随着互联网的高速发展,网络基础设施的不断升级,流媒体技术的日趋完善,视频流媒体俨然已经成为当今互联网中的主流应用。大量的在线视频流媒体,使得互联网承受着越来越大的压力。内容分发网络(Content Delivery Network,CDN)已经被许多互联网公司所采用。与传统的网络架构相比,CDN能更好的利用网络带宽资源尤其是骨干网的网络带宽资源,提高网络传输质量,能有效的减少源服务器的负载,提升用户体验质量(QoE)。在CDN产生的将近二十年里,对CDN的研究集中在内容分发策略的研究,而关于内容预分发的研究探索却并不多见。目前对内容预分发的依据只是单纯的流行度或者用户的兴趣度,并且对用户的兴趣度的计算方法普遍比较的粗糙、简单,与用户的实际情况存在较大的偏差,导致预分发的内容命中率不高,无法更好地服务于日益丰富的流媒体应用业务。针对以上的问题,本文通过对CDN中用户兴趣度的研究,提出了新的CDN视频流媒体内容分发策略,该策略在构建用户兴趣模型时去除了由于系统推荐、用户误点、网页导航等非兴趣因素对兴趣度计算结果的影响,使得计算出来的用户兴趣度更准确、更合理。仿真实验证明,通过基于该改进的用户兴趣度模型指导进行的视频流媒体的预分发可以有效提高用户请求的命中率。在实际应用中用户的兴趣度并非一成不变的,存在着兴趣漂移现象,也就是用户对某一个事物的兴趣会随着场景的改变或者时间的推移而发生改变。目前,兴趣漂移的解决方案主要有时间窗口法和遗忘函数法。本文在遗忘函数法的基础上,提出了一种动态用户兴趣度模型,在该兴趣模型中的用户兴趣度随着时间的推移,采用自然衰减函数来对用户兴趣度进行修正,使得计算出来的用户兴趣度与用户的真实兴趣尽可能的拟合。仿真实验证明,该模型能有效提升用户兴趣模型指导内容推送的准确率。本文使用了CDNsim模拟仿真软件对CDN网络环境进行模拟仿真实验,实验数据来源于香港某网络电视台的真实用户访问日志。