CN107800701B - 基于内容感知和团购策略的云视频内容分发方法、计算机可读介质及系统 - Google Patents

基于内容感知和团购策略的云视频内容分发方法、计算机可读介质及系统 Download PDF

Info

Publication number
CN107800701B
CN107800701B CN201711034840.XA CN201711034840A CN107800701B CN 107800701 B CN107800701 B CN 107800701B CN 201711034840 A CN201711034840 A CN 201711034840A CN 107800701 B CN107800701 B CN 107800701B
Authority
CN
China
Prior art keywords
video content
user
video
cloud data
users
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.)
Expired - Fee Related
Application number
CN201711034840.XA
Other languages
English (en)
Other versions
CN107800701A (zh
Inventor
陆佃杰
赵天骐
张桂娟
刘弘
陈莉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Normal University
Original Assignee
Shandong Normal University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Normal University filed Critical Shandong Normal University
Priority to CN201711034840.XA priority Critical patent/CN107800701B/zh
Publication of CN107800701A publication Critical patent/CN107800701A/zh
Application granted granted Critical
Publication of CN107800701B publication Critical patent/CN107800701B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/80—Responding to QoS
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/71—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • G06F16/735—Filtering based on additional data, e.g. user or group profiles
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/12—Discovery or management of network topologies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
    • H04L67/61—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources taking into account QoS or priority requirements

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本发明公开了基于内容感知和团购策略的云视频内容分发方法及系统，所述方法，包括以下步骤：提出基于内容感知的细粒度视频内容划分方法将视频内容划分为不同种类，提出团购策略允许用户组成团购联盟获取折扣，生成网络拓扑，生成用户请求并组成团购联盟，提出目标函数和约束条件，最后使用GLPK求解。基于内容感知和团购策略的云视频内容分发方法在保证用户QoS的前提下能有效降低用户总成本。

Description

基于内容感知和团购策略的云视频内容分发方法、计算机可 读介质及系统
技术领域
本发明涉及基于内容感知和团购策略的云视频内容分发方法及系统。
背景技术
内容分发网络(Content Delivery Networks,CDNs)的出现缓解了网络拥塞现象的发生，降低了链路中的网络流量。CDNs提供商在不同的区域设置服务器，并将用户多次访问的内容存放在边缘服务器。用户请求网络资源时，CDN利用重定向机制将用户的请求定向到距离用户最近的本地服务器，这样既避免了大量用户访问源服务器，造成源服务器负载过大，又减少了网络拓扑中经过链路的网络流量，同时也降低了延迟提高了服务质量(Quality of Service,QoS)。
随着网络技术的发展，商业CDNs的出现更好地承载了网络流量，如Akamai公司在全球部署了150万台边缘服务器，承载全球每年30％的网络流量。但网络资源不断涌现，网络流量的增长速度一直维持在20％以上，其中视频资源流量就要占据网络流量的60％。将在线视频作为分发对象的视频分发网络(Video Delivery Networks，VDNs)应运而生。
近年来，云计算的出现为扩展VDNs能力提供了一种方式，结合云计算和VDNs的优势，形成了云视频分发网络(Cloud Video Delivery Networks，CVDNs)。CVDNs提供商租用云空间，将视频内容存放在云端而不只是边缘服务器，以此降低存储成本和更新成本。并且有利于降低延迟，提高用户的QoS。但是，用户在享受高服务质量的同时也要面对高消费，CVDNs 提供商定价过高不能吸引用户，而用户面对过高的费用也会望而却步，因此需要提出一种方法缓解二者之间的矛盾。
现有技术需要解决的技术问题是：如何在保证QoS的前提下降低用户成本。
发明内容
为了解决现有技术的不足，本发明提供了一种基于内容感知和团购策略的云视频内容分发方法及系统，其具有在保证QoS的前提下降低用户成本的效果；
基于内容感知和团购策略的云视频内容分发方法，包括：
步骤(1)：构建网络拓扑，随机生成坐标点用于表示网络拓扑中的云数据中心，坐标点互相连接形成无向连通图，坐标点的连线表示云数据中心之间的链路；
步骤(2)：随机生成表示用户的坐标点，云数据中心接收用户请求；所述用户请求，包括：请求的视频内容及请求的视频时长；
步骤(3)：云数据中心采用细粒度的视频内容划分方法，将云数据中心自身存储的视频内容分划分为影视类、新闻类、音乐类，再将每个类别下的视频按照不同时长分为不同等级，云数据中心通过视频类别、时长和预先设置的阶梯折扣设置不同类别不同时长视频的价格；
步骤(4)：当云数据中心接收用户请求时，云数据中心采用基于内容流行度和关键字匹配算法，对用户请求进行感知；
步骤(5)：云数据中心对购买相同类别视频内容的用户组成团购联盟；
步骤(6)：将团购联盟中所有用户成本设置为目标函数，将团购联盟中每个用户视频内容实际购买量大于等于视频内容实际请求时长设置为约束条件；
步骤(7)：使用GLPK线性规划工具对步骤(6)的目标函数和约束条件进行求解，分别计算联盟中每位用户获取视频内容的成本，将计算成本反馈给用户，待团购联盟的用户支付成功后，云数据中心将视频分发给响应的用户。
所述步骤(1)中，将所有的云数据中心和链路集合看作一个网络拓扑，用F＝(S,E)表示，其中，S表示云数据中心集合，S＝{s0,s1,s2…sn}，n表示网络拓扑中云数据中心的数量，云数据中心sn的物理坐标用(xn,yn)表示；E表示链路集合，用以表示云数据中心间是否存在链路。
所述步骤(2)中，在网络拓扑中随机生成m个坐标点代表用户，U表示用户集合，并用i表示第i个用户，第i个用户的物理坐标用(xi,yi)表示。
所有视频内容的集合为J，j表示视频内容的集合J中第j种视频内容。
用户请求以矢量Xi表示，Xi＝(xi1,xi2,...xij)，其中xij表示第i个用户请求的第j个视频内容的单位时长的数量；
所述单位时长的数量等于视频内容时长与每单位时长的比值；
若比值为整数，则单位时长的数量为整数；
若比值为整数部分和小数部分的组合，则单位时长的数量为整数部分数值加一；
所述步骤(3)将视频内容、视频类别、视频时长和视频价格，存储到云数据中心数据库中；云数据中心数据库根据视频内容的点击率高低，分为点击率高的视频内容数据库和点击率低的视频内容数据库。
所述步骤(3)的有益效果是：细粒度的视频内容划分方法，视频的价格由视频类别和时长决定。预先设置的阶梯折扣。
细粒度视频内容划分方法的提出，可将视频内容划分为不同种类，每类视频可根据时长特点设置费用折扣点，例如影视类时长较长，可设置折扣起点较高；而新闻类时长较短，折扣起点也应较低。内容感知和细粒度视频内容划分的方法则有效地避免了某些视频时长较短用户观看此类视频不能获得折扣现象的发生。
所述步骤(4)，基于内容流行度算法分析请求的视频内容是否为点击率高的视频内容，若是，则在云数据中心的点击率高的视频内容数据库中检索；若不是，再调用关键字匹配算法在点击率低的视频内容数据库中检索；对检索到的视频内容，获取视频内容对应的视频类别；根据视频类别、请求的视频时长和不同类别不同时长视频的价格，计算当前用户的获取视频内容的价格；
对用户请求的视频时长进行累积，当累积达到第二设定阈值时，用户后续视频请求的价格享受不同的折扣；
点击率是指网站页面上某一内容被点击的次数与被显示次数之比；设定第一阈值，若被请求的视频点击率高于第一阈值，则判断为点击率高的视频内容；若被请求的视频点击率低于第一阈值，则判断为点击率高的视频内容；
所述步骤(4)的有益效果：通过内容流行度算法首先筛选出点击率高的视频内容，因为用户一般情况下优先看当下流行的视频，这样做能够减少了视频检索时间，避免搜索的时候去数据库挨个搜索浪费时间，降低了云数据中心的检索成本，并有助于降低延迟，提高QoS。
所述步骤(5)中，多个用户联合同时向某云数据中心发出请求时，当达到提供商的折扣起点，则多个用户组成团购联盟，团购联盟中的所有用户共同享有折扣。
所述步骤(5)的有益效果是：团购策略的提出可降低用户享受折扣的限制。在团购策略中，团购联盟中的所有用户共同从一个云数据中心获取视频内容，此云服务中心应满足以下两点。首先，云数据中心需满足联盟中所有用户视频请求，已缓存用户所需内容。第二，云数据中心不会超过负载，防止出现网络拥塞现象。
所述步骤(6)中，单个用户的成本是购买各类视频内容价格的和；
假设已知用户i的用户请求Xi，每单位时长视频内容的价格为pj；
根据步骤(3)中提出的阶梯折扣，每单位时长视频内容的价格会随用户购买量的增加而降低，把每单位视频内容的价格定义为价格分段函数pj(·)；
单个用户成本表示为：
Figure BDA0001450226430000031
用户i对视频内容j的实际请求时长(用户实际观看时间)为dij，视频内容j每单位时长为vj，为满足用户请求，用户视频内容实际购买量大于等于视频内容实际请求时长，满足公式(2)的条件：
Figure BDA0001450226430000041
在团购联盟C,
Figure BDA0001450226430000042
中，参与团购的用户表示为i',i'∈C，联盟中每位用户都处于合作博弈状态，用户是否参与联盟或不同的购买策略都会影响联盟中的其他用户。在团购联盟中，将联盟中所有用户的总成本设为目标函数，将每位用户的需求作为约束条件，在满足每个用户需求的前提下最小化所有用户成本：
Figure BDA0001450226430000043
Figure BDA0001450226430000044
在所述目标函数中，当价格分段函数pj(·),
Figure BDA0001450226430000045
中视频内容单价不再随购买量改变而变化时，目标函数被简化为一个背包问题，是一种NP难问题，使用线性规划的方法解决。
基于内容感知和团购策略的云视频内容分发系统，包括：存储器、处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被执行时，完成以下步骤：
步骤(1)：构建网络拓扑，随机生成坐标点用于表示网络拓扑中的云数据中心，坐标点互相连接形成无向连通图，坐标点的连线表示云数据中心之间的链路；
步骤(2)：随机生成表示用户的坐标点，云数据中心接收用户请求；所述用户请求，包括：请求的视频内容及请求的视频时长；
步骤(3)：设置云数据中心采用细粒度的视频内容划分方法，将云数据中心自身存储的视频内容分划分为影视类、新闻类、音乐类，再将每个类别下的视频按照不同时长分为不同等级，云数据中心通过视频类别、时长和预先设置的阶梯折扣设置不同类别不同时长视频的价格；
步骤(4)：当云数据中心接收用户请求时，云数据中心采用基于内容流行度和关键字匹配算法，对用户请求进行感知；
步骤(5)：设置云数据中心对购买相同类别视频内容的用户组成团购联盟；
步骤(6)：将团购联盟中所有用户成本设置为目标函数，将团购联盟中每个用户视频内容实际购买量大于等于视频内容实际请求时长设置为约束条件；
步骤(7)：使用GLPK线性规划工具对步骤(6)的目标函数和约束条件进行求解，分别计算联盟中每位用户获取视频内容的成本，将计算成本反馈给用户，待团购联盟的用户支付成功后，云数据中心将视频分发给响应的用户。
一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令被处理器执行时，完成以下步骤：
步骤(1)：构建网络拓扑，随机生成坐标点用于表示网络拓扑中的云数据中心，坐标点互相连接形成无向连通图，坐标点的连线表示云数据中心之间的链路；
步骤(2)：随机生成表示用户的坐标点，云数据中心接收用户请求；所述用户请求，包括：请求的视频内容及请求的视频时长；
步骤(3)：设置云数据中心采用细粒度的视频内容划分方法，将云数据中心自身存储的视频内容分划分为影视类、新闻类、音乐类，再将每个类别下的视频按照不同时长分为不同等级，云数据中心通过视频类别、时长和预先设置的阶梯折扣设置不同类别不同时长视频的价格；
步骤(4)：当云数据中心接收用户请求时，云数据中心采用基于内容流行度和关键字匹配算法，对用户请求进行感知；
步骤(5)：设置云数据中心对购买相同类别视频内容的用户组成团购联盟；
步骤(6)：将团购联盟中所有用户成本设置为目标函数，将团购联盟中每个用户视频内容实际购买量大于等于视频内容实际请求时长设置为约束条件；
步骤(7)：使用GLPK线性规划工具对步骤(6)的目标函数和约束条件进行求解，分别计算联盟中每位用户获取视频内容的成本，将计算成本反馈给用户，待团购联盟的用户支付成功后，云数据中心将视频分发给响应的用户。
与现有技术相比，本发明的有益效果是：
本发明使用细粒度的视频内容划分方法将视频内容划分为不同类别，使用内容流行度和关键字匹配算法的内容感知的方法对用户请求进行分析处理，并对不同类别视频内容分类定价并提出阶梯折扣，设置团购策略允许用户组成团购联盟更简单地获取折扣降低用户成本。并且通过生成网络拓扑、形成用户请求、设置目标函数和约束等过程，实现对内容感知和团购策略下视频内容分发问题的规划。该方法在保证用户QoS的前提下能有效地降低用户获取视频内容的成本。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1为本发明模型简化的流程图。
具体实施方式
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
如图1所示，本发明提供的第一个实施例：
基于内容感知和团购策略的云视频内容分发方法，包括：
步骤(1)：构建网络拓扑，随机生成坐标点用于表示网络拓扑中的服务器的云数据中心，坐标点互相连接形成无向连通图，坐标点的连线表示云数据中心之间的链路；
所述步骤(1)中，将所有的云数据中心和链路集合看作一个网络拓扑，用F＝(S,E)表示，其中，S表示云数据中心集合，S＝{s0,s1,s2…sn}，n表示网络拓扑中云数据中心的数量，云数据中心sn的物理坐标用(xn,yn)表示；E表示链路集合，用以表示云数据中心间是否存在链路。
步骤(2)：随机生成表示用户的坐标点，用户向云数据中心发出用户请求；所述用户请求，包括：请求的视频内容及请求的视频时长；请求的视频内容，例如：电影名称、电影名称中的词、新闻名称、新闻名称中的词、音乐名称、音乐名称里面的词；
所述步骤(2)中，在网络拓扑中随机生成m个坐标点代表用户，U表示用户集合，并用i表示第i个用户，第i个用户的物理坐标用(xi,yi)表示。
所有视频内容的集合为J，j表示视频内容的集合J中第j种视频内容。
用户请求以矢量Xi表示，Xi＝(xi1,xi2,...xij)，其中xij表示第i个用户请求的第j个视频内容的单位时长的数量；
所述单位时长的数量等于视频内容时长与每单位时长的比值；
若比值为整数，则单位时长的数量为整数；
若比值为整数部分和小数部分的组合，则单位时长的数量为整数部分数值加一；
例如：视频类每单位时长为30分钟，用户观看视频内容为60分钟，则单位时长的数量等于60与30的比值，单位时长数量为2；
例如：视频类每单位时长为30分钟，用户观看视频内容为50分钟，则单位时长的数量等于50与30的比值，单位时长数量为2；
步骤(3)：云数据中心采用细粒度的视频内容划分方法，将云数据中心自身存储的视频内容分划分为影视类、新闻类、音乐类，再将每个类别下的视频按照不同时长分为不同等级，云数据中心通过视频类别、时长和预先设置的阶梯折扣设置不同类别不同时长视频的价格；将视频内容、视频类别、视频时长和视频价格，存储到云数据中心数据库中；云数据中心数据库根据视频内容的点击率高低，分为点击率高的视频内容数据库和点击率低的视频内容数据库；
所述步骤(3)的有益效果是：细粒度的视频内容划分方法，例如影视类视频时间较长，可按照时长划分为120分钟以上、60-120分钟、30-60分钟和30分钟以下不同类视频；而新闻类视频时长较短，可按照时长划分为30分钟以上、15-30分钟和15分钟以下。视频的价格由视频类别和时长决定。预先设置的阶梯折扣，例如：新闻类0-60分钟9折；60-120分钟8折；120-180分钟7折。
细粒度视频内容划分方法的提出，可将视频内容划分为不同种类，每类视频可根据时长特点设置费用折扣点，例如影视类时长较长，可设置折扣起点较高；而新闻类时长较短，折扣起点也应较低。内容感知和细粒度视频内容划分的方法则有效地避免了某些视频时长较短用户观看此类视频不能获得折扣现象的发生。
步骤(4)：当云数据中心接收用户请求时，云数据中心采用基于内容流行度和关键字匹配算法，对用户请求进行全方位感知；
所述步骤(4)，基于内容流行度算法分析请求的视频内容是否为点击率高的视频内容，若是，则在云数据中心的点击率高的视频内容数据库中检索；若不是，再调用关键字匹配算法在点击率低的视频内容数据库中检索；对检索到的视频内容，获取视频内容对应的视频类别；根据视频类别、请求的视频时长和不同类别不同时长视频的价格，计算当前用户的获取视频内容的价格；所述点击率高的视频内容数据库，用于存储预先定义的设定时间范围内点击率满足设定阈值的视频内容；所述点击率低的视频内容数据库，用于存储预先定义的设定时间范围内点击率不满足设定阈值的视频内容；
对用户请求的视频时长进行累积，当累积达到第二设定阈值时，用户后续视频请求的价格享受不同的折扣；
点击率是指网站页面上某一内容被点击的次数与被显示次数之比；设定第一阈值，若被请求的视频点击率高于第一阈值，则判断为点击率高的视频内容；若被请求的视频点击率低于第一阈值，则判断为点击率高的视频内容；
所述步骤(4)的有益效果：通过内容流行度算法首先筛选出点击率高的视频内容，因为用户一般情况下优先看当下流行的视频，这样做能够减少了视频检索时间，避免搜索的时候去数据库挨个搜索浪费时间，降低了云数据中心的检索成本，并有助于降低延迟，提高QoS。
步骤(5)：云数据中心对购买相同类别视频内容的用户组成团购联盟；
所述步骤(5)中，多个用户联合同时向某云数据中心发出请求时，当达到提供商的折扣起点，则多个用户组成团购联盟，团购联盟中的所有用户共同享有折扣。
所述步骤(5)的有益效果是：团购策略的提出可降低用户享受折扣的限制。在团购策略中，团购联盟中的所有用户共同从一个云数据中心获取视频内容，此云服务中心应满足以下两点。首先，云数据中心需满足联盟中所有用户视频请求，已缓存用户所需内容。第二，云数据中心不会超过负载，防止出现网络拥塞现象。
步骤(6)：将团购联盟中所有用户成本设置为目标函数，将团购联盟中每个用户视频内容实际购买量大于等于视频内容实际请求时长设置为约束条件；
所述步骤(6)中，单个用户的成本是购买各类视频内容价格的和；
假设已知用户i的用户请求Xi，每单位时长视频内容的价格为pj；
根据步骤(3)中提出的阶梯折扣，每单位时长视频内容的价格会随用户购买量的增加而降低，把每单位视频内容的价格定义为价格分段函数pj(·)；
单个用户成本表示为：
Figure BDA0001450226430000081
用户i对视频内容j的实际请求时长(用户实际观看时间)为dij，视频内容j每单位时长为vj，为满足用户请求，用户视频内容实际购买量大于等于视频内容实际请求时长，满足公式(2)的条件：
Figure BDA0001450226430000082
在团购联盟C,
Figure BDA0001450226430000083
中，参与团购的用户表示为i',i'∈C，联盟中每位用户都处于合作博弈状态，用户是否参与联盟或不同的购买策略都会影响联盟中的其他用户。在团购联盟中，将联盟中所有用户的总成本设为目标函数，将每位用户的需求作为约束条件，在满足用户需求的前提下最小化所有用户成本：
Figure BDA0001450226430000084
Figure BDA0001450226430000091
在所述目标函数中，当价格分段函数pj(·),
Figure BDA0001450226430000092
中视频内容单价不再随购买量改变而变化时，目标函数被简化为一个背包问题，是一种NP难问题，使用线性规划的方法解决。
步骤(7)：使用GLPK线性规划工具对问题进行解决，分别计算联盟中每位用户获取视频内容的成本。
本发明提供的第二个实施例：
基于内容感知和团购策略的云视频内容分发系统，包括：存储器、处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被执行时，完成以下步骤：
步骤(1)：构建网络拓扑，随机生成坐标点用于表示网络拓扑中的云数据中心，坐标点互相连接形成无向连通图，坐标点的连线表示云数据中心之间的链路；
步骤(2)：随机生成表示用户的坐标点，云数据中心接收用户请求；所述用户请求，包括：请求的视频内容及请求的视频时长；
步骤(3)：设置云数据中心采用细粒度的视频内容划分方法，将云数据中心自身存储的视频内容分划分为影视类、新闻类、音乐类，再将每个类别下的视频按照不同时长分为不同等级，云数据中心通过视频类别、时长和预先设置的阶梯折扣设置不同类别不同时长视频的价格；
步骤(4)：当云数据中心接收用户请求时，云数据中心采用基于内容流行度和关键字匹配算法，对用户请求进行感知；
步骤(5)：设置云数据中心对购买相同类别视频内容的用户组成团购联盟；
步骤(6)：将团购联盟中所有用户成本设置为目标函数，将团购联盟中每个用户视频内容实际购买量大于等于视频内容实际请求时长设置为约束条件；
步骤(7)：使用GLPK线性规划工具对步骤(6)的目标函数和约束条件进行求解，分别计算联盟中每位用户获取视频内容的成本，将计算成本反馈给用户，待团购联盟的用户支付成功后，云数据中心将视频分发给响应的用户。
本发明提供的第三个实施例：
一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令被处理器执行时，完成以下步骤：
步骤(1)：构建网络拓扑，随机生成坐标点用于表示网络拓扑中的云数据中心，坐标点互相连接形成无向连通图，坐标点的连线表示云数据中心之间的链路；
步骤(2)：随机生成表示用户的坐标点，云数据中心接收用户请求；所述用户请求，包括：请求的视频内容及请求的视频时长；
步骤(3)：设置云数据中心采用细粒度的视频内容划分方法，将云数据中心自身存储的视频内容分划分为影视类、新闻类、音乐类，再将每个类别下的视频按照不同时长分为不同等级，云数据中心通过视频类别、时长和预先设置的阶梯折扣设置不同类别不同时长视频的价格；
步骤(4)：当云数据中心接收用户请求时，云数据中心采用基于内容流行度和关键字匹配算法，对用户请求进行感知；
步骤(5)：设置云数据中心对购买相同类别视频内容的用户组成团购联盟；
步骤(6)：将团购联盟中所有用户成本设置为目标函数，将团购联盟中每个用户视频内容实际购买量大于等于视频内容实际请求时长设置为约束条件；
步骤(7)：使用GLPK线性规划工具对步骤(6)的目标函数和约束条件进行求解，分别计算联盟中每位用户获取视频内容的成本，将计算成本反馈给用户，待团购联盟的用户支付成功后，云数据中心将视频分发给响应的用户。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (8)

1.基于内容感知和团购策略的云视频内容分发方法，其特征是，包括：
步骤(1)：构建网络拓扑，随机生成坐标点用于表示网络拓扑中的云数据中心，坐标点互相连接形成无向连通图，坐标点的连线表示云数据中心之间的链路；
步骤(2)：随机生成表示用户的坐标点，云数据中心接收用户请求；所述用户请求，包括：请求的视频内容及请求的视频时长；
步骤(3)：云数据中心采用细粒度的视频内容划分方法，将云数据中心自身存储的视频内容分划分为影视类、新闻类、音乐类，再将每个类别下的视频按照不同时长分为不同等级，云数据中心通过视频类别、时长和预先设置的阶梯折扣设置不同类别不同时长视频的价格；
步骤(4)：当云数据中心接收用户请求时，云数据中心采用基于内容流行度和关键字匹配算法，对用户请求进行感知；
步骤(5)：云数据中心对购买相同类别视频内容的用户组成团购联盟；
步骤(6)：将团购联盟中所有用户成本设置为目标函数，将团购联盟中每个用户视频内容实际购买量大于等于视频内容实际请求时长设置为约束条件；
步骤(7)：使用GLPK线性规划工具对步骤(6)的目标函数和约束条件进行求解，分别计算联盟中每位用户获取视频内容的成本，将计算成本反馈给用户，待团购联盟的用户支付成功后，云数据中心将视频分发给响应的用户；
所述步骤(4)，基于内容流行度算法分析请求的视频内容是否为点击率高的视频内容，若是，则在云数据中心的点击率高的视频内容数据库中检索；若不是，再调用关键字匹配算法在点击率低的视频内容数据库中检索；对检索到的视频内容，获取视频内容对应的视频类别；根据视频类别、请求的视频时长和不同类别不同时长视频的价格，计算当前用户的获取视频内容的价格；
所述步骤(6)中，单个用户的成本是购买各类视频内容价格的和；
假设已知用户i的用户请求Xi，每单位时长视频内容的价格为pj；
根据步骤(3)中提出的阶梯折扣，每单位时长视频内容的价格会随用户购买量的增加而降低，把每单位视频内容的价格定义为价格分段函数pj(·)；
单个用户成本表示为：
Figure FDA0002301394580000011
用户i对视频内容j的实际请求时长为dij，视频内容j每单位时长为vj，为满足用户请求，用户视频内容实际购买量大于等于视频内容实际请求时长，满足公式(2)的条件：
Figure FDA0002301394580000021
在团购联盟C,
Figure FDA0002301394580000022
中，参与团购的用户表示为i',i'∈C，在团购联盟中，将联盟中所有用户的总成本设为目标函数，将每位用户的需求作为约束条件，在满足用户需求的前提下最小化所有用户成本：
Figure FDA0002301394580000023
Figure FDA0002301394580000024
在所述目标函数中，当价格分段函数
Figure FDA0002301394580000025
中视频内容单价不再随购买量改变而变化时，目标函数被简化为一个背包问题，是一种NP难问题，使用线性规划的方法解决。
2.如权利要求1所述的基于内容感知和团购策略的云视频内容分发方法，其特征是，所述步骤(1)中，将所有的云数据中心和链路集合看作一个网络拓扑，用F＝(S,E)表示，其中，S表示云数据中心集合，S＝{s0,s1,s2···sn}，n表示网络拓扑中云数据中心的数量，云数据中心sn的物理坐标用(xn,yn)表示；E表示链路集合，用以表示云数据中心间是否存在链路。
3.如权利要求1所述的基于内容感知和团购策略的云视频内容分发方法，其特征是，所述步骤(2)中，在网络拓扑中随机生成m个坐标点代表用户，U表示用户集合，并用i表示第i个用户，第i个用户的物理坐标用(xi,yi)表示；
所有视频内容的集合为J，j表示视频内容的集合J中第j种视频内容；
用户请求以矢量Xi表示，Xi＝(xi1,xi2,...xij)，其中xij表示第i个用户请求的第j个视频内容的单位时长的数量；
所述单位时长的数量等于视频内容时长与每单位时长的比值；
若比值为整数，则单位时长的数量为整数；
若比值为整数部分和小数部分的组合，则单位时长的数量为整数部分数值加一。
4.如权利要求1所述的基于内容感知和团购策略的云视频内容分发方法，其特征是，所述步骤(3)将视频内容、视频类别、视频时长和视频价格，存储到云数据中心数据库中；云数据中心数据库根据视频内容的点击率高低，分为点击率高的视频内容数据库和点击率低的视频内容数据库。
5.如权利要求1所述的基于内容感知和团购策略的云视频内容分发方法，其特征是，
对用户请求的视频时长进行累积，当累积达到第二设定阈值时，用户后续视频请求的价格享受不同的折扣。
6.如权利要求1所述的基于内容感知和团购策略的云视频内容分发方法，其特征是，
点击率是指网站页面上某一内容被点击的次数与被显示次数之比；设定第一阈值，若被请求的视频点击率高于第一阈值，则判断为点击率高的视频内容；若被请求的视频点击率低于第一阈值，则判断为点击率高的视频内容；
所述步骤(5)中，多个用户联合同时向某云数据中心发出请求时，当达到提供商的折扣起点，则多个用户组成团购联盟，团购联盟中的所有用户共同享有折扣。
7.基于内容感知和团购策略的云视频内容分发系统，其特征是，包括：存储器、处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被执行时，完成以下步骤：
步骤(1)：构建网络拓扑，随机生成坐标点用于表示网络拓扑中的云数据中心，坐标点互相连接形成无向连通图，坐标点的连线表示云数据中心之间的链路；
步骤(2)：随机生成表示用户的坐标点，云数据中心接收用户请求；所述用户请求，包括：请求的视频内容及请求的视频时长；
步骤(3)：设置云数据中心采用细粒度的视频内容划分方法，将云数据中心自身存储的视频内容分划分为影视类、新闻类、音乐类，再将每个类别下的视频按照不同时长分为不同等级，云数据中心通过视频类别、时长和预先设置的阶梯折扣设置不同类别不同时长视频的价格；
步骤(4)：当云数据中心接收用户请求时，云数据中心采用基于内容流行度和关键字匹配算法，对用户请求进行感知；
步骤(5)：设置云数据中心对购买相同类别视频内容的用户组成团购联盟；
步骤(6)：将团购联盟中所有用户成本设置为目标函数，将团购联盟中每个用户视频内容实际购买量大于等于视频内容实际请求时长设置为约束条件；
步骤(7)：使用GLPK线性规划工具对步骤(6)的目标函数和约束条件进行求解，分别计算联盟中每位用户获取视频内容的成本，将计算成本反馈给用户，待团购联盟的用户支付成功后，云数据中心将视频分发给响应的用户；
所述步骤(4)，基于内容流行度算法分析请求的视频内容是否为点击率高的视频内容，若是，则在云数据中心的点击率高的视频内容数据库中检索；若不是，再调用关键字匹配算法在点击率低的视频内容数据库中检索；对检索到的视频内容，获取视频内容对应的视频类别；根据视频类别、请求的视频时长和不同类别不同时长视频的价格，计算当前用户的获取视频内容的价格；
所述步骤(6)中，单个用户的成本是购买各类视频内容价格的和；
假设已知用户i的用户请求Xi，每单位时长视频内容的价格为pj；
根据步骤(3)中提出的阶梯折扣，每单位时长视频内容的价格会随用户购买量的增加而降低，把每单位视频内容的价格定义为价格分段函数pj(·)；
单个用户成本表示为：
Figure FDA0002301394580000041
用户i对视频内容j的实际请求时长为dij，视频内容j每单位时长为vj，为满足用户请求，用户视频内容实际购买量大于等于视频内容实际请求时长，满足公式(2)的条件：
Figure FDA0002301394580000042
在团购联盟C,
Figure FDA0002301394580000043
中，参与团购的用户表示为i',i'∈C，在团购联盟中，将联盟中所有用户的总成本设为目标函数，将每位用户的需求作为约束条件，在满足用户需求的前提下最小化所有用户成本：
Figure FDA0002301394580000044
Figure FDA0002301394580000045
在所述目标函数中，当价格分段函数
Figure FDA0002301394580000046
中视频内容单价不再随购买量改变而变化时，目标函数被简化为一个背包问题，是一种NP难问题，使用线性规划的方法解决。
8.一种计算机可读存储介质，其上存储有计算机指令，其特征是，所述计算机指令被处理器执行时，完成以下步骤：
步骤(1)：构建网络拓扑，随机生成坐标点用于表示网络拓扑中的云数据中心，坐标点互相连接形成无向连通图，坐标点的连线表示云数据中心之间的链路；
步骤(2)：随机生成表示用户的坐标点，云数据中心接收用户请求；所述用户请求，包括：请求的视频内容及请求的视频时长；
步骤(3)：设置云数据中心采用细粒度的视频内容划分方法，将云数据中心自身存储的视频内容分划分为影视类、新闻类、音乐类，再将每个类别下的视频按照不同时长分为不同等级，云数据中心通过视频类别、时长和预先设置的阶梯折扣设置不同类别不同时长视频的价格；
步骤(4)：当云数据中心接收用户请求时，云数据中心采用基于内容流行度和关键字匹配算法，对用户请求进行感知；
步骤(5)：设置云数据中心对购买相同类别视频内容的用户组成团购联盟；
步骤(6)：将团购联盟中所有用户成本设置为目标函数，将团购联盟中每个用户视频内容实际购买量大于等于视频内容实际请求时长设置为约束条件；
步骤(7)：使用GLPK线性规划工具对步骤(6)的目标函数和约束条件进行求解，分别计算联盟中每位用户获取视频内容的成本，将计算成本反馈给用户，待团购联盟的用户支付成功后，云数据中心将视频分发给响应的用户；
所述步骤(4)，基于内容流行度算法分析请求的视频内容是否为点击率高的视频内容，若是，则在云数据中心的点击率高的视频内容数据库中检索；若不是，再调用关键字匹配算法在点击率低的视频内容数据库中检索；对检索到的视频内容，获取视频内容对应的视频类别；根据视频类别、请求的视频时长和不同类别不同时长视频的价格，计算当前用户的获取视频内容的价格；
所述步骤(6)中，单个用户的成本是购买各类视频内容价格的和；
假设已知用户i的用户请求Xi，每单位时长视频内容的价格为pj；
根据步骤(3)中提出的阶梯折扣，每单位时长视频内容的价格会随用户购买量的增加而降低，把每单位视频内容的价格定义为价格分段函数pj(·)；
单个用户成本表示为：
Figure FDA0002301394580000051
用户i对视频内容j的实际请求时长为dij，视频内容j每单位时长为vj，为满足用户请求，用户视频内容实际购买量大于等于视频内容实际请求时长，满足公式(2)的条件：
Figure FDA0002301394580000052
在团购联盟C,
Figure FDA0002301394580000053
中，参与团购的用户表示为i',i'∈C，在团购联盟中，将联盟中所有用户的总成本设为目标函数，将每位用户的需求作为约束条件，在满足用户需求的前提下最小化所有用户成本：
Figure FDA0002301394580000061
Figure FDA0002301394580000062
在所述目标函数中，当价格分段函数
Figure FDA0002301394580000063
中视频内容单价不再随购买量改变而变化时，目标函数被简化为一个背包问题，是一种NP难问题，使用线性规划的方法解决。
CN201711034840.XA 2017-10-30 2017-10-30 基于内容感知和团购策略的云视频内容分发方法、计算机可读介质及系统 Expired - Fee Related CN107800701B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711034840.XA CN107800701B (zh) 2017-10-30 2017-10-30 基于内容感知和团购策略的云视频内容分发方法、计算机可读介质及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711034840.XA CN107800701B (zh) 2017-10-30 2017-10-30 基于内容感知和团购策略的云视频内容分发方法、计算机可读介质及系统

Publications (2)

Publication Number Publication Date
CN107800701A CN107800701A (zh) 2018-03-13
CN107800701B true CN107800701B (zh) 2020-05-05

Family

ID=61548328

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711034840.XA Expired - Fee Related CN107800701B (zh) 2017-10-30 2017-10-30 基于内容感知和团购策略的云视频内容分发方法、计算机可读介质及系统

Country Status (1)

Country Link
CN (1) CN107800701B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102194192A (zh) * 2011-06-09 2011-09-21 上海启年信息科技有限公司 一种在线购物系统及方法
CN102708487A (zh) * 2011-03-23 2012-10-03 中兴通讯股份有限公司 基于普适计算环境的团购处理方法及系统
CN103260060A (zh) * 2013-04-24 2013-08-21 陕西师范大学 一种基于社团发现的数字电视节目推荐方法
CN103269444A (zh) * 2013-04-03 2013-08-28 深圳市龙视传媒有限公司 一种自动生成节目团购的方法及装置
US8639580B1 (en) * 1999-07-06 2014-01-28 Intellectual Ventures Holding 79 Llc System and method for extension of group buying throughout the internet
CN103973780A (zh) * 2014-04-25 2014-08-06 华中科技大学 一种云视频的资源分配和开销优化方法
CN106875211A (zh) * 2017-01-06 2017-06-20 华东师范大学 一种云计算环境中基于用户感知价值的最优服务定价方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10169782B2 (en) * 2014-11-13 2019-01-01 Adobe Systems Incorporated Targeting ads engaged by a user to related users
US10250928B2 (en) * 2015-04-21 2019-04-02 Edge2020 Price driven multimedia content video time-bandwidth product improvement (VTBPI) reception

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8639580B1 (en) * 1999-07-06 2014-01-28 Intellectual Ventures Holding 79 Llc System and method for extension of group buying throughout the internet
CN102708487A (zh) * 2011-03-23 2012-10-03 中兴通讯股份有限公司 基于普适计算环境的团购处理方法及系统
CN102194192A (zh) * 2011-06-09 2011-09-21 上海启年信息科技有限公司 一种在线购物系统及方法
CN103269444A (zh) * 2013-04-03 2013-08-28 深圳市龙视传媒有限公司 一种自动生成节目团购的方法及装置
CN103260060A (zh) * 2013-04-24 2013-08-21 陕西师范大学 一种基于社团发现的数字电视节目推荐方法
CN103973780A (zh) * 2014-04-25 2014-08-06 华中科技大学 一种云视频的资源分配和开销优化方法
CN106875211A (zh) * 2017-01-06 2017-06-20 华东师范大学 一种云计算环境中基于用户感知价值的最优服务定价方法

Also Published As

Publication number Publication date
CN107800701A (zh) 2018-03-13

Similar Documents

Publication Publication Date Title
US20190297021A1 (en) Delaycast queue prioritization
US11132718B1 (en) Content selection using distribution parameter data
US11109097B2 (en) Watch-time accumulation for video searches
CN103295147B (zh) 投放广告的方法、装置和系统
JP5735087B2 (ja) 個人化されたリソースをオンデマンドで消費者デバイスアプリケーションに広帯域ネットワークを介して提供すること
US20170249672A1 (en) Systems and methods for generating network intelligence through real-time analytics
US8229915B1 (en) Content item arrangement
US10798467B2 (en) Personalized content ranking using content received from different sources in a video delivery system
US20090089169A1 (en) Event Based Serving
US20150235258A1 (en) Cross-device reporting and analytics
US20070005421A1 (en) Determining and/or managing offers such as bids for advertising
JP4621793B2 (ja) 広告配信サーバ
US9538249B2 (en) Close fulfillment of content requests
CN110336885A (zh) 边缘节点分配方法、装置、调度服务器及存储介质
US11455299B1 (en) Providing content in response to user actions
US10694225B2 (en) Customizing supplemental content delivery
US20160044374A1 (en) Commercial advertising platform
CN104090893A (zh) 推荐算法优化方法、装置及系统
US20230206303A1 (en) Recommendation Engine Accounting for Preference Drift
US20090070319A1 (en) System and method for offering content on a mobile device for delivery to a second device
US20180218395A1 (en) Advertisements targeting on video playlists
JP2005332084A (ja) Ｃｍ配信サーバ装置
JP5797872B1 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
CN107800701B (zh) 基于内容感知和团购策略的云视频内容分发方法、计算机可读介质及系统
US20140304063A1 (en) Determining resource allocation for content distrubution

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
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200505

Termination date: 20211030