CN108322783A - 视频网站用户规模推测方法、存储介质和终端 - Google Patents

视频网站用户规模推测方法、存储介质和终端 Download PDF

Info

Publication number
CN108322783A
CN108322783A CN201810074374.6A CN201810074374A CN108322783A CN 108322783 A CN108322783 A CN 108322783A CN 201810074374 A CN201810074374 A CN 201810074374A CN 108322783 A CN108322783 A CN 108322783A
Authority
CN
China
Prior art keywords
userbase
video
category
video website
preset time
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
CN201810074374.6A
Other languages
English (en)
Other versions
CN108322783B (zh
Inventor
葛莉
古浩源
张祥
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.)
Guangzhou Huya Information Technology Co Ltd
Original Assignee
Guangzhou Huya Information Technology Co Ltd
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 Guangzhou Huya Information Technology Co Ltd filed Critical Guangzhou Huya Information Technology Co Ltd
Priority to CN201810074374.6A priority Critical patent/CN108322783B/zh
Publication of CN108322783A publication Critical patent/CN108322783A/zh
Application granted granted Critical
Publication of CN108322783B publication Critical patent/CN108322783B/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
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • 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
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/252—Processing of multiple end-users' preferences to derive collaborative 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
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H04N21/25891—Management of end-user data being end-user preferences
    • 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]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections
    • 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]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
    • 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]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
    • H04N21/4781—Games
    • 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]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
    • H04N21/4782—Web browsing, e.g. WebTV

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computing Systems (AREA)
  • Computer Graphics (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本发明提供一种视频网站用户规模推测方法、存储介质和终端，以解决现有技术中存在的缺乏视频网站用户规模推测相关方案的技术问题。所述的方法包括步骤：获取视频网站的品类集合中每个品类在预设时间段的视频数量、视频上传者数量以及视频播放指数；将品类集合中每个品类在预设时间段的视频数量、视频上传者数量以及视频播放指数分别输入预先建立的用户规模推测模型中，获得每个品类在预设时间段的用户规模；根据每个品类在预设时间段的用户规模以及设定的每个品类之间的用户重合度，获得所述视频网站在预设时间段的用户规模。本发明实施例能够对视频网站的用户规模进行准确推测。

Description

视频网站用户规模推测方法、存储介质和终端
技术领域
本发明涉及互联网技术领域，具体而言，本发明涉及一种视频网站用户规模推测方法、存储介质和终端。
背景技术
随着科技的发展，越来越多的视频网站，如游戏视频网站等，出现在用户的视野中。准确推测各个视频网站的用户规模具有重要意义，例如，可以更好的维护视频网站的运行，可以为视频业务发展提供可靠参考等。以游戏视频网站为例，准确推测游戏视频行业用户规模，可以提供把握行业发展趋势的重要信息，为游戏视频业务的发展提供可靠的第一手的市场资料，对于游戏周边产业、视频垂直内容行业、甚至整体视频行业等具有一定推广参考价值。而现有技术中还未出现有关视频网站用户规模推测的相关方案。
发明内容
本发明针对现有方式的缺点，提出一种视频网站用户规模推测方法、存储介质和终端，用以解决现有技术中存在的缺乏视频网站用户规模推测相关方案的问题，以能够对视频网站的用户规模进行准确推测。
本发明的实施例根据第一个方面，提供了一种视频网站用户规模推测方法，包括步骤：
获取视频网站的品类集合中每个品类在预设时间段的视频数量、视频上传者数量以及视频播放指数；
将品类集合中每个品类在预设时间段的视频数量、视频上传者数量以及视频播放指数分别输入预先建立的用户规模推测模型中，获得每个品类在预设时间段的用户规模，其中，所述用户规模推测模型用于描述视频数量、视频上传者数量以及视频播放指数与用户规模之间的关联关系；
根据每个品类在预设时间段的用户规模以及设定的每个品类之间的用户重合度，获得所述视频网站在预设时间段的用户规模。
本实施例提供的视频网站用户规模推测方法，基于视频网站的视频数据以及用户规模推测模型，可以获得各个品类在预设时间段的用户规模，然后基于各个品类在预设时间段的用户规模以及各个品类之间的用户重合度，就可以准确推测出视频网站的用户规模，填补了视频网站用户规模推测方面的空白，对于视频网站的维护、视频业务发展等具有重要意义。
在一个实施例中，所述用户规模推测模型包含第一回归模型和第二回归模型；
所述将品类集合中每个品类在预设时间段的视频数量、视频上传者数量以及视频播放指数分别输入预先建立的用户规模推测模型中，获得每个品类在预设时间段的用户规模，包括：
依次从所述品类集合中获取一个品类；
将获取的所述品类在预设时间段内每个子时间段的视频数量、视频上传者数量以及视频播放指数分别输入预先建立的用户规模推测模型中，获得所述品类在每个子时间段的第一预测值；
统计每个第一预测值出现的次数；
若次数为1，判定该第一预测值为所述品类在对应子时间段的用户规模；
若次数大于1，将该第一预测值对应的每个子时间段的视频数量、视频上传者数量以及视频播放指数分别输入第二回归模型中，获得所述品类在对应的每个子时间段的第二预测值，根据每个第二预测值确定所述品类在对应的每个子时间段的用户规模。
本实施例通过结合第一回归模型和第二回归模型可以更为准确的确定各个品类在各个子时间段的用户规模，从而进一步提高了视频网站用户规模推测的准确度。
在一个实施例中，所述根据每个第二预测值确定所述品类在对应的每个子时间段的用户规模，包括：
从所有第二预测值中选取最大值；
计算每个第二预测值与所述最大值的比值；
将该第一预测值与每个比值分别相乘，获得所述品类在对应的每个子时间段的用户规模。
在一个实施例中，所述第一回归模型为分类回归树模型，所述第二回归模型为线性回归模型。
在一个实施例中，所述每个品类之间的用户重合度通过以下公式确定：
C1,…,n＝count(1,…,n)/(count(P1,…,n-1)+count(Pn))
其中，C1,…,n为每个品类之间的用户重合度；n≥2，为第n个品类；count()用于计算用户集合中元素的个数；Pn为从样本网站中获取的第n个品类的用户集合；P1,…,n-1＝{u|u∈P1∪…∪Pn-1}；P1,…,n＝{u|u∈P1,…,n-1∪Pn}。
本实施例通过上述公式可以准确获得各个品类之间的用户重合度，从而进一步提高了视频网站用户规模推测的准确度。
在一个实施例中，所述视频网站在预设时间段的用户规模的用户规模通过以下公式确定：
U1,…,n＝1,…,n*(U1,…,n-1+Un)
其中，U1,…,n为所述视频网站的用户规模；Un为所述视频网站中第n个品类在预设时间段的用户规模。
本实施例利用各个品类之间的用户重合度以及各个品类的用户规模，通过上述公式可以准确推测出视频网站的用户规模。
在一个实施例中，所述获得所述视频网站在预设时间段的用户规模之后，还包括：
获取第一监控平台监控的所述视频网站移动应用程序在预设时间段的第一用户规模，以及第二监控平台监控的所述视频网站移动应用程序在预设时间段的第一安装量；将所述第一用户规模和所述第一安装量输入预先建立的线性回归模型中，获得所述视频网站移动应用程序在预设时间段的用户规模；
获取第一监控平台监控的所述视频网站移动应用程序在预设时间段的上一时间段的第二用户规模，以及第二监控平台监控的所述视频网站移动应用程序在上一时间段的第二安装量；将所述第二用户规模和所述第二安装量输入所述线性回归模型中，获得所述视频网站移动应用程序在上一时间段的用户规模；
基于所述视频网站移动应用程序在预设时间段的用户规模以及上一时间段的用户规模，得到用户规模环比增幅；
根据所述视频网站在预设时间段的用户规模以及所述用户规模环比增幅，得到所述视频网站在上一时间段的用户规模。
由于部分视频网站的历史视频数据难以获取，因此本实施例通过视频网站移动应用程序的视频数据准确推测出视频网站的历史用户规模，从而得到更为全面的视频网站用户规模，进一步提高了视频网站用户规模对其它行业方向的参考价值。
在一个实施例中，所述线性回归模型通过以下方式建立：
以第一监控平台监控的样本网站移动应用程序的历史用户规模以及第二监控平台监控的样本网站移动应用程序的历史安装量作为输入变量，以样本网站移动应用程序的用户规模作为目标，建立线性回归模型。
本发明的实施例根据第二个方面，还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任意一项所述的视频网站用户规模推测方法。
本实施例提供的计算机可读存储介质，基于视频网站的视频数据以及用户规模推测模型，可以获得各个品类在预设时间段的用户规模，然后基于各个品类在预设时间段的用户规模以及各个品类之间的用户重合度，就可以准确推测出视频网站的用户规模，填补了视频网站用户规模推测方面的空白，对于视频网站的维护、视频业务发展等具有重要意义。
本发明的实施例根据第三个方面，还提供了一种终端，所述终端包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述任意一项所述的视频网站用户规模推测方法。
本实施例提供的终端，基于视频网站的视频数据以及用户规模推测模型，可以获得各个品类在预设时间段的用户规模，然后基于各个品类在预设时间段的用户规模以及各个品类之间的用户重合度，就可以准确推测出视频网站的用户规模，填补了视频网站用户规模推测方面的空白，对于视频网站的维护、视频业务发展等具有重要意义。
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
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明一个实施例的视频网站用户规模推测方法的流程示意图；
图2为本发明一个具体实施例的视频网站用户规模推测方法的流程示意图；
图3为本发明一个具体实施例的终端的结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例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例是示例性的，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。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全部或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被特定定义，否则不会用理想化或过于正式的含义来解释。
本技术领域技术人员可以理解，这里所使用的“终端”、“终端设备”既包括无线信号接收器的设备，其仅具备无发射能力的无线信号接收器的设备，又包括接收和发射硬件的设备，其具有能够在双向通信链路上，执行双向通信的接收和发射硬件的设备。这种设备可以包括：蜂窝或其他通信设备，其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备；PCS(Personal Communications Service，个人通信系统)，其可以组合语音、数据处理、传真和/或数据通信能力；PDA(Personal Digital Assistant，个人数字助理)，其可以包括射频接收器、寻呼机、互联网/内联网访问、网络浏览器、记事本、日历和/或GPS(Global Positioning System，全球定位系统)接收器；常规膝上型和/或掌上型计算机或其他设备，其具有和/或包括射频接收器的常规膝上型和/或掌上型计算机或其他设备。这里所使用的“终端”、“终端设备”可以是便携式、可运输、安装在交通工具(航空、海运和/或陆地)中的，或者适合于和/或配置为在本地运行，和/或以分布形式，运行在地球和/或空间的任何其他位置运行。这里所使用的“终端”、“终端设备”还可以是通信终端、上网终端、音乐/视频播放终端，例如可以是PDA、MID(Mobile Internet Device，移动互联网设备)和/或具有音乐/视频播放功能的移动电话，也可以是智能电视、机顶盒等设备。
有必要先对本发明的应用场景以及实践意义进行如下的先导性说明。
本发明提供的视频网站用户规模推测方法、存储介质和终端可以推测任何视频网站的用户规模，从而可以清晰量化的刻画视频行业发展情况，填补了行业空白，为业务发展提供科学可靠的指导借鉴。以游戏视频网站为例，本发明提供的视频网站用户规模推测方法、存储介质和终端可以准确推测出在该游戏视频网站观看游戏视频的所有用户，即用户规模，而该用户规模是把握行业发展趋势的重要信息，可以为公司内部的游戏视频业务的发展提供可靠的第一手的市场资料。而且游戏视频是重要的游戏周边产业，与游戏直播相辅相成，因此推测的用户规模甚至对游戏直播等周边游戏业务也有一定的借鉴价值，并且对于游戏周边产业、视频垂直内容行业、甚至整体视频行业等具有一定推广参考价值。
下面结合附图对本发明的实施例进行详细介绍。
如图1所示，为一实施例的视频网站用户规模推测方法的流程示意图，该方法包括步骤：
S110、获取视频网站的品类集合中每个品类在预设时间段的视频数量、视频上传者数量以及视频播放指数。
视频网站可以是任何可以观看视频的网站，例如优酷、今日头条和虎牙等等。由于公司内部的视频网站数据容易调取，用户规模可以直接得到，因此该步骤的视频网站主要针对外部视频网站。应当理解，本发明并不对视频网站的形式进行限定。
对于视频网站，分析其视频页面展示形式，从主要视频大类、热门视频、大V用户、排行榜等多个角度爬取其视频数据，可选的，视频数据具体内容可以包括：视频播放量、弹幕量、上传者账号、视频时长、上传日期等。以游戏视频网站为例，分析其视频页面展示形式，从主要游戏大类、热门游戏、大V用户、排行榜等多个角度爬取其视频数据，具体内容包括：视频播放量、弹幕量、上传者账号、视频时长、上传日期等。
获取视频数据后，清洗整理爬取的视频数据，包括但不限于：按视频所属类别或者标题将视频划分为各个品类，得到视频网站的品类集合，品类即视频的类别；按视频上传日期将视频划分各个时间段，时间段可以以月为单位，可以以周为单位，也可以根据用户自定义的区间范围进行确定，本发明并不对此作出限定；根据视频播放量计算每个视频的视频播放指数，具体为：以视频网站、时间段为维度，首先统计视频网站所有视频的平均播放量，然后计算每个视频的视频播放量相对平均播放量的比例，该比例即为对应视频的视频播放指数。
以游戏视频数据为例，清洗整理爬取的游戏视频数据，包括但不限于：按游戏视频所属游戏或者标题将游戏视频划分为：网络游戏、手机游戏、单机游戏、电子竞技等游戏品类；按游戏视频上传日期将游戏视频划分月份，例如一个游戏视频属于一月份的游戏视频，另一个游戏视频属于二月份的游戏视频等；根据游戏视频的视频播放量计算每一个游戏视频的视频播放指数：以游戏视频网站、月份为维度，首先统计所有游戏视频的平均播放量，然后计算每一个游戏视频播放量相对平均播放量的比例，该比例即为对应游戏视频的视频播放指数。
按设置好的时间段统计各个品类的视频数量、视频上传者数量以及视频播放指数，例如按月统计各个品类的视频数量、视频上传者数量、视频播放指数。其中，视频上传者数量即视频拥有者数量，品类的播放指数为该品类所包含的各个视频的视频播放指数的平均值。
S120、将品类集合中每个品类在预设时间段的视频数量、视频上传者数量以及视频播放指数分别输入预先建立的用户规模推测模型中，获得每个品类在预设时间段的用户规模，其中，所述用户规模推测模型用于描述视频数量、视频上传者数量以及视频播放指数与用户规模之间的关联关系。
用户规模推测模型可以通过样本数据预先建立，为了保证用户规模推测模型建立的准确性，可以采用公司内部的视频网站的相关数据进行建立。以公司内部游戏视频平台为虎牙视频为例，按月统计虎牙视频中游戏品类的视频数量、视频上传者数量、视频播放指数，将每月的游戏品类的视频数量、视频上传者数量、视频播放指数作为变量，将游戏品类的用户规模作为目标，对初始用户规模推测模型进行训练，直至用户规模推测模型输出的游戏品类的用户规模与真实的用户规模误差在设定范围内或者迭代次数满足预设条件，即可以得到训练好的用户规模推测模型。
将统计的视频网站的各个品类在预设时间段的视频数量、上传者数量、视频播放指数分别输入训练好的用户规模推测模型，可推测得到视频网站各个品类在预设时间段的用户规模。例如，将某一品类在一月份的视频数量、上传者数量、视频播放指数输入训练好的用户规模推测模型，可推测得到该品类在一月份的用户规模。
S130、根据每个品类在预设时间段的用户规模以及设定的每个品类之间的用户重合度，获得所述视频网站在预设时间段的用户规模。
视频网站在预设时间段的用户规模为在预设时间段观看该视频网站中全部视频的用户数量。各个品类之间的用户重合度为观看多个品类的用户重合比例。获得各个品类在预设时间段的用户规模后，结合各个品类之间的用户重合度，即可以获得视频网站的用户规模。
本实施例基于视频网站的视频数据以及用户规模推测模型，可以获得各个品类在预设时间段的用户规模，然后基于各个品类在预设时间段的用户规模以及各个品类之间的用户重合度，就可以准确推测出视频网站的用户规模，填补了视频网站用户规模推测方面的空白，对于视频网站的维护、视频业务发展等具有重要意义。
在一个实施例中，所述用户规模推测模型包括第一回归模型和第二回归模型，通过第一回归模型可以得到大致范围，通过第二回归模型计算变化因子，二者结合得到视频网站各个品类的用户规模。可选的，所述第一回归模型为分类回归树模型(CR树模型)，所述第二回归模型为线性回归模型。
在一个实施例中，所述将品类集合中每个品类在预设时间段的视频数量、视频上传者数量以及视频播放指数分别输入预先建立的用户规模推测模型中，获得每个品类在预设时间段的用户规模，包括：
S1201、依次从所述品类集合中获取一个品类。
品类集合中包含多个品类，可以按照一定的顺序从品类集合中依次获取每一个品类。
S1202、将获取的所述品类在预设时间段内每个子时间段的视频数量、视频上传者数量以及视频播放指数分别输入预先建立的用户规模推测模型中，获得所述品类在每个子时间段的第一预测值。
预设时间段包含多个子时间段，每个子时间段的时长可以根据实际需要进行划定。例如，预设时间段为一个月，每个子时间段为一周。又例如，预设时间段为一年，每个子时间段为一个月等。将品类在某一个子时间段的视频数量、视频上传者数量以及视频播放指数输入第一回归模型中，由第一回归模型计算得到该品类在该子时间段的预测值，依次重复，就可以得到该品类在各个子时间段的预测值y1,y2,…,yn，其中yn为由第n个子时间段的视频数量、视频上传者数量以及视频播放指数计算得到的预测值。
S1203、统计每个第一预测值出现的次数。
得到所有的第一预测值后，统计每一个第一预测值出现的次数count(yi),(i＝1,2,…,n)。
S1204、若次数为1，判定该第一预测值为所述品类在对应子时间段的用户规模。
若count(yi)＝1，意味着该第一预测值与其它的第一预测值均不相同，则将该第一预测值作为该品类在对应子时间段的用户规模。例如，该品类在一月份的预测值与其它月份的预测值均不相同，则将一月份的预测值作为该品类在一月份的用户规模。
S1205、若次数大于1，将该第一预测值对应的每个子时间段的视频数量、视频上传者数量以及视频播放指数分别输入第二回归模型中，获得所述品类在对应的每个子时间段的第二预测值，根据每个第二预测值确定所述品类在对应的每个子时间段的用户规模。
次数大于1，也即是count(yi)≥2，即存在一组相同的预测值y1＝…＝k，(k∈[2,n])，为了进一步提高用户规模推测的准确性，需要将一组相同的预测值各自所对应的各个子时间段的视频数量、视频上传者数量以及视频播放指数分别输入第二回归模型中，得到品类在对应的各个子时间段的回归预测值(即第二预测值)z1,…,zk，然后根据各个第二预测值获得品类在对应的各个子时间段的用户规模。
例如，品类在二月份和四月份的第一预测值相同，则将该二月份的视频数量、视频上传者数量以及视频播放指数输入第二回归模型中，得到二月份的第二预测值，将该四月份的视频数量、视频上传者数量以及视频播放指数输入第二回归模型中，得到四月份的第二预测值，然后根据二月份的第二预测值和四月份的第二预测值确定品类在二月份的用户规模和在四月份的用户规模。
基于品类在每个子时间段的用户规模就可以得到品类在预设时间段的用户规模，依次重复，就可以得到所有品类在预设时间段的用户规模。
应当理解，本发明并不限定于采用第一回归模型和第二回归模型推测各个品类在各个时间段的用户规模。例如，在利用第二回归模型得到各个第二预测值后，同理，统计每一个第二预测值出现的次数，从而确定是否采用第三回归模型等等。又例如，也可以仅采用其中一个回归模型对各个品类在各个时间段的用户规模进行预测，但是预测结果精度方面可能要低于采用两个回归模型。
根据每个第二预测值确定所述品类在对应的每个子时间段的用户规模的方式有很多，下面结合两个实施例进行介绍。
在一个实施例中，可以直接将第二预测值作为所述品类在对应子时间段的用户规模。例如，根据第二回归模型得到品类在二月份的第二预测值后，将该第二预测值直接确定为品类在二月份的用户规模。
在另一个实施例中，所述根据每个第二预测值确定所述品类在对应的每个子时间段的用户规模，包括：从所有第二预测值中选取最大值；计算每个第二预测值与所述最大值的比值；将该第一预测值与每个比值分别相乘，获得所述品类在对应的每个子时间段的用户规模。
本实施例中，从各个第二预测值中选取最大值zm＝max(z1,…,k)，计算每一个第二预测值相对zm的比例zratio＝zk/zm，然后根据yk*zratio得到品类在对应的各个子时间段的用户规模。
例如，品类在二月份和四月份的第一预测值相同，则将该二月份的视频数量、视频上传者数量以及视频播放指数输入第二回归模型中，得到二月份的第二预测值，将该四月份的视频数量、视频上传者数量以及视频播放指数输入第二回归模型中，得到四月份的第二预测值，从二月份的第二预测值和四月份的第二预测值中选取最大值，例如最大值为二月份的第二预测值，则品类在二月份的用户规模为二月份的第一预测值*1，品类在四月份的用户规模为四月份的第一预测值*(四月份的第二预测值/二月份的第二预测值)。
在一个实施例中，所述每个品类之间的用户重合度通过以下公式确定：
C1,…,n＝count(1,…,n)/(count(P1,…,n-1)+count(Pn))
其中，C1,…,n为每个品类之间的用户重合度；n≥2，为第n个品类；count()用于计算用户集合中元素的个数；Pn为从样本网站中获取的第n个品类的用户集合；P1,…,n-1＝{u|u∈P1∪…∪Pn-1}；P1,…,n＝{u|u∈P1,…,n-1∪Pn}。
样本网站为获取样本数据的网站，可选的，为公司内部的视频网站。以样本网站为游戏直播平台—虎牙直播为例，虎牙直播拥有大量游戏观众且游戏品类齐全，其游戏品类间的观众重合度能够较好的反映视频游戏观众品类间的重合度，因而通过计算虎牙直播游戏品类间的观众重合情况，可以推算视频网站全部游戏的用户规模(观众规模)。
下面具体介绍各个品类之间的用户重合度的计算过程。
对于m个品类的用户集合P1,P2,…,Pm,(m≥2)，品类Pi,Pj的去重用户数Pi,j＝{u|u∈Pi∪Pj}，其中，∪表示并集，品类Pi,Pj的重合度Ci,j＝count(Pi,j)/(count(Pi)+count(Pj))，其中，count函数用来计算用户集合中元素的个数；品类Pi,Pj,Pk的去重用户数Pi,j,k＝{u|u∈Pi,j∪Pk}，品类Pi,Pj,Pk的重合度Ci,j,k＝count(Pi,j,k)/(count(Pi,j)+count(Pk))，以此类推，可以计算任意品类间的重合度。
在一个实施例中，所述视频网站在预设时间段的用户规模通过以下公式确定：
U1,…,n＝1,…,n*U1,…,n-1+Un)
其中，U1,…,n为所述视频网站的用户规模；Un为所述视频网站中第n个品类在预设时间段的用户规模。
本实施例中，对于视频网站n个品类的观众规模U1,…,Un,(2≤n≤m)，利用上述递推公式即可以得到视频网站的用户规模。例如，n为2时，视频网站的用户规模Uall＝C1,2*(U1+U2)，n为3时，视频网站的用户规模Uall＝C1,2,3*(U1,2+U3)＝C1,2,3*(C1,2*(U1+U2)+U3)，以此类推，得到视频网站全部视频的用户规模。
为了更好的刻画行业发展情况，需要获得更为全面的视频网站用户规模，但是由于页面展示等原因，部分外部视频网站的历史数据难以(全量)获取(譬如：今日头条、优酷等)，考虑到这些视频网站都发布了移动应用程序(简称APP)，监控平台基本上对视频网站APP进行了监控，因此可以利用移动应用程序的数据推测出视频网站的历史用户规模，具体为：所述获得所述视频网站在预设时间段的用户规模之后，还包括：
S140、获取第一监控平台监控的所述视频网站移动应用程序在预设时间段的第一用户规模，以及第二监控平台监控的所述视频网站移动应用程序在预设时间段的第一安装量；将所述第一用户规模和所述第一安装量输入预先建立的线性回归模型中，获得所述视频网站移动应用程序在预设时间段的用户规模。
可选的，第一监控平台可以为第三方平台，例如艾瑞、千帆、QuestMobile等，第二监控平台可以为内部移动平台，内部移动平台为公司内部的移动APP数据采集上报平台，覆盖大部分多个行业的移动产品。应当理解，本发明并不对监控平台的具体形式进行限定。视频网站移动应用程序为视频网站的APP，例如视频网站为优酷，则视频网站移动应用程序则为优酷APP。
第一监控平台监控外部视频网站在预设时间段的历史用户规模，特别是视频网站移动端的用户规模，第二监控平台(去除样本网站及相关APP上报数据)监控外部视频网站移动应用程序在预设时间段的历史安装量。线性回归模型用于描述历史用户规模、历史安装量与用户规模的关联关系。将监控的视频网站在预设时间段的历史用户规模和APP的历史安装量输入线性回归模型中，就可以得到视频网站移动应用程序在预设时间段的用户规模。
在一个实施例中，所述线性回归模型通过以下方式建立：
以第一监控平台监控的样本网站移动应用程序的历史用户规模以及第二监控平台监控的样本网站移动应用程序的历史安装量作为输入变量，以样本网站移动应用程序的用户规模作为目标，建立线性回归模型。
样本网站为获取样本数据的网站，可选的，为公司内部的网站，例如虎牙直播。以虎牙直播为例，第一监控平台还用于监控虎牙直播的历史用户规模，第二监控平台还用于监控虎牙直播移动应用程序的的历史安装量。提取第一监控平台和第二监控平台监控的虎牙直播的历史用户规模和APP的历史安装量作为输入变量，将虎牙直播真实用户规模作为目标，建立线性回归模型。
S150、获取第一监控平台监控的所述视频网站移动应用程序在预设时间段的上一时间段的第二用户规模，以及第二监控平台监控的所述视频网站移动应用程序在上一时间段的第二安装量；将所述第二用户规模和所述第二安装量输入所述线性回归模型中，获得所述视频网站移动应用程序在上一时间段的用户规模。
上一时间段为预设时间段前一时间段，例如预设时间段为2月份，则上一时间段为1月份。采用步骤S140相同的方式，获取视频网站移动应用程序在上一时间段的历史用户规模以及历史安装量，然后获得视频网站移动应用程序在上一时间段的用户规模。
S160、基于所述视频网站移动应用程序在预设时间段的用户规模以及上一时间段的用户规模，得到用户规模环比增幅。
结合第一监控平台以及第二监控平台监控数据获得的视频网站APP的用户规模，计算用户增长的历史趋势。例如，通过步骤S140得到视频网站APP四月份的用户规模和五月份的用户规模，就可以利用环比增幅的计算公式得到这两个月份所对应的用户规模的环比增幅。
S170、根据所述视频网站在预设时间段的用户规模以及所述用户规模环比增幅，得到所述视频网站在上一时间段的用户规模。
以步骤S130推测的近期视频网站用户规模为基准，利用视频网站用户规模的环比增幅，就可以插值计算出视频网站的历史观众规模。例如，步骤S130得到2017年5月份视频网站的用户规模，则利用步骤S160得到的2017年4月份和5月份所对应的用户规模环比增幅，插值计算出2017年4月份视频网站的用户规模。
为了更好的理解本发明，下面结合游戏视频网站的具体实例进行介绍。
获取游戏视频网站用户规模的整体思路为：利用数据爬虫技术和数据建模算法，优化整合有限的抓取数据、第三方监控数据以及内部数据等多方数据源，最终推算出游戏视频行业规模。
如图2所示，为一具体实施例的视频网站用户规模推测方法的流程示意图，该方法具体包括步骤：
S210、爬取游戏视频网站的视频数据。
S220、加工爬取的视频数据，并按月统计游戏视频网站各个游戏品类的视频数量、上传者数量和视频播放指数。
S230、利用虎牙视频内部数据建立用户规模推测模型，将各个游戏品类在各月的视频数量、上传者数量和视频播放指数输入用户规模推测模型，获得各个游戏品类在各月的用户规模。
S240、利用虎牙直播游戏数据计算各个游戏品类之间的用户重合度，根据各个游戏品类之间的用户重合度以及各个游戏品类的用户规模推算视频网站在各月的用户规模。
S250、搜集游戏视频网站移动端的历史用户规模以及游戏视频网站APP的历史安装量，计算其用户的月环比增幅，以上述步骤S240得到的近期用户规模为基准，利用视频网站用户的月环比增幅，插值得到历史游戏用户规模。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前述任意一项所述的视频网站用户规模推测方法。所述存储介质包括但不限于任何类型的盘(包括软盘、硬盘、光盘、CD-ROM、和磁光盘)、ROM(Read-OnlyMemory，只读存储器)、RAM(Random AcceSS Memory，随即存储器)、EPROM(EraSableProgrammable Read-Only Memory，可擦写可编程只读存储器)、EEPROM(ElectricallyEraSable Programmable Read-Only Memory，电可擦可编程只读存储器)、闪存、磁性卡片或光线卡片。也就是，存储介质包括由设备(例如，计算机)以能够读的形式存储或传输信息的任何介质。可以是只读存储器，磁盘或光盘等。
本发明实施例还提供一种终端，所述终端包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现前述任意一项所述的视频网站用户规模推测方法。
如图3所示，为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明实施例方法部分。该终端可以为包括手机、平板电脑、PDA(Personal Digital Assistant，个人数字助理)、POS(Point of Sales，销售终端)、车载电脑等任意终端设备，以终端为手机为例：
图3示出的是与本发明实施例提供的终端相关的手机的部分结构的框图。参考图3，手机包括：射频(Radio Frequency，RF)电路1510、存储器1520、输入单元1530、显示单元1540、传感器1550、音频电路1560、无线保真(wireless fidelity，Wi-Fi)模块1570、处理器1580、以及电源1590等部件。本领域技术人员可以理解，图3中示出的手机结构并不构成对手机的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
下面结合图3对手机的各个构成部件进行具体的介绍：
RF电路1510可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，给处理器1580处理；另外，将设计上行的数据发送给基站。通常，RF电路1510包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(Low NoiseAmplifier，LNA)、双工器等。此外，RF电路1510还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(GlobalSystem of Mobile communication，GSM)、通用分组无线服务(General Packet RadioService，GPRS)、码分多址(Code Division Multiple Access，CDMA)、宽带码分多址(Wideband Code Division Multiple Access,WCDMA)、长期演进(Long Term Evolution，LTE)、电子邮件、短消息服务(Short Messaging Service，SMS)等。
存储器1520可用于存储软件程序以及模块，处理器1580通过运行存储在存储器1520的软件程序以及模块，从而执行手机的各种功能应用以及数据处理。存储器1520可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如视频网站用户规模推测功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如用户规模推测模型等)等。此外，存储器1520可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
输入单元1530可用于接收输入的数字或字符信息，以及产生与手机的用户设置以及功能控制有关的键信号输入。具体地，输入单元1530可包括触控面板1531以及其他输入设备1532。触控面板1531，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板1531上或在触控面板1531附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触控面板1531可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器1580，并能接收处理器1580发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板1531。除了触控面板1531，输入单元1530还可以包括其他输入设备1532。具体地，其他输入设备1532可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元1540可用于显示由用户输入的信息或提供给用户的信息以及手机的各种菜单。显示单元1540可包括显示面板1541，可选的，可以采用液晶显示器(LiquidCrystal Display，LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板1541。进一步的，触控面板1531可覆盖显示面板1541，当触控面板1531检测到在其上或附近的触摸操作后，传送给处理器1580以确定触摸事件的类型，随后处理器1580根据触摸事件的类型在显示面板1541上提供相应的视觉输出。虽然在图3中，触控面板1531与显示面板1541是作为两个独立的部件来实现手机的输入和输入功能，但是在某些实施例中，可以将触控面板1531与显示面板1541集成而实现手机的输入和输出功能。
手机还可包括至少一种传感器1550，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板1541的亮度，接近传感器可在手机移动到耳边时，关闭显示面板1541和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
音频电路1560、扬声器1561，传声器1562可提供用户与手机之间的音频接口。音频电路1560可将接收到的音频数据转换后的电信号，传输到扬声器1561，由扬声器1561转换为声纹信号输出；另一方面，传声器1562将收集的声纹信号转换为电信号，由音频电路1560接收后转换为音频数据，再将音频数据输出处理器1580处理后，经RF电路1510以发送给比如另一手机，或者将音频数据输出至存储器1520以便进一步处理。
Wi-Fi属于短距离无线传输技术，手机通过Wi-Fi模块1570可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图3示出了Wi-Fi模块1570，但是可以理解的是，其并不属于手机的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。
处理器1580是手机的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器1520内的软件程序和/或模块，以及调用存储在存储器1520内的数据，执行手机的各种功能和处理数据，从而对手机进行整体监控。可选的，处理器1580可包括一个或多个处理单元；优选的，处理器1580可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器1580中。
手机还包括给各个部件供电的电源1590(比如电池)，优选的，电源可以通过电源管理系统与处理器1580逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
尽管未示出，手机还可以包括摄像头、蓝牙模块等，在此不再赘述。
上述的视频网站用户规模推测方法、存储介质和终端，基于视频网站的视频数据以及用户规模推测模型，可以获得各个品类在预设时间段的用户规模，然后基于各个品类在预设时间段的用户规模以及各个品类之间的用户重合度，就可以准确推测出视频网站的用户规模，填补了视频网站用户规模推测方面的空白，对于视频网站的维护、视频业务发展等具有重要意义。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种视频网站用户规模推测方法，其特征在于，包括步骤：
获取视频网站的品类集合中每个品类在预设时间段的视频数量、视频上传者数量以及视频播放指数；
将品类集合中每个品类在预设时间段的视频数量、视频上传者数量以及视频播放指数分别输入预先建立的用户规模推测模型中，获得每个品类在预设时间段的用户规模，其中，所述用户规模推测模型用于描述视频数量、视频上传者数量以及视频播放指数与用户规模之间的关联关系；
根据每个品类在预设时间段的用户规模以及设定的每个品类之间的用户重合度，获得所述视频网站在预设时间段的用户规模。
2.根据权利要求1所述的视频网站用户规模推测方法，其特征在于，所述用户规模推测模型包含第一回归模型和第二回归模型；
所述将品类集合中每个品类在预设时间段的视频数量、视频上传者数量以及视频播放指数分别输入预先建立的用户规模推测模型中，获得每个品类在预设时间段的用户规模，包括：
依次从所述品类集合中获取一个品类；
将获取的所述品类在预设时间段内每个子时间段的视频数量、视频上传者数量以及视频播放指数分别输入预先建立的用户规模推测模型中，获得所述品类在每个子时间段的第一预测值；
统计每个第一预测值出现的次数；
若次数为1，判定该第一预测值为所述品类在对应子时间段的用户规模；
若次数大于1，将该第一预测值对应的每个子时间段的视频数量、视频上传者数量以及视频播放指数分别输入第二回归模型中，获得所述品类在对应的每个子时间段的第二预测值，根据每个第二预测值确定所述品类在对应的每个子时间段的用户规模。
3.根据权利要求2所述的视频网站用户规模推测方法，其特征在于，所述根据每个第二预测值确定所述品类在对应的每个子时间段的用户规模，包括：
从所有第二预测值中选取最大值；
计算每个第二预测值与所述最大值的比值；
将该第一预测值与每个比值分别相乘，获得所述品类在对应的每个子时间段的用户规模。
4.根据权利要求2或3所述的视频网站用户规模推测方法，其特征在于，所述第一回归模型为分类回归树模型，所述第二回归模型为线性回归模型。
5.根据权利要求1所述的视频网站用户规模推测方法，其特征在于，所述每个品类之间的用户重合度通过以下公式确定：
C1,…,n＝count(P1,…,n)/(count(P1,…,n-1)+count(Pn))
其中，C1,…,n为每个品类之间的用户重合度；n≥2，为第n个品类；count()用于计算用户集合中元素的个数；Pn为从样本网站中获取的第n个品类的用户集合；P1,…,n-1＝{u|u∈P1∪…∪Pn-1}；P1,…,n＝{u|u∈P1,…,n-1∪Pn}。
6.根据权利要求5所述的视频网站用户规模推测方法，其特征在于，所述视频网站在预设时间段的用户规模通过以下公式确定：
U1,…,n＝C1,…,n*(U1,…,n-1+Un)
其中，U1,…,n为所述视频网站的用户规模；Un为所述视频网站中第n个品类在预设时间段的用户规模。
7.根据权利要求1所述的视频网站用户规模推测方法，其特征在于，所述获得所述视频网站在预设时间段的用户规模之后，还包括：
获取第一监控平台监控的所述视频网站移动应用程序在预设时间段的第一用户规模，以及第二监控平台监控的所述视频网站移动应用程序在预设时间段的第一安装量；将所述第一用户规模和所述第一安装量输入预先建立的线性回归模型中，获得所述视频网站移动应用程序在预设时间段的用户规模；
获取第一监控平台监控的所述视频网站移动应用程序在预设时间段的上一时间段的第二用户规模，以及第二监控平台监控的所述视频网站移动应用程序在上一时间段的第二安装量；将所述第二用户规模和所述第二安装量输入所述线性回归模型中，获得所述视频网站移动应用程序在上一时间段的用户规模；
基于所述视频网站移动应用程序在预设时间段的用户规模以及上一时间段的用户规模，得到用户规模环比增幅；
根据所述视频网站在预设时间段的用户规模以及所述用户规模环比增幅，得到所述视频网站在上一时间段的用户规模。
8.根据权利要求7所述的视频网站用户规模推测方法，其特征在于，所述线性回归模型通过以下方式建立：
以第一监控平台监控的样本网站移动应用程序的历史用户规模以及第二监控平台监控的样本网站移动应用程序的历史安装量作为输入变量，以样本网站移动应用程序的用户规模作为目标，建立线性回归模型。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至8中任意一项所述的视频网站用户规模推测方法。
10.一种终端，其特征在于，所述终端包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至8中任意一项所述的视频网站用户规模推测方法。
CN201810074374.6A 2018-01-25 2018-01-25 视频网站用户规模推测方法、存储介质和终端 Active CN108322783B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810074374.6A CN108322783B (zh) 2018-01-25 2018-01-25 视频网站用户规模推测方法、存储介质和终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810074374.6A CN108322783B (zh) 2018-01-25 2018-01-25 视频网站用户规模推测方法、存储介质和终端

Publications (2)

Publication Number Publication Date
CN108322783A true CN108322783A (zh) 2018-07-24
CN108322783B CN108322783B (zh) 2021-08-17

Family

ID=62887902

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810074374.6A Active CN108322783B (zh) 2018-01-25 2018-01-25 视频网站用户规模推测方法、存储介质和终端

Country Status (1)

Country Link
CN (1) CN108322783B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109151498A (zh) * 2018-09-03 2019-01-04 北京达佳互联信息技术有限公司 热点事件处理方法、装置、服务器及存储介质
CN111538859A (zh) * 2020-04-23 2020-08-14 北京达佳互联信息技术有限公司 一种动态更新视频标签的方法、装置及电子设备

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103258279A (zh) * 2012-02-19 2013-08-21 蒋中华 基于统计模型的商品动态定价方法
US20140359667A1 (en) * 2010-09-27 2014-12-04 Hulu, LLC Method and Apparatus for Providing User Control of Advertising Breaks Associated with a Media Program
US9229702B1 (en) * 2013-08-28 2016-01-05 Lithium Technologies, Inc. Systems and methods for application plugin deployment for websites
CN105631538A (zh) * 2015-12-23 2016-06-01 北京奇虎科技有限公司 一种用户活跃度的预测方法、装置及其应用方法和系统
CN105787039A (zh) * 2016-02-25 2016-07-20 四川长虹电器股份有限公司 多时段计算并展示用户留存率的方法
CN106202570A (zh) * 2016-08-11 2016-12-07 乐视控股（北京）有限公司 一种用户信息获取方法及装置
CN106600344A (zh) * 2016-12-30 2017-04-26 广州虎牙信息科技有限公司 目标产品活跃用户数据获取方法和装置
CN106651466A (zh) * 2016-12-31 2017-05-10 政和科技股份有限公司 一种基于网站用户的信息预测方法
CN107463660A (zh) * 2017-07-31 2017-12-12 广州虎牙信息科技有限公司 产品活跃用户数据测算方法及计算机设备

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140359667A1 (en) * 2010-09-27 2014-12-04 Hulu, LLC Method and Apparatus for Providing User Control of Advertising Breaks Associated with a Media Program
CN103258279A (zh) * 2012-02-19 2013-08-21 蒋中华 基于统计模型的商品动态定价方法
US9229702B1 (en) * 2013-08-28 2016-01-05 Lithium Technologies, Inc. Systems and methods for application plugin deployment for websites
CN105631538A (zh) * 2015-12-23 2016-06-01 北京奇虎科技有限公司 一种用户活跃度的预测方法、装置及其应用方法和系统
CN105787039A (zh) * 2016-02-25 2016-07-20 四川长虹电器股份有限公司 多时段计算并展示用户留存率的方法
CN106202570A (zh) * 2016-08-11 2016-12-07 乐视控股（北京）有限公司 一种用户信息获取方法及装置
CN106600344A (zh) * 2016-12-30 2017-04-26 广州虎牙信息科技有限公司 目标产品活跃用户数据获取方法和装置
CN106651466A (zh) * 2016-12-31 2017-05-10 政和科技股份有限公司 一种基于网站用户的信息预测方法
CN107463660A (zh) * 2017-07-31 2017-12-12 广州虎牙信息科技有限公司 产品活跃用户数据测算方法及计算机设备

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109151498A (zh) * 2018-09-03 2019-01-04 北京达佳互联信息技术有限公司 热点事件处理方法、装置、服务器及存储介质
CN111538859A (zh) * 2020-04-23 2020-08-14 北京达佳互联信息技术有限公司 一种动态更新视频标签的方法、装置及电子设备
CN111538859B (zh) * 2020-04-23 2023-10-10 北京达佳互联信息技术有限公司 一种动态更新视频标签的方法、装置及电子设备

Also Published As

Publication number Publication date
CN108322783B (zh) 2021-08-17

Similar Documents

Publication Publication Date Title
US11216523B2 (en) Method, system, server and intelligent terminal for aggregating and displaying comments
US20220156252A1 (en) System and method for data collection to validate location data
CN106201553B (zh) 在桌面推送应用程序的控制方法、装置及终端设备
CN108280692A (zh) 奖励发放方法、装置、计算机可读存储介质以及终端
WO2016173398A1 (zh) 贴片视频播放方法、终端及视频服务器
CN108322685A (zh) 视频插帧方法、存储介质以及终端
CN108197224A (zh) 用户群分类方法、存储介质以及终端
US20090247190A1 (en) Advertising information providing method, advertising information providing system, advertising information providing program and advertising information ranking program
CN109934512A (zh) 一种预测模型的训练方法及系统
CN108255954A (zh) 应用检索方法、装置、存储介质以及终端
CN111247782B (zh) 用于自动创建即时ad-hoc日历事件的方法和系统
CN110956505A (zh) 一种广告库存的预估方法以及相关装置
CN107864401A (zh) 一种基于直播的监控方法、装置、系统及终端设备
CN114756738A (zh) 一种推荐方法及终端
CN107103074B (zh) 一种分享信息的处理方法和移动终端
CN112540996B (zh) 一种业务数据的校验方法、装置、电子设备及存储介质
CN108288171A (zh) 广告插入方法、服务器及计算机可读存储介质
CN109194726A (zh) 移动终端和信息推送方法、装置
CN108322783A (zh) 视频网站用户规模推测方法、存储介质和终端
CN107181872A (zh) 推送消息管理方法及相关产品
CN106294087B (zh) 一种对业务执行操作的操作频率的统计方法及装置
CN114430504B (zh) 一种媒体内容的推荐方法以及相关装置
CN108600356B (zh) 一种消息推送方法及装置
CN113869964B (zh) 一种数据处理方法和相关装置
CN107979780A (zh) 直播客户端的语音提醒方法和语音提醒终端

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