上文已经分析了用户观看直播视频的日模式，得知用户喜欢不同的时段来观看视频，将分析对象从每日数据切换到每周数据，并探究在一周内一个家庭在智能大屏上的视频观看行为，挖掘家庭每周观看行为的周模式。

我们构建了一组每周数据点，其中表示家庭在一周内每小时观看视频的时间量，也就是说，通过连接七个24维每日数据点获得每周数据点集，每周数据点集维度为24×7。中总共有488737个周数据点。

我们将K-Means算法应用于周数据点集，由此产生的簇的质心被认为是典型的周模式。为了确定集群数量的适当值，我们再次使用不同的k值运行K-Means算法。最后，我们将k值设为6，它位于畸变曲线的肘部附近。图30描述了六个典型的周模式：

图30　收视周模式

从图30中可以看出，这些模式有共同点：

（1）几乎所有的周模式都具有周期性，且周期为24小时，即用户每天的直播视频观看行为有固定的观看习惯，且观看习惯不会轻易改变。

（2）几乎所有的周模式曲线形状都有两个峰值，一个峰值所在时间为中午，另一峰值所处时间为晚上，用户在中午和晚上视频观看时长分别在局部时间内达到顶峰，符合传统对时段的认知。(www.daowen.com)

（3）每个周模式都有一个深谷，时间为2：00～6：00，在这段时间内用户大部分都在睡觉，几乎没有任何观看视频的行为。

虽然这些共同点是显而易见的，但它们之间的差异也值得注意。图30a、图30b和图30c中曲线形状都有两个峰值，且两个峰值之间差距不大，曲线形状相似，但峰值量不同，从图30b中的最高水平到图30a中的中间水平，再到图30c中的最低水平。图30a曲线形状中，峰值出现的时间是中午12：00，在下午5：00有一个小峰值，而后一直下降，即用户主要观看行为集中在中午前后时间。而图30b和图30c在中午12：00出现第一个小峰值，然后在晚上8：00达到峰值，显示用户主要的观看行为集中在中午前后时间和晚上前后时间。因此，图30a中的周型命名为“中午模式”，图30b和图30c中的周型分别命名为“双高模式”和“双低模式”。

另外，图30d和图30e中第二峰和第一峰的峰体积之差比其他峰要大得多，表明用户主要观看行为集中在晚上。图30d和图30e中虽然峰值都出现在晚上，但是这两个模式的曲线形状有两点不同：

（1）图30d和图30e两个模式的曲线形状的峰值量不同。图30d中的峰值量远大于图30e的峰值量。

（2）图30d和图30e曲线形状中出现峰值的时间不同。图30d曲线形状中出现峰值的时间是晚上8：00，而图30e出现峰值的时间被推迟到晚上10：00。结合图30d和图30e两者的区别，图30d中的周型被称为“晚上（高）模式”，图30d中的周型被称为“晚上（低）模式”。在图30f中，一周内有明显的上升趋势，且周末看大屏视频的时间比平日要多得多，例如从图30f周末的曲线形状可以看出，中午的视频观看行为较工作日有明显的增长。因此，图30f中的周模式被命名为“周末模式”。典型的六类周模式命名如表33所示：

表33　收视周模式命名