日期：2021-02-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：123-126