CN109327739A - 一种视频处理方法、装置、计算设备和存储介质 - Google Patents
一种视频处理方法、装置、计算设备和存储介质 Download PDFInfo
- Publication number
- CN109327739A CN109327739A CN201811425810.6A CN201811425810A CN109327739A CN 109327739 A CN109327739 A CN 109327739A CN 201811425810 A CN201811425810 A CN 201811425810A CN 109327739 A CN109327739 A CN 109327739A
- Authority
- CN
- China
- Prior art keywords
- recorded broadcast
- video
- efficiency index
- target user
- live streaming
- 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
- H04N21/43—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]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/21—Server components or server architectures
- H04N21/218—Source of audio or video content, e.g. local disk arrays
- H04N21/2187—Live feed
-
- 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
- H04N21/433—Content storage operation, e.g. storage operation in response to a pause request, caching operations
- H04N21/4334—Recording operations
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本发明实施例公开了一种视频处理方法、装置、计算设备和存储介质。该方法包括:对目标用户发布的录播视频统计录播行为数据;根据所述录播行为数据对所述目标用户计算录播效果指数;将所述录播效果指数输入至预设的直播预测模型中,以预测所述目标用户主持直播视频视的直播效果指数。使用直播预测模型预测直播效果指数,从而按照直播效果指数选择合适的目标用户开设直播视频的业务,保证目标用户主持直播视频时的效果,提升平台的资源利用率。
Description
技术领域
本发明实施例涉及直播的技术,尤其涉及一种视频处理方法、装置、计算设备和存储介质。
背景技术
随着网络科技的发展,尤其是移动终端的广泛普及,短视频等录播视频发展迅猛。
由于直播可作为视频主维护与观众之间关系的重要工具之一,越来越多平台在原有的录播视频的基础上,新开展直播业务,让视频主同时维护录播视频和直播视频。
但是,录播视频和直播视频是两个不同性质的业务,而部分视频主可以适应录播视频的特性,但不一定适应直播视频的特性,使得部分视频主在主持直播视频时效果较差,导致平台的资源利用率低。
发明内容
本发明实施例提供一种视频处理方法、装置、计算设备和存储介质,以解决使得部分视频主在主持直播视频时效果较差,导致平台的资源利用率低的问题。
第一方面,本发明实施例提供了一种视频处理方法,包括:
对样本用户发布的录播视频统计录播行为数据;
对所述样本用户主持的直播视频统计直播行为数据;
根据所述录播行为数据对所述样本用户计算录播效果指数;
根据所述直播行为数据对所述样本用户计算直播效果指数;
训练直播预测模型,以拟合所述录播效果指数与所述直播效果指数之间的相关性。
第二方面,本发明实施例还提供了一种视频处理方法,包括:
对目标用户发布的录播视频统计录播行为数据;
根据所述录播行为数据对所述目标用户计算录播效果指数;
将所述录播效果指数输入至预设的直播预测模型中,以预测所述目标用户主持直播视频视的直播效果指数。
第三方面,本发明实施例还提供了一种视频处理装置,包括:
样本录播行为数据统计模块,用于对样本用户发布的录播视频统计录播行为数据;
样本直播行为数据统计模块,用于对所述样本用户主持的直播视频统计直播行为数据;
样本录播效果指数计算模块,用于根据所述录播行为数据对所述样本用户计算录播效果指数;
样本直播效果指数计算模块,用于根据所述直播行为数据对所述样本用户计算直播效果指数;
直播预测模型训练模块,用于训练直播预测模型,以拟合所述录播效果指数与所述直播效果指数之间的相关性。
第四方面,本发明实施例还提供了一种视频处理装置,包括:
目标录播行为数据统计模块,用于对目标用户发布的录播视频统计录播行为数据;
目标录播效果指数计算模块,用于根据所述录播行为数据对所述目标用户计算录播效果指数;
目标直播效果指数预测模块,用于将所述录播效果指数输入至预设的直播预测模型中,以预测所述目标用户主持直播视频视的直播效果指数。
第五方面,本发明实施例还提供了一种计算设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现第一方面或第二方面提供的视频处理方法。
第六方面,本发明实施例还一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明第一方面或第二方面提供的视频处理方法。
在本发明实施例中,对目标用户发布的录播视频统计录播行为数据,根据录播行为数据对目标用户计算录播效果指数,将录播效果指数输入至预设的直播预测模型中,以预测目标用户主持直播视频视的直播效果指数,从而按照直播效果指数选择合适的目标用户开设直播视频的业务,保证目标用户主持直播视频时的效果,提升平台的资源利用率。
附图说明
图1为本发明实施例一提供的一种视频处理方法的流程图;
图2A和图2B为本发明实施例一提供的直播视频的展示示例图;
图3是本发明实施例二提供的一种视频处理方法的流程图;
图4为本发明实施例三提供的一种视频处理装置的结构示意图;
图5为本发明实施例四提供的一种视频处理装置的结构示意图;
图6为本发明实施例五提供的一种计算设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种视频处理方法的流程图,本实施例可适用于在开展录播视频业务的平台预测视频主支持直播视频业务的效果,该方法可以由直播预测模型的训练装置来执行,该直播预测模型的训练装置可以由硬件和/或软件实现,该方法具体包括如下步骤:
S110、对样本用户发布的录播视频统计录播行为数据。
在本发明实施例中,平台开展录播视频的业务,所谓录播视频,是相对于直播视频而言,可以指离线制作的视频数据,例如,短视频、微电影、创意广告,等等。
用户发布录播视频指该平台,观众通过浏览器、短视频应用等客户端,从该平台加载该录播视频,并进行互动。
需要说明的是,对于录播视频而言,该用户也称之为视频主或up主,即发布录播视频的用户,故其录播视频不一定为其原创,包括转载录播视频或者将被删除的视频原件再上传,皆称作up主。
对于平台而言,可以将用户和/或观众针对录播视频的录播行为数据记录在日志中,并从中选择同时开通录播视频的业务与直播视频的业务的用户,作为样本用户,对其发布的录播视频统计录播行为数据。
具体而言,该录播行为数据可以包括如下至少一种类型:
样本用户的发布行为数据、观众的观看行为数据、样本用户与观众之间的互动行为数据。
其中,样本用户的发布行为数据可以指样本用户对录播视频进行制作、上传等操作时,独立产生的数据,例如,视频长度、上传时间、视频类型、上传地点等等,此时,样本用户与观众之间未发生交互。
观众的观看行为数据可以指观众在观看样本用户发布的录播视频时,独立产生的数据,例如,转发视频、观看时间、观看量、观看地点、设备型号等等,此时,样本用户与观众之间未发生交互。
样本用户与观众之间的互动行为数据可以指观众在观看样本用户发布的录播视频时,样本用户与观众之间进行交互所产生的数据。
所谓交互,可以指同时涉及样本用户与观众的行为,例如,观众向录播视频发送评论,观众点赞该录播视频,等等。
在一个示例中,所统计的录播行为数据包括如下至少一种:
1、平均观看量
平均观看量属于观众的观看行为数据,采集一段时间内、样本用户发布的各个的录播视频的观看量,并计算平均值,得到平均观看量。
2、平均点赞量
平均点赞量属于样本用户与观众之间的互动行为数据,采集一段时间内、样本用户发布的各个的录播视频的点赞量,并计算平均值,得到平均点赞量。
需要说明的是,点赞表达的是观众对样本用户的积极情感,也可以称为喜欢、喜爱、赞同、支持,等等。
3、平均评论量
平均评论量属于样本用户与观众之间的互动行为数据,采集一段时间内、样本用户发布的各个的录播视频的评论量,并计算平均值,得到平均评论量。
4、平均转发量
平均转发量属于观众的观看行为数据,采集一段时间内、观众转发样本用户发布的各个的录播视频的数量,并计算平均值,得到平均转发量。
当然,上述统计的录播行为数据只是作为示例,在实施本发明实施例时,可以根据实际情况设置其他统计的录播行为数据,本发明实施例对此不加以限制。另外,除了上述统计的录播行为数据外,本领域技术人员还可以根据实际需要采用其它统计的录播行为数据,本发明实施例对此也不加以限制。
在一种实施方式中,为了提高拟合录播视频对直播视频的影响的准确性,可以对录播视频统计独立的录播行为数据。
具体而言,确定同时发布录播视频以及主持直播视频的用户,作为样本用户,对样本用户在开始主持直播视频之前、在预设时间段内发布的录播视频统计录播行为数据。
所谓开始主持直播视频,可以指原本仅开设了录播视频的业务,在此基础上,新开设直播视频的业务,即对样本用户未开设直播视频的业务时发布的录播视频统计录播行为数据。
当然,在不便对样本用户在开始主持直播视频之前发布的录播视频进行统计等情况下,也可以对样本用户在开始主持直播视频之后发布的录播视频统计录播行为数据,本实施例对此不加以限制。
S120、对所述样本用户主持的直播视频统计直播行为数据。
在本发明实施例中,平台开展直播视频的业务,所谓直播视频,是相对于录播视频而言,可以指实时制作的视频数据,例如,媒体和活动直播、游戏直播、秀场直播、社交直播,等等。
需要说明的是,对于直播视频而言,该用户也称之为网络主播,即主持直播视频的用户,其直播视频的内容可以为网络主播自身,也可以为其他事物。
在一个示例中,如图2A所示,录播视频与直播视频处于同一个页面,即在同一个页面中同时显示录播视频与直播视频,为从大量的录播视频中区分直播视频,则可以在直播视频的信息中加载提示信息,如“直播中”。
在另一个示例中,如图2B所示,录播视频与直播视频处于不同的页面,这些页面可以通过TAG(标签)进行切换,在TAG“视频”对应的页面中显示录播视频,在TAG“直播”对应的页面显示直播视频。
当然,上述直播视频的展示方式只是作为示例,在实施本发明实施例时,可以根据实际情况设置其他直播视频的展示方式,本发明实施例对此不加以限制。另外,除了上述直播视频的展示方式外,本领域技术人员还可以根据实际需要采用其它直播视频的展示方式,本发明实施例对此也不加以限制。
对于平台而言,可以将用户和/或观众针对录播视频的直播行为数据记录在日志中,并从中选择同时开通录播视频的业务与直播视频的业务的视频主,作为样本用户,对其主持的直播视频统计直播行为数据。
具体而言,该录播行为数据可以包括如下至少一种类型:
样本用户的主持行为数据、观众的观看行为数据、样本用户与观众之间的互动行为数据。
其中,样本用户的发布行为数据可以指样本用户支持录播操作时,独立产生的数据,例如,直播时长、直播类型、直播地点等等,此时,样本用户与观众之间未发生交互。
观众的观看行为数据可以指观众在观看样本用户支持的直播视频时,独立产生的数据,例如,在线人数、观看时间、观看频次、观看地点、设备型号等等,此时,样本用户与观众之间未发生交互。
样本用户与观众之间的互动行为数据可以指观众在观看样本用户主持的直播视频时,样本用户与观众之间进行交互所产生的数据。
所谓交互,可以指同时涉及样本用户与观众的行为,例如,观众向样本用户发送虚拟物品,观众向录播视频发送弹幕,样本用户向观众赠送虚拟币,样本用户向观众推送业务数据(如商品数据),等等。
在一个示例中,所统计的直播行为数据包括如下至少一种:
1、平均在线人数
平均在线人数属于观众的观看行为数据,采集一段时间内、样本用户主持的各个的直播视频的在线人数,并计算平均值,得到平均在线人数。
2、发送弹幕的观众的平均数量
发送弹幕的观众的平均数量属于样本用户与观众之间的互动行为数据,采集一段时间内、在样本用户发布的各个直播视频中发送弹幕的观众数量,并计算平均值,得到发送弹幕的观众的平均数量。
3、发送虚拟物品的观众的平均数量
发送虚拟物品的观众的平均数量属于样本用户与观众之间的互动行为数据,采集一段时间内、在样本用户主持的各个直播视频中发送虚拟物品的观众的数量,并计算平均值,得到发送虚拟物品的观众的平均数量。
当然,上述统计的直播行为数据只是作为示例,在实施本发明实施例时,可以根据实际情况设置其他统计的直播行为数据,本发明实施例对此不加以限制。另外,除了上述统计的直播行为数据外,本领域技术人员还可以根据实际需要采用其它统计的直播行为数据,本发明实施例对此也不加以限制。
在一种实施方式中,为了提高拟合录播视频对直播视频的影响的准确性,可以对录播视频统计独立的录播行为数据。
具体而言,确定同时发布录播视频以及主持直播视频的用户,作为样本用户,对样本用户在开始主持直播视频之后、在预设时间段内主持的直播视频统计直播行为数据。
并且,统计录播行为数据的时间段与统计直播行为数据的时间段保持连续。
S130、根据所述录播行为数据对所述样本用户计算录播效果指数。
在具体实现中,录播行为数据与样本用户的文案、策划等能力相关,稳定性较高,可参照录播行为数据计算录播效果指数,直观体现样本用户发布录播视频的情况。
在一种实施方式中,分别对各个录播行为数据配置权重,获得录播特征值。
以及,利用线性回归算法,计算录播特征值之和,作为样本用户的录播效果指数。
一般而言,录播行为数据的权重与录播行为数据的重要性正相关,即越重要的录播行为数据,其对应的权重越大。
在一个示例中,可以通过如下公式计算录播效果指数:
xi=w1*a+w2*b+w3*c+w4*d
其中,xi为第i个样本用户的录播效果指数,a为平均观看量,b为平均点赞量,c为平均评论量,d为平均转发量,w1、w2、w3、w4为权重。
进一步而言,由于不同样本用户之间的能力差异较大,可能导致录播行为数据差异较大,因此,为了减少不同样本用户的录播行为数据的差异,可对录播行为数据进行正态化处理(如以10作为底数,进行对数转换)。
此外,不同类型的录播行为数据的数值范围相差较大,为了让不同类型的录播行为数据相互间具备可比性,可对录播行为数据进行标准化处理。
S140、根据所述直播行为数据对所述样本用户计算直播效果指数。
在具体实现中,直播行为数据与直播活动(如抽奖)、样本用户的直播能力(如演讲口才、才艺)等相关,波动性较大,可参考该直播行为数据计算直播效果指数,直观体现样本用户主持直播视频的情况。
在一种实施方式中,分别对各个所述直播行为数据配置权重,获得直播特征值。
以及,利用线性回归算法,计算直播特征值之和,作为样本用户的直播效果指数。
一般而言,直播行为数据的权重与直播行为数据的重要性正相关,即越重要的直播行为数据,其对应的权重越大。
在一个示例中,可以通过如下公式计算录播效果指数:
yi=w5*e+w6*f+w7*g
其中,yi为第i个样本用户的直播效果指数,e为平均在线人数,f为发送弹幕的观众的平均数量,g为发送虚拟物品的观众的平均数量,w5、w6、w7为权重。
进一步而言,由于不同样本用户之间的能力差异较大,可能导致直播行为数据差异较大,因此,为了减少不同样本用户的直播行为数据的差异,可对直播行为数据进行正态化处理(如以10作为底数,进行对数转换)。
此外,不同类型的直播行为数据的数值范围相差较大,为了让不同类型的直播行为数据相互间具备可比性,可对直播行为数据进行标准化处理。
S150、训练直播预测模型,以拟合所述录播效果指数与所述直播效果指数之间的相关性。
在具体实现中,可以以录播效果指数与直播效果指数作为训练样本,训练直播预测模型,该直播预测模型可以拟合录播效果指数与直播效果指数之间的相关性,用于根据录播效果指数预测直播效果指数。
在一种实施方式中,直播预测模型为线性回归模型。
在此实施方式中,将录播效果指数设置为直播预测模型中的因变量X,将直播效果指数设置为直播预测模型中的自变量Y。
拟合所述因变量与所述自变量之间的相关性,以获得直播预测模型(Y=β0+β1*X)中的模型参数(包括第一模型参数β0和第二模型参数β1)。
当然,除了线性回归模型之外,还可以将其它模型训练为直播预测模型,例如,决策树模型、随机森林模型,等等,本实施例对此不加以限制。
在本发明实施例中,一方面,对样本用户发布的录播视频统计录播行为数据,根据录播行为数据对样本用户计算录播效果指数,另一方面,对样本用户主持的直播视频统计直播行为数据,根据直播行为数据对样本用户计算直播效果指数,从而训练直播预测模型,以拟合录播效果指数与直播效果指数之间的相关性,后续可以在目标用户的录播效果指数的基础上,使用直播预测模型预测直播效果指数,从而按照直播效果指数选择合适的目标用户开设直播视频的业务,保证目标用户主持直播视频时的效果,提升平台的资源利用率。
实施例二
图3为本发明实施例二提供的一种视频处理方法的流程图,本实施例可适用于在开展录播视频业务的平台预测视频主支持直播视频业务的效果,该方法可以由直播效果的预测处理装置来执行,该直播效果的预测处理装置可以由硬件和/或软件实现,该方法具体包括如下步骤:
S310、对目标用户发布的录播视频统计录播行为数据。
在本发明实施例中,平台开展录播视频的业务,所谓录播视频,是相对于直播视频而言,可以指离线制作的视频数据,例如,短视频、微电影、创意广告,等等。
用户发布录播视频指该平台,观众通过浏览器、短视频应用等客户端,从该平台加载该录播视频,并进行互动。
需要说明的是,对于录播视频而言,该用户也称之为视频主或up主,即发布录播视频的用户,故其录播视频不一定为其原创,包括转载录播视频或者将被删除的卢布视频原件再上传,皆称作up主。
对于平台而言,可以将用户和/或观众针对录播视频的录播行为数据记录在日志中,并从中选择同时开通录播视频的业务与直播视频的业务的用户,作为目标用户,对其发布的录播视频统计录播行为数据。
具体而言,该录播行为数据可以包括如下至少一种类型:
目标用户的发布行为数据、观众的观看行为数据、目标用户与观众之间的互动行为数据。
其中,目标用户的发布行为数据可以指目标用户对录播视频进行制作、上传等操作时,独立产生的数据,例如,视频长度、上传时间、视频类型、上传地点等等,此时,目标用户与观众之间未发生交互。
观众的观看行为数据可以指观众在观看目标用户发布的录播视频时,独立产生的数据,例如,转发视频、观看时间、观看量、观看地点、设备型号等等,此时,目标用户与观众之间未发生交互。
目标用户与观众之间的互动行为数据可以指观众在观看目标用户发布的录播视频时,目标用户与观众之间进行交互所产生的数据。
所谓交互,可以指同时涉及目标用户与观众的行为,例如,观众向录播视频发送评论,观众点赞该录播视频,等等。
在一个示例中,所统计的录播行为数据包括如下至少一种:
1、平均观看量
平均观看量属于观众的观看行为数据,采集一段时间内、目标用户发布的各个的录播视频的观看量,并计算平均值,得到平均观看量。
2、平均点赞量
平均点赞量属于目标用户与观众之间的互动行为数据,采集一段时间内、目标用户发布的各个的录播视频的点赞量,并计算平均值,得到平均点赞量。
需要说明的是,点赞表达的是观众对目标用户的积极情感,也可以称为喜欢、喜爱、赞同、支持,等等。
3、平均评论量
平均评论量属于目标用户与观众之间的互动行为数据,采集一段时间内、目标用户发布的各个的录播视频的评论量,并计算平均值,得到平均评论量。
4、平均转发量
平均转发量属于观众的观看行为数据,采集一段时间内、观众转发目标用户发布的各个的录播视频的数量,并计算平均值,得到平均转发量。
当然,上述统计的录播行为数据只是作为示例,在实施本发明实施例时,可以根据实际情况设置其他统计的录播行为数据,本发明实施例对此不加以限制。另外,除了上述统计的录播行为数据外,本领域技术人员还可以根据实际需要采用其它统计的录播行为数据,本发明实施例对此也不加以限制。
在一种实施方式中,确定已发布录播视频、且未主持直播视频的用户,作为目标用户,以及,对目标用户发布的录播视频统计录播行为数据。
所谓未主持直播视频,可以指仅开设了录播视频的业务,并未开设直播视频的业务,即对目标用户未开设直播视频的业务时发布的录播视频统计录播行为数据。
S320、根据所述录播行为数据对所述目标用户计算录播效果指数。
在具体实现中,录播行为数据与目标用户的文案、策划等能力相关,稳定性较高,可参照录播行为数据计算录播效果指数,直观体现目标用户发布录播视频的情况。
在一种实施方式中,分别对各个录播行为数据配置权重,获得录播特征值。
以及,利用线性回归算法,计算录播特征值之和,作为目标用户的录播效果指数。
一般而言,录播行为数据的权重与录播行为数据的重要性正相关,即越重要的录播行为数据,其对应的权重越大。
在一个示例中,可以通过如下公式计算录播效果指数:
xj=w1*a+w2*b+w3*c+w4*d
其中,xj为第j个目标用户的录播效果指数,a为平均观看量,b为平均点赞量,c为平均评论量,d为平均转发量,w1、w2、w3、w4为权重。
进一步而言,由于不同目标用户之间的能力差异较大,可能导致录播行为数据差异较大,因此,为了减少不同目标用户的录播行为数据的差异,可对录播行为数据进行正态化处理(如以10作为底数,进行对数转换)。
此外,不同类型的录播行为数据的数值范围相差较大,为了让不同类型的录播行为数据相互间具备可比性,可对录播行为数据进行标准化处理。
S330、将所述录播效果指数输入至预设的直播预测模型中,以预测所述目标用户主持直播视频视的直播效果指数。
在本实施例中,直播预测模型可以拟合录播效果指数与直播效果指数之间的相关性,用于根据录播效果指数预测直播效果指数。
将目标用户的录播效果指数输入至该直播预测模型中进行处理,可输出目标用户主持直播视频视的直播效果指数,预测目标用户开设直播视频的业务之后,主持直播视频的情况。
一般情况下,直播效果指数越大,直播效果越好,反之,直播效果指数越小,直播效果越差。
在一种实施方式中,直播预测模型为线性回归模型:
Y=β0+β1*X
其中,录播效果指数为因变量X,直播效果指数设置为自变量Y,第一模型参数为β0、第二模型参数为β1。
在本实施方式中,将录播效果指数作为因变量X,计算与第二模型参数β1的乘积β1*X,计算乘积β1*X与第一模型参数β0之和,获得作为自变量Y的直播效果指数。
此后,则可根据直播效果指数对目标用户进行直播业务处理。
所谓直播业务处理,可以指与直播相关的业务处理。
在一个示例中,可按照直播效果指数对目标用户进行排序,对排序之后的目标用户生成开播列表。
在本示例中,该开播列表中除了目标用户的排序、录播效果指数(包括录播行为数据)及直播效果指数之外,还可记载目标用户的其它信息,如注册时间、营收指数,等等。
该开播列表可提供给运营员工,供其综合参考是否对目标用户开设直播视频的业务。
在另一个示例中,可从目标用户中选择直播效果指数满足预设的开播条件的特征用户,如值最高的n(n为正整数)个直播效果指数、大于预设阈值的直播效果指数,等等。
向特征用户发送开播提示信息,主动向该特征用户建议开设直播视频的业务。
在本发明实施例中,对目标用户发布的录播视频统计录播行为数据,根据录播行为数据对目标用户计算录播效果指数,将录播效果指数输入至预设的直播预测模型中,以预测目标用户主持直播视频视的直播效果指数,从而按照直播效果指数选择合适的目标用户开设直播视频的业务,保证目标用户主持直播视频时的效果,提升平台的资源利用率。
为使本领域技术人员更好地理解本实施例,以下通过具体的示例来说明本实施例中预测直播效果的方法。
样本用户i发布了10个短视频,统计获得短视频的平均观看量是10000(权重为0.1),平均点赞量是8000(权重为0.2),平均评论量是2000(权重为0.4),平均转发量是3000(权重为0.3),则录播效果指数xi=0.1*10000+0.2*8000+0.4*2000+0.3*3000=4300。
该样本用户i主持了10次直播,统计获得直播的平均在线人数是10000(权重为0.5),发送弹幕的观众的平均数量是5000(权重为0.3),发送虚拟物品的观众的平均数量是1000(权重为0.2),则直播效果指数yi=0.5*10000+0.3*5000+0.2*1000=6700。
拟合直播预测模型为Y=1540+1.2*X。
后期统计某个目标用户j的录播效果指数xj=1000,则对其预测的直播效果指数从而可预测其直播的效果。
实施例三
图4为本发明实施例三提供的一种视频处理装置的结构示意图,该装置具体可以包括如下模块:
样本录播行为数据统计模块410,用于对样本用户发布的录播视频统计录播行为数据;
样本直播行为数据统计模块420,用于对所述样本用户主持的直播视频统计直播行为数据;
样本录播效果指数计算模块430,用于根据所述录播行为数据对所述样本用户计算录播效果指数;
样本直播效果指数计算模块440,用于根据所述直播行为数据对所述样本用户计算直播效果指数;
直播预测模型训练模块450,用于训练直播预测模型,以拟合所述录播效果指数与所述直播效果指数之间的相关性。
在本发明的一个实施例中,所述样本录播行为数据统计模块410包括:
样本用户确定子模块,用于确定同时发布录播视频以及主持直播视频的用户,作为样本用户;
发布统计子模块,用于对所述样本用户在开始主持直播视频之前发布的录播视频统计录播行为数据。
在本发明的一个实施例中,所述样本录播效果指数计算模块430包括:
样本录播特征值计算子模块,用于分别对各个所述录播行为数据配置权重,获得录播特征值;
样本录播特征值求和子模块,用于计算所述录播特征值之和,作为所述样本用户的录播效果指数。
在本发明的一个实施例中,所述样本直播效果指数计算模块440包括:
样本直播特征值计算子模块,用于分别对各个所述直播行为数据配置权重,获得直播特征值;
样本直播特征值求和子模块,用于计算所述直播特征值之和,作为所述样本用户的直播效果指数。
在本发明的一个实施例中,所述直播预测模型训练模块450包括:
因变量设置子模块,用于将所述录播效果指数设置为直播预测模型中的因变量;
自变量设置子模块,用于将所述直播效果指数设置为所述直播预测模型中的自变量;
相关性拟合子模块,用于拟合所述因变量与所述自变量之间的相关性,以获得所述直播预测模型中的模型参数。
本发明实施例所提供的视频处理装置可执行本发明任意实施例所提供的视频处理方法,具备执行方法相应的功能模块和有益效果。
实施例四
图5为本发明实施例三提供的一种视频处理装置的结构示意图,该装置具体可以包括如下模块:
目标录播行为数据统计模块510,用于对目标用户发布的录播视频统计录播行为数据;
目标录播效果指数计算模块520,用于根据所述录播行为数据对所述目标用户计算录播效果指数;
目标直播效果指数预测模块530,用于将所述录播效果指数输入至预设的直播预测模型中,以预测所述目标用户主持直播视频视的直播效果指数。
在具体实现中,所述录播行为数据包括如下的至少一种:
目标用户的发布行为数据、观众的观看行为数据、目标用户与观众之间的互动行为数据;
其中,所述观众的观看行为数据包括平均观看量和/或平均转发量;
所述目标用户与观众之间的互动行为数据包括平均点赞量和/或平均评论量。
在本发明的一个实施例中,所述目标录播行为数据统计模块510包括:
目标用户确定子模块,用于确定已发布录播视频、且未主持直播视频的用户,作为目标用户;
主持统计子模块,用于对所述目标用户发布的录播视频统计录播行为数据。
在本发明的一个实施例中,所述目标录播效果指数计算模块520包括:
目标录播特征值计算子模块,用于分别对各个所述录播行为数据配置权重,获得录播特征值;
目标录播特征值求和子模块,用于计算所述录播特征值之和,作为所述目标用户的录播效果指数。
在本发明的一个实施例中,所述直播预测模型包括第一模型参数与第二模型参数;
所述目标直播效果指数预测模块530包括:
乘积计算子模块,用于将所述录播效果指数作为因变量,计算与所述第二模型参数的乘积;
求和子模块,用于计算所述乘积与所述第一模型参数之和,获得作为自变量的直播效果指数。
在本发明的一个实施例中,还包括:
直播业务处理模块,用于根据所述直播效果指数对所述目标用户进行直播业务处理。
在本发明的一个实施例中,所述直播业务处理模块包括:
排序子模块,用于按照所述直播效果指数对所述目标用户进行排序;
开播列表生成子模块,用于对排序之后的所述目标用户生成开播列表;
或者,
特征用户选择子模块,用于从所述目标用户中选择所述直播效果指数满足预设的开播条件的特征用户;
开播提示信息发送子模块,用于向所述特征用户发送开播提示信息。
本发明实施例所提供的视频处理装置可执行本发明任意实施例所提供的视频处理方法,具备执行方法相应的功能模块和有益效果。
实施例五
图6为本发明实施例五提供的一种计算设备的结构示意图,如图6所示,该计算设备包括处理器600、存储器610、输入装置620和输出装置630;计算设备中处理器600的数量可以是一个或多个,图6中以一个处理器600为例;计算设备中的处理器600、存储器610、输入装置620和输出装置630可以通过总线或其他方式连接,图6中以通过总线连接为例。
存储器610作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的视频处理方法对应的程序指令/模块(例如,如图4所示的样本录播行为数据统计模块410、样本直播行为数据统计模块420、样本录播效果指数计算模块430、样本直播效果指数计算模块440和直播预测模型训练模块450,或者,如图5所示的目标录播行为数据统计模块510、目标录播效果指数计算模块520和目标直播效果指数预测模块530)。处理器600通过运行存储在存储器610中的软件程序、指令以及模块,从而执行计算设备的各种功能应用以及数据处理,即实现上述的视频处理方法。
存储器610可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器610可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器610可进一步包括相对于处理器600远程设置的存储器,这些远程存储器可以通过网络连接至计算设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置620可用于接收输入的数字或字符信息,以及产生与计算设备的用户设置以及功能控制有关的键信号输入。输出装置630可包括显示屏等显示设备。
实施例六
本发明实施例六还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种视频处理方法。
在一个实施例中,该方法包括:
对样本用户发布的录播视频统计录播行为数据;
对所述样本用户主持的直播视频统计直播行为数据;
根据所述录播行为数据对所述样本用户计算录播效果指数;
根据所述直播行为数据对所述样本用户计算直播效果指数;
训练直播预测模型,以拟合所述录播效果指数与所述直播效果指数之间的相关性。
在另一个实施例中,该方法包括:
对目标用户发布的录播视频统计录播行为数据;
根据所述录播行为数据对所述目标用户计算录播效果指数;
将所述录播效果指数输入至预设的直播预测模型中,以预测所述目标用户主持直播视频视的直播效果指数。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的视频处理方法中的相关操作.
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述视频处理装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种视频处理方法,其特征在于,包括:
对目标用户发布的录播视频统计录播行为数据;
根据所述录播行为数据对所述目标用户计算录播效果指数;
将所述录播效果指数输入至预设的直播预测模型中,以预测所述目标用户主持直播视频视的直播效果指数。
2.根据权利要求1所述的方法,其特征在于,所述录播行为数据包括如下的至少一种:
目标用户的发布行为数据、观众的观看行为数据、目标用户与观众之间的互动行为数据;
其中,所述观众的观看行为数据包括平均观看量和/或平均转发量;
所述目标用户与观众之间的互动行为数据包括平均点赞量和/或平均评论量。
3.根据权利要求1所述的方法,其特征在于,所述对目标用户发布的录播视频统计录播行为数据,包括:
确定已发布录播视频、且未主持直播视频的用户,作为目标用户;
对所述目标用户发布的录播视频统计录播行为数据。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述根据所述录播行为数据对所述目标用户计算录播效果指数,包括:
分别对各个所述录播行为数据配置权重,获得录播特征值;
计算所述录播特征值之和,作为所述目标用户的录播效果指数。
5.根据权利要求1-3任一项所述的方法,其特征在于,所述直播预测模型包括第一模型参数与第二模型参数;
所述将所述录播效果指数输入至预设的直播预测模型中,以预测所述目标用户主持直播视频视的直播效果指数,包括:
将所述录播效果指数作为因变量,计算与所述第二模型参数的乘积;
计算所述乘积与所述第一模型参数之和,获得作为自变量的直播效果指数。
6.根据权利要求1-3任一项所述的方法,其特征在于,还包括:
根据所述直播效果指数对所述目标用户进行直播业务处理。
7.根据权利要求6所述的方法,其特征在于,所述根据所述直播效果指数对所述目标用户进行直播业务处理,包括:
按照所述直播效果指数对所述目标用户进行排序;
对排序之后的所述目标用户生成开播列表;
或者,
从所述目标用户中选择所述直播效果指数满足预设的开播条件的特征用户;
向所述特征用户发送开播提示信息。
8.一种视频处理装置,其特征在于,包括:
目标录播行为数据统计模块,用于对目标用户发布的录播视频统计录播行为数据;
目标录播效果指数计算模块,用于根据所述录播行为数据对所述目标用户计算录播效果指数;
目标直播效果指数预测模块,用于将所述录播效果指数输入至预设的直播预测模型中,以预测所述目标用户主持直播视频视的直播效果指数。
9.一种计算设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7中任一所述的视频处理方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一所述的视频处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811425810.6A CN109327739B (zh) | 2018-11-27 | 2018-11-27 | 一种视频处理方法、装置、计算设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811425810.6A CN109327739B (zh) | 2018-11-27 | 2018-11-27 | 一种视频处理方法、装置、计算设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109327739A true CN109327739A (zh) | 2019-02-12 |
CN109327739B CN109327739B (zh) | 2022-02-25 |
Family
ID=65259047
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811425810.6A Active CN109327739B (zh) | 2018-11-27 | 2018-11-27 | 一种视频处理方法、装置、计算设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109327739B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111741367A (zh) * | 2020-07-23 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 视频互动方法、装置、电子设备及计算机可读存储介质 |
CN112200639A (zh) * | 2020-10-30 | 2021-01-08 | 杭州时趣信息技术有限公司 | 一种信息流模型构建方法、装置及介质 |
CN117971474A (zh) * | 2024-01-30 | 2024-05-03 | 新励成教育科技股份有限公司 | 一种自适应能效及资源动态配置的数据中心口才训练*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150347416A1 (en) * | 2014-05-28 | 2015-12-03 | Xiaomi Inc. | Method and apparatus for recommending multimedia resource |
CN105893561A (zh) * | 2016-03-31 | 2016-08-24 | 北京奇艺世纪科技有限公司 | 一种排序方法和装置 |
US20170169040A1 (en) * | 2015-12-15 | 2017-06-15 | Le Holdings (Beijing) Co., Ltd. | Method and electronic device for recommending video |
CN106899856A (zh) * | 2017-03-31 | 2017-06-27 | 百度在线网络技术(北京)有限公司 | 用于输出主播信息的方法和装置 |
CN106992974A (zh) * | 2017-03-17 | 2017-07-28 | 腾讯科技(深圳)有限公司 | 一种直播视频信息监控方法、装置和设备 |
-
2018
- 2018-11-27 CN CN201811425810.6A patent/CN109327739B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150347416A1 (en) * | 2014-05-28 | 2015-12-03 | Xiaomi Inc. | Method and apparatus for recommending multimedia resource |
US20170169040A1 (en) * | 2015-12-15 | 2017-06-15 | Le Holdings (Beijing) Co., Ltd. | Method and electronic device for recommending video |
CN105893561A (zh) * | 2016-03-31 | 2016-08-24 | 北京奇艺世纪科技有限公司 | 一种排序方法和装置 |
CN106992974A (zh) * | 2017-03-17 | 2017-07-28 | 腾讯科技(深圳)有限公司 | 一种直播视频信息监控方法、装置和设备 |
CN106899856A (zh) * | 2017-03-31 | 2017-06-27 | 百度在线网络技术(北京)有限公司 | 用于输出主播信息的方法和装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111741367A (zh) * | 2020-07-23 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 视频互动方法、装置、电子设备及计算机可读存储介质 |
CN112200639A (zh) * | 2020-10-30 | 2021-01-08 | 杭州时趣信息技术有限公司 | 一种信息流模型构建方法、装置及介质 |
CN117971474A (zh) * | 2024-01-30 | 2024-05-03 | 新励成教育科技股份有限公司 | 一种自适应能效及资源动态配置的数据中心口才训练*** |
Also Published As
Publication number | Publication date |
---|---|
CN109327739B (zh) | 2022-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11409792B2 (en) | System and method for streaming individualized media content | |
US10341701B2 (en) | Clustering and adjudication to determine a recommendation of multimedia content | |
Webster | The duality of media: A structurational theory of public attention | |
Napoli | Audience evolution: New technologies and the transformation of media audiences | |
Napoli | The audience as product, consumer, and producer in the contemporary media marketplace | |
CN109783686A (zh) | 行为数据处理方法、装置、终端设备和存储介质 | |
CN109451326A (zh) | 一种主播信息的展示方法、装置、服务器和存储介质 | |
CN103686237A (zh) | 推荐视频资源的方法及*** | |
Anderson | Beyond the article: Frontiers of editorial and commercial innovation | |
KR20150020570A (ko) | 다중 미디어 피드를 위한 조정 메커니즘을 이용하는 실시간 복합 방송 시스템 및 방법 | |
CN109327739A (zh) | 一种视频处理方法、装置、计算设备和存储介质 | |
CN110149525A (zh) | 一种直播方法、装置、设备和存储介质 | |
CN109408639A (zh) | 一种弹幕分类方法、装置、设备和存储介质 | |
CN110287372A (zh) | 用于负反馈的标签确定方法、视频推荐方法及其装置 | |
US20200074481A1 (en) | System, method, and device for analyzing media asset data | |
CN103984690A (zh) | 创建播放列表 | |
WO2020007266A1 (zh) | 动态分享消息的管理方法、管理设备、存储介质及终端 | |
Kosterich | Reconfiguring the “hits”: The new portrait of television program success in an era of big data | |
CN108668147A (zh) | 一种优化直播应用的方法以及移动终端 | |
CN108320168A (zh) | 一种数据分析方法及装置 | |
CN107810638A (zh) | 通过跳过冗余片段优化顺序内容的传递 | |
CN109729377A (zh) | 一种主播信息的推送方法、装置、计算机设备和存储介质 | |
Martin et al. | Newstream: a multi-device, cross-medium, and socially aware approach to news content | |
Chen et al. | A lifetime model of online video popularity | |
CN111569412B (zh) | 一种云游戏资源调度的方法和装置 |
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 |