大一计算机互联网电视产业研究期末论文
学习啦在线学习网 随着互联网技术发展和电视终端产品快速智能化,互联网电视逐渐走入了客厅,越来越多的互联网电视产品也相应出现。下面是学习啦小编为大家整理的大一计算机互联网电视产业研究期末论文，供大家参考。
大一计算机互联网电视产业研究期末论文篇一
《 互联网电视发展现状思考 》
摘要：随着互联网和IT技术发展，在互联网规模以及覆盖面不断扩充的背景下给予了OTTTV互联网电视极大的发展空间，并且OTTTV也逐渐成为了未来电视行业发展的趋势之一。OTTTV较传统有线电视有着更好的延展性，其终端除了电视机外，还可以是电脑、机顶盒、平板、智能手机等。在这些设备支持下使得OTTTV有了良好的发展空间。
关键字：互联网电视;发展现状;研究
1互联网电视的概念
互联网电视是一种利用宽带有线电视网，集互联网、多媒体、通讯等多种技术于一体，向家庭互互联网电视用户提供包括数字电视在内的多种交互式服务的崭新技术。互联网电视是在数字化和网络互互联网电视化背景下产生，是互联网络技术学习啦在线学习网与电视技术结合的产物，在整合电视与网络两大传播媒介过程中，互联网电视既保留了电视形象直观、生动灵活的表现特点，又具有了互联网按需获取的交互特征，是综合两种传播媒介优势而产生的一种新的传播形式。
学习啦在线学习网 2互联网电视技术
从互联网电视技术服务层面来看主要包括三种模式，具体如下：
学习啦在线学习网 (1)开放式OTT模式。该模式是美国互联网电视的主流服务模式。在此模式下互联网终端由数字电视接收设备所承担，终端可支持软件即可实现电视视频娱乐。在该模式下依托于互联网为核心基础，并可利用其他终端设备进行交互，服务以非专利形式运行，在终端设备范围不断扩充的情况分下使得盈利也越来越大，并且在谷歌、苹果等大型企业的支持下推动了整个产业链的加速发展。
(2)HBBTV模式，该模式事实上是一种混合广播技术，与DVB可兼容，并且属于典型发布平台的应用功能。在广播服务的基础上，HBBTV还可承载多项业务如线上购物、互动电视、广告等，在宽带性能质量不断提升的过程中，其市场覆盖面也越来越大，用户数量也在不断增长，俨然成为了市场主流。
(3)我国互联网电视模式为OTTTV模式，广电总局以牌照来实现相关管理并将牌照与客户端绑定，以集成方式来实施宏观监控。
3发展趋势
随着互联网的兴起，人们通过PC、手机等终端观看网络视频成为了潮流。但显而易见的是，不管是PC还是手机，收看视频节目的效果都无法同电视屏幕相比，而它们之所以获得网民的青睐，是因为丰富的节目资源为用户提供了主动选择的空间。此外，PC和手机虽然业已成为人们观看视听节目的流行终端，但观看视频并不是电脑和手机最首要的功能，PC的定位首先是工作终端，而手机则是通讯终端。相比之下，电视则是天然的娱乐终端。它一般置于客厅，是家庭这个私密环境中供人们休闲、娱乐的专用设备。互联网电视既拥有传统电视的基本属性，又克服了其节目资源有限性的短板，它未来的发展趋势，就是围绕家庭娱乐终端这一定位，进一步提升用户体验，具体而言，就是更加突出娱乐性和便捷性。在三网融合、宽带中国等战略的驱动下，电视终端的网络化已经成为大势所趋，互联网电视也将随之普及，而这也必将对视听节目的传播秩序形成结构性的影响。近几年，IPTV伴随三网融合战略的开展迅速发展，目前已在全国50余个大中城市投入试点。IPTV通过可控、可管理的通信网络传输视频节目，只要将IPTV机顶盒连接互联网和电视机，即可观看电视台节目直播、回看，以及影视综艺等节目的点播，其中影视库内容的丰富程度更是超过有线电视。然而，从用户的角度看，不管是有线电视还是IPTV，其节目内容的丰富性仍然不及互联网电视。互联网的开放特性，为拥有内容优势、技术优势的市场主体通过各种形式参与到互联网电视领域提供了可能。在三网融合的大背景下，有线电视早已开始调整自己的发展策略，推进有线电视网的双向数字化，推广互联网接入等基础电信业务，而今面对互联网电视的迅速发展，有线电视网IP化的进程或将进一步加快，以争取在基础电信服务领域占领一席之地。另一方面，为防止客户流失，有线电视公司也可能在整合现有频道资源和丰富其他功能方面着力，进一步改善用户的使用体验。就IPTV而言，几年前IPTV因为拥有有线电视所不具备的回看、点播功能而独具优势，随着有线电视双向化的逐渐普及，这些优势已不那么显著。而与同样经由公共互联网传输互联网电视相比，IPTV无论在内容丰富程度还是在功能的多样性上都没有优势。
4结语
学习啦在线学习网 HAS技术将会在OTTTV中占据主导地位，这给我国互联网电视的发展带来了推动力。OTTTV无论是对于运营商而言还是用户而言都来带了可观的效益，用户可以得到更好的服务，而商家将得到更多的经济利润。
参考文献
学习啦在线学习网 [1]姜涛.电视节目创新，为OTT时代受众而变[J].广告大观(综合版)，2013(08).
[2]李岚.移动化.社交化：视听新媒体融合发展新态势[J].声屏世界•广告人，2013(08).
大一计算机互联网电视产业研究期末论文篇二
《 大数据时代我国互联网电视产业的发展 》
【摘要】
学习啦在线学习网 在大数据时代，互联网电视产业有着良好的发展机遇，互联网电视企业的管理者应制定出定位策略，还要制定出推广模式，这有利于扩大电视产业的规模。在大数据时代，互联网技术有着广泛的应用单位，电视产业引入互联网技术后，还要做好数据分析与整合工作。互联网电视有着良好的发展前景，与电脑、手机等设备相比，互联网电视的屏幕比较大，这也是其竞争的一大优势，适合家庭成员共同使用，具有互动性。本文对大数据时代我国互联网电视产业的发展策略进行了分析，以供参考。
【关键字】大数据时代 互联网 电视 发展
学习啦在线学习网 进入大数据时代后，互联网技术越来越发达，其对媒体电视产业的发展有着一定影响，对其发展的方向有着指导作用，而且提出了新的思路，互联网电视在我国有着良好的发展前景，其属于科技不断发展的产物，对电视制造企业提供了新的发展方向，在推出互联网电视后，受到了很多年轻人的热捧。在大数据时代，各个行业都需要做好数据处理工作，提高数据信息的利用率。三网融合其实是对数据的融合，互联网电视在大数据时代中有着良好的发展趋势，互联网电视产业应制定出具有长远性的发展策略。
学习啦在线学习网 1大数据时代互联网电视产业的定位策略
学习啦在线学习网 在大数据时代，电视产业面临着电脑、手机等产业的竞争与挑战，电视的优势在于，其可以拉近家庭成员之间的关系，而且屏幕更大，稳定性更强，数据处理能力也更强。互联网电视是电视产业未来发展的趋势，在发展的过程中，企业的领导者应做好定位策略，充分发挥出电视的优势，安装大功率处理器，将定位点设为家庭数据信息港。互联网电视定位策略中将主要的工作放在家庭数据信息港的建设中，可以提高家庭数据处理的效率，而且可以抢占市场。大数据具有数据量大、单位数据价值量的特点，家庭成员的意见可能随时发生改变，这一定位具有容易受到家庭成员影响的特点。由于电脑与手机等移动设备的同时存在，会使发出去的数据价值降低，已下的订单也可能被取消，这增加了数据处理的难度。在家庭成员中，存在意见领袖，其对购买的最终决定有着较大的影响，在数据处理时，着眼于价值量更大的数据效果更好。家庭数据信息港的定位策略，还需要做好技术革新工作，由于个人数据处理终端比较小，处理能力有限，无法处理相对复杂的数据，而互联网电视有着较强的数据处理终端，可以处理较为复杂的数据，这也是竞争的一大优势。另外，互联网电视的定位策略还比较符合物联网的发展要求，物联网是一种集智能识别、定位、跟踪、监控以及管理等功能于一身的网络，在大数据时代，利用互联网相互连接的方式，可以发挥出数据交换以及通讯等功能。互联网电视比较符合我国当前国情，将互联网电视定位于家庭数据信息港，可以在家庭与数据源之间形成集成处理平台，保障家庭数据隐私，也可以实现与外界的交互。
学习啦在线学习网 2大数据时代互联网电视产业的赢利模式
学习啦在线学习网 在大数据时代下，互联网电视产业需要建立赢利模式，这对提高企业的经济效益有着较大的帮助，采用模块化的方式重组数据，可以产生更有市场价值的产品，将不同的产品提供给不同的用户，能更好的满足用户的需求。互联网电视产业在制定赢利模式时，应以“一次生产、多次加工”为原则，由于市场竞争比较大，互联网电视企业需要做好数据收集以及处理工作，其发展的重心是数据营销商。在三网融合的基础上，对数据进行融合，在客户关系管理的基础上，进行精确的数据化营销，为了保留与吸引更多的客户，互联网电视产业需要考虑到用户的差异性，还要给用户个性化的体验。互联网电视在对数据进行整合时，需要对用户需求进行互补性融合，而且不能局限于梳子终端，其主要是在数据整合分析的基础上，为用户融合提供帮助，可以实现跨平台的客户关系管理。数据营销商可以利用互联网电视提供的平台，利用数据的相关性掌握不同客户的需求，为客户提供一对一的服务，这可以吸引更多的客户，也可以留住老客户、大客户。在建立互联网电视的赢利模式时，需要对用户的偏好进行数据分析，建立跨平台的交易框架，从而对数据进行更好的挖掘与分析，这有利于更好的了解客户，挖掘出更多的客源。互联网电视企业应最大限度的利用客户资源，还要做好客户需求的引导，为客户提供个性化的体验，创造出更大的赢利点。
3大数据时代互联网电视产业的市场推广模式
在做好互联网电视产业的定位，确定赢利模式后，最关键的问题是要做好市场推广工作，加强对产品的推销，可以提高企业的经济效益，如果制定的市场推广模式存在问题，则会导致定位与赢利模式都缺乏实际意义及价值。互联网电视产业在市场推广时，应考虑如何推、如何守两大问题，推广时，首先要满足用户的使用要求，结合用户对传统电视功能提出的要求，保证互联网电视产品最大限度的满足用户需求;在守的过程中，主要是对增加电视的功能，保证用户不会中途退出。在市场经济方面考虑，互联网电视企业应分析有效需求，还要了解“边际效应”的原理，分析结果证明，互联网电视在功能增加的同时，成本也在增加，互联网电视对用户发挥的效用在不断递减，很多用户可能会出现中途退出的问题，而且会放弃对互联网电视的使用，为了改善这一问题，互联网电视产业一定要做好推广工作，根据市场的规律操作，在大数据时代的背景下，考虑用户心理接受能力以及行为习惯，满足其心理需求。互联网电视企业还要结合我国的国情，对传统的推广模式进行改进，在考虑用户电视需求时，结合用户个人特性，比如受教育程度、喜好等，还要结合大数据时代的社会条件，分析用户对互联网电视的期待程度及价格的敏感性，制定出符合我国当前国情以及政策的推广模式。在推广前，进行必要的市场调查，也是满足用户需求，解决边际效用递减问题的有效措施，做好推广工作，用户才能继续使用互联网电视，否则将回到传统电视。采用互联网电视并继续使用的用户、采用互联网电视又中途放弃的用户和坚持只使用传统电视用户的行为都将影响互联网电视价格、互联网电视期待并最终影响互联网电视产业的市场推广和政府相关政策的制定。
4结语
通过本文的分析可以看出，我国互联网电视产业在发展的过程中，需要考虑用户的需求，还要结合国家相关政策，在三网融合的背景下，促进广播电视网络公司更好的组建。在市场调查时，可以了解用户对互联网电视的期待程度，这可以推断出互联网电视在市场的推广中能否成功。在大数据时代中，我国互联网电视产物需要制定出定位策略，还要制定出赢利模式，在制定市场推广模式，这样才能取得成功，才能保证互联网电视产业的经济效益。
参考文献：
[1]董峻岩,金虹,康健.哈尔滨城市住区广场的声环境研究[J].四川建筑科学研究,2013.
[2]董峻岩.哈尔滨城市居住区公共空间声环境评价及分析研究[D].哈尔滨:哈尔滨工业大学,2013.
[3]董峻岩.本土建筑与外来文化的影响——以昆明本土近代建筑为例[D].昆明:昆明理工大学,2008.
大一计算机互联网电视产业研究期末论文篇三
《 HBase互联网电视论文 》
1整体架构
1.1Hbase原有系统架构
学习啦在线学习网 HBase是ApacheHadoop的数据库，能够对大型数据提供随机、实时的读写访问。HBase的目标是存储并处理大型的数据。HBase是一个开源的、分布式的、多版本的、面向列的存储模型，它存储的是松散型数据。相比传统的关系型数据库，HBase具有易扩展、大数量、扩展灵活、成本低等优势。
学习啦在线学习网 1.2OTT用户行为数据系统架构图
在OTT体系中，每个机顶盒终端就是一个用户，有唯一的用户标识UserID;用户通过机顶盒来访问和使用互联网电视业务，用户在盒端系统上产生的所有行为日志都上传给系统平台(OpenApi)，由系统平台进行数据的处理后进行入库，供经分系统进行单用户或批量用户的查询。
2数据结构
2.1数据结构设计
学习啦在线学习网 Hbase底层是基于列式存储的，可以在不浪费存储空间的情况下将表设计得非常稀疏。因此可以将所有的用户行为数据存储在一张宽的表中，消除在进行“行为间组合查询条件”查询时带来的表联开销。由于Hbase目前并不能很好的处理两个或者三个以上的列族，本场景中采用单列族设计，列族的大版本数(MaxVersion)设定为1。想要获得较好的查询效率，应该将频繁查询的条件放在RowKey中，尽量保证查询条件都在RowKey中有所体现。从图3可以看出Hbase的查询效率从高到低依次为RowKey、ColumnFamily、ColumnQualifier、TimeStamp和Value。因此想要获得较好的查询效率，应该将频繁查询的条件放在RowKey中，尽量保证查询条件都在RowKey中有所体现。本应用场景中，需要频繁查询的条件依次为用户身份标识(userID)、行为发生时间、行为类型和行为类型所包含的字段及其属性值。根据查询条件的频繁度，可将RowKey设计成userID、行为发生时间和用户行为ID的组合。同时考虑到RowKey的散列性，Key设计方案为：反转userID+“，”+行为发生日期+“，”+用户行为ID。由于单个用户在特定的某一天，相同的行为类型可以发生多次(例如123456789用户在2013年9月1日这一天可以发生多次播放行为)，如果采用真实的字段名称作为列名，后来写入的数据会把前面写入的数据覆盖掉。为了保证数据的完整性，需要在原有字段名的后面加上一个当天唯一的列ID以作区分。列ID仅仅为了保证数据的完整性，无任何实际意义，可以是一个从0开始依次递增的数字序列。
2.2数据格式
源数据部分表示由平台产生的原始日志，自定义部分表示源数据经过人工处理后的扩展属性，行为ID为人为定义，列ID为人工生成的标识ID。列ID在一天内的同一个行为日志中具有唯一性。由反转userID和用户行为发生的日期以及用户行为ID组成RowKey，由真实的列名加上列ID组成Hbase里面的列名。
3数据处理
源数据入库过程分为2个步骤，源数据处理和并行入库。源数据处理部分进行源数据整理，包括日志的清洗，RowKey和列ID的生成。并行入库过程将处理好的源数据以MapReduce方式将源数据导入到Hbase中。
3.1数据入库
学习啦在线学习网 源数据处理过程负责进行数据清洗及RowKey和列ID的生成，并将生成好的数据文件拷贝到HDFS中。一种列ID的设计方案是将列ID设定为一个从0开始依次递增的数字序列，此ID使得同一天内，同一种用户行为类型的每一条数据都具有唯一标识。以表1中模拟的播放日志数据为例。并行入库部分负责将处理好的源数据以MapReduce方式从HDFS导入到Hbase中。此方式通过读取HDFS上的文件，以Put的方式在Map过程中完成数据写入，无Reduce过程。
3.2数据查询
进行用户行为轨迹查询时需要输入userID的集合、用户行为发生的时间区间和行为类型信息这3个参数。这3个参数限定了查询的范围，即指定用户在指定时间内发生的指定行为。通过解析userID参数可以得到RowKey的前缀部分;解析用户行为发生的时间区间参数可以得到RowKey的中间部分;解析行为类型参数可以得到RowKey的后缀部分和各行为查询所需要的字段。组成RowKey的全部参数集合都确定后，可以通过迭代将查询所涉及到的RowKey全部穷举出来，生成Get对象的列表，进行批量提交。在生成Get对象的时候，可以调用多重列前缀过滤器(MultipleColumnPrefixFilter)，使查询结果只包含所需字段，提高查询效率。
3.2.1单用户查询
查询数据时，根据上文提到的查询逻辑，将生成的Get的列表一次性提交，获取查询结果。由于Hbase的设计是基于列的，想要使查询结果按行显示，还需进行查询结果的解析。同时，部分在HBase中无法实现的数据筛选功能如“行为间组合查询条件”、值过滤等，可在此时通过编程语言灵活实现。遍历结果进行解析时，可以生成一个哈希表resultMap、resultMap的key为列ID、value为真实字段名的字符串组合。在遍历中可以根据列ID将真实字段名所对应的查询值替换哈希表中value的值。遍历完成后对resultMap的值集合进行排序，排序结果即为用户的行为轨迹。此方法学习啦在线学习网仅需对查询结果进行一次遍历即可完成解析。
3.2.2批量用户查询
批量用户查询时采用MapReduce方式提交查询、解析查询结果。由于Hbase官方提供的MapReduce接口InputFormat(TableInputFormat)只支持Scan方式来获取数据，并不适用Get方式。因此实现批量用户行为轨迹的分布式提取和解析，需要自定义3个类，即PrefixInputFormat(继承自InputFormat)、PrefixSplit(继承自InputSplit)和PrefixRecordReader(继承自RecordReader)。自定义这3个类的目的在于将输入的userID参数(包含RowKey前缀信息)、日期区间参数(包含RowKey中间部分信息)和用户行为类型参数(包含RowKey的后缀信息和查询所需的列)传入到PrefixInputFormat中，在PrefixInputFormat根据每个userID所在的Region将其分配到不同的PrefixSplit上，在PrefixRecordReader中根据PrefixSplit传入的参数信息完成RowKey的组装和Get列表的生成，并将Get列表作为VALUEIN传递给Mapper进行查询和解析。
4性能对比
测试数据：天翼视讯9月1日到10日之间10d的登陆、播放、访问和订购数据，总计条数约1亿条，日志文件总大小21G;任务描述：找出在9月1日到9月10日这段时间内输入用户集合中同时发生播放、订购、访问、登陆4种行为的活跃用户，并提取这部分用户在这段时间内的用户行为轨迹。
5结论
本文通过对HBase数据架构及数据字段设计的分析，设计了基于互联网电视用户行为分析的数据系统模型和数据库表结构。经过实际测试发现，在提取用户行为轨迹的数据分析时，HBase与传统的关系型数据库相比，在读写性能上均具有明显优势。伴随互联网电视业务发展和用户行为数据量的增加，对用户行为数据的查询及分析显得尤为重要目前,在对普通的互联网电视用户的盒端对用户行为数据的采集方面还不够完善，还需要继续完善补充用户行为字段，优化完善基于HBase数据字段及数据库结构，建立数据挖掘模型，通过对用户行为数据的深层次挖掘分析来优化完善业务和产品，为互联网电视业务在新疆兵团的持续优化发展和运营分析提供决策支持。
学习啦在线学习网 有关大一计算机互联网电视产业研究期末论文推荐：