CN109040844A - 一种获取视频热度的方法、装置及电子设备 - Google Patents

一种获取视频热度的方法、装置及电子设备 Download PDF

Info

Publication number
CN109040844A
CN109040844A CN201811120085.1A CN201811120085A CN109040844A CN 109040844 A CN109040844 A CN 109040844A CN 201811120085 A CN201811120085 A CN 201811120085A CN 109040844 A CN109040844 A CN 109040844A
Authority
CN
China
Prior art keywords
video
video file
file
data
time
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.)
Granted
Application number
CN201811120085.1A
Other languages
English (en)
Other versions
CN109040844B (zh
Inventor
孔晓晴
李百川
劳晓敏
陈铭伟
王秋文
陈第
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.)
Umi-Tech Co Ltd
Original Assignee
Umi-Tech 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 Umi-Tech Co Ltd filed Critical Umi-Tech Co Ltd
Priority to CN201811120085.1A priority Critical patent/CN109040844B/zh
Publication of CN109040844A publication Critical patent/CN109040844A/zh
Application granted granted Critical
Publication of CN109040844B publication Critical patent/CN109040844B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44204—Monitoring of content usage, e.g. the number of times a movie has been viewed, copied or the amount which has been watched
    • 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
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • 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
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Television Signal Processing For Recording (AREA)

Abstract

本申请公开了一种获取视频热度的方法、装置及电子设备，方法包括：获取至少一个视频文件及所述视频文件在至少一个预设视频指标上的视频指标数据；基于所述视频指标数据，获得所述视频文件的初始热度值及所述视频文件的时间衰减参数；利用所述时间衰减参数，对所述视频文件的初始热度值进行衰减计算，得到所述视频文件在目标时刻上的视频热度值。

Description

一种获取视频热度的方法、装置及电子设备
技术领域
本申请涉及互联网技术领域，特别涉及一种获取视频热度的方法、装置及电子设备。
背景技术
随着互联网的发展，用户可以通过各种应用平台向网络上传有趣的短视频分享给用户，而用户也可以通过应用平台对短视频进行播放、评论或转发等。目前，可以通过对这些应用平台上的短视频进行热度分析，热度分析的结果可以作为广告投放或者商业合作的依据。因此，视频热度分析的准确性尤为重要。
而现有技术中在对视频热度进行分析时，通常使用牛顿冷却定理对视频热度随时间变化的状态进行分析，即热度的冷却速度与时间呈指数式衰减，但是单纯的时间衰减并不能全面的衡量视频热度，导致视频热度分析的准确性较低。
发明内容
有鉴于此，本申请的目的在于提供一种获取视频热度的方法、装置及电子设备，用以解决现有技术中视频热度准确性较低的技术问题。
本申请提供了一种获取视频热度的方法，包括：
获取至少一个视频文件及所述视频文件在至少一个预设视频指标上的视频指标数据；
基于所述视频指标数据，获得所述视频文件的初始热度值及所述视频文件的时间衰减参数；
利用所述时间衰减参数，对所述视频文件的初始热度值进行衰减计算，得到所述视频文件在目标时刻上的视频热度值。
上述方法，优选的，基于所述视频指标数据，获得所述视频文件的时间衰减参数，包括：
获得所述视频指标数据中与预设的衰减标准参数相对应的衰减指标数据；
获得所述视频指标数据中的视频发布时刻；
基于所述衰减指标数据及所述视频发布时刻，获取所述视频文件在目标时刻上的时间衰减参数。
上述方法，优选的，基于所述衰减指标数据及所述视频发布时刻，获取所述视频文件在目标时刻上的时间衰减参数，包括：
获得所述视频文件在目标时刻的衰减指标数据与所述视频发布时刻的衰减指标数据之间的指标数据差值；
利用获得所述视频文件在目标时刻上的时间衰减参数；
其中，D为所述视频文件在目标时刻上的时间衰减参数，d为预设的衰减底数，T1为所述目标时刻，T2为所述视频发布时刻，Δ为指标数据差值，T1和T2的时间单位一致。
上述方法，优选的，在基于所述衰减指标数据及所述视频发布时刻，获取所述视频文件在目标时刻上的时间衰减参数之前，所述方法还包括：
判断所述视频发布时刻与目标时刻之间的间隔时长是否大于或等于预设的目标时长，如果是，确定所述视频文件在所述目标时刻上的时间衰减参数为预设的目标参数值，否则，执行所述基于所述衰减指标数据及所述视频发布时刻，获取所述视频文件在目标时刻上的时间衰减参数。
上述方法，优选的，基于所述视频指标数据，获得所述视频文件的初始热度值，包括：
确定所述视频指标数据中的目标指标数据；
获取所述视频指标数据中其他指标数据相对于所述目标指标数据的转化系数；
基于所述视频指标数据及各自的转化系数，计算得到所述视频文件的初始热度值。
上述方法，优选的，所述基于所述视频指标数据及各自的转化系数，计算得到所述视频文件的初始热度值，包括：
利用H＝(logN (∑(x*y)))2或者H＝(logN (∑(x*y+1)))2，计算得到所述视频文件的初始热度值；
其中，x为所述视频文件的视频指标数据，y为所述视频指标数据的转化系数，N为预设底数，H为所述视频文件的初始热度值。
上述方法，优选的，利用所述时间衰减参数，对所述视频文件的初始热度值进行衰减计算，得到所述视频文件在目标时刻上的视频热度值，包括：
将所述时间衰减参数乘以所述视频文件的初始热度值，得到的乘积结果即为所述视频文件在目标时刻上的视频热度值。
上述方法，优选的，所述视频文件为至少一个视频平台上的文件；
其中，所述基于所述视频指标数据，获得所述视频文件的初始热度值，包括：
获取所述视频平台的平台权重；
基于所述平台权重及所述视频指标数据，获得所述视频文件的初始热度值。
本申请还提供了一种获取视频热度的装置，包括：
数据获取单元，用于获取至少一个视频文件及所述视频文件在至少一个预设视频指标上的视频指标数据；
初始获取单元，用于基于所述视频指标数据，获得所述视频文件的初始热度值；
衰减获取单元，用于基于所述视频指标数据，获得所述视频文件的时间衰减参数；
热度计算单元，用于利用所述时间衰减参数，对所述视频文件的初始热度值进行衰减计算，得到所述视频文件在目标时刻上的视频热度值。
本申请还提供了一种电子设备，包括：
存储器，用于存储应用程序及应用程序运行所产生的数据；
处理器，用于执行所述应用程序，以实现功能：获取至少一个视频文件及所述视频文件在至少一个预设视频指标上的视频指标数据，基于所述视频指标数据，获得所述视频文件的初始热度值及所述视频文件的时间衰减参数，利用所述时间衰减参数，对所述视频文件的初始热度值进行衰减计算，得到所述是文件在目标时刻上的视频热度值。
由以上方案可知，本申请提供的一种获取视频热度的方法、装置及电子设备，在获取到视频文件及其视频指标数据之后，通过视频指标数据得到初始热度值及时间衰减参数之后，利用时间衰减参数对视频文件的初始热度值进行衰减计算，从而得到视频文件在目标时刻上的视频热度值。由此，本申请中通过视频指标数据来计算时间衰减参数并以此来对初始热度值进行衰减，将视频文件的指标数据也考虑到热度衰减的计算中，避免单从时间变化实现的热度衰减计算导致准确率较低的情况，从而得到更加准确的视频热度值。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例一提供的一种获取视频热度的方法的流程图；
图2为本申请实施例的应用示例图；
图3-图7分别为本申请实施例一提供的一种获取视频热度的方法的部分流程图；
图8为本申请实施例二提供的一种获取视频热度的装置的结构示意图；
图9为本申请实施例三提供的一种电子设备的结构示意图；
图10为本申请实施例提供的一种存储介质的结构示意图；
图11为本申请实施例提供的一种处理器的结构示意图。
具体实施方式
随着互联网的发展，各种网络平台都提供短视频的播放、转发、评论及点赞等服务。而短视频具有十分强的时效性，大多数都与当下热门的话题相关，或者带起热门的话题。因此，视频的已发布时间是衡量视频热度的重要指标。大部分时间衰减算法根据牛顿冷却定理，即热度的冷却速度与时间成指数式衰减。但单纯的时间衰减并不能全面的衡量视频热度，根据市场情况，视频热度大的视频会更多的被推荐给新用户，因而热度大的视频的时间衰减与热度小的视频是不同的，因此，在对视频的热度评估时需要将视频本身的情况如各种指标下的数据考虑进去，如果单从时间变化对视频热度进行衰减计算，会导致准确率较低。
为解决以上视频热度准确率较低的问题，本申请中提出将表征视频本身特性的数据如各种指标下的数据作为计算时间衰减参数的基础，从而在对视频计算出初始热度之后，利用更加准确的时间衰减参数对初始热度进行评估计算，从而达到提高视频热度准确率的目的。
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
参考图1，为本申请实施例一提供的一种获取视频热度的方法的流程图，本实施例中的方法适用于能够进行数据处理的设备中，如具有数据计算能力的计算机中，用于对短视频等视频文件的热度进行计算。
在本实施例中，该方法具体可以包括以下步骤：
步骤101：获取至少一个视频文件及视频文件在至少一个预设视频指标上的视频指标数据。
其中，本实施例中可以通过网络爬虫等技术在视频平台上获取到各种各样的多个视频文件，这些视频文件中每个视频文件均具有各种视频属性数据，这些视频属性数据对应于相应的目标时刻，且分属于相应的指标维度，对应于不同的预设视频指标，如播放指标、转发指标、点赞指标及发布时间指标等等，由此，本实施例中在获取到视频文件之后，对视频文件在各个预设视频指标上的视频指标数据进行获取，这些视频指标数据能够表征视频文件被用户访问的热度。
需要说明的是，视频文件的视频指标数据可以包括有视频播放量、视频转发量、视频点赞量及视频发布时刻或已发布时长(单位为天)等中的一种或任意组合，例如视频文件A具有视频播放量、视频转发量及视频点赞量，而视频文件B具有视频点赞量，视频文件C具有视频播放量，等等，也就是说，每个视频文件各自对应的预设视频指标可能相同也可能不同，每个视频文件在同一预设视频指标下的视频指标数据也可能相同也可能不同。
步骤102：基于视频指标数据，获得视频文件的初始热度值及视频文件的时间衰减参数。
其中，本实施例中可以通过对视频指标数据进行无量纲化处理，从而使得视频指标数据之间可以直接进行计算，从而得到视频文件的初始热度值。
而本实施例中在获取视频文件的时间衰减参数时，可以通过对视频指标数据相应的计算，结合视频文件的已发布时长等数据，得到视频文件的时间衰减参数，由此，提高时间衰减参数的准确性。
步骤103：利用时间衰减参数，对视频文件的初始热度值进行衰减计算，得到视频文件在目标时刻上的视频热度值。
其中，本实施例中可以通过时间衰减的计算公式或者模型，基于时间衰减参数对视频文件的初始热度值进行衰减计算，得到视频文件在目标时刻上的视频热度值。
需要说明的是，本实施例中的目标时刻可以为当前时刻，也可以为过去的某个时刻，目标时刻与获得时间衰减参数时所涉及的已发布时长及其他视频指标数据相对应，也就是说，目标时刻为从视频文件被发布后经过时间衰减参数对应的已发布时长后的时刻，且计算时间衰减参数时所涉及的视频指标数据为目标时刻上视频文件的视频指标数据，如图2中所示，由此，本实施例中可以通过改变时间衰减参数中的已发布时长及其他视频指标数据，来计算视频文件在发布后任意时刻上的视频热度值。
由以上方案可知，本申请实施例一提供的一种获取视频热度的方法，在获取到视频文件及其视频指标数据之后，通过视频指标数据得到初始热度值及时间衰减参数之后，利用时间衰减参数对视频文件的初始热度值进行衰减计算，从而得到视频文件在目标时刻上的视频热度值。由此，本实施例中通过视频指标数据来计算时间衰减参数并以此来对初始热度值进行衰减，将视频文件的指标数据也考虑到热度衰减的计算中，避免单从时间变化实现的热度衰减计算导致准确率较低的情况，从而得到更加准确的视频热度值。
在一种实现方式中，本实施例中步骤102在基于视频指标数据，获得视频文件的时间衰减参数时，具体可以通过以下方式实现，如图3中所示：
步骤301：获得视频指标数据中与预设的衰减标准参数相对应的衰减指标数据。
例如，本实施例中对于某一个视频文件，可以选择视频文件的至少一个视频指标数据中其中一个作为衰减指标数据，具体根据视频文件所包含的视频指标数据所对应的维度及热度计算需求中所设置的衰减标准参数来确定。例如，在包含有视频播放量、视频评论量、视频转发量及视频点赞量等视频指标数据的视频文件中，因为播放量是每日以较快的速度增长，增长速率远远快于点赞量和评论量，并且不需要登录就可以进行的操作，在所有指标数据中最能反映该视频文件的影响力和传播量的变化，因此预设的衰减标准参数可以为视频播放量参数，相应的，获得视频文件中的视频播放量数据作为衰减指标数据；而在包含有视频点赞量等视频指标数据的视频文件中，如对于某些视频平台中获取不到播放量，并且以点赞量作为热门指标数据，在相应的视频网页上是按照点赞量进行排序展示的，因此，在这种情况下预设的衰减参数可以为视频点赞量参数，相应的，获得视频文件中的视频点赞量数据作为衰减指标数据。
步骤302：获得视频指标数据中的视频发布时刻。
其中，视频发布时刻是指视频文件在视频平台上的上传完成视频发布的时刻，在此发布时刻起，用户可以在视频平台上点击播放视频文件、转发视频文件链接、对视频文件进行点赞等操作。
步骤303：基于衰减指标数据及视频发布时刻，获取视频文件在目标时刻上的时间衰减参数。
其中，本实施例中可以基于从视频发布时刻到目标时刻之间衰减指标数据的变化量来获取视频文件在目标时刻上的时间衰减参数。
具体的，本实施例步骤303中可以通过以下方式获取到时间衰减参数，如图4中所示：
步骤401：获得视频文件在目标时刻的衰减指标数据与视频发布时刻的衰减指标数据之间的指标数据差值。
例如，衰减指标数据可以为视频文件的视频播放量，那么本实施例中将视频文件在目标时刻的播放量a减去视频文件在视频发布时刻的播放量b，以得到指标数据差值，其中，a和b均为大于或等于0的正整数，且a大于或等于b，即指标数据差值Δ＝a-b。
步骤402：利用以下公式(1)，获得视频文件在目标时刻上的时间衰减参数。
其中，D为视频文件在目标时刻上的时间衰减参数，d为预设的衰减底数，T1为目标时刻，T2为所述视频发布时刻，Δ为指标数据差值，T1和T2的时间单位一致。
需要说明的是，本实施例中将指标数据的变化量考虑到时间衰减参数的计算中，例如，将最直观反应视频文件的传播情况的视频播放量的变化量考虑到时间衰减参数的计算中，因此本实施例中结合视频播放量对视频文件的视频热度进行衰减，除了时间变化，还基于视频文件本身的播放量(热度)变化，进而更加全面的衡量视频热度，避免单纯以时间变化对热度进行衰减而不考虑视频文件播放量本身变化导致视频热度准确性较低的情况，从而得到更为准确的时间衰减参数，并利用该时间衰减参数对视频文件的初始热度进行衰减计算，得到更为准确的视频热度值。
在本实施例中，可以设置d为大于0小于1的数，而d与自然数1的差值绝对值小于一定阈值，例如，d为0.98，即小于1且接近于1的数值，由此随着时间和播放量的变换，热度逐渐降低，但不会衰减速度过快。
需要说明的是，在实际的视频传播中，经过一段时间之后，视频文件的热度几乎不再随着时间变化而变化或者说热度到达一定程度后基本不变，因此，为了进一步提高时间衰减参数的准确性，本实施例中在步骤303之前，还可以包括有以下步骤，如图5中所示：
步骤304：判断视频文件的视频发布时刻与目标时刻之间的间隔时长是否大于或等于预设的目标时长，如果是，执行步骤305，否则，执行步骤303。
步骤305：确定视频文件在目标时刻上的时间衰减参数为预设的目标参数值。
其中，目标时长可以根据历史数据或者经验数据进行确定，如30天或者14天等。而视频发布时刻与目标时刻之间的间隔时长大于或等于目标时长，可以表征：由于历史浏览行为累计导致初始热度过高，不符合当前时间的热度表现，因此增加时间衰减作为视频热度的衡量标准之一，而当视频发布超过一定时间以后，视频的播放量固定不变，证明没有人再关注该视频，因此热度应该是大幅下降的，因此，为了进一步提高时间衰减参数的准确性，本实施例中不再执行步骤303，而是将视频文件的时间衰减参数设置为预设的目标参数值，如0.05或者其他数值，同时，设置目标参数值为时间衰减参数值，可以进一步减少计算量，从而提高视频文件热度获取的效率。
在一种实现方式中，本实施例中步骤102在基于视频指标数据，获得视频文件的初始热度值时，具体可以通过以下步骤实现，如图6中所示：
步骤601：确定视频指标数据中的目标指标数据。
其中，目标指标数据可以为视频指标数据中最直观反映视频传播情况的数据，如视频播放量等。
步骤602：获取视频指标数据中其他指标数据相对于目标指标数据的转化系数。
其中，目标指标数据反映视频文件的传播量级，而其他指标数据所反映的视频文件传播情况的准确性则可能比目标指标数据较低。例如，对于包含视频播放量、视频转发量及视频点赞量等数据视频文件，视频播放量能够反映出有多少人观看了多少次该视频，是衡量视频影响力的基本因素；视频评论量代表视频文件的交互量级，即有多少人对该视频发表自己的看法，由于存在视频平台不需要登录即可观看，但需要注册与登录才能评论，因此评论的代价相比观看更大，而该交互因素能直观地反映视频的话题度与热度；视频点赞量代表视频的受欢迎程度，与视频评论量不同，许多视频文件拥有负面的或者中立的(如发无关的广告)的评论，因此评论量并不能反映用户是否喜爱该视频文件的，而点赞量则直观地反应用户是否喜欢该视频文件，是完全正面的视频评价因素；与评论相同，点赞也需要注册登录。由于需要注册与登录，并需要用户对视频产生正面或负面的评价，因此评论数与点赞数的数量级别会远小于播放量。
因此，对于属于不同维度的各种视频指标数据所能够表征的视频文件传播量级是不同的，由此，本实施例中对视频文件的视频指标数据以目标指标数据为基准进行无量纲化，即维度整合，从而使得表征不同维度或属性的指标数据之间有可比性，可以直接进行计算等处理。例如对于播放量、评论数、点赞数来说，是属于不同维度的数据，一次播放量并不能等同于一次点赞数或一次评论数，因此在计算视频热度的时候需要将播放量、评论数、点赞数进行无量纲化，才能让表征不同属性的指标之间有可比性。
而在无量纲化时，可以通过计算视频指标数据中其他指标数据相对于目标指标数据的转换系数来实现。例如，视频的播放量与评论数、点赞数虽不是同一属性，但其之间的关系遵循一定规律，如一个视频的评论数相当于多少的播放量、点赞数相当于多少的播放量等，在同一视频平台内同应遵循同样的规律，因此可以根据视频平台的历史数据计算得出转化系数。
具体的，本实施例中可以通过获取目标指标数据及其他指标数据各自所对应的历史指标平均数据，并将历史指标平均数据进行计算，如将目标指标数据对应的历史指标平均数据除以其他指标数据对应的历史指标平均数据，得到其他指标数据相对于目标指标数据的转换系数。例如，将评论数与点赞数转化为与播放量相同的统一指标时，首先获取历史数据库中该视频平台的历史平均播放量、历史平均评论数、历史平均点赞数，再通过历史平均播放量/历史平均评论数，以及历史平均播放量/历史平均点赞数，即可得出该视频平台中评论数相对于播放量的转化系数和点赞数相对于播放量的转化系数。
需要说明的是，为了避免目标指标数据的数值过大而导致后续数据计算不准确的情况，可以设置目标指标数据相对于自己的转化系数，如设置为0.9，由此相对降低目标指标数据的量级，以进一步体现出其他指标数据在视频热度计算上的影响量级，提高热度准确性。
步骤603：基于视频指标数据及各自的转化系数，计算得到视频文件的初始热度值。
具体的，本实施例中可以将视频指标数据及各自的转化系数相乘并将乘积加和后再平方，最终得到视频文件的初始热度值。例如，视频文件的初始热度值＝(播放转化系数×播放量+评论转化系数×评论数+点赞转化系数×点赞数)2。
进一步的，由于视频文件的各个视频指标数据可能存在数值过大而导致最终得到的值相差不大或者相差过大，导致不准确的情况，本实施例中可以对视频指标数据与转化系数相乘后取对数值，再进行加和后再平方，最终得到更为准确的初始热度值。
而在取对数时，为了避免视频指标数据为0而导致无法进行计算的情况，可以对视频指标数据与转化系数相乘后加1，加1后的和再去对数，最终加和后再平方，得到初始热度值，进一步提高热度计算的准确性。
具体的，步骤603在基于视频指标数据及各自的转化系数，计算得到视频文件的初始热度值时，可以通过以下方式实现：
利用以下公式(2)或(3)，计算得到视频文件的初始热度值；
H＝(logN (∑(x*y)))2 公式(2)
H＝(logN (∑(x*y+1)))2 公式(3)
其中，x为视频文件的视频指标数据，y为视频指标数据的转化系数，N为预设底数，H为视频文件的初始热度值。
需要说明的是，N可以根据需求进行设置，如设置为自然底数e，而目标指标数据的转化系数为1或者0.9，由此在一定程度上降低基数，提高热度值所表征的视频文件热度的准确性。
在一种实现方式中，本实施例中步骤103在利用时间衰减参数，对视频文件的初始热度值进行衰减计算，得到视频文件在目标时刻上的视频热度值时，具体可以通过以下方式实现：
将时间衰减参数乘以视频文件的初始热度值，得到的乘积结果即为视频文件在目标时刻上的视频热度值。
其中，本实施例中可以通过以下公式(4)得到视频文件在目标时刻上的视频热度值：
H1＝H*D 公式(4)
其中，H1为视频文件在目标时刻的视频热度值，H为视频文件在目标时刻的初始热度值，D为视频文件在目标时刻的时间衰减参数。
在一种实现方式中，由于随着视频的火爆，各种视频平台层出不穷，而视频文件可能不止在一个视频平台上传播，不同的视频平台的用户覆盖人权、时长占有率都有极大差别。而视频平台的市场占有率直接影响视频文件的传播量和曝光度，在衡量每个视频或视频发布者的影响力之前，需要将视频平台的影响力也并入其中，以提高视频热度计算的准确性。由此，本实施例中步骤101所获取到的视频文件为至少一个视频平台上的视频文件，也就是说，本实施例中可以获取到不同视频平台上的视频文件，综合评价视频文件的视频热度。
其中，本实施例中步骤102中在基于视频指标数据，获得视频文件的初始热度值时，具体可以通过以下步骤实现，如图7中所示：
步骤701：获取视频平台的平台权重。
其中，本实施例中通过获取视频平台中的各项平台数据如平台配置数据及平台运行数据等综合计算视频平台的平台权重，其中，平台数据可以包括有：月均设备数、日均设备数、月有效时长、月均启动次数、以及月均设备数、日均设备数、月有效时长和月均启动次数各自的月环比增幅。例如，平台配置数据中设备数量越高，平台权重越大，而平台运行有效时长越高，平台权重就越大，等等。具体的，本实施例中对视频平台中的各项平台数据以一定的方式进行加和作为平台权重，或者对各项平台数据进行归一化处理后再加和后作为平台权重，从而避免因为数值过大而导致最终得到的值相差不大或者相差过大，导致平台权重不准确的情况。由此，本实施例中通过对平台数据进行归一化，如对各项平台数据取对数后，使得平台数据处于同一数量级，之后再加和，从而提高平台权重的计算准确性。
具体的，在视频平台的各项平台数据之间，由于平台数据的种类不同，使得不同的平台数据对视频平台的平台权重的影响不同，因此，为了让各项平台数据的数值处于同一区间，以使得各项平台数据对视频平台的平台权重影响相同，本实施例中可以首先对平台数据取对数后，通过确定视频平台的预设权重区间，并基于权重区间获取视频平台中平台数据的区间参数，进而对取对数后的平台数据乘以相应的区间参数后进行加和，得到平台权重。
例如，对月均设备数、日均设备数据、月有效时长、月均启动次数分别取对数后，得到：ln(月均设备数)、ln(日均设备数据)、ln(月有效时长)、ln(月均启动次数)，之后，将各对数乘以相应的区间参数，如0.2*(0.1*ln(月均设备数))、0.2*(0.1*ln(日均设备数))、0.2*(0.08*ln(月有效时长))、0.2*(0.08*ln(月均启动次数))+0.07*(0.01*月设备环比增幅+0.01*日设备环比增幅+0.01*月时长环比增幅)，得到平台权重。
需要说明的是，本实施例中可以根据历史数据或者需求获取平台数据的区间参数，例如，根据区间最大值和最小值所表征的范围来确定各平台数据的区间参数，使得取对数后的平台数据乘以归一化参数之后能够都处于这一区间中。
另外，以上权重计算方案是本实施例中在第一个月且只有这一个月的平台数据的情况下的计算情况。因为在平台权重的计算中假设每项平台数据的影响幅度是相同的，那么将各项平台数据取log值是为了将各项数据归一化，那么第一个月的计算因为只有每项平台数据只有一个月的数据，就不能进行比较，因此根据平台数据的数值大小取log值，从第二个月开始，归一化方法需要改变，具体的：
从第二个月开始，平台权重的计算中，对平台数据的归一化从ln(月均设备数)改为月均设备数/max(月均设备数)，max(月均设备数)为在统计周期内数值最大的月均设备数，如1月的月均设备数比2、3月的月均设备数都大，则max(月均设备数)取1月的月均设备数。
相应的，日均设备数、月有效时长、月均启动次数归一方法同月均设备数。而月环比增幅计算方法不变。
之后，每项平台数据归一化以后，将每项数据乘以0.2，加上月环比增幅权重，公式为：0.2*(本月月均设备数/max(月均设备数))+0.2*(本月日均设备数据/max(日均设备数))+0.2*(本月月有效时长/max(月有效时长))+0.2*(本月月均启动次数/max(月均启动次数))+月环比增幅，每项数据例如0.2*(本月月均设备数/max(月均设备数))的数值区间在(0,0.2)，月环比增幅区间在(-0.2,0.2)，五项数据相加区间在(-0.2,1)。
为了缩小数据的区间，减少极端数据的影响，本实施例中可以进一步将平台权重值修改为0.5+0.5*平台权重，修改后平台权重区间为(0.4，1)。而这里的0.5可以为预设值，用以将平台权重区间处于所需要的区间中，提高数据准确性。
步骤702：基于平台权重及视频指标数据，获得视频文件的初始热度值。
具体的，本实施例中可以首先基于视频指标数据获得视频文件的初始热度值，具体可以参考前文中相应内容，之后，将平台权重与初始热度值进行相乘，得到更准确的初始热度值。
另外，由于各视频平台的传播量级不同，导致最终计算出的各视频平台上的视频热度值可能差异较大，为此，为了让视频热度值之间能够进行比较，可以将视频热度值置于一个固定的控制值范围内处于同一水平，如50到10000的范围，而在具体的范围调整时，可以将计算出的视频热度值乘以一个基数即可。这里的基数可以根据数据库历史数据确定，具体的根据数据库中的热度均值来确定，例如，热度值均值在5000，最大值在10000，相应的，区间范围为50到10000，将小于50的热度值改为50，将超过10000的热度值改为10000，进而将视频热度值处于50到10000之间的范围内，从而直观的了解到不同视频平台上的视频文件之间的热度差异。
参考图8，为本申请提供的一种获取视频热度的装置的结构示意图，该装置可以设置在能够进行数据处理的设备中，如具有数据计算能力的计算机中，用于对视频文件的热度进行计算。
在本实施例中，该装置可以包括以下结构：
数据获取单元801，用于获取至少一个视频文件及视频文件在至少一个预设视频指标上的视频指标数据。
其中，本实施例中数据获取单元801可以通过网络爬虫等技术在视频平台上获取到各种各样的多个视频文件，这些视频文件中每个视频文件均具有各种视频属性数据，这些视频属性数据对应于相应的目标时刻，且分属于相应的指标维度，对应于不同的预设视频指标，如播放指标、转发指标、点赞指标及发布时间指标等等，由此，本实施例中在获取到视频文件之后，对视频文件在各个预设视频指标上的视频指标数据进行获取，这些视频指标数据能够表征视频文件被用户访问的热度。
需要说明的是，视频文件的视频指标数据可以包括有视频播放量、视频转发量、视频点赞量及视频发布时刻或已发布时长等中的一种或任意组合，例如视频文件A具有视频播放量、视频转发量及视频点赞量，而视频文件B具有视频点赞量，视频文件C具有视频播放量，等等，也就是说，每个视频文件各自对应的预设视频指标可能相同也可能不同，每个视频文件在同一预设视频指标下的视频指标数据也可能相同也可能不同。
初始获取单元802，用于基于视频指标数据，获得视频文件的初始热度值。
其中，本实施例中初始获取单元802可以通过对视频指标数据进行无量纲化处理，从而使得视频指标数据之间可以直接进行计算，从而得到视频文件的初始热度值。
衰减获取单元803，用于基于视频指标数据，获得视频文件的时间衰减参数。
其中，本实施例中衰减获取单元803在获取视频文件的时间衰减参数时，可以通过对视频指标数据相应的计算，结合视频文件的已发布时长等数据，得到视频文件的时间衰减参数，由此，提高时间衰减参数的准确性。
热度计算单元804，用于利用时间衰减参数，对视频文件的初始热度值进行衰减计算，得到视频文件在目标时刻上的视频热度值。
其中，本实施例中热度计算单元804可以通过时间衰减的计算公式或者模型，基于时间衰减参数对视频文件的初始热度值进行衰减计算，得到视频文件在目标时刻上的视频热度值。
需要说明的是，本实施例中的目标时刻可以为当前时刻，也可以为过去的某个时刻，目标时刻与获得时间衰减参数时所涉及的已发布时长及其他视频指标数据相对应，也就是说，目标时刻为从视频文件被发布后经过时间衰减参数对应的已发布时长后的时刻，且计算时间衰减参数时所涉及的视频指标数据为目标时刻上视频文件的视频指标数据，如图2中所示，由此，本实施例中可以通过改变时间衰减参数中的已发布时长及其他视频指标数据，来计算视频文件在发布后任意时刻上的视频热度值。
由以上方案可知，本申请实施例二提供的一种获取视频热度的装置，在获取到视频文件及其视频指标数据之后，通过视频指标数据得到初始热度值及时间衰减参数之后，利用时间衰减参数对视频文件的初始热度值进行衰减计算，从而得到视频文件在目标时刻上的视频热度值。由此，本实施例中通过视频指标数据来计算时间衰减参数并以此来对初始热度值进行衰减，将视频文件的指标数据也考虑到热度衰减的计算中，避免单从时间变化实现的热度衰减计算导致准确率较低的情况，从而得到更加准确的视频热度值。
在一种实现方式中，本实施例中衰减获取单元803在基于视频指标数据，获得视频文件的时间衰减参数时，具体可以通过以下方式实现：
首先，获得视频指标数据中与预设的衰减标准参数相对应的衰减指标数据，之后，获得视频指标数据中的视频发布时刻，进而基于衰减指标数据及视频发布时刻，获取视频文件在目标时刻上的时间衰减参数。
例如，本实施例中对于某一个视频文件，可以选择视频文件的至少一个视频指标数据中其中一个作为衰减指标数据，具体根据视频文件所包含的视频指标数据所对应的维度及热度计算需求中所设置的衰减标准参数来确定。例如，在包含有视频播放量、视频评论量、视频转发量及视频点赞量等视频指标数据的视频文件中，因为播放量是每日以较快的速度增长，增长速率远远快于点赞量和评论量，并且不需要登录就可以进行的操作，在所有指标数据中最能反映该视频文件的影响力和传播量的变化，因此预设的衰减标准参数可以为视频播放量参数，相应的，获得视频文件中的视频播放量数据作为衰减指标数据；而在包含有视频点赞量等视频指标数据的视频文件中，如对于某些视频平台中获取不到播放量，并且以点赞量作为热门指标数据，在相应的视频网页上是按照点赞量进行排序展示的，因此，在这种情况下预设的衰减参数可以为视频点赞量参数，相应的，获得视频文件中的视频点赞量数据作为衰减指标数据。
其中，视频发布时刻是指视频文件在视频平台上的上传完成视频发布的时刻，在此发布时刻起，用户可以在视频平台上点击播放视频文件、转发视频文件链接、对视频文件进行点赞等操作。
具体的，衰减获取单元803可以基于从视频发布时刻到目标时刻之间衰减指标数据的变化量来获取视频文件在目标时刻上的时间衰减参数，例如，在获得视频文件在目标时刻的衰减指标数据与视频发布时刻的衰减指标数据之间的指标数据差值之后，利用公式(1)获得视频文件在目标时刻上的时间衰减参数。具体可以参考前文中相应内容，此处不再详述。
可见，本实施例中将指标数据的变化量考虑到时间衰减参数的计算中，例如，将最直观反应视频文件的传播情况的视频播放量的变化量考虑到时间衰减参数的计算中，因此本实施例中结合视频播放量对视频文件的视频热度进行衰减，除了时间变化，还基于视频文件本身的播放量(热度)变化，进而更加全面的衡量视频热度，避免单纯以时间变化对热度进行衰减而不考虑视频文件播放量本身变化导致视频热度准确性较低的情况，从而得到更为准确的时间衰减参数，并利用该时间衰减参数对视频文件的初始热度进行衰减计算，得到更为准确的视频热度值。
需要说明的是，在实际的视频传播中，经过一段时间之后，视频文件的热度几乎不再随着时间变化而变化或者说热度到达一定程度后基本不变，因此，为了进一步提高时间衰减参数的准确性，本实施例中衰减获取单元803在获取到视频文件的视频发布时刻之后，对视频发布时刻与目标时刻之间的间隔时长是否大于或等于目标时长进行判断，如果是，可见视频发布超过一定时间以后，视频的播放量固定不变表征没有人再关注该视频，因此热度应该是大幅下降的，那么为了进一步提高时间衰减参数的准确性，本实施例中不再基于衰减指标数据及视频发布时刻，获取视频文件在目标时刻上的时间衰减参数，而是将视频文件的时间衰减参数设置为预设的目标参数值，如0.05或者其他数值，同时，设置目标参数值为时间衰减参数值，可以进一步减少计算量，从而提高视频文件热度获取的效率。
而本实施例中初始获取单元802在基于视频指标数据，获得视频文件的初始热度值时，具体可以通过以下方式实现：
首先，确定所述视频指标数据中的目标指标数据；其次，获取所述视频指标数据中其他指标数据相对于所述目标指标数据的转化系数；最后，基于所述视频指标数据及各自的转化系数，计算得到所述视频文件的初始热度值。具体的，可以利用公式(2)或公式(3)计算得到所述视频文件的初始热度值。
其中，本实施例中热度计算单元804可以将时间衰减参数乘以视频文件的初始热度值，得到的乘积结果即为视频文件在目标时刻上的视频热度值。
另外，本实施例中数据获取单元801所获取到的视频文件可以为至少一个视频平台上的文件，相应的，初始获取单元802可以首先获取视频平台的平台权重，再基于平台权重及视频指标数据获得视频文件的初始热度值。
需要说明的是，本实施例中各结构的具体技术实现可以参考前文中相应内容，此处不再详述。
参考图9，为本申请实施例三提供的一种电子设备的结构示意图，该电子设备可以为部署有数据计算环境的服务器等设备。
在本实施例中，该电子设备可以包括有：
存储器901，用于存储应用程序及应用程序运行所产生的数据。
其中，存储器901可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
处理器902，用于执行所述应用程序，以实现功能：获取至少一个视频文件及视频文件在至少一个预设视频指标上的视频指标数据，基于视频指标数据，获得视频文件的初始热度值及视频文件的时间衰减参数，利用时间衰减参数，对视频文件的初始热度值进行衰减计算，得到是文件在目标时刻上的视频热度值。
具体的，处理器902中包含内核，由内核去存储器中调取相应的程序单元，内核可以设置一个或多个，通过调整内核参数来获取至少一个视频文件及视频文件在至少一个预设视频指标上的视频指标数据，基于视频指标数据，获得视频文件的初始热度值及视频文件的时间衰减参数，利用时间衰减参数，对视频文件的初始热度值进行衰减计算，得到是文件在目标时刻上的视频热度值。
由以上方案可知，本申请实施例三提供的一种电子设备，通过在获取到视频文件及其视频指标数据之后，通过视频指标数据得到初始热度值及时间衰减参数之后，利用时间衰减参数对视频文件的初始热度值进行衰减计算，从而得到视频文件在目标时刻上的视频热度值。由此，本实施例中通过视频指标数据来计算时间衰减参数并以此来对初始热度值进行衰减，将视频文件的指标数据也考虑到热度衰减的计算中，避免单从时间变化实现的热度衰减计算导致准确率较低的情况，从而得到更加准确的视频热度值。
以下以A、B、C三个视频平台上的视频热度评估为例，对本申请实施例中的实现方案进行举例说明：
首先，计算各视频平台的平台权重：
例如，首先计算得出对于平台权重有影响的各个量ln(月均设备数)、ln(日均设备数)、ln(月有效时长)、ln(月均启动次数)的值为同一数量级，都可转化为区间为(0,1)的权重进行计算，如：
月均设备数权重＝0.1*ln(月均设备数)；
日均设备数权重＝0.1*ln(日均设备数)；
月有效时长权重＝0.08*ln(月有效时长)；
月均启动次数权重＝0.08*ln(月均启动次数)；
以上权重的区间都为(0,1)；
环比增幅权重＝0.07*(0.01*月设备环比增幅+0.01*日设备环比增幅+0.01*月时长环比增幅)
环比增幅权重的区间为(-0.2,0.2)，环比增幅取百分比。
由此，平台权重＝0.2*月均设备数权重+0.2*日均设备数权重+0.2*月有效时长权重+0.2*月均启动次数权重+环比增幅权重，即为：0.2*(0.1*ln(月均设备数)+0.2*(0.1*ln(日均设备数)+0.2*(0.08*ln(月有效时长))+0.2*(0.08*ln(月均启动次数))+0.07*(0.01*月设备环比增幅+0.01*日设备环比增幅+0.01*月时长环比增幅)。
由此得到A、B、C各自的平台权重分别为：0.91333417、0.709466593、0.37954178。
之后，对每个视频平台中获取到的各个视频文件计算初始热度值：
参考前文中方案，每个视频平台的视频热度根据原始数据参照基数通过计算公式推导出来的标量数值，用以衡量原始数据在其所属维度(播放量、评论数、点赞数)的相对位置与相对表现，进而转换为其指数；热度区间设置为(50,10000)，衰减的衡量标准都为日均播放量(不同视频平台可以根据实际情况设置衡量标准)；热度计算调整后，因为都是与自身平台的数据进行位置对比，各个平台热度的幅度较为统一，减少了因为某个平台的播放量、评论数、点赞数特别大而热度比远远比其他平台的热度大的问题。
例如，采用以下方式计算视频文件的初始热度值：
初始热度值(ln(count_all))2＝(ln(0.9*播放量+评论映射系数*评论数+点赞映射系数*点赞数))2。或者，初始热度值(ln(count_all))2＝(ln(0.9*播放量+评论映射系数*评论数+点赞映射系数*点赞数+1))2，以避免因为播放量、评论数及点赞数等均为0使得0.9*播放量+评论映射系数*评论数+点赞映射系数*点赞数的值为0时导致计算失败的情况。
其中，评论映射系数及点赞映射系数即为前文中所涉及的转化系数。而由于评论数与点赞数权重比播放量少，对播放量乘以0.9，从而减少只有刷播放量的作弊视频热度过高的可能性。
另外，对视频文件计算时间衰减：
例如，可以在视频文件的发布时长不超过目标时长如14天或30天时，计算以d为底发布时长除以播放变化量的指数，作为时间衰减参数，而在视频文件的发布时长超过目标时长如14天或30天时，直接设置时间衰减参数为0.05等数值。
最后，计算视频文件的视频热度值：
利用视频热度值Hot＝平台权重source_weight*数值40(或者其他均值)*((ln(count_all))2)*时间衰减参数delta_days_weight。
可见，本实施例中视频热度综合了视频指标(播放量、点赞数、评论数等)、时间衰减、平台权重进行计算，多维度考虑视频的影响力，进一步提高视频热度计算的准确性。
本发明实施例提供了一种存储介质，如图10中所示，该存储介质处于设备上，如图9所示的电子设备上，而该存储介质上存储有程序，该程序运行时控制该存储介质所在的设备执行图1至图7中所描述或展示的获取视频热度的方法。
本发明实施例提供了一种处理器，如图11中所示，该处理器用于运行程序，该程序可以为图10所示的存储介质中存储的程序，由此，处理器通过运行程序执行图1至图7中所描述或展示的获取视频热度的方法。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序代码：获取至少一个视频文件及视频文件在至少一个预设视频指标上的视频指标数据，基于视频指标数据，获得视频文件的初始热度值及视频文件的时间衰减参数，利用时间衰减参数，对视频文件的初始热度值进行衰减计算，得到是文件在目标时刻上的视频热度值。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种获取视频热度的方法、装置及电子设备进行了详细介绍，对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种获取视频热度的方法，其特征在于，包括：
获取至少一个视频文件及所述视频文件在至少一个预设视频指标上的视频指标数据；
基于所述视频指标数据，获得所述视频文件的初始热度值及所述视频文件的时间衰减参数；
利用所述时间衰减参数，对所述视频文件的初始热度值进行衰减计算，得到所述视频文件在目标时刻上的视频热度值。
2.根据权利要求1所述的方法，其特征在于，基于所述视频指标数据，获得所述视频文件的时间衰减参数，包括：
获得所述视频指标数据中与预设的衰减标准参数相对应的衰减指标数据；
获得所述视频指标数据中的视频发布时刻；
基于所述衰减指标数据及所述视频发布时刻，获取所述视频文件在目标时刻上的时间衰减参数。
3.根据权利要求2所述的方法，其特征在于，基于所述衰减指标数据及所述视频发布时刻，获取所述视频文件在目标时刻上的时间衰减参数，包括：
获得所述视频文件在目标时刻的衰减指标数据与所述视频发布时刻的衰减指标数据之间的指标数据差值；
利用获得所述视频文件在目标时刻上的时间衰减参数；
其中，D为所述视频文件在目标时刻上的时间衰减参数，d为预设的衰减底数，T1为所述目标时刻，T2为所述视频发布时刻，Δ为所述指标数据差值，T1和T2的时间单位一致。
4.根据权利要求2所述的方法，其特征在于，在基于所述衰减指标数据及所述视频发布时刻，获取所述视频文件在目标时刻上的时间衰减参数之前，所述方法还包括：
判断所述视频发布时刻与目标时刻之间的间隔时长是否大于或等于预设的目标时长，如果是，确定所述视频文件在所述目标时刻上的时间衰减参数为预设的目标参数值，否则，执行所述基于所述衰减指标数据及所述视频发布时刻，获取所述视频文件在目标时刻上的时间衰减参数。
5.根据权利要求1或2所述的方法，其特征在于，基于所述视频指标数据，获得所述视频文件的初始热度值，包括：
确定所述视频指标数据中的目标指标数据；
获取所述视频指标数据中其他指标数据相对于所述目标指标数据的转化系数；
基于所述视频指标数据及各自的转化系数，计算得到所述视频文件的初始热度值。
6.根据权利要求5所述的方法，其特征在于，所述基于所述视频指标数据及各自的转化系数，计算得到所述视频文件的初始热度值，包括：
利用H＝(logN (∑(x*y)))2或者H＝(logN (∑(x*y+1)))2，计算得到所述视频文件的初始热度值；
其中，x为所述视频文件的视频指标数据，y为所述视频指标数据的转化系数，N为预设底数，H为所述视频文件的初始热度值。
7.根据权利要求1或2所述的方法，其特征在于，利用所述时间衰减参数，对所述视频文件的初始热度值进行衰减计算，得到所述视频文件在目标时刻上的视频热度值，包括：
将所述时间衰减参数乘以所述视频文件的初始热度值，得到的乘积结果即为所述视频文件在目标时刻上的视频热度值。
8.根据权利要求1或2所述的方法，其特征在于，所述视频文件为至少一个视频平台上的文件；
其中，所述基于所述视频指标数据，获得所述视频文件的初始热度值，包括：
获取所述视频平台的平台权重；
基于所述平台权重及所述视频指标数据，获得所述视频文件的初始热度值。
9.一种获取视频热度的装置，其特征在于，包括：
数据获取单元，用于获取至少一个视频文件及所述视频文件在至少一个预设视频指标上的视频指标数据；
初始获取单元，用于基于所述视频指标数据，获得所述视频文件的初始热度值；
衰减获取单元，用于基于所述视频指标数据，获得所述视频文件的时间衰减参数；
热度计算单元，用于利用所述时间衰减参数，对所述视频文件的初始热度值进行衰减计算，得到所述视频文件在目标时刻上的视频热度值。
10.一种电子设备，其特征在于，包括：
存储器，用于存储应用程序及应用程序运行所产生的数据；
处理器，用于执行所述应用程序，以实现功能：获取至少一个视频文件及所述视频文件在至少一个预设视频指标上的视频指标数据，基于所述视频指标数据，获得所述视频文件的初始热度值及所述视频文件的时间衰减参数，利用所述时间衰减参数，对所述视频文件的初始热度值进行衰减计算，得到所述是文件在目标时刻上的视频热度值。
CN201811120085.1A 2018-09-25 2018-09-25 一种获取视频热度的方法、装置及电子设备 Active CN109040844B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811120085.1A CN109040844B (zh) 2018-09-25 2018-09-25 一种获取视频热度的方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811120085.1A CN109040844B (zh) 2018-09-25 2018-09-25 一种获取视频热度的方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN109040844A true CN109040844A (zh) 2018-12-18
CN109040844B CN109040844B (zh) 2021-09-10

Family

ID=64618249

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811120085.1A Active CN109040844B (zh) 2018-09-25 2018-09-25 一种获取视频热度的方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN109040844B (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109462777A (zh) * 2018-12-21 2019-03-12 广州酷狗计算机科技有限公司 视频热度更新方法、装置、终端及存储介质
CN110213671A (zh) * 2019-06-04 2019-09-06 北京奇艺世纪科技有限公司 一种热点短视频确定方法和装置
CN110245274A (zh) * 2019-04-23 2019-09-17 五八有限公司 一种标签热度计算方法、装置、电子设备和存储介质
CN111125028A (zh) * 2019-12-25 2020-05-08 腾讯音乐娱乐科技（深圳）有限公司 识别音频文件的方法、装置、服务器及存储介质
CN111385657A (zh) * 2018-12-28 2020-07-07 广州市百果园信息技术有限公司 视频推荐方法、装置及存储介质、计算机设备
CN111597448A (zh) * 2020-05-15 2020-08-28 北京奇艺世纪科技有限公司 一种信息的热度的确定方法、装置及电子设备
CN111681036A (zh) * 2020-04-30 2020-09-18 有米科技股份有限公司 广告活跃度的预估实现方法及装置
CN111861606A (zh) * 2019-04-29 2020-10-30 浙江大搜车软件技术有限公司 车型热度的计算方法及装置、电子设备、存储介质
CN111953969A (zh) * 2020-08-21 2020-11-17 湖南快乐阳光互动娱乐传媒有限公司 视频质量评估方法及装置
CN112583801A (zh) * 2020-12-02 2021-03-30 张仕文 基于大数据的网络异常行为检测***及其方法
CN114925942A (zh) * 2022-07-22 2022-08-19 道有道科技集团股份公司 基于数据分析的视频热度预测方法和装置
CN114968030A (zh) * 2022-06-09 2022-08-30 合众新能源汽车有限公司 一种自适应个性化菜单的呈现方法、呈现装置和计算机可读介质
CN114968029A (zh) * 2022-06-09 2022-08-30 合众新能源汽车有限公司 一种基于众包的受欢迎菜单呈现方法、呈现装置和计算机可读介质
CN118093934A (zh) * 2024-04-26 2024-05-28 广东茉莉数字科技集团股份有限公司 一种基于短视频内容推荐热度的推送方法及***

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101079727A (zh) * 2006-05-24 2007-11-28 中兴通讯股份有限公司 一种流媒体数据内容管理方法
US20100241757A1 (en) * 2007-10-23 2010-09-23 Maowei Hu System and Method for Storing Streaming Media File
US20100257560A1 (en) * 2009-04-07 2010-10-07 Sony Corporation Information processing apparatus, information processing method, program, information providing apparatus, information providing method, and information processing system
CN106028155A (zh) * 2016-06-22 2016-10-12 深圳大学 对网络视频流行度的演化分析方法及***
CN106202475A (zh) * 2016-07-18 2016-12-07 合网络技术（北京）有限公司 一种视频推荐列表的推送方法及装置
CN107105320A (zh) * 2017-03-07 2017-08-29 上海交通大学 一种基于用户情绪的在线视频热度预测方法及***
CN107295358A (zh) * 2016-08-31 2017-10-24 北京师范大学珠海分校 一种云环境下的3d流媒体存储方法
CN107705005A (zh) * 2017-09-27 2018-02-16 吴殿义 一种影视内容价值评估方法
CN107707964A (zh) * 2016-08-08 2018-02-16 华为软件技术有限公司 预测视频内容热度的方法和装置
CN108228598A (zh) * 2016-12-14 2018-06-29 腾讯科技（北京）有限公司 媒体信息排序方法、服务器和***
CN108304399A (zh) * 2017-01-12 2018-07-20 武汉斗鱼网络科技有限公司 网络内容的推荐方法及装置

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101079727A (zh) * 2006-05-24 2007-11-28 中兴通讯股份有限公司 一种流媒体数据内容管理方法
US20100241757A1 (en) * 2007-10-23 2010-09-23 Maowei Hu System and Method for Storing Streaming Media File
US20100257560A1 (en) * 2009-04-07 2010-10-07 Sony Corporation Information processing apparatus, information processing method, program, information providing apparatus, information providing method, and information processing system
CN106028155A (zh) * 2016-06-22 2016-10-12 深圳大学 对网络视频流行度的演化分析方法及***
CN106202475A (zh) * 2016-07-18 2016-12-07 合网络技术（北京）有限公司 一种视频推荐列表的推送方法及装置
CN107707964A (zh) * 2016-08-08 2018-02-16 华为软件技术有限公司 预测视频内容热度的方法和装置
CN107295358A (zh) * 2016-08-31 2017-10-24 北京师范大学珠海分校 一种云环境下的3d流媒体存储方法
CN108228598A (zh) * 2016-12-14 2018-06-29 腾讯科技（北京）有限公司 媒体信息排序方法、服务器和***
CN108304399A (zh) * 2017-01-12 2018-07-20 武汉斗鱼网络科技有限公司 网络内容的推荐方法及装置
CN107105320A (zh) * 2017-03-07 2017-08-29 上海交通大学 一种基于用户情绪的在线视频热度预测方法及***
CN107705005A (zh) * 2017-09-27 2018-02-16 吴殿义 一种影视内容价值评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
姚越越等: "基于视频热度分析的广播通信混合架构", 《信息技术》 *

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109462777A (zh) * 2018-12-21 2019-03-12 广州酷狗计算机科技有限公司 视频热度更新方法、装置、终端及存储介质
CN109462777B (zh) * 2018-12-21 2021-05-07 广州酷狗计算机科技有限公司 视频热度更新方法、装置、终端及存储介质
CN111385657A (zh) * 2018-12-28 2020-07-07 广州市百果园信息技术有限公司 视频推荐方法、装置及存储介质、计算机设备
CN110245274A (zh) * 2019-04-23 2019-09-17 五八有限公司 一种标签热度计算方法、装置、电子设备和存储介质
CN111861606A (zh) * 2019-04-29 2020-10-30 浙江大搜车软件技术有限公司 车型热度的计算方法及装置、电子设备、存储介质
CN110213671A (zh) * 2019-06-04 2019-09-06 北京奇艺世纪科技有限公司 一种热点短视频确定方法和装置
CN111125028B (zh) * 2019-12-25 2023-10-24 腾讯音乐娱乐科技（深圳）有限公司 识别音频文件的方法、装置、服务器及存储介质
CN111125028A (zh) * 2019-12-25 2020-05-08 腾讯音乐娱乐科技（深圳）有限公司 识别音频文件的方法、装置、服务器及存储介质
CN111681036A (zh) * 2020-04-30 2020-09-18 有米科技股份有限公司 广告活跃度的预估实现方法及装置
CN111681036B (zh) * 2020-04-30 2023-12-08 有米科技股份有限公司 广告活跃度的预估实现方法及装置
CN111597448A (zh) * 2020-05-15 2020-08-28 北京奇艺世纪科技有限公司 一种信息的热度的确定方法、装置及电子设备
CN111953969A (zh) * 2020-08-21 2020-11-17 湖南快乐阳光互动娱乐传媒有限公司 视频质量评估方法及装置
CN111953969B (zh) * 2020-08-21 2022-11-11 湖南快乐阳光互动娱乐传媒有限公司 视频质量评估方法及装置
CN112583801B (zh) * 2020-12-02 2022-06-07 深圳第一线通信有限公司 基于大数据的网络异常行为检测***及其方法
CN112583801A (zh) * 2020-12-02 2021-03-30 张仕文 基于大数据的网络异常行为检测***及其方法
CN114968030A (zh) * 2022-06-09 2022-08-30 合众新能源汽车有限公司 一种自适应个性化菜单的呈现方法、呈现装置和计算机可读介质
CN114968029A (zh) * 2022-06-09 2022-08-30 合众新能源汽车有限公司 一种基于众包的受欢迎菜单呈现方法、呈现装置和计算机可读介质
CN114925942A (zh) * 2022-07-22 2022-08-19 道有道科技集团股份公司 基于数据分析的视频热度预测方法和装置
CN118093934A (zh) * 2024-04-26 2024-05-28 广东茉莉数字科技集团股份有限公司 一种基于短视频内容推荐热度的推送方法及***

Also Published As

Publication number Publication date
CN109040844B (zh) 2021-09-10

Similar Documents

Publication Publication Date Title
CN109040844A (zh) 一种获取视频热度的方法、装置及电子设备
CN109275031A (zh) 一种视频的热度评估方法、装置及电子设备
Thomas Measuring risk-aversion: The challenge
Luciano et al. A multivariate jump-driven financial asset model
CN105787061B (zh) 信息推送方法
Sudret Analytical derivation of the outcrossing rate in time-variant reliability problems
Kothiyal et al. An experimental test of prospect theory for predicting choice under ambiguity
Solibakke Scientific stochastic volatility models for the salmon forward market: forecasting (un-) conditional moments
CN107909428A (zh) 电子装置、产品推荐方法和计算机可读存储介质
Huang et al. A generalized birth–death stochastic model for high-frequency order book dynamics
Chen et al. Economic statistical design for x-bar control charts under non-normal distributed data with Weibull in-control time
Glaser et al. Arbitrage-free approximation of call price surfaces and input data risk
Alfonsi et al. Optimal execution and price manipulations in time-varying limit order books
Liu et al. Introduction to sample size choice for confidence intervals based on t statistics
Chiou et al. Semiparametric accelerated failure time modeling for clustered failure times from stratified sampling
US9754272B2 (en) System and method for quadratic, near-quadratic, and convex voting in various types of research and voting
Karmitsa et al. Adaptive limited memory bundle method for bound constrained large-scale nonsmooth optimization
Canals-Cerdá et al. Arriving in time: Estimation of English auctions with a stochastic number of bidders
Yang et al. Parameterized bilinear programming methodology for solving triangular intuitionistic fuzzy number bimatrix games
Álvarez-Mozos et al. Characterizations of power indices based on null player free winning coalitions
Di Persio et al. An ambit stochastic approach to pricing electricity forward contracts: The case of the German energy market
Dehbozorgi et al. Comparison of artificial neural networks and prediction models for reference evapotranspiration estimation in a semi-arid region
Beaman et al. Measuring and correcting response heaping arising from the use of prototypes
Yuan et al. Estimating sensitivities of temperature-based weather derivatives
Beinhofer et al. Correlations in Lévy interest rate models

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant