【技术实现步骤摘要】
本申请涉及人工智能，具体为一种互联网电视调控方法及装置、存储介质和电子设备。
技术介绍
1、当前互联网电视在多网融合场景下的拥塞预测与资源管理主要依赖两类技术：传统时序模型和基于优先级的dqn方法。
2、传统时序模型仅基于历史流量窗口预测，无法建模复杂网络拓扑关系，导致高密度用户场景下预测误差超过20％，且难以捕捉连锁拥塞效应。基于优先级的dqn方法需人工预设优先级参数，在异构网络(如5g与卫星链路混合)中适应性差，策略搜索需1200次迭代(延迟50ms)，无法满足实时调控需求(<10ms)。
3、由此可见，传统技术存在无法同时优化拥塞概率、时延、能耗等多目标的问题。
技术实现思路
1、有鉴于此，本申请实施例提供了一种互联网电视调控方法及装置、存储介质和电子设备，以解决传统技术无法同时优化拥塞概率、时延、能耗等多目标的问题。
2、第一方面，本申请一实施例提供了一种互联网电视调控方法，该方法包括：通过时空超图卷积网络实时采集互联网电视的节点的网络拓扑...
【技术保护点】
1.一种互联网电视调控方法，其特征在于，包括：
2.根据权利要求1所述的互联网电视调控方法，其特征在于，所述基于所述网络拓扑数据、所述实时性能参数、所述用户行为数据及所述环境数据，构建动态超图模型，包括：
3.根据权利要求2所述的互联网电视调控方法，其特征在于，所述基于所述动态超图模型，利用空间卷积提取所述互联网电视的节点的空间特征矩阵，包括：
4.根据权利要求3所述的互联网电视调控方法，其特征在于，所述基于所述空间特征矩阵，利用时间卷积提取所述互联网电视的节点的时间特征矩阵，包括：
5.根据权利要求4所述的互联网电视调...
【技术特征摘要】
1.一种互联网电视调控方法，其特征在于，包括：
2.根据权利要求1所述的互联网电视调控方法，其特征在于，所述基于所述网络拓扑数据、所述实时性能参数、所述用户行为数据及所述环境数据，构建动态超图模型，包括：
3.根据权利要求2所述的互联网电视调控方法，其特征在于，所述基于所述动态超图模型，利用空间卷积提取所述互联网电视的节点的空间特征矩阵，包括：
4.根据权利要求3所述的互联网电视调控方法，其特征在于，所述基于所述空间特征矩阵，利用时间卷积提取所述互联网电视的节点的时间特征矩阵，包括：
5.根据权利要求4所述的互联网电视调控方法，其特征在于，所述将所述空间特征矩阵和所述时间特征矩阵进行特征融合，生成所述互联网电视的各节点的拥塞概率预测结...
【专利技术属性】
技术研发人员：赵俊，吴庭威，
申请(专利权)人：南京聚通时讯科技有限公司，
类型：发明
国别省市：
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。