يُعدّ التنبؤ الدقيق بزمن المشاهدة أمراً حاسماً لتعزيز تفاعل المستخدمين في منصات البث القصيرة للفيديوهات، رغم التحديات التي تفرضها الخصائص التوزيعية المعقدة على مستويات متعددة من التفاصيل. من خلال تحليل منهجي لبيانات صناعية واقعية، كشفنا عن تحديين رئيسيين في تنبؤ زمن المشاهدة من منظور توزيعي: (1) التحيّز على المستوى الخشن الناتج عن تركز كبير في عمليات التخطي السريع، و(2) التنوّع على المستوى الدقيق الناتج عن أنماط متنوعة من التفاعل بين المستخدم والفيديو. وبناءً على ذلك، نفترض أن زمن المشاهدة يتبع توزيعاً مختلطاً من النوع الأسي-الغاوسي (Exponential-Gaussian Mixture (EGM))، حيث تمثل المكونات الأسيّة والغاوسيّة على التوالي التحيّز والتنوع. وعليه، تم اقتراح شبكة مختلطة أسيّة-غاوسيّة (Exponential-Gaussian Mixture Network (EGMN)) لتمثيل معلمات توزيع EGM، وتشمل هذه الشبكة وحدتين رئيسيتين: معالج تمثيل خفي وموّجه معلمات المزيج. وقد أجرينا تجارب غير مباشرة واسعة النطاق على مجموعات بيانات عامة، بالإضافة إلى اختبارات A/B مباشرة على البيئة الصناعية لتقديم الفيديوهات القصيرة في تطبيق "شيهاونغشو" (Xiaohongshu)، وذلك لتأكيد التفوق النسبي لـ EGMN مقارنة بالأساليب الحديثة المتقدمة الأخرى. وتمثّل النتائج التجريبية الشاملة إثباتاً واضحاً على قدرة EGMN المتميزة في التكيف التوزيعي عبر المستويات من الخشونة إلى الدقة.