CN106339447A - 一种自动预测热点视频的***及方法 - Google Patents

一种自动预测热点视频的***及方法 Download PDF

Info

Publication number
CN106339447A
CN106339447A CN201610712338.9A CN201610712338A CN106339447A CN 106339447 A CN106339447 A CN 106339447A CN 201610712338 A CN201610712338 A CN 201610712338A CN 106339447 A CN106339447 A CN 106339447A
Authority
CN
China
Prior art keywords
video
candidate
amount
hot
weight
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610712338.9A
Other languages
English (en)
Inventor
陈运文
江永青
纪达麒
文辉
纪传俊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Information Technology (shanghai) Co Ltd
Original Assignee
Information Technology (shanghai) Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Information Technology (shanghai) Co Ltd filed Critical Information Technology (shanghai) Co Ltd
Priority to CN201610712338.9A priority Critical patent/CN106339447A/zh
Publication of CN106339447A publication Critical patent/CN106339447A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • G06F16/738—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • G06F16/735—Filtering based on additional data, e.g. user or group profiles
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/4508—Management of client data or end-user data
    • H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, preferences

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本发明公开了一种自动预测热点视频的***及方法，其中***包括视频数据库；统计模块，用于计算所述候选热点视频列表中每个候选热点视频的总统计量，并统计预设时间段T内每个视频的新增的统计量；生成模块，用于查询所述视频数据库获取满足预设候选条件的视频并生成候选热点视频列表；计算模块，用于计算所述候选热点视频列表中每个候选热点视频的时长权重、上传时间权重、统计量权重及CMS权重，并统计每个候选热点视频的权重之和，根据所述权重之和将候选热点视频进行排列并输出。本发明通过对热点视频推荐模块获取的候选热点视频进行权重计算后，按照计算记过生成一个近期热点视频的列表，推荐给终端用户使用。

Description

一种自动预测热点视频的***及方法
技术领域
本发明属于互联网技术领域，具体而言，涉及一种自动预测热点视频的***及方法。
背景技术
随着互联网内容的***性增长和视频网站的快速发展，用户从大量无关的信息中发现感兴趣的视频越来越困难。常用的从大量视频中推荐幼稚视频的做法是：一、从网站编辑手工标记高质量的或者跟时事热点占密切相关的视频，并推送到网站的主页面。这种方法效率低、精度差，非常依赖编辑个人的口味和眼光，因此越来越难以满足网名对视频网站推荐的需求；二、通过计算机***统计过去一端时间各个视频的点击量，挖掘处用户欢迎的视频编辑为热门视频，推荐给用户观看。这种做法费时费力，而且经常不能反应用户的真实需求。
发明内容
为解决现有获取热点视频费时费力且用户兴趣点低的技术缺陷，本发明。
本发明提供了一种自动预测热点视频的***，包括
接收模块，用于接收用户上传的视频，将所述视频存储在预设视频数据库，所述视频数据库包括视频信息库和/或CMS数据库；
统计模块，用于计算所述候选热点视频列表中每个候选热点视频的总统计量，并统计预设时间段T内每个视频的新增的统计量，其中，统计量包括点击量、收藏量、顶踩量及评论总量；
生成模块，用于查询所述视频数据库获取满足预设候选条件的视频并生成候选热点视频列表；
计算模块，用于计算所述候选热点视频列表中每个候选热点视频的时长权重、上传时间权重、统计量权重及CMS权重，并统计每个候选热点视频的权重之和，根据所述权重之和将候选热点视频进行排列并输出。
进一步，所述生成模块包括
判断子模块，用于判断所述视频数据库是否为视频信息库；
第一筛选子模块，用于如果所述视频数据库为视频信息库，则获取所述视频信息库中预设时间段内每个视频的点击量、收藏量、评论量并分别进行排序；
第一获取子模块，用于分别获取排序前N的所述点击量、所述收藏量、所述评论量对应的视频，并将对应的视频生成候选热点视频列表。
更进一步，所述生成模块还包括
第二筛选子模块，用于如果所述视频数据库非所述视频信息库，则判断所述视频数据库是否为CMS数据库；
第二获取子模块，用于按照预设存储条件获取所述CMS数据库中M条视频，并将其生成候选热点视频列表。
进一步，所述统计模块包括
总量统计子模块，用于统计所述候选视频列表中每个候选视频的历史点击总量、历史收藏总量、历史顶/踩总量、历史评论总量；
增量统计子模块，用于统计预设时间端T内每个候选视频的点击量、收藏量、顶/踩量、评论量。
进一步，所述计算模块包括
参数子模块，用于获取每个候选热点视频的时长、上传时间、点击量、收藏量、评论量；
计算子模块，用于根据所述点击量、收藏量、评论量计算每个所述候选热点视频的统计权重；
第一查询子模块，用于查询预设的权重关联关系，获取每个候选热点视频的时长、上传时间对应的时长权重、上传时间权重及CMS权重；
统计子模块，用于计算总计权重、时长权重、上传时间权重及CMS权重之和，根据每个所述候选热点视频权重之和的大小进行降序排序并输出。
本发明还提供了一种自动预测热点视频的方法，包括如下步骤：
接收用户上传的视频，将所述视频存储在预设视频数据库，所述视频数据库包括视频信息库和/或CMS数据库；
计算所述候选热点视频列表中每个候选热点视频的总统计量，并统计预设时间段T内每个视频的新增的统计量，其中，统计量包括点击量、收藏量、顶踩量及评论总量；
查询所述视频数据库获取满足预设候选条件的视频并生成候选热点视频列表；
计算所述候选热点视频列表中每个候选热点视频的时长权重、上传时间权重、统计量权重及CMS权重，并统计每个候选热点视频的权重之和，根据所述权重之和将候选热点视频进行排列并输出。
进一步，所述查询所述视频数据库获取满足预设候选条件的视频并生成候选热点视频列表包括
判断所述视频数据库是否为视频信息库；
如果所述视频数据库为视频信息库，则获取所述视频信息库中预设时间段内每个视频的点击量、收藏量、评论量并分别进行排序；
分别获取排序前N的所述点击量、所述收藏量、所述评论量对应的视频，并将对应的视频生成候选热点视频列表判断子模块，用于判断所述视频数据库是否为视频信息库；
如果所述视频数据库为视频信息库，则获取所述视频信息库中预设时间段内每个视频的点击量、收藏量、评论量并分别进行排序；
分别获取排序前N的所述点击量、所述收藏量、所述评论量对应的视频，并将对应的视频生成候选热点视频列表。
更进一步，所述查询所述视频数据库获取满足预设候选条件的视频并生成候选热点视频列表包括
如果所述视频数据库非所述视频信息库，则判断所述视频数据库是否为CMS数据库；
按照预设存储条件获取所述CMS数据库中M条视频，并将其生成候选热点视频列表。
进一步，所述计算所述候选热点视频列表中每个候选热点视频的总统计量，并统计预设时间段T内每个视频的新增的统计量，其中，统计量包括点击量、收藏量、顶踩量及评论总量包括
统计所述候选视频列表中每个候选视频的历史点击总量、历史收藏总量、历史顶/踩总量、历史评论总量；
统计预设时间端T内每个候选视频的点击量、收藏量、顶/踩量、评论量。
进一步，所述计算所述候选热点视频列表中每个候选热点视频的时长权重、上传时间权重、统计量权重及CMS权重，并统计每个候选热点视频的权重之和，根据所述权重之和将候选热点视频进行排列并输出包括
获取每个候选热点视频的时长、上传时间、点击量、收藏量、评论量；
根据所述点击量、收藏量、评论量计算每个所述候选热点视频的统计权重；
查询预设的权重关联关系，获取每个候选热点视频的时长、上传时间对应的时长权重、上传时间权重及CMS权重；
计算总计权重、时长权重、上传时间权重及CMS权重之和，根据每个所述候选热点视频权重之和的大小进行降序排序并输出。
综上，本发明通过统计模块并结合视频数据库中视频的特征及时挖掘出当前一段时间最可能受用户欢迎的视频，生成热点视频挖掘结果，提高了热点视频挖掘的效率和精度，更加符合用户的需求。
附图说明
图1为本发明所述的自动预测热点视频的***的框图结构示意图；
图2为本发明所述的自动预测热点视频的方法的流程示意图。
具体实施方式
下面通过具体的实施例并结合附图对本发明做进一步的详细描述。
如图1所示，本发明提供了一种自动预测热点视频的***，包括视频数据库10、统计模块20、生成模块30、计算模块40。
其中，
视频数据库10，存储视资料库，所述视频数据库包括视频信息库和/或CMS数据库。
具体实施时，本发明可选的通过应用服务器接收用户上传或网站的视频；或利用数据库服务器存储用户上传的视频。具体实施时，用户可选的利用手机、PC机、笔记本等智能设备上传视频。本发明所述的视频数据库包括视频信息库和/或CMS数据库，用户上传的视频即可选的存储在视频信息库或CMS数据库，以便为将对用户上传的视频进行热点推荐进行选择，生成候选热点视频列表。具体实施时，可选的利用所述CMS数据库存储满足预设视频条件的视频，预设视频条件可选的为满足一定分辨率(可选的为1080p，具体实施时可设为其他分辨率)的视频。
视频信息库存储多个视频资料，每个视频资料可选的包含视频持续的时长、视频的上传时间、视频标题、缩略图路径以及播放url(Uniform Resoure Locator统一资源***)等属性信息。在本发明较佳实施例中，视频资料采用NoSQL的key：value方式存放，以视频的id(标识，后面称为vid)作为关键字(key)值，value为视频资料的各种属性信息，例如，
videotime：视频持续的时长，单位为秒；
uploadtime：视频的上传时间
title：视频标题；
picpath：缩略图路径；
playurl：播放url。
统计模块20，用于计算所述候选热点视频列表中每个候选热点视频的总统计量，并统计预设时间段T内每个视频的新增的统计量，其中，统计量包括点击量、收藏量、顶踩量及评论总量。
这里的统计项包括点击总量clickcount、被顶(表示喜欢)的总量likecount、被踩(表示不喜欢)的总量dislikecount、被收藏的总量storecount以及被评论的总量commentcount；
增量统计模块103用于统计每笔视频资料在某一时间段内各统计项的新增统计量。
例如，统计周期为1小时一次，统计过去24小时的点击增量，用符号表示如下：vid1.clickcount_hour1：表示在过去1小时内，视频vid1新增的点击量。
例如，视频：http://v.ku6.com/show/t7TbsW09pjI9W2nY.html。若当前时间为9月9日下午15:20，那么前1小时的统计周期是从9月9日下午14:00开始，至15:00结束的一个小时。假设该视频在14:00-15:00这个区间内被点击了1500次，则id1.clickcount_hour1＝1500；以此类推，vid1.clickcount_hour2为13:00-14:00这个时间段内的点击增量，vid1.clickcount_hour3为12:00-13:00这个时间段内的点击增量与点击增量统计类似，增量统计模块103还对其他各统计项(被顶的增量、被踩的增量、被收藏的增量以及被被评论的增量)按小时记录以下统计量：
likecount_hour[1-24]：被顶(表示喜欢)的增量；
dislikecount_hour[1-24]：被踩(表示不喜欢)的增量；
storecount_hour[1-24]：被收藏的增量；
commentcount_hour[1-24]：被评论的增量。
生成模块30，用于查询所述视频数据库获取满足预设候选条件的视频并生成候选热点视频列表；
计算模块40，用于计算所述候选热点视频列表中每个候选热点视频的时长权重、上传时间权重、统计量权重及CMS权重，并统计每个候选热点视频的权重之和，根据所述权重之和将候选热点视频进行排列并输出。
进一步，所述生成模块30包括
判断子模块，用于判断所述视频数据库是否为视频信息库；
第一筛选子模块，用于如果所述视频数据库为视频信息库，则获取所述视频信息库中预设时间段内每个视频的点击量、收藏量、评论量并分别进行排序；
第一获取子模块，用于分别获取排序前N的所述点击量、所述收藏量、所述评论量对应的视频，并将对应的视频生成候选热点视频列表。
更进一步，所述生成模块30还包括
第二筛选子模块，用于如果所述视频数据库非所述视频信息库，则判断所述视频数据库是否为CMS数据库；
第二获取子模块，用于按照预设存储条件获取所述CMS数据库中M条视频，并将其生成候选热点视频列表。
具体实施时，如果视频资料来自CMS数据库，则cmspoint＝5000；否则，cmspoint＝0。相应的，此时，计算模块104的热点视频计算模型为：
video_weight＝videotime_weight+uploadpoint+playpoint1+playpoint2+cmspoint。
进一步，所述计算模块40包括
参数子模块，用于获取每个候选热点视频的时长、上传时间、点击量、收藏量、评论量；
计算子模块，用于根据所述点击量、收藏量、评论量计算每个所述候选热点视频的统计权重；
第一查询子模块，用于查询预设的权重关联关系，获取每个候选热点视频的时长、上传时间对应的时长权重、上传时间权重及CMS权重。
对每个视频资料的视频时长进行权重计算，具体实施时，例如videotime为视频时长(单位为秒)，videotime_weight为视频时长权重，则视频时长权重的计算可选的如下：
如果videotime＞20，则videotime_weight＝100
如果videotime＞60，则videotime_weight＝1000
如果videotime＞180，则videotime_weight＝2000
否则videotime_weight为0。
例如，uploadpoint为视频上传时间权重，则视频上传时间权重计算如下：
int uploadpoint＝22000；
if(betweenhour＞＝1)uploadpoint＝20000；
if(betweenhour＞＝2)uploadpoint＝10000；
if(betweenhour＞＝3)uploadpoint＝7500；
if(betweenhour＞＝6)uploadpoint＝500；
if(betweenhour＞＝12)uploadpoint＝-1000；
if(betweenhour＞＝24)uploadpoint＝-10000；
if(betweenhour＞＝48)uploadpoint＝-50000；
if(betweenhour＞＝100)uploadpoint＝-100000；
if(betweenhour＞＝200)uploadpoint＝-150000；
if(betweenmonth＞＝1)uploadpoint＝-2500000；
if(betweenmonth＞＝12)uploadpoint＝-10000000。
对每笔资料的权重计算如下：
Playpoint1＝clickcount_hour1+likecount_hour1*5+storecount_
hour1*2+commentcount_hour1*3；
其中，playpoint1为增量权重统计子模块，用于计算总计权重、时长权重、上传时间权重及CMS权重之和，根据每个所述候选热点视频权重之和的大小进行降序排序并输出。
热点视频计算模型为：
video_weight＝videotime_weight+uploadpoint+playpoint1+playpoint2。计算获得每笔视频资料的热门权重值后，将视频资料按
照video_weight由大到小排序，截取前N(可选的设为10或其他数值)条结果，在网页上为用户进行展现。
另外，为提高本发明之自动挖掘效率，本发明之热点视频自动挖掘***还可包括一候选视频列表生成模块。该候选视频列表生成模块用于生成一候选热点视频的列表，供计算模块104使用，则后续热点视频计算模块104不必计算视频资料库中每笔资料的热门权重值，而只需计算候选热点视频列表中候选视频的热门权重值，并根据所有候选视频的热门权重值截取一热点视频列表进行显示。在本发明之较佳实施例中，候选热点视频列表的生成方式如下：
1、生成模块102中，按照时间，获取最近进入CMS数据库的N条视频(如20条)；
2、从统计模块102中，分别获取clickcount_hour1、clickcount_hour2、clickcount_hour3，storecount_hour1、storecount_hour2、storecount_hour3，commentcount_hour1、commentcount_hour2、commentcount_hour3的统计量，并从高到低取各个类别的前N条视频(如20条)；
3、将以上所有视频存入候选视频集合，并进行去重。
如图2所示，本发明还提供了一种自动预测热点视频的方法，包括如下步骤：
S101、接收用户上传的视频，将所述视频存储在预设视频数据库，所述视频数据库包括视频信息库和/或CMS数据库；
S102、计算所述候选热点视频列表中每个候选热点视频的总统计量，并统计预设时间段T内每个视频的新增的统计量，其中，统计量包括点击量、收藏量、顶踩量及评论总量；
S103、查询所述视频数据库获取满足预设候选条件的视频并生成候选热点视频列表；
S104、计算所述候选热点视频列表中每个候选热点视频的时长权重、上传时间权重、统计量权重及CMS权重，并统计每个候选热点视频的权重之和，根据所述权重之和将候选热点视频进行排列并输出。
进一步，S103包括
判断所述视频数据库是否为视频信息库；
如果所述视频数据库为视频信息库，则获取所述视频信息库中预设时间段内每个视频的点击量、收藏量、评论量并分别进行排序；
分别获取排序前N的所述点击量、所述收藏量、所述评论量对应的视频，并将对应的视频生成候选热点视频列表判断子模块，用于判断所述视频数据库是否为视频信息库；
如果所述视频数据库为视频信息库，则获取所述视频信息库中预设时间段内每个视频的点击量、收藏量、评论量并分别进行排序；
分别获取排序前N的所述点击量、所述收藏量、所述评论量对应的视频，并将对应的视频生成候选热点视频列表。
更进一步,S103包括
如果所述视频数据库非所述视频信息库，则判断所述视频数据库是否为CMS数据库；
按照预设存储条件获取所述CMS数据库中M条视频，并将其生成候选热点视频列表。
进一步，S103还包括
统计所述候选视频列表中每个候选视频的历史点击总量、历史收藏总量、历史顶/踩总量、历史评论总量；
统计预设时间端T内每个候选视频的点击量、收藏量、顶/踩量、评论量。
进一步，S104包括
获取每个候选热点视频的时长、上传时间、点击量、收藏量、评论量；
根据所述点击量、收藏量、评论量计算每个所述候选热点视频的统计权重；
查询预设的权重关联关系，获取每个候选热点视频的时长、上传时间对应的时长权重、上传时间权重及CMS权重；
计算总计权重、时长权重、上传时间权重及CMS权重之和，根据每个所述候选热点视频权重之和的大小进行降序排序并输出。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种自动预测热点视频的***，其特征在于，包括
视频数据库，用于存储视资料库，所述视频数据库包括视频信息库和/或CMS数据库；
统计模块，用于计算所述候选热点视频列表中每个候选热点视频的总统计量，并统计预设时间段T内每个视频的新增的统计量，其中，统计量包括点击量、收藏量、顶踩量及评论总量；
生成模块，用于查询所述视频数据库获取满足预设候选条件的视频并生成候选热点视频列表；
计算模块，用于计算所述候选热点视频列表中每个候选热点视频的时长权重、上传时间权重、统计量权重及CMS权重，并统计每个候选热点视频的权重之和，根据所述权重之和将候选热点视频进行排列并输出。
2.根据权利要求1所述的自动预测热点视频的***，其特征在于，所述生成模块包括
判断子模块，用于判断所述视频数据库是否为视频信息库；
第一筛选子模块，用于如果所述视频数据库为视频信息库，则获取所述视频信息库中预设时间段内每个视频的点击量、收藏量、评论量并分别进行排序；
第一获取子模块，用于分别获取排序前N的所述点击量、所述收藏量、所述评论量对应的视频，并将对应的视频生成候选热点视频列表。
3.根据权利要求2所述的自动预测热点视频的***，其特征在于，所述生成模块还包括
第二筛选子模块，用于如果所述视频数据库非所述视频信息库，则判断所述视频数据库是否为CMS数据库；
第二获取子模块，用于按照预设存储条件获取所述CMS数据库中M条视频，并将其生成候选热点视频列表。
4.根据权利要求1所述的自动预测热点视频的***，其特征在于，所述统计模块包括
总量统计子模块，用于统计所述候选视频列表中每个候选视频的历史点击总量、历史收藏总量、历史顶/踩总量、历史评论总量；
增量统计子模块，用于统计预设时间端T内每个候选视频的点击量、收藏量、顶/踩量、评论量。
5.根据权利要求1所述的自动预测热点视频的***，其特征在于，所述计算模块包括
参数子模块，用于获取每个候选热点视频的时长、上传时间、点击量、收藏量、评论量；
计算子模块，用于根据所述点击量、收藏量、评论量计算每个所述候选热点视频的统计权重；
第一查询子模块，用于查询预设的权重关联关系，获取每个候选热点视频的时长、上传时间对应的时长权重、上传时间权重及CMS权重；
统计子模块，用于计算总计权重、时长权重、上传时间权重及CMS权重之和，根据每个所述候选热点视频权重之和的大小进行降序排序并输出。
6.一种自动预测热点视频的方法，其特征在于，包括如下步骤：
存储视资料库，所述视频数据库包括视频信息库和/或CMS数据库；
计算所述候选热点视频列表中每个候选热点视频的总统计量，并统计预设时间段T内每个视频的新增的统计量，其中，统计量包括点击量、收藏量、顶踩量及评论总量；
查询所述视频数据库获取满足预设候选条件的视频并生成候选热点视频列表；
计算所述候选热点视频列表中每个候选热点视频的时长权重、上传时间权重、统计量权重及CMS权重，并统计每个候选热点视频的权重之和，根据所述权重之和将候选热点视频进行排列并输出。
7.根据权利要求6所述的自动预测热点视频的方法，其特征在于，所述查询所述视频数据库获取满足预设候选条件的视频并生成候选热点视频列表包括
判断所述视频数据库是否为视频信息库；
如果所述视频数据库为视频信息库，则获取所述视频信息库中预设时间段内每个视频的点击量、收藏量、评论量并分别进行排序；
分别获取排序前N的所述点击量、所述收藏量、所述评论量对应的视频，并将对应的视频生成候选热点视频列表判断子模块，用于判断所述视频数据库是否为视频信息库；
如果所述视频数据库为视频信息库，则获取所述视频信息库中预设时间段内每个视频的点击量、收藏量、评论量并分别进行排序；
分别获取排序前N的所述点击量、所述收藏量、所述评论量对应的视频，并将对应的视频生成候选热点视频列表。
8.根据权利要求6所述的自动预测热点视频的方法，其特征在于，所述查询所述视频数据库获取满足预设候选条件的视频并生成候选热点视频列表包括
如果所述视频数据库非所述视频信息库，则判断所述视频数据库是否为CMS数据库；
按照预设存储条件获取所述CMS数据库中M条视频，并将其生成候选热点视频列表。
9.根据权利要求6所述的自动预测热点视频的方法，其特征在于，所述计算所述候选热点视频列表中每个候选热点视频的总统计量，并统计预设时间段T内每个视频的新增的统计量，其中，统计量包括点击量、收藏量、顶踩量及评论总量包括
统计所述候选视频列表中每个候选视频的历史点击总量、历史收藏总量、历史顶/踩总量、历史评论总量；
统计预设时间端T内每个候选视频的点击量、收藏量、顶/踩量、评论量。
10.根据权利要求6所述的自动预测热点视频的方法，其特征在于，所述计算所述候选热点视频列表中每个候选热点视频的时长权重、上传时间权重、统计量权重及CMS权重，并统计每个候选热点视频的权重之和，根据所述权重之和将候选热点视频进行排列并输出包括
获取每个候选热点视频的时长、上传时间、点击量、收藏量、评论量；
根据所述点击量、收藏量、评论量计算每个所述候选热点视频的统计权重；
查询预设的权重关联关系，获取每个候选热点视频的时长、上传时间对应的时长权重、上传时间权重及CMS权重；
计算总计权重、时长权重、上传时间权重及CMS权重之和，根据每个所述候选热点视频权重之和的大小进行降序排序并输出。
CN201610712338.9A 2016-08-23 2016-08-23 一种自动预测热点视频的***及方法 Pending CN106339447A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610712338.9A CN106339447A (zh) 2016-08-23 2016-08-23 一种自动预测热点视频的***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610712338.9A CN106339447A (zh) 2016-08-23 2016-08-23 一种自动预测热点视频的***及方法

Publications (1)

Publication Number Publication Date
CN106339447A true CN106339447A (zh) 2017-01-18

Family

ID=57824496

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610712338.9A Pending CN106339447A (zh) 2016-08-23 2016-08-23 一种自动预测热点视频的***及方法

Country Status (1)

Country Link
CN (1) CN106339447A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107066565A (zh) * 2017-04-01 2017-08-18 上海诺悦智能科技有限公司 一种旅游热点预测***
CN108600780A (zh) * 2018-05-07 2018-09-28 上海掌门科技有限公司 用于推送信息的方法
CN109241348A (zh) * 2018-10-25 2019-01-18 成都品果科技有限公司 一种视频推荐方法及***
CN109688184A (zh) * 2018-08-21 2019-04-26 平安科技（深圳）有限公司 基于日志的资源调整方法、设备、存储介质及装置
CN110309397A (zh) * 2018-03-19 2019-10-08 北京数码视讯软件技术发展有限公司 视频筛选方法及***
CN111510783A (zh) * 2020-04-26 2020-08-07 咪咕动漫有限公司 确定视频曝光量的方法、装置、电子设备和存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110099488A1 (en) * 2009-10-26 2011-04-28 Verizon Patent And Licensing Inc. Method and apparatus for presenting video assets
CN103136280A (zh) * 2011-12-02 2013-06-05 盛乐信息技术（上海）有限公司 热点视频自动挖掘***及方法
CN103186595A (zh) * 2011-12-29 2013-07-03 盛乐信息技术（上海）有限公司 音视频推荐方法及***

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110099488A1 (en) * 2009-10-26 2011-04-28 Verizon Patent And Licensing Inc. Method and apparatus for presenting video assets
CN103136280A (zh) * 2011-12-02 2013-06-05 盛乐信息技术（上海）有限公司 热点视频自动挖掘***及方法
CN103186595A (zh) * 2011-12-29 2013-07-03 盛乐信息技术（上海）有限公司 音视频推荐方法及***

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107066565A (zh) * 2017-04-01 2017-08-18 上海诺悦智能科技有限公司 一种旅游热点预测***
CN110309397A (zh) * 2018-03-19 2019-10-08 北京数码视讯软件技术发展有限公司 视频筛选方法及***
CN108600780A (zh) * 2018-05-07 2018-09-28 上海掌门科技有限公司 用于推送信息的方法
CN108600780B (zh) * 2018-05-07 2020-10-16 上海掌门科技有限公司 用于推送信息的方法、电子设备、计算机可读介质
CN109688184A (zh) * 2018-08-21 2019-04-26 平安科技（深圳）有限公司 基于日志的资源调整方法、设备、存储介质及装置
WO2020037909A1 (zh) * 2018-08-21 2020-02-27 平安科技（深圳）有限公司 基于日志的资源调整方法、设备、存储介质及装置
CN109688184B (zh) * 2018-08-21 2021-09-21 平安科技（深圳）有限公司 基于日志的资源调整方法、设备、存储介质及装置
CN109241348A (zh) * 2018-10-25 2019-01-18 成都品果科技有限公司 一种视频推荐方法及***
CN109241348B (zh) * 2018-10-25 2022-03-22 成都品果科技有限公司 一种视频推荐方法及***
CN111510783A (zh) * 2020-04-26 2020-08-07 咪咕动漫有限公司 确定视频曝光量的方法、装置、电子设备和存储介质
CN111510783B (zh) * 2020-04-26 2022-06-03 咪咕动漫有限公司 确定视频曝光量的方法、装置、电子设备和存储介质

Similar Documents

Publication Publication Date Title
CN106339447A (zh) 一种自动预测热点视频的***及方法
CN112348602B (zh) 一种基于大数据的广告自动化投放管理***
CN105898209A (zh) 视频平台监控分析***
US6934687B1 (en) Computer architecture and method for supporting and analyzing electronic commerce over the world wide web for commerce service providers and/or internet service providers
CN102999586B (zh) 一种网站推荐的方法和装置
US8949315B2 (en) System and method for generating web analytic reports
CN103136280A (zh) 热点视频自动挖掘***及方法
CN106326413A (zh) 一种个性化视频推荐***及方法
CN105677767A (zh) 一种设备配置推荐方法和装置
CN103164481A (zh) 最大上升趋势视频的推荐方法及***
WO2012015657A2 (en) Systems and methods for managing electronic content
CN103136275A (zh) 个性化视频推荐***及方法
CN104462293A (zh) 搜索处理方法、生成搜索结果排序模型的方法和装置
CN106131703A (zh) 一种视频推荐的方法和终端
CN103870453A (zh) 数据推荐方法及***
CN104270654B (zh) 互联网视频播放监测方法和装置
CN102571404A (zh) 网站访问统计方法和网站访问统计***
CN104936023A (zh) 一种数字电视用户行为的大数据采集与分析方法及***
CN107493467B (zh) 一种视频质量评估方法及装置
US20110184815A1 (en) System and method for sharing profits with one or more content providers
CN101207788A (zh) 交互式网络电视***的收视率统计方法和***
CN103838754A (zh) 信息搜索装置及方法
CN103309894A (zh) 基于用户属性的搜索实现方法及***
US20060174261A1 (en) Method and system for quantifying viewer awareness of advertising images in a video source
CN104156356A (zh) 个性化导航页面生成方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170118

RJ01 Rejection of invention patent application after publication