传统资源访问模型认为用户对于视频和商品资源的访问存在“二八效应”,但随着计算机互联网和信息科技的发展,访问人群出现分散化、视频和商品资源出现多样化,用户访问模式发生了改变,逐渐呈现出一种“长尾效应”。如何把握资源访问的规律,进而对视频和商品资源进行合理有效地资源配置和性能优化,是视频网络平台与网络购物平台面临的一个重大挑战。在此背景下,本文以视频与商品资源的访问模式研究对象,分析早期用户资源访问模型,首次提出采用数学统计模型Logistic对用户资源访问模式进行重新描述。通过分析Logistic回归模型,可以清晰地观察用户对视频和商品资源的访问规律,可以有效地分析视频和商品资源的“冷热程度”,进而对资源做出调整与配置,减少资源调度过程中的损耗,使网络资源得到合理有效地利用,同时也为资源的流行度研究也奠定了基础。本文的主要研究工作和研究成果如下:(1)分析传统的视频和商品资源访问模型(即Zipf模型)的相关研究信息,发现当前的资源访问模式很大程度上已经背离了Zipf分布,本文首次提出使用数学统计模型Logistic来进行重新描述。(2)对Youku视频和YouTube视频,采用多线程网络爬虫技术,结合深度优先策略和宽度优先策略两种方式进行数据采集;并使用梯度下降法和最小二乘法对采集整理的视频数据集进行Logistic数据拟合,发现当前的视频访问模式可以使用Logistic回归模型描述。(3)采用异步爬虫框架Scrapy框架,对京东商城平台进行多维度、多周期的数据采集,并使用梯度下降法和最小二乘法对采集整理的商品数据集进行Logistic数据拟合,发现用户对商品资源的访问规律同样符合Logistic回归模型分布。