一种基于联邦学习的视频分发方法和系统技术方案

本发明专利技术提供一种基于联邦学习的视频分发方法和系统，其中方法包括计算目标时间内目标视频在移动边缘计算服务器中被接受的程度；计算目标时间内目标视频产生的利润；计算目标时间内目标视频平均分发利润；将平均分发利润低于目标利润对应的目标视频进行删除；构建视频兴趣矩阵；获取用户数据；根据用户数据训练卷积神经网络模型；更新卷积神经网络模型参数；将更新后的卷积神经网络模型参数上传至移动边缘计算服务器；计算每种类型视频的平均利润；将视频的平均利润衰减度高于目标衰减度对应的视频进行删除。本发明专利技术解决了现有技术中无差别的向用户推送视频，针对性较低，用户对视频应用的点击率较低、召回效果不理想的问题。频应用的点击率较低、召回效果不理想的问题。频应用的点击率较低、召回效果不理想的问题。

【技术实现步骤摘要】
一种基于联邦学习的视频分发方法和系统


[0001]本专利技术属于数据处理
，尤其涉及一种基于联邦学习的视频分发方法和系统。

技术介绍

[0002]在视频推送领域，一种将视频内容缓存在移动边缘计算服务器(Mobile Edge Computing，MEC)中的网络架构被提出，该架构可以缩短视频内容访问延时和视频检索次数。目前主要有两种内容分发策略：一种基于用户需求的、被动的内容分发策略；另外一种是用户对视频内容发起请求之前，视频内容提供商把用户即将请求或者最希望观看的一部分视频内容提前缓存在移动边缘服务器的缓存中的策略。
[0003]目前，针对所有的用户几乎均是采用无差别的视频推送方式，向各个用户推送视频，较难做到有针对性的推送。如在同一时间段，采用相同的推送途径，向所有用户推送相同的视频。然而，现有技术中无差别的向用户推送视频，针对性较低，用户对视频应用的点击率较低、召回效果不理想。

技术实现思路

[0004]本专利技术针对现有技术中的不足，提供一种基于联邦学习的视频分发方法和系统。
[0005]第一方面，本专利技术提供一种基于联邦学习的视频分发方法，包括：
[0006]获取目标时间内目标视频在移动边缘计算服务器中被观看过的用户人数；
[0007]获取目标时间内目标视频产生的付费次数；
[0008]计算目标时间内目标视频在移动边缘计算服务器中被接受的程度；
[0009]根据目标时间内目标视频在移动边缘计算服务器中被接受的程度，计算目标时间内目标视频产生的利润；
[0010]获取目标时间内目标视频缓存至移动边缘计算服务器中的次数；
[0011]计算目标时间内目标视频平均分发利润；
[0012]将平均分发利润低于目标利润对应的目标视频进行删除；
[0013]构建视频兴趣矩阵；所述视频兴趣矩阵列数量为视频类型数量，行数量为用户数量；
[0014]初始化卷积神经网络模型和卷积神经网络模型参数；
[0015]获取用户数据，所述用户数据包括观看视频标签、标签种类、付费方式、视频观看入口权重以及用户基础信息；
[0016]根据用户数据训练卷积神经网络模型；
[0017]更新卷积神经网络模型参数；
[0018]将更新后的卷积神经网络模型参数上传至移动边缘计算服务器；
[0019]将不同类型视频按比例分发，计算每种类型视频的平均利润；
[0020]将视频的平均利润衰减度高于目标衰减度对应的视频进行删除。
[0021]进一步地，所述计算目标时间内目标视频在移动边缘计算服务器中被接受的程度，包括：
[0022]根据以下公式计算目标时间内目标视频在移动边缘计算服务器中被接受的程度：
[0023][0024]其中，为时间t内i类型的视频j在移动边缘计算服务器中被接受的程度；为时间t内i类型的视频j在移动边缘计算服务器中被V个用户观看过；为时间t内i类型的视频j产生B次付费；α和β分别为和的权重参数。
[0025]进一步地，所述根据目标时间内目标视频在移动边缘计算服务器中被接受的程度，计算目标时间内目标视频产生的利润，包括：
[0026]根据以下公式计算目标时间内目标视频产生的利润：
[0027][0028]其中，为时间t内i类型的视频j总共产生的利润；ε为每个用户在时间t内，对i类型的视频j产生的基础利润系数；为时间t内i类型的视频j在移动边缘计算服务器中被接受的程度。
[0029]进一步地，所述将视频的平均利润衰减度高于目标衰减度对应的视频进行删除，包括：
[0030]根据以下公式计算目标衰减度：
[0031][0032]其中，I(t)为随着时间t推移的目标衰减度；I(t0)为时间t0时刻的衰减度；e为自然常数；γ为用户对视频的兴趣衰减系数；l为时间推移量。
[0033]第二方面，本专利技术提供一种基于联邦学习的视频分发系统，包括：
[0034]第一获取模块，用于获取目标时间内目标视频在移动边缘计算服务器中被观看过的用户人数；
[0035]第二获取模块，用于获取目标时间内目标视频产生的付费次数；
[0036]第一计算模块，用于计算目标时间内目标视频在移动边缘计算服务器中被接受的程度；
[0037]第二计算模块，用于根据目标时间内目标视频在移动边缘计算服务器中被接受的程度，计算目标时间内目标视频产生的利润；
[0038]第三获取模块，用于获取目标时间内目标视频缓存至移动边缘计算服务器中的次数；
[0039]第三计算模块，用于计算目标时间内目标视频平均分发利润；
[0040]第一删除模块，用于将平均分发利润低于目标利润对应的目标视频进行删除；
[0041]构建模块，用于构建视频兴趣矩阵；所述视频兴趣矩阵列数量为视频类型数量，行数量为用户数量；
[0042]初始化模块，用于初始化卷积神经网络模型和卷积神经网络模型参数；
[0043]第四获取模块，用于获取用户数据，所述用户数据包括观看视频标签、标签种类、付费方式、视频观看入口权重以及用户基础信息；
[0044]训练模块，用于根据用户数据训练卷积神经网络模型；
[0045]更新模块，用于更新卷积神经网络模型参数；
[0046]上传模块，用于将更新后的卷积神经网络模型参数上传至移动边缘计算服务器；
[0047]第四计算模块，用于将不同类型视频按比例分发，计算每种类型视频的平均利润；
[0048]第二删除模块，用于将视频的平均利润衰减度高于目标衰减度对应的视频进行删除。
[0049]进一步地，所述第一计算模块包括：
[0050]第一计算单元，用于根据以下公式计算目标时间内目标视频在移动边缘计算服务器中被接受的程度：
[0051][0052]其中，为时间t内i类型的视频j在移动边缘计算服务器中被接受的程度；为时间t内i类型的视频j在移动边缘计算服务器中被V个用户观看过；为时间t内i类型的视频j产生B次付费；α和β分别为和的权重参数。
[0053]进一步地，所述第二计算模块包括：
[0054]第二计算单元，用于根据以下公式计算目标时间内目标视频产生的利润：
[0055][0056]其中，为时间t内i类型的视频j总共产生的利润；ε为每个用户在时间t内，对i类型的视频j产生的基础利润系数；为时间t内i类型的视频j在移动边缘计算服务器中被接受的程度。
[0057]进一步地，所述第二删除模块包括：
[0058]第三计算单元，用于根据以下公式计算目标衰减度：
[0059][0060]其中，I(t)为随着时间t推移的目标衰减度；I(t0)为时间t0时刻的衰减度；e为自然常数；γ为用户对视频的兴趣衰减系数；l为时间推移量。
[0061]本专利技术提供一种基于联邦学习的视频分发方法和系统，其中方法包括获取目标时间内目标视频在移动边缘计算服务器中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于联邦学习的视频分发方法，其特征在于，包括：获取目标时间内目标视频在移动边缘计算服务器中被观看过的用户人数；获取目标时间内目标视频产生的付费次数；计算目标时间内目标视频在移动边缘计算服务器中被接受的程度；根据目标时间内目标视频在移动边缘计算服务器中被接受的程度，计算目标时间内目标视频产生的利润；获取目标时间内目标视频缓存至移动边缘计算服务器中的次数；计算目标时间内目标视频平均分发利润；将平均分发利润低于目标利润对应的目标视频进行删除；构建视频兴趣矩阵；所述视频兴趣矩阵列数量为视频类型数量，行数量为用户数量；初始化卷积神经网络模型和卷积神经网络模型参数；获取用户数据，所述用户数据包括观看视频标签、标签种类、付费方式、视频观看入口权重以及用户基础信息；根据用户数据训练卷积神经网络模型；更新卷积神经网络模型参数；将更新后的卷积神经网络模型参数上传至移动边缘计算服务器；将不同类型视频按比例分发，计算每种类型视频的平均利润；将视频的平均利润衰减度高于目标衰减度对应的视频进行删除。2.根据权利要求1所述的基于联邦学习的视频分发方法，其特征在于，所述计算目标时间内目标视频在移动边缘计算服务器中被接受的程度，包括：根据以下公式计算目标时间内目标视频在移动边缘计算服务器中被接受的程度：其中，为时间t内i类型的视频j在移动边缘计算服务器中被接受的程度；为时间t内i类型的视频j在移动边缘计算服务器中被V个用户观看过；为时间t内i类型的视频j产生B次付费；α和β分别为和的权重参数。3.根据权利要求2所述的基于联邦学习的视频分发方法，其特征在于，所述根据目标时间内目标视频在移动边缘计算服务器中被接受的程度，计算目标时间内目标视频产生的利润，包括：根据以下公式计算目标时间内目标视频产生的利润：其中，为时间t内i类型的视频j总共产生的利润；ε为每个用户在时间t内，对i类型的视频j产生的基础利润系数；为时间t内i类型的视频j在移动边缘计算服务器中被接受的程度。4.根据权利要求1所述的基于联邦学习的视频分发方法，其特征在于，所述将视频的平均利润衰减度高于目标衰减度对应的视频进行删除，包括：
根据以下公式计算目标衰减度：其中，I(t)为随着时间t推移的目标衰减度；I(t0)为时间t0时刻的衰减度；e为自然常数；γ为用户对视频的兴趣衰减系数；l为时间推移量。5.一种基于联邦学习的视频分发系统，其特征在于，包括：第一获取模块，用于获...

【专利技术属性】
技术研发人员：汪伟亚，包琳，徐姗，袁梦婷，
申请(专利权)人：江苏号百信息服务有限公司，
类型：发明
国别省市：