视频内容热度预测方法和装置制造方法及图纸

本公开提供了一种视频内容热度预测方法和装置，涉及数据通信领域。该方法包括：确定视频内容的弹幕情感量化值、评论情感量化值和内容模式关联系数值；确定视频内容的热度流失函数；基于弹幕情感量化值、评论情感量化值、内容模式关联系数值和热度流失函数预测视频内容的热度值。本公开使用幕情感量化值、评论情感量化值、内容模式关联系数值和热度流失函数，能够准确预测视频内容的变化趋势，从而能够将热度值高的视频内容缓存在CDN节点，以便及时将热度高的视频内容推荐给用户。

Methods and devices for predicting the heat of video content

【技术实现步骤摘要】
视频内容热度预测方法和装置
本公开涉及数据通信领域，尤其涉及一种视频内容热度预测方法和装置。
技术介绍
视频业务是建立在宽带互联网和移动互联网之上的向社会公众开放的一种新的视频业务，是集图像、数据等为一体的多媒体交互式服务的技术。CDN(ContentDeliveryNetwork，内容分发网络)是视频业务的承载网络，它构建在宽带或移动网上，为视频提供大规模流媒体服务。CDN一般为分级部署，中心节点保存全量内容，区域缓存节点和边缘节点保存问题内容，其中边缘缓存节点保存的内容最少。由于边缘CDN节点缓存空间有限，保存的内容少，所以边缘缓存节点只能通过把热度高的内容存储在缓存中，从而减少回源的流量进而提升服务质量。由于视频内容文件非常大，因此相对于网页、小文件等CDN，视频在内容更新、替换时，其所需时间较长。并且，CDN服务器缓存空间有限，只能把热度高的内容存储在缓存中，减少回源的流量并提升服务质量；视频客户端的推荐机制，正确“猜中”用户喜欢的内容(愿意访问的热度内容)，并推荐给用户，能提高用户服务质量，使得用户访问量增长，提升客户端品牌和经济收益。现有CDN热度算法是基于过去服务数据的统计，准确预测内容的热度变化非常困难，所以造成部分热点片源服务质量不高。
技术实现思路
本公开要解决的一个技术问题是提供一种视频内容热度预测方法和装置，能够准确预测视频内容的变化趋势。根据本公开一方面，提出一种视频内容热度预测方法，包括：确定视频内容的弹幕情感量化值、评论情感量化值和内容模式关联系数值；确定视频内容的热度流失函数；基于弹幕情感量化值、评论情感量化值、内容模式关联系数值和热度流失函数预测视频内容的热度值。可选地，基于弹幕情感量化值、评论情感量化值、内容模式关联系数值和热度流失函数预测视频内容的热度值包括：分别确定弹幕情感量化值、评论情感量化值和内容模式关联系数值的调节系数；计算弹幕情感量化值、评论情感量化值和内容模式关联系数值的加权求和计算值；基于加权求和计算值与视频内容的现有热度值以及热度流失函数的乘积预测视频内容的热度值。可选地，确定视频内容的弹幕情感量化值和评论情感量化值包括：获取视频内容的弹幕内容和评论内容；基于弹幕内容利用深度学习的自然语言处理引擎确定弹幕情感量化值；基于评论内容利用深度学习的自然语言处理引擎确定评论情感量化值。可选地，确定内容模式关联系数值包括：获取用户对视频内容模式的观看行为信息；基于观看行为信息利用深度学习关联性测度引擎确定容模式关联系数值。可选地，确定视频内容的热度流失函数包括：确定视频内容的第一次被请求的时间；基于视频内容的第一次被请求的时间、当前时间和冷却因子确定热度流失函数。可选地，热度流失函数为其中，t0为视频内容的第一次被请求的时间，t为当前时间，b为冷却因子。根据本公开的另一方面，还提出一种视频内容热度预测装置，包括：预测参数确定单元，用于确定视频内容的弹幕情感量化值、评论情感量化值和内容模式关联系数值；热度流失函数确定单元，用于确定视频内容的热度流失函数；视频热度预测单元，用于基于弹幕情感量化值、评论情感量化值、内容模式关联系数值和热度流失函数预测视频内容的热度值。可选地，视频热度预测单元用于分别确定弹幕情感量化值、评论情感量化值和内容模式关联系数值的调节系数；计算弹幕情感量化值、评论情感量化值和内容模式关联系数值的加权求和计算值；基于加权求和计算值与视频内容的现有热度值以及热度流失函数的乘积预测视频内容的热度值。可选地，预测参数确定单元包括：预测参数采集模块，用于获取视频内容的弹幕内容和评论内容；深度学习量化模块，用于基于弹幕内容利用深度学习的自然语言处理引擎确定弹幕情感量化值，基于评论内容利用深度学习的自然语言处理引擎确定评论情感量化值。可选地，预测参数采集模块还用于获取用户对视频内容模式的观看行为信息；深度学习量化模块还用于基于观看行为信息利用深度学习关联性测度引擎确定容模式关联系数值。可选地，热度流失函数确定单元用于确定视频内容的第一次被请求的时间；基于视频内容的第一次被请求的时间、当前时间和冷却因子确定热度流失函数。可选地，热度流失函数为其中，t0为视频内容的第一次被请求的时间，t为当前时间，b为冷却因子。根据本公开的另一方面，还提出一种视频内容热度预测装置，包括：存储器；以及耦接至存储器的处理器，处理器被配置为基于存储在存储器的指令执行如上述的视频内容热度预测方法。根据本公开的另一方面，还提出一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现上述的视频内容热度预测方法的步骤。与现有技术相比，本公开使用幕情感量化值、评论情感量化值、内容模式关联系数值和热度流失函数，能够准确预测视频内容的变化趋势，从而能够将热度值高的视频内容缓存在CDN节点，以便及时将热度高的视频内容推荐给用户。通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其它特征及其优点将会变得清楚。附图说明构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：图1为本公开视频内容热度预测方法的一个实施例的流程示意图。图2为本公开视频内容热度预测方法的另一个实施例的流程示意图。图3为本公开卷积神经网络情感分析框架示意图。图4为本公开视频内容热度预测装置的一个实施例的结构示意图。图5为本公开视频内容热度预测装置的另一个实施例的结构示意图。图6为本公开视频内容热度预测装置的再一个实施例的结构示意图。图7为本公开视频内容热度预测装置的又一个实施例的结构示意图。具体实施方式现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。图1为本公开视频内容热度预测方法的一个实施例的流程示意图。在步骤110，确定视频内容的本文档来自技高网...

【技术保护点】
1.一种视频内容热度预测方法，包括：/n确定视频内容的弹幕情感量化值、评论情感量化值和内容模式关联系数值；/n确定所述视频内容的热度流失函数；/n基于所述弹幕情感量化值、评论情感量化值、内容模式关联系数值和热度流失函数预测所述视频内容的热度值。/n

【技术特征摘要】
1.一种视频内容热度预测方法，包括：
确定视频内容的弹幕情感量化值、评论情感量化值和内容模式关联系数值；
确定所述视频内容的热度流失函数；
基于所述弹幕情感量化值、评论情感量化值、内容模式关联系数值和热度流失函数预测所述视频内容的热度值。


2.根据权利要求1所述的视频内容热度预测方法，其中，基于所述弹幕情感量化值、评论情感量化值、内容模式关联系数值和热度流失函数预测所述视频内容的热度值包括：
分别确定所述弹幕情感量化值、评论情感量化值和内容模式关联系数值的调节系数；
计算所述弹幕情感量化值、评论情感量化值和内容模式关联系数值的加权求和计算值；
基于所述加权求和计算值与所述视频内容的现有热度值以及所述热度流失函数的乘积预测所述视频内容的热度值。


3.根据权利要求1或2所述的视频内容热度预测方法，其中，确定视频内容的弹幕情感量化值和评论情感量化值包括：
获取所述视频内容的弹幕内容和评论内容；
基于所述弹幕内容利用深度学习的自然语言处理引擎确定所述弹幕情感量化值；
基于所述评论内容利用深度学习的自然语言处理引擎确定所述评论情感量化值。


4.根据权利要求3所述的视频内容热度预测方法，其中，确定所述内容模式关联系数值包括：
获取用户对视频内容模式的观看行为信息；
基于所述观看行为信息利用深度学习关联性测度引擎确定所述容模式关联系数值。


5.根据权利要求1或2所述的视频内容热度预测方法，其中，确定视频内容的热度流失函数包括：
确定所述视频内容的第一次被请求的时间；
基于所述视频内容的第一次被请求的时间、当前时间和冷却因子确定所述热度流失函数。


6.根据权利要求5所述的视频内容热度预测方法，其中，所述热度流失函数为
其中，t0为所述视频内容的第一次被请求的时间，t为当前时间，b为冷却因子。


7.一种视频内容热度预测装置，包括：
预测参数确定单元，用于确定视频内容的弹幕情感量化值、评论情感量化值和内容模式关联系数值；
热度流失函数确定单元，用于确定所述视...

【专利技术属性】
技术研发人员：陈步华，梁洁，陈戈，庄一嵘，唐宏，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：北京;11