随着互联网技术的发展,网络信息及上网用户数呈爆炸式增长,导致网络流量剧增,网络面临链路拥塞等问题。缓存技术是解决这些问题的主要措施,而缓存替换算法一直是提高缓存系统性能的核心研究方向。目前的缓存替换算法多数是从缓存对象的角度进行分析的,忽略了真正的网络使用者——用户。因此,本文从用户角度出发,利用数据挖掘中统计分析的方法对真实的视频日志数据进行分析,发掘出蕴含在视频日志数据背后的用户访问行为的特性,并利用这些特性设计新的缓存替换算法。本文的主要研究以及贡献如下：首先,使用统计分析技术对真实的视频日志数据进行了用户访问行为分析。通过数据分析,研究了用户访问动机、用户活跃度与视频文件对象重要度的关系,发现了如下现象：“访问该视频文件对象的用户平均活跃度越低,即访问该视频文件对象的所有用户中,用户越不活跃,则意味着该对象越重要,在未来一段时间的被需求的概率就越高”。这一发现为将来研究用户分类、视频文件推荐、缓存替换等算法提供了参考价值。然后,提出了基于用户活跃度的缓存替换策略。该算法是基于上面得到的用户访问行为的规律性提出的,把视频文件对象的用户平均活跃度作为衡量缓存中对象的价值函数,在需要进行缓存替换时,优先替换那些用户平均活跃度较高的对象。仿真实验的结果表明该算法在缓存容量较大时,能取得较好的请求命中率和字节命中率。最后,提出了基于PageRank算法的缓存替换策略。该算法将用户和视频文件对象类比为网络中的节点,将用户和视频文件对象之间的访问关系抽象为网络中的连线,然后采用PageRank算法计算视频文件和用户的权重值,根据视频文件的权重值设计缓存替换算法,在需要进行缓存替换时,优先替换权重值小的视频文件。该算法在计算视频文件权重时,考虑到了用户的访问行为对视频文件价值的影响。仿真实验的结果表明,本算法具有较好的请求命中率和字节命中率。