CN109275031A - 一种视频的热度评估方法、装置及电子设备 - Google Patents
一种视频的热度评估方法、装置及电子设备 Download PDFInfo
- Publication number
- CN109275031A CN109275031A CN201811119111.9A CN201811119111A CN109275031A CN 109275031 A CN109275031 A CN 109275031A CN 201811119111 A CN201811119111 A CN 201811119111A CN 109275031 A CN109275031 A CN 109275031A
- Authority
- CN
- China
- Prior art keywords
- video
- platform
- data
- video file
- file
- 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
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
- H04N21/45—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
-
- 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
- H04N21/45—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)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种视频的热度评估方法、装置及电子设备,方法包括:获取至少一个视频平台上的视频文件及所述视频文件在至少一个预设指标上的视频指标数据;获得所述视频平台的平台权重;基于所述视频指标数据,获得所述视频文件的初始热度值;利用所述平台权重,对所述视频文件的初始热度值进行计算,得到所述视频文件的视频热度值。由此,本申请中通过计算各视频平台各自的平台权重,从而可以利用平台权重来对视频文件的视频热度进行评估,即使对于不同平台上的视频也能够利用平台权重来消除平台不同所引起的无法评估的情况,由此本申请中能够对于处于不同平台的视频进行热度评估,进而不同平台上的视频之间的热度能够进行比较。
Description
技术领域
本申请涉及互联网技术领域,特别涉及一种视频的热度评估方法、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,视频往往在不同的各种各样的应用平台上进行传播,而不同平台之间的行为指标不同,使得同一视频在不同平台上的传播热度无法进行比较。
因此,亟需一种能够在不同平台之间进行视频热度评估的方案。
发明内容
有鉴于此,本申请的目的在于提供一种视频的热度评估方法、装置及电子设备,用以解决现有技术中无法对不同平台之间的视频热度进行评估的技术问题。
本申请提供了一种视频的热度评估方法,包括:
获取至少一个视频平台上的视频文件及所述视频文件在至少一个预设指标上的视频指标数据;
获得所述视频平台的平台权重;
基于所述视频指标数据,获得所述视频文件的初始热度值;
利用所述平台权重,对所述视频文件的初始热度值进行计算,得到所述视频文件的视频热度值。
上述方法,优选的,获得所述视频平台的平台权重,包括:
获得所述视频平台的至少一项平台数据;
基于所述平台数据,获得所述视频平台的平台权重。
上述方法,优选的,基于所述平台数据,获得所述视频平台的平台权重,包括:
对所述平台数据进行归一化处理后加和,得到所述视频文件的平台权重。
上述方法,优选的,对所述平台数据进行归一化处理后加和,包括:
对所述平台数据取对数;
确定所述视频平台的预设权重区间;
基于所述权重区间获取所述视频平台中所述平台数据的区间参数;
对取对数后的平台数据乘以相应的区间参数之后,再进行加和,得到所述视频平台的平台权重。
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:
基于所述视频指标数据,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,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,利用所述平台权重,对所述视频文件的初始热度值进行计算,得到所述视频文件的视频热度值,包括:
将所述平台权重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的视频热度值。
上述方法,优选的,还包括:
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;
利用所述时间衰减参数对所述视频文件的视频热度值进行衰减计算,得到所述视频文件在目标时刻的视频热度值。
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;
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。
本申请还提供了一种视频的热度评估装置,包括:
数据获取单元,用于获取至少一个视频平台上的视频文件及所述视频文件在至少一个预设指标上的视频指标数据;
平台获得单元,用于获得所述视频平台的平台权重;
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;
热度获得单元,用于利用所述平台权重,对所述视频文件的初始热度值进行计算,得到所述视频文件的视频热度值。
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:获取至少一个视频平台上的视频文件及所述视频文件在至少一个预设指标上的视频指标数据;获得所述视频平台的平台权重;基于所述视频指标数据,获得所述视频文件的初始热度值;利用所述平台权重,对所述视频文件的初始热度值进行计算,得到所述视频文件的视频热度值。
由以上方案可知,本申请提供的一种视频的热度评估方法、装置及电子设备,在获取到各视频平台上的视频文件之后,获取这些视频文件的视频指标数据,通过获取视频平台的平台权重,从而利用平台权重对基于视频指标数据获取到的初始热度值进行计算,得到视频文件的视频热度。由此,本申请中通过计算各视频平台各自的平台权重,从而可以利用平台权重来对视频文件的视频热度进行评估,即使对于不同平台上的视频也能够利用平台权重来消除平台不同所引起的无法评估的情况,由此本申请中能够对于处于不同平台的视频进行热度评估,进而不同平台上的视频之间的热度能够进行比较。
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视频的热度评估方法的流程图;
图2-图4分别为本申请实施例一提供的一种视频的热度评估方法的部分流程图;
图5为本申请实施例一提供的一种视频的热度评估方法的另一流程图;
图6-图8分别为本申请实施例一提供的一种视频的热度评估方法的部分流程图;
图9为本申请实施例一提供的一种视频的热度评估方法的又一流程图;
图10为本申请实施例二提供的一种视频的热度评估装置的结构示意图;
图11为本申请实施例三提供的一种电子设备的结构示意图;
图12为本申请实施例提供的一种存储介质的结构示意图;
图13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
随着互联网的发展及短视频的火爆,涌现出大量视频平台,但各平台的用户覆盖人数、市场占有率都有极大差别。视频平台的市场占有率直接影响视频的传播量与曝光度,在衡量每个视频或视频发布者的影响力以前,需要将视频发布平台的影响力也并入其中。目前对于短视频和短视频发布者影响的方法基本集中在对单个平台内的视频或者视频发布者进行分析,很少人综合每个视频平台的影响力对视频进行研究。
为解决以上不同视频平台之间视频热度无法进行评估的问题,本申请中提出通过获取视频平台的平台权重,从而利用平台权重对视频热度进行评估由此,达到不同平台之间视频热度能够进行评估的目的。
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视频的热度评估方法的流程图,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:获取至少一个视频平台上的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各个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,视频平台不同,相应视频平台上为视频文件所设置的维度可能是相同也可能是不同的,不同视频平台上的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:获取视频平台的平台权重。
其中,本实施例中可以通过评估视频平台上的平台配置情况如设备数量及平台运行数据如运行时长等平台数据来获取视频平台的平台权重。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。
步骤103: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。
步骤104:利用平台权重,对视频文件的初始热度值进行计算,得到视频文件的视频热度值。
其中,本实施例中可以通过将平台权重乘以视频文件的初始热度值,从而将得到的乘积结果作为视频文件的视频热度值。
由以上方案可知,本申请实施例一提供的一种视频的热度评估方法,在获取到各视频平台上的视频文件之后,获取这些视频文件的视频指标数据,通过获取视频平台的平台权重,从而利用平台权重对基于视频指标数据获取到的初始热度值进行计算,得到视频文件的视频热度。由此,本实施例中通过计算各视频平台各自的平台权重,从而可以利用平台权重来对视频文件的视频热度进行评估,即使对于不同平台上的视频也能够利用平台权重来消除平台不同所引起的无法评估的情况,由此本实施例中能够对于处于不同平台的视频进行热度评估,进而不同平台上的视频之间的热度能够进行比较。
在一种实现方式中,本实施例中步骤102可以通过以下方式实现,如图2中所示:
步骤201:获得视频平台的至少一项平台数据。
其中,视频平台的平台数据可以为平台中表征平台运行性能的数据,如平台物理硬件配置数据及平台运行状态数据等,具体可以包括有:月均设备数、日均设备数、月有效时长、月均启动次数。另外,这些平台数据还具有各自的数据变化趋势参数,如月均设备数、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,等等。
具体的,本实施例中可以通过对各视频平台利用网络爬虫对平台数据进行获取,或者可以在与视频平台相关联的第三方设备中读取视频平台的平台数据。
步骤202:基于平台数据,获得视频平台的平台权重。
也就是说,本实施例中基于视频平台自身的各项平台数据获取视频平台的平台权重,并用于视频平台上的视频热度评估中,从而使得各视频平台上的视频热度同属一个比较量级,从而实现不同视频平台上的视频热度评估。
由此,本实施例中,每个视频平台的月均设备数、日均设备数、月有效时长、月均启动次数能客观地反映视频平台的市场占有率,而月均设备数、日均设备数、月有效时长、月均启动次数的月环比增幅则反映了视频平台的发展趋势,加入环比增幅能动态地计算视频平台的影响力,从而提高计算出的平台权重的准确性。
具体的,步骤202在基于平台数据获取平台权重时,可以通过以下方式实现:
将平台数据进行归一化处理后加和,得到视频文件的平台权重。
例如,可以将各个平台数据的值直接进行加和,得到视频平台的平台权重。
但是,由于在实际应用中,各平台数据类型不同,且平台数据的值可能会存在数值较大的情况,从而导致直接加和可能会导致计算准确性较差的情况,为此,本实施例中可以在步骤202基于平台数据获取平台权重之前,首先对平台数据进行归一化计算,例如,对各个平台数据取对数值计算或者其他归一化处理操作,由此,使得各项平台数据处于同一数量级,从而在经过加和后得到的平台权重的准确性较高。
具体的,由于在视频平台的各项平台数据之间,由于平台数据的类型不同,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,本实施例中步骤202具体可以通过以下步骤实现,如图3中所示:
步骤301:对平台数据取对数。
例如,对平台数据中月均设备数、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)。而月均设备数、日均设备数、月有效时长和月均启动次数各项平台数据的月环比增幅的原始数据为0-100的数值,因此,0.01*月环比增幅即为百分比值,对于月环比增幅无需再进行对数取值,以0.01*月环比增幅即作为归一化的月环比增幅,如为了将月环比增幅权重的区间控制在(-0.2,0.2),通过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)或者0.07*(月设备环比增幅百分比+日设备环比增幅+月时长环比增幅百分比),即可得到月环比增幅的初始归一化值。
步骤302: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。
步骤303:对取对数后的平台数据乘以相应的区间参数之后,再进行加和,得到视频平台的平台权重。
其中,本实施例中为了进一步将平台数据的数值统一在一个区间,让每项平台数据对平台权重的影响相同,具体的,可以根据平台数据归一化后的数据区间如(0,1),来确定视频平台的预设权重区间,如(0,1),之后根据预设权重区间来确定每项平台数据对应的区间参数,例如,5个平台数据,而权重区间为(0,1),那么区间参数可以为0.2,如果在权重区间(0,1)下有10个平台数据,那么区间参数可以为0.1,之后,将取对数后的平台数据乘以相应的区间参数,并将乘积加和,以此得到平台权重。例如,总共有5个平台数据,每个平台数据的区间为(0,1),最终权重区间为(0,1),则最终的平台权重为0.2×数据1+0.2×数据2+0.2×数据3+0.2×数据4+0.2*数据5。
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区间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。
另外,由于各个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,可以将视频热度值只有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。
在一种实现方式中,本实施例中步骤103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4中所示:
步骤401:基于视频指标数据,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402: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403: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。
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,本实施例中为了使得视频指标数据中如播放数、评论数及点赞数等数值比较大的视频指标数据进行缩放,从而让区间减小,让视频指标能够更好的进行比较,可以对视频指标数据与转化系数相乘并加和后,取对数值后再平方,最终得到更为准确的初始热度值。例如,视频文件的初始热度值=(log(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。
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403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(1)或(2),计算得到视频文件的初始热度值;
H=(logN(∑(x*y)))2 公式(1)
H=(logN(∑(x*y+1)))2 公式(2)
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。
在实际应用中,视频的热度会随着时间的持续而变化,而为了进一步提高时间对视频热度衰减计算的准确性,本实施例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。
具体的,本实施例中在步骤104得到视频热度值之后,还可以包括以下步骤,如图5中所示:
步骤105:基于视频指标数据,获得视频文件的时间衰减参数。
也就是说或,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。具体可以通过以下方式实现,如图6所示:
步骤601: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、视频转发量及视频点赞量等视频指标数据的视频文件中,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,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602: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603: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603中可以通过以下方式获取到时间衰减参数,如图7中所示:
步骤701: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702:利用以下公式(3),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603之前,还可以包括有以下步骤,如图8中所示:
步骤604: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605,否则,执行步骤603。
步骤605: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。
步骤106:利用时间衰减参数对视频文件的视频热度值进行衰减计算,得到视频文件在目标时刻的视频热度值。
在一种实现方式中,本实施例中步骤106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。
另外,参考图9所示,本实施例中在步骤104之后,还可以包括以下步骤:
步骤107:基于视频热度值,对平台权重进行修正,以获得新的视频热度值。
也就是说,本实施例中可以通过视频热度值对视频热度评估中的参数件校正,如视频指标数据的无量纲化校正、各平台权重校正以及平台中区间参数校正等,以提高最终得到的视频热度值的准确性。
参考图10,为本申请提供的一种视频的热度评估装置的结构示意图,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1001,用于获取至少一个视频平台上的视频文件及视频文件在至少一个预设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各个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,视频平台不同,相应视频平台上为视频文件所设置的维度可能是相同也可能是不同的,不同视频平台上的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。
平台获得单元1002,用于获得视频平台的平台权重。
其中,本实施例中可以通过评估视频平台上的平台配置情况如设备数量及平台运行数据如运行时长等平台数据来获取视频平台的平台权重。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。
初始获取单元1003,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。
热度获得单元1004,用于利用平台权重,对视频文件的初始热度值进行计算,得到视频文件的视频热度值。
其中,本实施例中可以通过将平台权重乘以视频文件的初始热度值,从而将得到的乘积结果作为视频文件的视频热度值。
由以上方案可知,本申请实施例二提供的一种视频的热度评估装置,在获取到各视频平台上的视频文件之后,获取这些视频文件的视频指标数据,通过获取视频平台的平台权重,从而利用平台权重对基于视频指标数据获取到的初始热度值进行计算,得到视频文件的视频热度。由此,本实施例中通过计算各视频平台各自的平台权重,从而可以利用平台权重来对视频文件的视频热度进行评估,即使对于不同平台上的视频也能够利用平台权重来消除平台不同所引起的无法评估的情况,由此本实施例中能够对于处于不同平台的视频进行热度评估,进而不同平台上的视频之间的热度能够进行比较。
在一种实现方式中,平台获得单元1002具体可以通过获得视频平台的至少一项平台数据,并对平台数据进行归一化,从而对归一化的平台数据乘以相应的区间参数,再进行加和,从而得到视频平台的平台权重。
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11,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1101,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1101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1102,用于执行所述应用程序,以实现功能:获取至少一个视频平台上的视频文件及视频文件在至少一个预设指标上的视频指标数据;获得视频平台的平台权重;基于视频指标数据,获得视频文件的初始热度值;利用平台权重,对视频文件的初始热度值进行计算,得到视频文件的视频热度值。
具体的,处理器1102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平台上的视频文件及视频文件在至少一个预设指标上的视频指标数据;获得视频平台的平台权重;基于视频指标数据,获得视频文件的初始热度值;利用平台权重,对视频文件的初始热度值进行计算,得到视频文件的视频热度值。
由以上方案可知,本申请实施例三提供的一种电子设备,通过在获取到各视频平台上的视频文件之后,获取这些视频文件的视频指标数据,通过获取视频平台的平台权重,从而利用平台权重对基于视频指标数据获取到的初始热度值进行计算,得到视频文件的视频热度。由此,本实施例中通过计算各视频平台各自的平台权重,从而可以利用平台权重来对视频文件的视频热度进行评估,即使对于不同平台上的视频也能够利用平台权重来消除平台不同所引起的无法评估的情况,由此本实施例中能够对于处于不同平台的视频进行热度评估,进而不同平台上的视频之间的热度能够进行比较。
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(ln(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,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12中所示,该存储介质处于设备上,如图11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9中所描述或展示的视频的热度评估方法。
本发明实施例提供了一种处理器,如图13中所示,该处理器用于运行程序,该程序可以为图12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9中所描述或展示的视频的热度评估方法。
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:获取至少一个视频平台上的视频文件及视频文件在至少一个预设指标上的视频指标数据;获得视频平台的平台权重;基于视频指标数据,获得视频文件的初始热度值;利用平台权重,对视频文件的初始热度值进行计算,得到视频文件的视频热度值。
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视频的热度评估方法、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 (11)
1.一种视频的热度评估方法,其特征在于,包括:
获取至少一个视频平台上的视频文件及所述视频文件在至少一个预设指标上的视频指标数据;
获得所述视频平台的平台权重;
基于所述视频指标数据,获得所述视频文件的初始热度值;
利用所述平台权重,对所述视频文件的初始热度值进行计算,得到所述视频文件的视频热度值。
2.根据权利要求1所述的方法,其特征在于,获得所述视频平台的平台权重,包括:
获得所述视频平台的至少一项平台数据;
基于所述平台数据,获得所述视频平台的平台权重。
3.根据权利要求2所述的方法,其特征在于,基于所述平台数据,获得所述视频平台的平台权重,包括:
将所述平台数据进行归一化处理后加和,得到所述视频平台的平台权重。
4.根据权利要求3所述的方法,其特征在于,将所述平台数据进行归一化处理后加和,包括:
对所述平台数据取对数;
确定所述视频平台的预设权重区间;
基于所述权重区间获取所述视频平台中所述平台数据的区间参数;
对取对数后的平台数据乘以相应的区间参数之后,再进行加和,得到所述视频平台的平台权重。
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:
基于所述视频指标数据,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,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,利用所述平台权重,对所述视频文件的初始热度值进行计算,得到所述视频文件的视频热度值,包括:
将所述平台权重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,还包括:
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;
利用所述时间衰减参数对所述视频文件的视频热度值进行衰减计算,得到所述视频文件在目标时刻的视频热度值。
9.根据权利要求8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;
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。
10.一种视频的热度评估装置,其特征在于,包括:
数据获取单元,用于获取至少一个视频平台上的视频文件及所述视频文件在至少一个预设指标上的视频指标数据;
平台获得单元,用于获得所述视频平台的平台权重;
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;
热度获得单元,用于利用所述平台权重,对所述视频文件的初始热度值进行计算,得到所述视频文件的视频热度值。
11.一种电子设备,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:获取至少一个视频平台上的视频文件及所述视频文件在至少一个预设指标上的视频指标数据;获得所述视频平台的平台权重;基于所述视频指标数据,获得所述视频文件的初始热度值;利用所述平台权重,对所述视频文件的初始热度值进行计算,得到所述视频文件的视频热度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811119111.9A CN109275031B (zh) | 2018-09-25 | 2018-09-25 | 一种视频的热度评估方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811119111.9A CN109275031B (zh) | 2018-09-25 | 2018-09-25 | 一种视频的热度评估方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109275031A true CN109275031A (zh) | 2019-01-25 |
CN109275031B CN109275031B (zh) | 2021-09-28 |
Family
ID=65198315
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811119111.9A Active CN109275031B (zh) | 2018-09-25 | 2018-09-25 | 一种视频的热度评估方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109275031B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110458360A (zh) * | 2019-08-13 | 2019-11-15 | 腾讯科技(深圳)有限公司 | 热门资源的预测方法、装置、设备及存储介质 |
CN110765283A (zh) * | 2019-10-22 | 2020-02-07 | 北京念童科技有限公司 | 一种多媒体产业数据的统计方法 |
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 |
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 |
CN111681035A (zh) * | 2020-04-30 | 2020-09-18 | 有米科技股份有限公司 | 活跃广告的活跃度预估方法及装置 |
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 |
CN111695929A (zh) * | 2020-04-30 | 2020-09-22 | 有米科技股份有限公司 | 对非活跃广告进行活跃度预估的方法及装置 |
CN111797235A (zh) * | 2020-06-19 | 2020-10-20 | 成都融微软件服务有限公司 | 基于时间衰减因子的文本实时聚类方法 |
CN112565814A (zh) * | 2019-09-26 | 2021-03-26 | 腾讯科技(深圳)有限公司 | 视频发布方法、装置、存储介质及服务器 |
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 |
CN113688310A (zh) * | 2021-07-23 | 2021-11-23 | 北京中科闻歌科技股份有限公司 | 一种内容推荐方法、装置、设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102799587A (zh) * | 2011-05-25 | 2012-11-28 | 腾讯科技(深圳)有限公司 | 一种论坛搜索方法和装置 |
CN103365902A (zh) * | 2012-03-31 | 2013-10-23 | 北大方正集团有限公司 | 互联网新闻的评估方法和装置 |
CN103605754A (zh) * | 2013-11-22 | 2014-02-26 | 北京飞流九天科技有限公司 | 用于对应用进行排名的方法和设备 |
WO2014055446A1 (en) * | 2012-10-02 | 2014-04-10 | Nextbit, Inc. | Application state synchronization across multiple devices |
CN105335517A (zh) * | 2015-11-06 | 2016-02-17 | 努比亚技术有限公司 | 选择热度多媒体的方法及终端 |
CN106658087A (zh) * | 2016-09-23 | 2017-05-10 | 东软集团股份有限公司 | 基于新媒体的电视台影响力指数计算方法及装置 |
CN106776892A (zh) * | 2016-11-30 | 2017-05-31 | 北京红马传媒文化发展有限公司 | 基于音乐平台数据评估音乐作品网络关注数据方法及*** |
CN107239497A (zh) * | 2017-05-02 | 2017-10-10 | 广东万丈金数信息技术股份有限公司 | 热门内容搜索方法和*** |
-
2018
- 2018-09-25 CN CN201811119111.9A patent/CN109275031B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102799587A (zh) * | 2011-05-25 | 2012-11-28 | 腾讯科技(深圳)有限公司 | 一种论坛搜索方法和装置 |
CN103365902A (zh) * | 2012-03-31 | 2013-10-23 | 北大方正集团有限公司 | 互联网新闻的评估方法和装置 |
WO2014055446A1 (en) * | 2012-10-02 | 2014-04-10 | Nextbit, Inc. | Application state synchronization across multiple devices |
CN103605754A (zh) * | 2013-11-22 | 2014-02-26 | 北京飞流九天科技有限公司 | 用于对应用进行排名的方法和设备 |
CN105335517A (zh) * | 2015-11-06 | 2016-02-17 | 努比亚技术有限公司 | 选择热度多媒体的方法及终端 |
CN106658087A (zh) * | 2016-09-23 | 2017-05-10 | 东软集团股份有限公司 | 基于新媒体的电视台影响力指数计算方法及装置 |
CN106776892A (zh) * | 2016-11-30 | 2017-05-31 | 北京红马传媒文化发展有限公司 | 基于音乐平台数据评估音乐作品网络关注数据方法及*** |
CN107239497A (zh) * | 2017-05-02 | 2017-10-10 | 广东万丈金数信息技术股份有限公司 | 热门内容搜索方法和*** |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110458360A (zh) * | 2019-08-13 | 2019-11-15 | 腾讯科技(深圳)有限公司 | 热门资源的预测方法、装置、设备及存储介质 |
CN110458360B (zh) * | 2019-08-13 | 2023-07-18 | 腾讯科技(深圳)有限公司 | 热门资源的预测方法、装置、设备及存储介质 |
CN112565814A (zh) * | 2019-09-26 | 2021-03-26 | 腾讯科技(深圳)有限公司 | 视频发布方法、装置、存储介质及服务器 |
CN110765283B (zh) * | 2019-10-22 | 2023-08-25 | 北京念童科技有限公司 | 一种多媒体产业数据的统计方法 |
CN110765283A (zh) * | 2019-10-22 | 2020-02-07 | 北京念童科技有限公司 | 一种多媒体产业数据的统计方法 |
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 |
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 |
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 |
CN111695929A (zh) * | 2020-04-30 | 2020-09-22 | 有米科技股份有限公司 | 对非活跃广告进行活跃度预估的方法及装置 |
CN111681035A (zh) * | 2020-04-30 | 2020-09-18 | 有米科技股份有限公司 | 活跃广告的活跃度预估方法及装置 |
CN111681035B (zh) * | 2020-04-30 | 2024-04-09 | 有米科技股份有限公司 | 活跃广告的活跃度预估方法及装置 |
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 |
CN111797235B (zh) * | 2020-06-19 | 2024-01-26 | 成都融微软件服务有限公司 | 基于时间衰减因子的文本实时聚类方法 |
CN111797235A (zh) * | 2020-06-19 | 2020-10-20 | 成都融微软件服务有限公司 | 基于时间衰减因子的文本实时聚类方法 |
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 |
CN113688310A (zh) * | 2021-07-23 | 2021-11-23 | 北京中科闻歌科技股份有限公司 | 一种内容推荐方法、装置、设备及存储介质 |
CN113688310B (zh) * | 2021-07-23 | 2023-08-29 | 北京中科闻歌科技股份有限公司 | 一种内容推荐方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109275031B (zh) | 2021-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109275031A (zh) | 一种视频的热度评估方法、装置及电子设备 | |
CN109040844A (zh) | 一种获取视频热度的方法、装置及电子设备 | |
Luciano et al. | A multivariate jump-driven financial asset model | |
Thomas | Measuring risk-aversion: The challenge | |
Antman et al. | Poverty traps and nonlinear income dynamics with measurement error and individual heterogeneity | |
Kothiyal et al. | An experimental test of prospect theory for predicting choice under ambiguity | |
Cai et al. | Optimal reinsurance with expectile | |
Huang et al. | Regression-based Monte Carlo methods for stochastic control models: Variable annuities with lifelong guarantees | |
Almendral et al. | On American options under the Variance Gamma process | |
US20110208684A1 (en) | Collaborative networking with optimized information quality assessment | |
Doh | Long‐run risks in the term structure of interest rates: estimation | |
Alfonsi et al. | Optimal execution and price manipulations in time-varying limit order books | |
Zhang et al. | “Smooth” semiparametric regression analysis for arbitrarily censored time-to-event data | |
Cioffi | Completing projects according to plans: an earned-value improvement index | |
Mohawesh et al. | Comparison of Hargreaves and FAO56 equations for estimating monthly evapotranspiration for semi-arid and arid environments | |
Goutte et al. | Variance optimal hedging for continuous time additive processes and applications | |
CN109815403A (zh) | 一种样本筛选方法及装置 | |
Battauz et al. | Real options with a double continuation region | |
Xia et al. | Data envelopment analysis based on choquet integral | |
Frikha et al. | Joint modelling of gas and electricity spot prices | |
Bajo et al. | The risk-shifting effect and the value of a warrant | |
Browne et al. | Simulating market power in the New Zealand electricity market | |
Yang et al. | Parameterized bilinear programming methodology for solving triangular intuitionistic fuzzy number bimatrix games | |
Bannör et al. | On the calibration of distortion risk measures to bid-ask prices | |
Álvarez-Mozos et al. | Characterizations of power indices based on null player free winning coalitions |
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 |