CN108259929A - 一种视频活跃期模式的预测及缓存方法 - Google Patents

一种视频活跃期模式的预测及缓存方法 Download PDF

Info

Publication number
CN108259929A
CN108259929A CN201711406084.9A CN201711406084A CN108259929A CN 108259929 A CN108259929 A CN 108259929A CN 201711406084 A CN201711406084 A CN 201711406084A CN 108259929 A CN108259929 A CN 108259929A
Authority
CN
China
Prior art keywords
video
term
prediction
short
long
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.)
Granted
Application number
CN201711406084.9A
Other languages
English (en)
Other versions
CN108259929B (zh
Inventor
郭宇春
王
王一
陈帅
陈一帅
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.)
Beijing Jiaotong University
Original Assignee
Beijing Jiaotong 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 Beijing Jiaotong University filed Critical Beijing Jiaotong University
Priority to CN201711406084.9A priority Critical patent/CN108259929B/zh
Publication of CN108259929A publication Critical patent/CN108259929A/zh
Application granted granted Critical
Publication of CN108259929B publication Critical patent/CN108259929B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/231—Content storage operation, e.g. caching movies for short term storage, replicating data over plural servers, prioritizing data for deletion
    • H04N21/23113—Content storage operation, e.g. caching movies for short term storage, replicating data over plural servers, prioritizing data for deletion involving housekeeping operations for stored content, e.g. prioritizing content for deletion because of storage space restrictions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • H04L65/60—Network streaming of media packets
    • H04L65/61—Network streaming of media packets for supporting one-way streaming services, e.g. Internet radio
    • H04L65/612—Network streaming of media packets for supporting one-way streaming services, e.g. Internet radio for unicast
    • 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
    • H04L65/60—Network streaming of media packets
    • H04L65/75—Media network packet handling
    • 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
    • H04L67/56—Provisioning of proxy services
    • H04L67/568—Storing data temporarily at an intermediate stage, e.g. caching
    • H04L67/5682—Policies or rules for updating, deleting or replacing the stored data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • H04N21/23418—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本发明提供了一种视频活跃期模式的预测及缓存方法，该方法包括：先将视频标签分类为长期流行视频和短期流行视频；然后将带有所述标签的视频与该视频的特征量一并进行机器学习，训练得到预测器分类模型；最后将初始视频输入所述分类模型进行自动标签分类为长期流行视频和短期流行视频，并根据不同标签对所述初始视频进行分类缓存。本发明利用早期数据进行视频流行模式(短期流行或长期流行)的预测，并且在视频流行模式的基础上提出了一个新的缓存策略，该缓存策略可以在提高缓存命中率的同时，减少缓存替换次数。

Description

一种视频活跃期模式的预测及缓存方法
技术领域
本发明涉及在线视频点播技术领域，尤其涉及一种视频活跃期模式的预测及缓存方法。
背景技术
当今在线VoD(Video On Demand，视频点播)服务盛行，大量的在线内容出现，用户数量和流量呈现爆炸性增长。据思科公司预测，2019年全球的VoD流量将达到每月26.8EB，从2014年至2019年，年复合增长率为14％，视频点播流量将增长近2倍。在实际的系统中，只有一小部分的视频会流行起来，而大部分的流量却来自这些少数的流行的内容，所以这些流行的视频是最重要的。而对于这些流行的视频，很多已有研究着眼于预测视频未来流行度数值。但是除了预测流行度数值，预测视频的流行模式(短期流行或长期流行)也有很广泛的应用。对网络运营商而言，预测视频的流行模式可以改善缓存性能，针对不同种流行模式的视频进行分开缓存，以达到减少不同流行模式的视频之间的相互替换，浪费资源的现象。对广告商来说，预测视频的流行模式，一方面可以有效提前规划广告投放周期，例如长期流行的视频更适合长期投放广告；另一方面可以对不同流行模式的视频进行广告种类的针对性投放，例如针对短期流行的视频，投放时效性更强的广告(文艺演出，展览等)。
目前未见关于流行模式的预测方法。视频流行度的预测较多，也有少数预测视频的流行度峰值出现时间的方法，但都不涉及流行模式的预测，目前也没有利用流行模式预期的缓存策略。因此，预测视频流行模式的方式方法成为目前本领域研究的方向。
发明内容
本发明提供了一种视频活跃期模式的预测及缓存方法，解决了不同模式的视频一起缓存会造成不同流行模式的视频之间的相互替换，浪费资源的现象。
为了实现上述目的，本发明采取了如下技术方案：
本发明提供了一种视频活跃期模式的预测及缓存方法，包括：
S1：按照视频活跃期的长短将视频进行标签分类；
S2：将带有所述标签的视频与该视频的特征量一并进行机器学习，得到分类模型；
S3：将初始视频输入所述分类模型进行自动标签分类，并根据不同标签对所述初始视频进行分类缓存。
进一步地，带有所述标签的视频分为长期流行视频和短期流行视频。
进一步地，所述视频的特征量通过计算分析该视频的点播数值、视频类型、网络评分和评分人数得出。
进一步地，所述分类模型为预测器自动分类模型，用于自动将视频进行设定标签分类。
进一步地，所述分类模型自动将所述初始视频分为长期流行视频和短期流行视频，并且，将所述长期流行视频存入长期流行视频缓存空间，将所述短期流行视频存入短期流行视频缓存空间。
由上述本发明提供的技术方案可以看出，本发明利用早期数据进行视频流行模式(短期流行或长期流行)的预测，并且在视频流行模式的基础上提出了一个新的缓存策略，该缓存策略可以在提高缓存命中率的同时，减少缓存替换次数。
本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的预测器分类模型的训练流程图；
图2为本发明实施例提供的基于视频流行模式的缓存应用流程图。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。
本发明实施例提供了一种视频活跃期模式的预测及缓存方法，包括：
图1为本发明实施例提供的预测器分类模型的训练流程图；如图1所示：
实施例一：
步骤一：按照视频活跃期的长短将视频进行标签分类；
在一个具体的实施例中，带有所述标签的视频分为长期流行视频和短期流行视频。
步骤二：将带有所述标签的视频与该视频的特征量一并进行机器学习，得到分类模型；
在一个具体的实施例中，所述视频的特征量通过计算该视频的点播数值、视频类型、网络评分和评分人数得出；
在一个具体的实施例中，一般分析计算视频前七天的点播数值、视频类型、网络评分和评分人数；
在一个具体的实施例中，所述分类模型为预测器自动分类模型，用于自动将视频进行设定标签分类。
由于不同模式的视频一起缓存会造成不同流行模式的视频之间的相互替换，浪费资源的现象。故本发明实施例提出一种基于视频流行模式的缓存策略，如图2所示：
步骤三：将初始视频输入所述分类模型进行自动标签分类，并根据不同标签对所述初始视频进行分类缓存。
在一个具体的实施例中，所述分类模型自动将所述初始视频分为长期流行视频和短期流行视频，并且，将所述长期流行视频存入长期流行视频缓存空间，将所述短期流行视频存入短期流行视频缓存空间。
实施例二：
本实施例以某个视频的活跃期计算为例，详细分类过程如下，
1、计算视频活跃期
步骤(1)：视频活跃期初始化为其生命周期(累积观看量的10％和90％的时间差)；
步骤(2)：通过对视频活跃度曲线的二次差分找到局部波峰和波谷；
步骤(3)：如果波峰的最大值和次大值的比大于一个阈值，那么其活跃期就会被修正为与最大波峰相邻的，左右两边的两个波谷之间的时间间隔。
2、视频打标签
根据活跃期长短将视频分为两种不同的活跃期模式：“尖峰型”和“非尖峰型”(活跃期小于60天的视频属于“尖峰型”视频，其他的视频属于“非尖峰型”视频。)
3、分类器训练
利用不同的分类算法预测视频活跃期模式，例如决策树，随机森林，k近邻和神经网络等。分类器的输入特征量有视频前七天的点播数值、视频类型、视频评分和评分人数，视频标签为“尖峰型”或“非尖峰型”。
训练好的分类器可以实现输入未知活跃期模式的视频前7天的点播数值、视频类型、视频评分和评分人数，便可以自动输出该视频的活跃期模式。
4、基于视频活跃期的缓存替换策略
该策略将总缓存空间划分为两个子缓存空间，其中不同的子缓存空间用于缓存不同活跃期模式的视频，并且子缓存的大小与不同活跃期模式的视频的请求数量成正比。
综上所述，本发明实施例利用早期数据进行视频流行模式(短期流行或长期流行)的预测，并且在视频流行模式的基础上提出了一个新的缓存策略，该缓存策略可以在提高缓存命中率的同时，减少缓存替换次数。
本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (5)

1.一种视频活跃期模式的预测及缓存方法，其特征在于，包括：
S1：按照视频活跃期的长短将视频进行标签分类；
S2：将带有所述标签的视频与该视频的特征量一并进行机器学习，得到分类模型；
S3：将初始视频输入所述分类模型进行自动标签分类，并根据不同标签对所述初始视频进行分类缓存。
2.根据权利要求1所述预测及缓存方法，其特征在于，带有所述标签的视频分为长期流行视频和短期流行视频。
3.根据权利要求1所述预测及缓存方法，其特征在于，所述视频的特征量通过计算分析该视频的点播数值、视频类型、网络评分和评分人数得出。
4.根据权利要求1所述预测及缓存方法，其特征在于，所述分类模型为预测器自动分类模型，用于自动将视频进行设定标签分类。
5.根据权利要求1所述预测及缓存方法，其特征在于，所述分类模型自动将所述初始视频分为长期流行视频和短期流行视频，并且，将所述长期流行视频存入长期流行视频缓存空间，将所述短期流行视频存入短期流行视频缓存空间。
CN201711406084.9A 2017-12-22 2017-12-22 一种视频活跃期模式的预测及缓存方法 Active CN108259929B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711406084.9A CN108259929B (zh) 2017-12-22 2017-12-22 一种视频活跃期模式的预测及缓存方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711406084.9A CN108259929B (zh) 2017-12-22 2017-12-22 一种视频活跃期模式的预测及缓存方法

Publications (2)

Publication Number Publication Date
CN108259929A true CN108259929A (zh) 2018-07-06
CN108259929B CN108259929B (zh) 2020-03-06

Family

ID=62722744

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711406084.9A Active CN108259929B (zh) 2017-12-22 2017-12-22 一种视频活跃期模式的预测及缓存方法

Country Status (1)

Country Link
CN (1) CN108259929B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109511009A (zh) * 2018-12-07 2019-03-22 北京交通大学 一种视频在线缓存管理方法和系统
CN109769136A (zh) * 2018-12-07 2019-05-17 北京交通大学 基于瞬时访问速率值的在线视频缓存管理方法和系统
CN109769135A (zh) * 2018-12-07 2019-05-17 北京交通大学 基于联合请求速率的在线视频缓存管理方法和系统
CN109784226A (zh) * 2018-12-28 2019-05-21 深圳云天励飞技术有限公司 人脸抓拍方法及相关装置
CN110312167A (zh) * 2019-06-26 2019-10-08 深圳市酷开网络科技有限公司 一种计算影视内容评分的方法、智能终端及存储介质
CN110334036A (zh) * 2019-06-28 2019-10-15 京东数字科技控股有限公司 一种实现缓存数据调度的方法和装置
CN110879852A (zh) * 2018-09-05 2020-03-13 南京大学 一种视频内容缓存方法
CN111629216A (zh) * 2020-04-20 2020-09-04 南京邮电大学 边缘网络环境下基于随机森林算法的vod业务缓存替换方法
CN112084369A (zh) * 2020-08-03 2020-12-15 广州数说故事信息科技有限公司 一种基于视频直播高光时刻挖掘方法和模型

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100319031A1 (en) * 2009-06-12 2010-12-16 National Taiwan University Of Science & Technology Hot video prediction system based on user interests social network
CN102355490A (zh) * 2011-08-23 2012-02-15 武汉大学 用于网络空间信息服务系统的空间信息集群缓存预取方法
US8185431B2 (en) * 2008-11-13 2012-05-22 Kwabena Benoni Abboa-Offei System and method for forecasting and pairing advertising with popular web-based media
CN104053024A (zh) * 2014-06-19 2014-09-17 华东师范大学 一种基于少量数据的短期视频点播量预测系统
CN104253855A (zh) * 2014-08-07 2014-12-31 哈尔滨工程大学 一种面向内容中心网络中基于内容分类的类别流行度缓存替换方法
CN104822068A (zh) * 2015-04-29 2015-08-05 四达时代通讯网络技术有限公司 流媒体代理缓存替换方法及装置
CN106131182A (zh) * 2016-07-12 2016-11-16 重庆邮电大学 命名数据网络中一种基于流行度预测的协作缓存方法
CN106453495A (zh) * 2016-08-31 2017-02-22 北京邮电大学 一种基于内容流行度预测的信息中心网络缓存方法
CN106855876A (zh) * 2015-12-08 2017-06-16 奥多比公司 基于媒体内容的推荐的属性加权
CN107171961A (zh) * 2017-04-28 2017-09-15 中国人民解放军信息工程大学 基于内容流行度的缓存方法及其装置
CN107222787A (zh) * 2017-06-02 2017-09-29 中国科学技术大学 视频资源流行度预测方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8185431B2 (en) * 2008-11-13 2012-05-22 Kwabena Benoni Abboa-Offei System and method for forecasting and pairing advertising with popular web-based media
US20100319031A1 (en) * 2009-06-12 2010-12-16 National Taiwan University Of Science & Technology Hot video prediction system based on user interests social network
CN102355490A (zh) * 2011-08-23 2012-02-15 武汉大学 用于网络空间信息服务系统的空间信息集群缓存预取方法
CN104053024A (zh) * 2014-06-19 2014-09-17 华东师范大学 一种基于少量数据的短期视频点播量预测系统
CN104253855A (zh) * 2014-08-07 2014-12-31 哈尔滨工程大学 一种面向内容中心网络中基于内容分类的类别流行度缓存替换方法
CN104822068A (zh) * 2015-04-29 2015-08-05 四达时代通讯网络技术有限公司 流媒体代理缓存替换方法及装置
CN106855876A (zh) * 2015-12-08 2017-06-16 奥多比公司 基于媒体内容的推荐的属性加权
CN106131182A (zh) * 2016-07-12 2016-11-16 重庆邮电大学 命名数据网络中一种基于流行度预测的协作缓存方法
CN106453495A (zh) * 2016-08-31 2017-02-22 北京邮电大学 一种基于内容流行度预测的信息中心网络缓存方法
CN107171961A (zh) * 2017-04-28 2017-09-15 中国人民解放军信息工程大学 基于内容流行度的缓存方法及其装置
CN107222787A (zh) * 2017-06-02 2017-09-29 中国科学技术大学 视频资源流行度预测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
LIANG CHEN: "A lifetime model of online video popularity", 《2014 23RD INTERNATIONAL CONFERENCE ON COMPUTER COMMUNICATION AND NETWORKS》 *
MOHAMED AHMED: "《A peek into the future：predicting the evolution of popularity in user generated content》", 《PROCEEDING OF THE SIXTH ACM INTERNATIONAL CONFERENCE ON WEB SEARCH AND DATA MINING》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110879852A (zh) * 2018-09-05 2020-03-13 南京大学 一种视频内容缓存方法
CN109769135B (zh) * 2018-12-07 2021-02-19 北京交通大学 基于联合请求速率的在线视频缓存管理方法和系统
CN109769135A (zh) * 2018-12-07 2019-05-17 北京交通大学 基于联合请求速率的在线视频缓存管理方法和系统
CN109769136A (zh) * 2018-12-07 2019-05-17 北京交通大学 基于瞬时访问速率值的在线视频缓存管理方法和系统
CN109511009A (zh) * 2018-12-07 2019-03-22 北京交通大学 一种视频在线缓存管理方法和系统
CN109769136B (zh) * 2018-12-07 2021-02-19 北京交通大学 基于瞬时访问速率值的在线视频缓存管理方法和系统
CN109784226A (zh) * 2018-12-28 2019-05-21 深圳云天励飞技术有限公司 人脸抓拍方法及相关装置
CN110312167A (zh) * 2019-06-26 2019-10-08 深圳市酷开网络科技有限公司 一种计算影视内容评分的方法、智能终端及存储介质
CN110312167B (zh) * 2019-06-26 2021-07-27 深圳市酷开网络科技股份有限公司 一种计算影视内容评分的方法、智能终端及存储介质
CN110334036A (zh) * 2019-06-28 2019-10-15 京东数字科技控股有限公司 一种实现缓存数据调度的方法和装置
CN111629216A (zh) * 2020-04-20 2020-09-04 南京邮电大学 边缘网络环境下基于随机森林算法的vod业务缓存替换方法
CN111629216B (zh) * 2020-04-20 2021-04-06 南京邮电大学 边缘网络环境下基于随机森林算法的vod业务缓存替换方法
CN112084369A (zh) * 2020-08-03 2020-12-15 广州数说故事信息科技有限公司 一种基于视频直播高光时刻挖掘方法和模型

Also Published As

Publication number Publication date
CN108259929B (zh) 2020-03-06

Similar Documents

Publication Publication Date Title
CN108259929A (zh) 一种视频活跃期模式的预测及缓存方法
CN104992347B (zh) 一种视频匹配广告的方法及装置
CN104281718B (zh) 一种基于用户群体行为数据挖掘智能推荐的方法
CN104574124B (zh) 确定广告数据的展示效果的方法及装置
CN103839171A (zh) 一种网络广告的定向条件展示方法和装置
IL263851A (en) Method and system for automatically identifying events in videos
CN110222975A (zh) 一种流失用户分析方法、装置、电子设备及存储介质
CN105550903A (zh) 目标用户确定方法及装置
CN108334575A (zh) 一种推荐结果排序修正方法及装置，电子设备
CN106815254A (zh) 一种数据处理方法和装置
KR101753762B1 (ko) 자동 기사 생성을 위한 로봇 저널리즘 시스템 및 방법
CN110365994A (zh) 直播推荐方法、装置、服务器及可读存储介质
CN107590691B (zh) 一种信息发布方法及装置、存储介质、终端
CN108229994A (zh) 一种信息推送方法及装置
CN109727052A (zh) 关键词确定方法及装置
Yao [Retracted] Real‐Time Analysis of Basketball Sports Data Based on Deep Learning
CN109905738A (zh) 视频广告异常展现监测方法及装置、存储介质和电子设备
CN103500213A (zh) 基于预读取的页面热点资源更新方法和装置
CN107402851A (zh) 一种数据恢复控制方法及装置
CN109635192A (zh) 面向微服务的海量资讯热度排行更新方法及平台
CN105164664B (zh) 多核架构中的混合路由器
Brose Improving nature conservancy strategies by ecological network theory
CN105956069A (zh) 一种网络资讯的采集和分析方法及系统
CN105117468B (zh) 一种网络数据处理方法和装置
US11151598B2 (en) Scoring image engagement in digital media

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