CN117956230A - 基于数字媒体点播和数字资源下载的融合实现方法及*** - Google Patents
基于数字媒体点播和数字资源下载的融合实现方法及*** Download PDFInfo
- Publication number
- CN117956230A CN117956230A CN202410346132.3A CN202410346132A CN117956230A CN 117956230 A CN117956230 A CN 117956230A CN 202410346132 A CN202410346132 A CN 202410346132A CN 117956230 A CN117956230 A CN 117956230A
- Authority
- CN
- China
- Prior art keywords
- user
- digital
- demand
- preference
- downloading
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000004927 fusion Effects 0.000 title claims abstract description 26
- 230000005540 biological transmission Effects 0.000 claims abstract description 35
- 238000012544 monitoring process Methods 0.000 claims abstract description 24
- 230000006399 behavior Effects 0.000 claims description 35
- 238000012549 training Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 6
- 238000007635 classification algorithm Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000010200 validation analysis Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 230000003828 downregulation Effects 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000003827 upregulation Effects 0.000 claims description 3
- 238000002790 cross-validation Methods 0.000 claims description 2
- 230000004044 response Effects 0.000 abstract description 3
- 230000002452 interceptive effect Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- H04N21/4508—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
-
- 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
- H04N21/4331—Caching operations, e.g. of an advertisement for later insertion during playback
-
- 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
- H04N21/44209—Monitoring of downstream path of the transmission network originating from a server, e.g. bandwidth variations of a wireless network
-
- 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
- H04N21/462—Content or additional data management, e.g. creating a master electronic program guide from data received from the Internet and a Head-end, controlling the complexity of a video stream by scaling the resolution or bit-rate based on the client capabilities
-
- 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
-
- 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
- H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. 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
- H04N21/47—End-user applications
- H04N21/472—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content
- H04N21/47202—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content for requesting content on demand, e.g. video on demand
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Human Computer Interaction (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于数字媒体点播和数字资源下载的融合实现方法及***,涉及数字资源领域,所述方法包括以下步骤:步骤1:构建融合平台,获取若干播放平台视频点播与下载权限,验证用户在对应平台的账号身份信息;步骤2:向播放平台部署对应抓取节点,分配缓存链路,实时分析当前网络环境下的各传输链路的传输性能,进行优先级评定;通过调度模型和用户行为监控,能够根据用户的历史播放数据和当前偏好实现个性化的数字资源推荐和分配,提供更符合用户需求的服务,通过动态调整缓存策略,能够提高热门资源的命中率和响应速度,降低点播和下载的等待时间,从而提升用户的整体体验。
Description
技术领域
本发明涉及数字资源技术领域,具体为基于数字媒体点播和数字资源下载的融合实现方法及***。
背景技术
随着数字资源的不断丰富,人们的资源点播需求和下载需求确实越来越多,这是由于互联网的普及和技术的进步所带来的结果,现在,人们可以通过在线流媒体平台、音乐和视频下载服务、电子书和杂志的数字化等方式来满足他们的资源点播和下载需求,对于资源点播需求,许多在线流媒体平台提供了大量的音乐、电影、电视剧和其他媒体内容供用户选择,而对于下载需求,人们可以通过各种数字内容平台和在线商店来获取他们感兴趣的内容;
但是,现在这类数字资源由于平台繁多,缺乏有效的融合机制,例如:
1、多平台转播数字资源的过程中,由于对用户习惯的陌生,致使数字资源的推荐调配难以及时命中用户的喜好,使用户短时间内的观测内容,无法提供足够吸引力;
2、尤其当多个视频资源点播或者下载过程中,难以依据用户偏好,对应调整优质传输链路,进而造成资源的浪费,影响用户的使用体验。
发明内容
(一)解决的技术问题
针对现有技术所存在的上述缺点,本发明提供了基于数字媒体点播和数字资源下载的融合实现方法及***,能够有效地解决现有技术的问题。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:
本发明公开了基于数字媒体点播和数字资源下载的融合实现方法,包括以下步骤:
步骤1:构建融合平台,获取若干播放平台视频点播与下载权限,验证用户在对应平台的账号身份信息;
步骤2:向播放平台部署对应抓取节点,分配缓存链路,实时分析当前网络环境下的各传输链路的传输性能,进行优先级评定;
步骤3:构建调度模型,获取用户在各播放平台的历史播放数据,分析其播放偏好并分级,预测未来热门数字资源,抓取预设数量的不同偏好级别的预测所得热门数字资源;
步骤4:根据用户的偏好等级,将不同偏好级别的数据从高到低分配到对应级别的缓存链路中开始热门缓存;
步骤5:进行用户行为监控;
步骤6:当用户触发点播操作时,则暂停最佳优先级缓存链路的热门缓存策略,替换为当前点播中的数字资源;
步骤7:当用户触发下载操作时,若在点播中,则将高偏好级的数字资源分配至次优先级缓存链路,反之,则将高偏好级的数字资源分配至最佳优先级缓存链路。
更进一步地,所述步骤3中的热门数字资源通过缓存替换策略,实时分析网络该用户偏好下的热门数字资源访问频率,根据数字资源的热度和访问模式,动态调整缓存中的数据。
更进一步地,所述步骤3中的调度模型从各播放平台和下载平台获取用户的历史浏览记录、点播记录和下载记录,并去除异常值、填补缺失值和对数据进行标准化处理,将处理后数据通过统计分析识别用户的偏好和行为模式,使用分类算法来判断用户对不同类型的数字资源的偏好等级。
更进一步地,所述分类算法对播放偏好的分级通过用户对不同类型或特定资源的历史使用情况、频率和时长进行判断划分。
更进一步地,所述步骤3中抓取预设数量的不同偏好级别的预测所得热门数字资源的过程中,数量的预设,通过分析当前所有传输链路的整体传输性能,进行自适应的上调与下降,不同偏好级别数字资源的占比权重,则通过管理端人工自定义设定。
更进一步地,所述步骤5中用户行为的监控通过ApacheKafka数据流处理技术捕捉到用户行为的变化。
更进一步地,所述步骤5中的用户行为监控的过程中,若出现预测结果和实际用户行为存在超出预设阈值的偏差时,则对预测所用的原始数据集进行分析,开始对调度模型进行模型的准确率的分析,判断模型是否存在过拟合和欠拟合。
更进一步地,所述步骤3中的调度模型在训练过程中进行交叉验证,将原始数据集拆分为训练集和验证集,使用训练集训练个体学习器,以个体学习器对验证集预测结果作为次级学习器的训练数据,包括以下步骤:
a.将原始数据集随机划分为k个相等的数据集,/>,/>,…,/>;
b.从中选择测试集,/>=1,2,…,/>,其余数据集记为/>用作训练集;
c.采用初级算法,/>=1,2,…,/>,t代表数据集排列次序,在数据集上/>训练生成个体学习器H=/>(/>);
d.使用每一个个体学习器H对样本∈/>进行预测,预测结果记为H(/>),由/>预测所得次级训练样本特征部分为/>=(/>,/>,…,/>),标记部分为/>对应分类标签/>;
e.重复步骤b-d,将每一折预测结果拼接,得到次级学习器训练集,并训练次级学习器。
基于数字媒体点播和数字资源下载的融合实现***,包括:
身份验证模块,用于验证用户在对应播放平台的账号身份信息,用户访问融合平台时,对用户提供的账号信息进行验证,确保用户具有合法的点播和下载权限;
节点部署模块,用于根据实时网络环境分析各传输链路的传输性能,为抓取节点分配缓存链路,并对传输链路进行优先级评定;
模型构建模块,用于根据用户在各播放平台的历史播放数据构建用户偏好模型,预测未来热门数字资源并抓取预设数量的不同偏好级别的数字资源;
链路分配模块,用于将不同偏好级别的热门资源从高到低分配到对应级别的缓存链路中开始热门缓存;
用户行为监控模块,用于持续监控用户的行为,包括触发点播和下载操作,以及对数字资源的偏好级别变化,自适应调整缓存策略;
策略调整模块,用于当用户触发点播或下载操作时,根据用户的操作情况和数字资源的偏好级别进行合理的缓存链路分配,并暂停或替换相应链路中的热门缓存策略。
更进一步地,所述身份验证模块与节点部署模块通过无线网络交互连接,所述节点部署模块与模型构建模块通过无线网络交互连接,所述模型构建模块与链路分配模块通过无线网络交互连接,所述链路分配模块与用户行为监控模块通过无线网络交互连接,所述用户行为监控模块与策略调整模块通过无线网络交互连接。
(三)有益效果
采用本发明提供的技术方案,与已知的现有技术相比,具有如下有益效果:
1、通过调度模型和用户行为监控,能够根据用户的历史播放数据和当前偏好实现个性化的数字资源推荐和分配,提供更符合用户需求的服务,通过动态调整缓存策略,能够提高热门资源的命中率和响应速度,降低点播和下载的等待时间,从而提升用户的整体体验。
2、根据预测的热门数字资源和用户行为动态调整缓存链路分配,能够更有效地利用***资源,减少资源浪费,实时分析当前网络环境下的各传输链路的传输性能,并进行优先级评定,以优化视频数据传输的效率和稳定性。
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一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本发明中的基于数字媒体点播和数字资源下载的融合实现方法流程示意图;
图2为本发明中的基于数字媒体点播和数字资源下载的融合实现***的框架结构示意图;
图中的标号分别代表:1、身份验证模块;2、节点部署模块;3、模型构建模块;4、链路分配模块;5、用户行为监控模块;6、策略调整模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合实施例对本发明作进一步的描述。
实施例1:
本实施例的基于数字媒体点播和数字资源下载的融合实现方法,如图1所示,包括以下步骤:
步骤1:构建融合平台,获取若干播放平台视频点播与下载权限,验证用户在对应平台的账号身份信息;
步骤2:向播放平台部署对应抓取节点,分配缓存链路,实时分析当前网络环境下的各传输链路的传输性能,进行优先级评定;
步骤3:构建调度模型,获取用户在各播放平台的历史播放数据,分析其播放偏好并分级,预测未来热门数字资源,抓取预设数量的不同偏好级别的预测所得热门数字资源,抓取预设数量的不同偏好级别的预测所得热门数字资源的过程中,数量的预设,通过分析当前所有传输链路的整体传输性能,进行自适应的上调与下降,不同偏好级别数字资源的占比权重,则通过管理端人工自定义设定;
热门数字资源通过缓存替换策略,实时分析网络该用户偏好下的热门数字资源访问频率,根据数字资源的热度和访问模式,动态调整缓存中的数据;
步骤4:根据用户的偏好等级,将不同偏好级别的数据从高到低分配到对应级别的缓存链路中开始热门缓存;
步骤5:进行用户行为监控,用户行为的监控通过ApacheKafka数据流处理技术捕捉到用户行为的变化,用户行为监控的过程中,若出现预测结果和实际用户行为存在超出预设阈值的偏差时,则对预测所用的原始数据集进行分析,开始对调度模型进行模型的准确率的分析,判断模型是否存在过拟合和欠拟合;
步骤6:当用户触发点播操作时,则暂停最佳优先级缓存链路的热门缓存策略,替换为当前点播中的数字资源;
步骤7:当用户触发下载操作时,若在点播中,则将高偏好级的数字资源分配至次优先级缓存链路,反之,则将高偏好级的数字资源分配至最佳优先级缓存链路。
与现有技术相比,通过调度模型和用户行为监控,可以根据用户的历史播放数据和当前偏好,实现个性化的数字资源推荐和分配,从而提供更符合用户需求的服务,通过动态调整缓存策略,能够提高热门资源的命中率和响应速度,降低点播和下载的等待时间,从而提升用户的整体体验。
此外,根据预测的热门数字资源和用户行为动态调整缓存链路分配,能够更有效地利用***资源,减少资源浪费,同时,实时分析当前网络环境下的各传输链路的传输性能,并进行优先级评定,以优化视频数据传输的效率和稳定性。
实施例2:
在其他层面,本实施例还提供一种调度模型,调度模型从各播放平台和下载平台获取用户的历史浏览记录、点播记录和下载记录,并去除异常值、填补缺失值和对数据进行标准化处理,将处理后数据通过统计分析识别用户的偏好和行为模式,使用分类算法通过用户对不同类型或特定资源的历史使用情况、频率和时长对用户对不同类型的数字资源的偏好等级进行划分;
调度模型在训练过程中进行交叉验证,将原始数据集拆分为训练集和验证集,使用训练集训练个体学习器,以个体学习器对验证集预测结果作为次级学习器的训练数据,包括以下步骤:
a.将原始数据集随机划分为k个相等的数据集,/>,/>,…,/>;
b.从中选择测试集,/>=1,2,…,/>,其余数据集记为/>用作训练集;
c.采用初级算法,/>=1,2,…,/>,t代表数据集排列次序,在数据集上/>训练生成个体学习器H=/>(/>);
d.使用每一个个体学习器H对样本∈/>进行预测,预测结果记为H(/>),由/>预测所得次级训练样本特征部分为/>=(/>,/>,…,/>),标记部分为/>对应分类标签/>;
e.重复步骤b-d,将每一折预测结果拼接,得到次级学习器训练集,并训练次级学习器,此类操作下,用于预测的样本未用于训练个体学习器,可以避免过拟合与未拟合。
实施例3:
本实施例中,提供基于数字媒体点播和数字资源下载的融合实现***,如图2所示,包括:
身份验证模块1,用于验证用户在对应播放平台的账号身份信息,用户访问融合平台时,对用户提供的账号信息进行验证,确保用户具有合法的点播和下载权限;
节点部署模块2,用于根据实时网络环境分析各传输链路的传输性能,为抓取节点分配缓存链路,并对传输链路进行优先级评定;
模型构建模块3,用于根据用户在各播放平台的历史播放数据构建用户偏好模型,预测未来热门数字资源并抓取预设数量的不同偏好级别的数字资源;
链路分配模块4,用于将不同偏好级别的热门资源从高到低分配到对应级别的缓存链路中开始热门缓存;
用户行为监控模块5,用于持续监控用户的行为,包括触发点播和下载操作,以及对数字资源的偏好级别变化,自适应调整缓存策略;
策略调整模块6,用于当用户触发点播或下载操作时,根据用户的操作情况和数字资源的偏好级别进行合理的缓存链路分配,并暂停或替换相应链路中的热门缓存策略;
所述身份验证模块1与节点部署模块2通过无线网络交互连接,所述节点部署模块2与模型构建模块3通过无线网络交互连接,所述模型构建模块3与链路分配模块4通过无线网络交互连接,所述链路分配模块4与用户行为监控模块5通过无线网络交互连接,所述用户行为监控模块5与策略调整模块6通过无线网络交互连接。
综上所述,本发明通过用户个性化推荐,以调度模型根据用户的历史播放数据和偏好,预测热门数字资源并进行个性化推荐,通过缓存链路动态调整,根据用户点播和下载行为;
动态调整缓存链路中热门资源的分配策略,以提高资源的命中率,进行网络传输性能优化,实时分析网络传输性能,调整传输链路的优先级,以提高视频数据传输的效率和稳定性,在数字媒体点播、下载和直播等各类数字内容服务平台中实现优化用户体验、提高资源利用效率和网络传输性能优化的目的。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.基于数字媒体点播和数字资源下载的融合实现方法,其特征在于,包括以下步骤:
步骤1:构建融合平台,获取若干播放平台视频点播与下载权限,验证用户在对应平台的账号身份信息;
步骤2:向播放平台部署对应抓取节点,分配缓存链路,实时分析当前网络环境下的各传输链路的传输性能,进行优先级评定;
步骤3:构建调度模型,获取用户在各播放平台的历史播放数据,分析其播放偏好并分级,预测未来热门数字资源,抓取预设数量的不同偏好级别的预测所得热门数字资源;
步骤4:根据用户的偏好等级,将不同偏好级别的数据从高到低分配到对应级别的缓存链路中开始热门缓存;
步骤5:进行用户行为监控;
步骤6:当用户触发点播操作时,则暂停最佳优先级缓存链路的热门缓存策略,替换为当前点播中的数字资源;
步骤7:当用户触发下载操作时,若在点播中,则将高偏好级的数字资源分配至次优先级缓存链路,反之,则将高偏好级的数字资源分配至最佳优先级缓存链路。
2.根据权利要求1所述的基于数字媒体点播和数字资源下载的融合实现方法,其特征在于,所述步骤3中的热门数字资源通过缓存替换策略,实时分析网络该用户偏好下的热门数字资源访问频率,根据数字资源的热度和访问模式,动态调整缓存中的数据。
3.根据权利要求1所述的基于数字媒体点播和数字资源下载的融合实现方法,其特征在于,所述步骤3中的调度模型从各播放平台和下载平台获取用户的历史浏览记录、点播记录和下载记录,并去除异常值、填补缺失值和对数据进行标准化处理,将处理后数据通过统计分析识别用户的偏好和行为模式,使用分类算法来判断用户对不同类型的数字资源的偏好等级。
4.根据权利要求3所述的基于数字媒体点播和数字资源下载的融合实现方法,其特征在于,所述分类算法对播放偏好的分级通过用户对不同类型或特定资源的历史使用情况、频率和时长进行判断划分。
5.根据权利要求1所述的基于数字媒体点播和数字资源下载的融合实现方法,其特征在于,所述步骤3中抓取预设数量的不同偏好级别的预测所得热门数字资源的过程中,数量的预设,通过分析当前所有传输链路的整体传输性能,进行自适应的上调与下降,不同偏好级别数字资源的占比权重,则通过管理端人工自定义设定。
6.根据权利要求1所述的基于数字媒体点播和数字资源下载的融合实现方法,其特征在于,所述步骤5中用户行为的监控通过ApacheKafka数据流处理技术捕捉到用户行为的变化。
7.根据权利要求1所述的基于数字媒体点播和数字资源下载的融合实现方法,其特征在于,所述步骤5中的用户行为监控的过程中,若出现预测结果和实际用户行为存在超出预设阈值的偏差时,则对预测所用的原始数据集进行分析,开始对调度模型进行模型的准确率的分析,判断模型是否存在过拟合和欠拟合。
8.根据权利要求1所述的基于数字媒体点播和数字资源下载的融合实现方法,其特征在于,所述步骤3中的调度模型在训练过程中进行交叉验证,将原始数据集拆分为训练集和验证集,使用训练集训练个体学习器,以个体学习器对验证集预测结果作为次级学习器的训练数据,包括以下步骤:
a.将原始数据集随机划分为k个相等的数据集,/>,/>,…,/>;
b.从中选择测试集,/>=1,2,…,/>,其余数据集记为/>用作训练集;
c.采用初级算法,/>=1,2,…,/>,t代表数据集排列次序,在数据集上/>训练生成个体学习器H=/>(/>);
d.使用每一个个体学习器H对样本∈/>进行预测,预测结果记为H(/>),由/>预测所得次级训练样本特征部分为/>=(/>,/>,…,/>),标记部分为/>对应分类标签/>;
e.重复步骤b-d,将每一折预测结果拼接,得到次级学习器训练集,并训练次级学习器。
9.基于数字媒体点播和数字资源下载的融合实现***,所述***是对权利要求1-8中任一项的基于数字媒体点播和数字资源下载的融合实现方法的实施***,其特征在于,包括:
身份验证模块(1),用于验证用户在对应播放平台的账号身份信息,用户访问融合平台时,对用户提供的账号信息进行验证,确保用户具有合法的点播和下载权限;
节点部署模块(2),用于根据实时网络环境分析各传输链路的传输性能,为抓取节点分配缓存链路,并对传输链路进行优先级评定;
模型构建模块(3),用于根据用户在各播放平台的历史播放数据构建用户偏好模型,预测未来热门数字资源并抓取预设数量的不同偏好级别的数字资源;
链路分配模块(4),用于将不同偏好级别的热门资源从高到低分配到对应级别的缓存链路中开始热门缓存;
用户行为监控模块(5),用于持续监控用户的行为,包括触发点播和下载操作,以及对数字资源的偏好级别变化,自适应调整缓存策略;
策略调整模块(6),用于当用户触发点播或下载操作时,根据用户的操作情况和数字资源的偏好级别进行合理的缓存链路分配,并暂停或替换相应链路中的热门缓存策略。
10.根据权利要求9所述的基于数字媒体点播和数字资源下载的融合实现***,其特征在于,所述身份验证模块(1)与节点部署模块(2)通过无线网络交互连接,所述节点部署模块(2)与模型构建模块(3)通过无线网络交互连接,所述模型构建模块(3)与链路分配模块(4)通过无线网络交互连接,所述链路分配模块(4)与用户行为监控模块(5)通过无线网络交互连接,所述用户行为监控模块(5)与策略调整模块(6)通过无线网络交互连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410346132.3A CN117956230A (zh) | 2024-03-26 | 2024-03-26 | 基于数字媒体点播和数字资源下载的融合实现方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410346132.3A CN117956230A (zh) | 2024-03-26 | 2024-03-26 | 基于数字媒体点播和数字资源下载的融合实现方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117956230A true CN117956230A (zh) | 2024-04-30 |
Family
ID=90801743
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410346132.3A Pending CN117956230A (zh) | 2024-03-26 | 2024-03-26 | 基于数字媒体点播和数字资源下载的融合实现方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117956230A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108235063A (zh) * | 2017-12-04 | 2018-06-29 | 北京奇艺世纪科技有限公司 | 一种视频处理方法、装置、电子设备及存储介质 |
CN109447099A (zh) * | 2018-08-28 | 2019-03-08 | 西安理工大学 | 一种基于pca降维的多分类器融合方法 |
CN113748684A (zh) * | 2018-10-31 | 2021-12-03 | Nba资产股份有限公司 | 合作伙伴集成网络 |
CN116723360A (zh) * | 2023-04-20 | 2023-09-08 | 清华大学深圳国际研究生院 | 一种基于混合网络的vbr编码视频内容分发方法和*** |
CN117061796A (zh) * | 2023-07-31 | 2023-11-14 | ***通信集团山东有限公司 | 影片推荐方法、装置、设备及可读存储介质 |
CN117614849A (zh) * | 2024-01-22 | 2024-02-27 | 深圳市聪讯智能科技有限公司 | 一种基于家庭网络的多媒体资源共享方法及*** |
-
2024
- 2024-03-26 CN CN202410346132.3A patent/CN117956230A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108235063A (zh) * | 2017-12-04 | 2018-06-29 | 北京奇艺世纪科技有限公司 | 一种视频处理方法、装置、电子设备及存储介质 |
CN109447099A (zh) * | 2018-08-28 | 2019-03-08 | 西安理工大学 | 一种基于pca降维的多分类器融合方法 |
CN113748684A (zh) * | 2018-10-31 | 2021-12-03 | Nba资产股份有限公司 | 合作伙伴集成网络 |
CN116723360A (zh) * | 2023-04-20 | 2023-09-08 | 清华大学深圳国际研究生院 | 一种基于混合网络的vbr编码视频内容分发方法和*** |
CN117061796A (zh) * | 2023-07-31 | 2023-11-14 | ***通信集团山东有限公司 | 影片推荐方法、装置、设备及可读存储介质 |
CN117614849A (zh) * | 2024-01-22 | 2024-02-27 | 深圳市聪讯智能科技有限公司 | 一种基于家庭网络的多媒体资源共享方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Video super-resolution and caching—An edge-assisted adaptive video streaming solution | |
EP2100418B1 (en) | Allocation of network resources | |
CN113475089B (zh) | 用于面向用户的内容流的方法和*** | |
Zhang et al. | Proactive video push for optimizing bandwidth consumption in hybrid CDN-P2P VoD systems | |
US20120023504A1 (en) | Network optimization | |
Ma et al. | QAVA: QoE-aware adaptive video bitrate aggregation for HTTP live streaming based on smart edge computing | |
García et al. | Quality-control algorithm for adaptive streaming services over wireless channels | |
WO2017125017A1 (zh) | 缓存内容的调整方法、装置及*** | |
CN106134215A (zh) | 用户体验质量QoE预测装置、网络设备和方法 | |
CN108848395B (zh) | 基于果蝇优化算法的边缘协作缓存布置方法 | |
CN114449353B (zh) | 用于视频流的基于会话的自适应回放配置文件决策 | |
Chiang et al. | Collaborative social-aware and QoE-driven video caching and adaptation in edge network | |
CN114518956A (zh) | 边缘流媒体下的基于队列开销的负载均衡方法及装置 | |
CN113645471A (zh) | 多云视频分发策略优化方法及*** | |
Fu et al. | Transcoding for live streaming-based on vehicular fog computing: An actor-critic DRL approach | |
Verhoeyen et al. | Optimizing for video storage networking with recommender systems | |
CN104967868B (zh) | 视频转码方法、装置和服务器 | |
Amour et al. | Q2ABR: QoE‐aware adaptive video bit rate solution | |
Shi et al. | CoLEAP: Cooperative learning-based edge scheme with caching and prefetching for DASH video delivery | |
CN114040257A (zh) | 一种自适应视频流传输播放方法、装置、设备及存储介质 | |
CN117956230A (zh) | 基于数字媒体点播和数字资源下载的融合实现方法及*** | |
CN113079045A (zh) | 带宽分配方法、装置、服务器及存储介质 | |
CN113099259A (zh) | 流媒体的组播发送方法、装置、组播服务器以及介质 | |
Lu et al. | Deep-reinforcement-learning-based user-preference-aware rate adaptation for video streaming | |
CN118075517A (zh) | 用于选择流送媒体内容项的格式的方法、***和介质 |
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 |