【技术实现步骤摘要】
一种基于时空轮序的视频冷片预测方法与装置
本专利技术属于视频数据分析服务
，更具体地，涉及一种基于时空轮序的视频冷片预测方法与装置。
技术介绍
随着互联网技术的大力发展，尤其是4K视频、5G技术的兴起，大视频占用的存储资源越来越多，如果一定时间内不对冷片进行干预，而是直接扩容存储设备的话，就需要资金的大量投入以及有限机柜的占用。因此，为减小人力、财力、设备等资源的浪费，通常需要对视频资源进行冷片判断，然后将选出的冷片淘汰，从而空出一部分存储资源。目前，冷片判断机制主要是通过维护人员的主观判断或通过脚本来计算，这就存在效率低、准确率低、维护复杂、自动化程度低的问题，无法精确快速地判断冷片。还存在一种基于先进先出的淘汰机制，也就是无实际冷片判断过程，只是从时间的一个维度去考虑，但这就可能存在冷片误删，即删除不是冷片的视频，这样的话被删片源后续就可能需要重新回源，导致流量浪费。
技术实现思路
针对现有技术的以上缺陷或改进需求，本专利技术提供了一种基于时空轮序的视频冷片预测方法与装置，其目的在于通过...
【技术保护点】
1.一种基于时空轮序的视频冷片预测方法，其特征在于，包括：/n通过数据分析获取监控时间段内每个影片在每个存储节点上的视频元数据信息，所述视频元数据信息包括影片的基本属性信息和用户行为信息；基于影片的存储空间分布特点和视频元数据信息构建时空轮序决策模型；其中，所述时空轮序决策模型用于计算各影片的冷片排序度量值；/n基于得到的每个影片在每个存储节点上的视频元数据信息，利用所述时空轮序决策模型计算每个影片在监控时间段内的冷片排序度量值，进而根据计算结果完成冷片预测与淘汰。/n
【技术特征摘要】
1.一种基于时空轮序的视频冷片预测方法，其特征在于，包括：
通过数据分析获取监控时间段内每个影片在每个存储节点上的视频元数据信息，所述视频元数据信息包括影片的基本属性信息和用户行为信息；基于影片的存储空间分布特点和视频元数据信息构建时空轮序决策模型；其中，所述时空轮序决策模型用于计算各影片的冷片排序度量值；
基于得到的每个影片在每个存储节点上的视频元数据信息，利用所述时空轮序决策模型计算每个影片在监控时间段内的冷片排序度量值，进而根据计算结果完成冷片预测与淘汰。
2.如权利要求1所述的基于时空轮序的视频冷片预测方法，其特征在于，所述通过数据分析获取监控时间段内每个影片在每个存储节点上的视频元数据信息，具体为：
从大数据平台收集监控时间段内的用户点播日志，从系统内容库获取监控时间段内的全量内容工单；
通过大数据平台对用户点播日志的解析处理以及全量内容工单数据分析，得到监控时间段内每个存储节点上的数据集；
从得到的数据集中提取出每个影片在每个存储节点上的视频元数据信息。
3.如权利要求1所述的基于时空轮序的视频冷片预测方法，其特征在于，所述基于影片的存储空间分布特点和视频元数据信息构建时空轮序决策模型，具体为：
定义三元数据组<N,G,J>，并配置每个视频元数据信息的权重；其中，N表示存储节点集合，G表示各存储节点上的数据集合，J表示视频元数据信息集合；
根据三元数据组和每个视频元数据信息的权重，构造影片的量化函数；
基于视频元数据信息中的一项或多项信息构造影片的收敛函数，基于影片的量化函数和上映时间构造影片的热度函数；
基于影片的收敛函数和热度函数，构造影片的冷片排序度量函数。
4.如权利要求3所述的基于时空轮序的视频冷片预测方法，其特征在于，影片Xk的量化函数具体如下：
其中，Yk为影片Xk的量化值，Yki为影片Xk在数据集Gi的量化值；Gi为集合G中的第i个数据集，对应表示存储节点Ni上的数据集；Ni为集合N中的第i个存储节点，n为集合N中的存储节点个数以及集合G中的数据集个数；
Jkij为影片Xk在数据集Gi的视频元数据信息Jj对应的值，Pj为视频元数据信息Jj的权重，Jj为集合J中的第j个视频元数据信息，m为集合J中的视频元数据信息个数；a为去重因子，且a∈(0,1]。
5.如权利要求4所述的基于时空轮序的视频冷片预测方法，其特征在于，影片X...
【专利技术属性】
技术研发人员：陈文军，杜兵，刘伟，孔德龙，
申请(专利权)人：烽火通信科技股份有限公司，武汉市烽视威科技有限公司，
类型：发明
国别省市：湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。