CN109151521B - 一种用户原创值获取方法、装置、服务器及存储介质 - Google Patents
一种用户原创值获取方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN109151521B CN109151521B CN201811198100.4A CN201811198100A CN109151521B CN 109151521 B CN109151521 B CN 109151521B CN 201811198100 A CN201811198100 A CN 201811198100A CN 109151521 B CN109151521 B CN 109151521B
- Authority
- CN
- China
- Prior art keywords
- user
- video
- parameter
- target user
- original
- 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.)
- Active
Links
Images
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
- H04N21/258—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
-
- 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
- H04N21/266—Channel or content management, e.g. generation and management of keys and entitlement messages in a conditional access system, merging a VOD unicast channel into a multicast channel
-
- 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
- H04N21/27—Server based end-user applications
- H04N21/274—Storing end-user multimedia data in response to end-user request, e.g. network recorder
- H04N21/2743—Video hosting of uploaded data from client
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Computer Graphics (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本公开实施例公开了一种用户原创值获取方法、装置、服务器及存储介质。该方法包括:获取目标用户的至少一个视频上传关联参数;将至少一个视频上传关联参数输入到用户原创值模型中进行计算,获取目标用户的原创评价值。本公开实施例公开的技术方案能够科学的计算目标用户的原创评价值,节省了人工甄别视频的时间,降低了反作弊的难度。
Description
技术领域
本公开实施例涉及视频处理技术领域,尤其涉及一种用户原创值获取方法、装置、服务器及存储介质。
背景技术
随着互联网和智能终端的发展,各种视频服务丰富了用户的生活、工作和娱乐。用户不仅可以通过各种应用程序(APP)或者网站观看视频,还可以上传各种视频,将其分享给更多的人。
由于视频具有多种来源,如原创视频(即上传该视频的用户自己创作的视频)或者搬运视频(即上传该视频的用户从其他来源搬运的视频),且原创视频和搬运视频之间具有一定的随机性。例如某一用户,可以在某一时间段进行视频创作并上传原创视频,但在某些时间段该用户也可能存在搬运行为,上传搬运视频,因此很难定义该用户是原创用户还是搬运用户。若采用人工甄别的方式,则需要投入大量的人力物力,从而大大增加了反作弊的难度。
发明内容
本公开实施例提供一种用户原创值获取方法、装置、服务器及存储介质,能够科学的计算目标用户的原创评价值,节省了人工甄别视频的时间,降低了反作弊的难度。
第一方面,本公开实施例提供了一种用户原创值获取方法,包括:
获取目标用户的至少一个视频上传关联参数;
将至少一个视频上传关联参数输入到用户原创值模型中进行计算,获取目标用户的原创评价值。
可选的,视频上传关联参数包括目标用户的用户特征参数和/或目标用户上传视频的视频特征参数。
可选的,用户特征参数包括用户基础资料、用户上传城市、用户地理位置中的至少一项,视频特征参数包括视频标题、是否相机拍摄、视频分辨率、有无水印、拍摄地址、播放时长、是否搬运中的至少一项。
可选的,获取目标用户的至少一个视频上传关联参数包括:
向缓存服务器发送包括目标用户的用户标识的参数获取请求;
接收缓存服务器反馈的目标用户的至少一个视频上传关联参数。
可选的,向缓存服务器发送包括目标用户的用户标识的参数获取请求之前还包括:
接收应用服务器发送的包括目标用户的用户标识的原创评价请求。
可选的,将至少一个视频上传关联参数输入到用户原创值模型中进行计算,获取目标用户的原创评价值包括:
根据视频上传关联参数构建视频上传关联参数矩阵;
根据视频上传关联参数矩阵,以及至少一个权重值参数矩阵进行计算,获得目标用户的原创评价值,至少一个权重值参数矩阵中的元素值为与视频上传关联参数相关的权重值。
可选的,还包括:
根据视频上传关联参数样本值,以及对应的原创评价样本值对用户原创值模型进行训练,以获取至少一个权重值参数矩阵中的元素值。
可选的,根据视频上传关联参数矩阵,以及至少一个权重值参数矩阵进行计算,获得目标用户的原创评价值包括:
Y=f1(f2(f…(fn-1(fn(X,Wn),Wn-1),…),W2),W1),其中,Y为目标用户的原创评价值,X为视频上传关联参数矩阵,W1、W2、…、Wn-1、Wn为至少一个权重值参数矩阵,f1(a1,b1)、f2(a2,b2)、…、fn-1(an-1,bn-1)、fn(an,bn)为非线性函数。
可选的,非线性函数为Sigmoid函数和/或RelU函数。
第二方面,本公开实施例提供了一种用户原创值获取方法,包括:
接收原创值计算服务器发送的包括目标用户的用户标识的参数获取请求;
根据用户标识获取与用户标识关联的至少一个视频上传关联参数;
将至少一个视频上传关联参数发送给原创值计算服务器,以由原创值计算服务器根据至少一个视频上传关联参数计算目标用户的原创评价值。
可选的,接收原创值计算服务器发送的包括目标用户的用户标识的参数获取请求之前还包括:
间隔预设时间段获取目标用户的至少一个视频上传关联参数,并建立目标用户的用户标识与至少一个视频上传关联参数的关联关系;或者,
在目标用户上传视频时,实时获取目标用户的至少一个视频上传关联参数,且删除超过时间阈值的视频上传关联参数。
可选的,间隔预设时间段获取目标用户的至少一个视频上传关联参数包括:
间隔预设时间段从用户数据库中获取目标用户的用户特征参数;和/或,间隔预设时间段从视频数据库中获取目标用户上传视频的视频特征参数。
第三方面,本公开实施例提供了一种用户原创值获取装置,包括:获取模块和计算模块;
获取模块,用于获取目标用户的至少一个视频上传关联参数;
计算模块,用于将至少一个视频上传关联参数输入到用户原创值模型中进行计算,获取目标用户的原创评价值。
可选的,视频上传关联参数包括目标用户的用户特征参数和/或目标用户上传视频的视频特征参数。
可选的,用户特征参数包括用户基础资料、用户上传城市、用户地理位置中的至少一项,视频特征参数包括视频标题、是否相机拍摄、视频分辨率、有无水印、拍摄地址、播放时长、是否搬运中的至少一项。
可选的,获取模块包括发送子模块和接收子模块;
发送子模块,用于向缓存服务器发送包括目标用户的用户标识的参数获取请求;
接收子模块,用于接收缓存服务器反馈的目标用户的至少一个视频上传关联参数。
可选的,接收子模块,还用于在发送子模块向缓存服务器发送包括目标用户的用户标识的参数获取请求之前,接收应用服务器发送的包括目标用户的用户标识的原创评价请求。
可选的,计算模块,具体用于根据视频上传关联参数构建视频上传关联参数矩阵;根据视频上传关联参数矩阵,以及至少一个权重值参数矩阵进行计算,获得目标用户的原创评价值,至少一个权重值参数矩阵中的元素值为与视频上传关联参数相关的权重值。
可选的,计算模块,还用于根据视频上传关联参数样本值,以及对应的原创评价样本值对用户原创值模型进行训练,以获取至少一个权重值参数矩阵中的元素值。
可选的,计算模块,具体用于Y=f1(f2(f…(fn-1(fn(X,Wn),Wn-1),…),W2),W1),其中,Y为目标用户的原创评价值,X为所述视频上传关联参数矩阵,W1、W2、…、Wn-1、Wn为至少一个权重值参数矩阵,f1(a1,b1)、f2(a2,b2)、…、fn-1(an-1,bn-1)、fn(an,bn)为非线性函数。
可选的,所述非线性函数为Sigmoid函数和/或RelU函数。
第四方面,本公开实施例提供了一种用户原创值获取装置,包括:接收模块,处理模块和发送模块;
接收模块,用于接收原创值计算服务器发送的包括目标用户的用户标识的参数获取请求;
处理模块,用于根据用户标识获取与用户标识关联的至少一个视频上传关联参数;
发送模块,用于将至少一个视频上传关联参数发送给原创值计算服务器,以由原创值计算服务器根据至少一个视频上传关联参数计算目标用户的原创评价值。
可选的,处理模块,还用于在接收模块接收原创值计算服务器发送的包括目标用户的用户标识的参数获取请求之前,间隔预设时间段获取目标用户的至少一个视频上传关联参数,并建立目标用户的用户标识与至少一个视频上传关联参数的关联关系;或者,在目标用户上传视频时,实时获取目标用户的至少一个视频上传关联参数,且删除超过时间阈值的视频上传关联参数。
可选的,处理模块,具体用于间隔预设时间段从用户数据库中获取目标用户的用户特征参数;和/或,间隔预设时间段从视频数据库中获取目标用户上传视频的视频特征参数。
第五方面,本公开实施例还提供了一种原创值计算服务器,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一的用户原创值获取方法。
第六方面,本公开实施例还提供了一种缓存服务器,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第二方面中任一的用户原创值获取方法。
第七方面,本公开实施例还提供了一种用户原创值获取系统,包括本公开实施例第五方面任一的原创值计算服务器,本公开实施例第六方面任一的缓存服务器,以及应用服务器。
第八方面,本公开实施例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,该计算机程序被处理器执行时实现如第一方面或第二方面中任一的用户原创值获取方法。
本公开实施例通过在原创值计算服务器中建立用户原创值模型,并利用该用户原创值模型科学的计算目标用户的原创评价值。与现有的采用人工来甄别视频属于原创视频还是搬运视频的方法相比,节省了人工甄别视频的时间,降低了反作弊的难度。
附图说明
图1为本公开实施例提供的一种用户原创值获取方法的流程示意图;
图2为本公开实施例提供的另一种用户原创值获取方法的流程示意图;
图3为本公开实施例提供的又一种用户原创值获取方法的流程示意图;
图4为本公开实施例提供的再一种用户原创值获取方法的流程示意图;
图5为本公开实施例提供的还一种用户原创值获取方法的流程示意图;
图6为本公开实施例提供的一种用户原创值获取装置的结构示意图;
图7为本公开实施例提供的另一种用户原创值获取装置的结构示意图;
图8为本公开实施例提供的又一种用户原创值获取装置的结构示意图;
图9为本公开实施例提供的一种原创值计算服务器的结构示意图;
图10为本公开实施例提供的一种缓存服务器的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本公开,而非对本公开的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本公开相关的部分而非全部结构。
本公开实施例提供一种用户原创值获取方法、装置、服务器及存储介质,能够科学的计算目标用户的原创评价值,节省了人工甄别视频的时间,降低了反作弊的难度。
需要说明的是,本公开中术语“系统”和“网络”在本文中常被可互换使用。本公开实施例中提到的“和/或”是指包括一个或更多个相关所列项目的任何和所有组合。另外,本公开下述各个实施例可以单独执行,各个实施例之间也可以相互结合执行,本公开实施例对此不作具体限制。
本公开实施例可适用于反作弊的应用场景。该场景至少可以包括:服务器。其中,服务器可以包括为用户的终端设备(如智能电视、手机等)提供支持的应用服务器、计算目标用户的原创评价值的原创值计算服务器、存储视频上传关联参数的缓存服务器中的任意一种或者多种的组合。应用服务器和缓存服务器为原创值计算服务器提供业务接口,使得原创值计算服务器能够计算目标用户的原创评价值。在实际应用中,缓存服务器和原创值计算服务器可以集成在一个服务器设备中,也可以分别设置在不同的服务器设备中,或者原创值计算服务器和应用服务器也集成到同一个服务器设备中,本公开实施例对此不作具体限制。并且进一步的,本公开实施例涉及的技术方案,主要是根据目标用户的至少一个视频上传关联参数计算目标用户的原创评价值,若服务器不包括存储视频上传关联参数的缓存服务器,则原创值计算服务器也可以存储视频上传关联参数,但这些也仅为举例说明,而并非对技术方案的限制。
图1为本公开实施例提供的一种用户原创值获取方法的流程示意图,本实施例提供的方法可以适用于原创值计算服务器,如图1所示,该方法具体包括如下步骤:
S101、原创值计算服务器获取目标用户的至少一个视频上传关联参数。
可以理解的是,目标用户为上传过视频的用户中的任意一个用户。
具体的,原创值计算服务器获取目标用户的至少一个视频上传关联参数的方法可以包括如下两种场景中的任意一种:
场景一、原创值计算服务器直接根据目标用户的用户标识,从数据库中获取目标用户的至少一个视频上传关联参数。
该场景适用于原创值计算服务器内的数据库中存储有视频上传关联参数的情况。
场景二、原创值计算服务器向缓存服务器发送包括目标用户的用户标识的参数获取请求,并接收缓存服务器反馈的目标用户的至少一个视频上传关联参数。
该场景适用于原创值计算服务器内的数据库中未存储有视频上传关联参数的情况。在该场景中,原创值计算服务器需要向缓存服务器发出参数获取请求,以使得缓存服务器根据用户标识获取与用户标识关联的至少一个视频上传关联参数,并将其发送至原创值计算服务器。
在上述两种场景中,目标用户的用户标识具有唯一性,用于原创值计算服务器和/或缓存服务器确认目标用户的身份。示例性的,目标用户的用户标识可以为目标用户的身份标识号(ID)或者目标用户的用户编码。
可选的,视频上传关联参数包括目标用户的用户特征参数和/或目标用户上传视频的视频特征参数。
其中,用户特征参数包括用户基础资料、用户上传城市、用户地理位置中的至少一项。用户基础资料包括用户注册ID、用户真实姓名、用户性别、用户生日、用户年龄、国籍等能够反映用户身份信息的各种信息中的任意一种信息或者多种信息的组合。
视频特征参数包括视频标题、是否相机拍摄、视频分辨率、有无水印、拍摄地址、播放时长、是否搬运中的至少一项。
通常,一个目标用户可以上传多个视频,每个视频对应的视频上传关联参数可能不同。为了便于管理,原创值计算服务器和/或缓存服务器可以通过列表的形式管理一个目标用户上传的多个视频的视频上传关联参数。
示例性的,表1为本公开实施例提供的一种目标用户的视频上传关联参数列表。从表1中可以看到,该目标用户上传过5个视频,每个视频对应的视频上传关联参数不同。
表1
对于视频1、视频2和视频3来说,视频1、视频2和视频3对应的视频上传关联参数均包括目标用户的用户特征参数和目标用户上传视频的视频特征参数,视频4对应的视频上传关联参数仅包括目标用户的用户特征参数,视频5对应的视频上传关联参数仅包括目标用户上传视频的视频特征参数。
另外,原创值计算服务器和/或缓存服务器中存储的视频上传关联参数可以定期更新和/或删除,以维持原创值计算服务器和/或缓存服务器的正常运作和视频上传关联参数的实用性。
S102、原创值计算服务器将至少一个视频上传关联参数输入到用户原创值模型中进行计算,获取目标用户的原创评价值。
具体的,原创值计算服务器将至少一个视频上传关联参数输入到用户原创值模型中进行计算,获取目标用户的原创评价值的方法可以包括如下两个步骤:
S102a、原创值计算服务器根据视频上传关联参数构建视频上传关联参数矩阵。
可选的,视频上传关联参数矩阵可以为按照长方阵列排列的视频上传关联参数的集合,也可以为视频上传关联参数仅按照一列排布的列矩阵,本公开实施例对此不作具体限制。
S102b、原创值计算服务器根据视频上传关联参数矩阵,以及至少一个权重值参数矩阵进行计算,获得目标用户的原创评价值,至少一个权重值参数矩阵中的元素值为与视频上传关联参数相关的权重值。
具体的,至少一个权重值参数矩阵是利用神经网络模型的原理训练得到的,权重值参数矩阵中的元素值为与视频上传关联参数相关的权重值,其中,权重值用来表示各个视频上传关联参数对目标用户的原创评价值的重要性。
具体的,如何获取至少一个权重值参数矩阵中的元素值的方法将在下述实施例中进行详细描述,此处先详细介绍原创值计算服务器根据视频上传关联参数矩阵以及至少一个权重值参数矩阵,计算目标用户的原创评价值的过程:
具体的,可以基于视频上传关联参数构建视频上传关联参数矩阵X,至少一个权重值参数矩阵分别为W1、W2、…、Wn-1、Wn,其中,n为大于等于1的正整数。原创值计算服务器能够根据权重值参数矩阵的个数,选择相应个数的非线性函数,计算目标用户的原创评价值Y。
其中,Y=f1(f2(f…(fn-1(fn(X,Wn),Wn-1),…),W2),W1);f1(a1,b1)、f2(a2,b2)、…、fn-1(an-1,bn-1)、fn(an,bn)为非线性函数。
又示例性的,视频上传关联参数矩阵X具体可以为一个n行m列的矩阵而用户原创值模型中的权重值参数矩阵包括三个权重值参数矩阵W1、W2和W3,其中,权重值参数矩阵权重值参数矩阵权重值参数行矩阵W3=(g11 g12 … g1n)。此时,在进行计算过程中,原创值计算服务器能够选择三个非线性函数,计算目标用户的原创评价值Y=f1(f2(f3(X,W3),W2),W1)。
需要说明的是,上述实施例中提到的非线性函数可以为Sigmoid函数和/或RelU函数。其中,Sigmoid函数是一个在生物学中常见的S型函数,也称为S型生长曲线,具有单增以及反函数单增等特点,常被用作神经网络的阈值函数,将变量映射到0-1之间。RelU函数又称修正线性单元,是一种神经网络中常用的激活函数(activation function),通常指代以斜坡函数及其变种为代表的非线性函数。
上述实施例提供的视频上传关联参数矩阵和用于原创值模型中的权重值参数矩阵仅仅是示例性的示范,而非对本发明技术方案的限制。本领域内技术人员可以对矩阵的形式、矩阵中元素的数目和原创值模型中权重值参数矩阵的数目进行调整。
其中,根据视频上传关联参数构建视频上传关联参数矩阵是因为目标用户的用户特征参数和/或目标用户上传视频的视频特征参数的数量较多,形成视频上传关联参数矩阵便于管理。
另外,目标用户的原创评价值是介于0-1之间的一个数值。可选的,目标用户的原创评价值是0表示该目标用户上传的视频均不是原创,目标用户的原创评价值是1表示该目标用户上传的视频均是原创。目标用户的原创评价值越趋近于0,则表示该用户上传的视频越可能不是原创的;目标用户的原创评价值越趋近于1,则表示该用户上传的视频越可能是原创的。
在本公开上述实施例的基础上,图2为本公开实施例提供的另一种用户原创值获取方法的流程示意图,如图2所示,除包括上述实施例中的步骤S101和步骤S102外,在执行步骤S102b之前,还包括:
S103、原创值计算服务器根据视频上传关联参数样本值,以及对应的原创评价样本值对用户原创值模型进行训练,以获取至少一个权重值参数矩阵中的元素值。
需要说明的是,用户原创值模型即为原创值计算服务器为计算目标用户的原创评价值所设计的神经网络模型。神经网络模型是把大量的视频上传关联参数作为训练样本(即样本值),然后生成一个可以通过训练样本学习的系统模型。此外,神经网络模型具有自我学习能力,通过增加训练样本的数量,该系统模型可以更加准确。
具体的,原创值计算服务器获取至少一个权重值参数矩阵中的元素值的方法为:原创值计算服务器首先获取大量的视频上传关联参数样本值,每个视频上传关联参数样本值一方面包括了目标用户的用户特征参数和/或目标用户上传视频的视频特征参数,作为用户原创值模型的输入参数,具体的,可以构建一个视频上传关联参数矩阵;另一方面还包括了人工给出的基于上述的视频上传关联参数样本值的评价样本值,作为用户原创值模型的输出参数。原创值计算服务器将目标用户的用户特征参数和/或目标用户上传视频的视频特征参数输入到用户原创值模型中,通过神经网络模型的学习和训练,不断调整至少一个权重值参数矩阵中的元素值,使得用户原创值模型的输出值趋近于人工给出的基于上述的视频上传关联参数样本值的评价样本值,在上述用户原创值模型的输出值与评价样本值的差值小于预置阈值时,则可以确定至少一个权重值参数矩阵中的元素值,具体的,如在上述的实施例中,就是确定矩阵W1、W2、……Wn-1和Wn中的元素值。需要说明的是,至少一个权重值参数矩阵中的元素值是神经网络模型自我学习,并通过增加训练样本的数量使之更加准确的值,目标用户的用户特征参数和/或目标用户上传视频的视频特征参数的样本数量越大,至少一个权重值参数矩阵中的元素值经过训练得出的结果越精确,从而得到更合适的目标用户的原创评价值大小。
在本公开上述实施例的基础上,图3为本公开实施例提供的又一种用户原创值获取方法的流程示意图,如图3所示,除包括上述实施例中的步骤S101-步骤S103外,在执行步骤S101之前,还包括:
S100、原创值计算服务器接收应用服务器发送的包括目标用户的用户标识的原创评价请求。
视频门户网站往往会采取一些奖励手段来提升用户上传视频的积极性,例如上传一定量的原创视频,可以兑换虚拟货币,而用户的原创评价值是判断该用户上传的视频是不是原创视频的重要依据。
示例性的,当用户通过终端设备发起兑换虚拟货币流程时,为用户的终端设备提供支持的应用服务器能够生成包括目标用户的用户标识的原创评价请求,并将其发送至原创值计算服务器,以使得原创值计算服务器计算该目标用户的原创评价值。
可以理解的,本步骤中的终端设备可以是智能手机,也可以是笔记本电脑或者平板电脑等任意支持视频功能的终端设备、或者能控制其他支持视频功能的设备的终端设备。
本公开实施例中,原创值计算服务器通过在原创值计算服务器中建立用户原创值模型,并利用该用户原创值模型科学的计算目标用户的原创评价值。与现有的采用人工来甄别视频属于原创视频还是搬运视频的方法相比,节省了人工甄别视频的时间,降低了反作弊的难度。
图4为本公开实施例提供的再一种用户原创值获取方法的流程示意图,本实施例提供的方法可以适用于缓存服务器,如图4所示,该方法具体包括如下步骤:
S201、缓存服务器接收原创值计算服务器发送的包括目标用户的用户标识的参数获取请求。
需要说明的是,目标用户的用户标识具有唯一性,用于缓存服务器确认目标用户的身份。示例性的,目标用户的用户标识可以为目标用户的身份标识号(ID)或者目标用户的用户编码。
S202、缓存服务器根据用户标识获取与用户标识关联的至少一个视频上传关联参数。
可选的,视频上传关联参数包括目标用户的用户特征参数和/或目标用户上传视频的视频特征参数。
其中,用户特征参数包括用户基础资料、用户上传城市、用户地理位置中的至少一项。用户基础资料包括用户注册ID、用户真实姓名、用户性别、用户生日、用户年龄、国籍等能够反映用户身份信息的各种信息中的任意一种信息或者多种信息的组合。
视频特征参数包括视频标题、是否相机拍摄、视频分辨率、有无水印、拍摄地址、播放时长、是否搬运中的至少一项。
通常,一个目标用户可以上传多个视频,每个视频对应的视频上传关联参数可能不同。为了便于管理,缓存服务器可以通过列表的形式管理一个目标用户上传的多个视频的视频上传关联参数。
同理,对于不同的用户,缓存服务器还可以对每个用户的视频上传关联参数进行整合,形成用户的视频上传关联参数总表。
示例性的,表2为本公开实施例提供的一种用户的视频上传关联参数总表。从表2中可以看到,用户的视频上传关联参数总表中包含了N个用户的视频上传关联参数。
表2
用户1 | 用户1的视频上传关联参数 |
用户2 | 用户2的视频上传关联参数 |
用户3 | 用户3的视频上传关联参数 |
…… | …… |
用户N | 用户N的视频上传关联参数 |
用户的视频上传关联参数总表便于缓存服务器对每个用户的视频上传关联参数进行管理,同时方便查找。
S203、缓存服务器将至少一个视频上传关联参数发送给原创值计算服务器,以由原创值计算服务器根据至少一个视频上传关联参数计算目标用户的原创评价值。
原创值计算服务器接收到缓存服务器发送的至少一个视频上传关联参数后,计算目标用户的原创评价值。具体的,原创值计算服务器计算目标用户的原创评价值的方法已在上述实施例中进行了详细描述,为了简洁,此处不再赘述。
在本公开上述实施例的基础上,图5为本公开实施例提供的还一种用户原创值获取方法的流程示意图,如图5所示,除包括上述实施例中的步骤S201-步骤S203外,在执行步骤S201之前,还包括:
S200、缓存服务器间隔预设时间段获取目标用户的至少一个视频上传关联参数,并建立目标用户的用户标识与至少一个视频上传关联参数的关联关系;或者,在目标用户上传视频时,实时获取目标用户的至少一个视频上传关联参数,且删除超过时间阈值的视频上传关联参数。
其中,间隔预设时间段获取目标用户的至少一个视频上传关联参数包括:间隔预设时间段从用户数据库中获取目标用户的用户特征参数;和/或,间隔预设时间段从视频数据库中获取目标用户上传视频的视频特征参数。
预设时间段可以为1天、一周、1个月、甚至3个月或更长时间,以维持缓存服务器的正常运作和视频上传关联参数的实用性。
本公开实施例中,缓存服务器通过接收原创值计算服务器发送的包括目标用户的用户标识的参数获取请求;并根据用户标识获取与用户标识关联的至少一个视频上传关联参数;将至少一个视频上传关联参数发送给原创值计算服务器,以由原创值计算服务器根据至少一个视频上传关联参数计算目标用户的原创评价值。与现有的采用人工来甄别视频属于原创视频还是搬运视频的方法相比,节省了人工甄别视频的时间,降低了反作弊的难度。
图6为本公开实施例提供的一种用户原创值获取装置的结构示意图,具体的该用户原创值获取装置可以配置于原创值计算服务器中,包括:获取模块10和计算模块11。
获取模块10,用于获取目标用户的至少一个视频上传关联参数;
计算模块11,用于将至少一个视频上传关联参数输入到用户原创值模型中进行计算,获取目标用户的原创评价值。
可选的,视频上传关联参数包括目标用户的用户特征参数和/或目标用户上传视频的视频特征参数。
可选的,用户特征参数包括用户基础资料、用户上传城市、用户地理位置中的至少一项,视频特征参数包括视频标题、是否相机拍摄、视频分辨率、有无水印、拍摄地址、播放时长、是否搬运中的至少一项。
可选的,结合图6,图7为本公开实施例提供的另一种用户原创值获取装置的结构示意图,获取模块10包括发送子模块100和接收子模块101。
发送子模块100,用于向缓存服务器发送包括目标用户的用户标识的参数获取请求;
接收子模块101,用于接收缓存服务器反馈的目标用户的至少一个视频上传关联参数。
可选的,接收子模块101,还用于在发送子模块100向缓存服务器发送包括目标用户的用户标识的参数获取请求之前,接收应用服务器发送的包括目标用户的用户标识的原创评价请求。
可选的,计算模块11,具体用于根据视频上传关联参数构建视频上传关联参数矩阵;根据视频上传关联参数矩阵,以及至少一个权重值参数矩阵进行计算,获得目标用户的原创评价值,至少一个权重值参数矩阵中的元素值为与视频上传关联参数相关的权重值。
可选的,计算模块11,还用于根据视频上传关联参数样本值,以及对应的原创评价样本值对用户原创值模型进行训练,以获取至少一个权重值参数矩阵中的元素值。
可选的,计算模块11,具体用于Y=f1(f2(f…(fn-1(fn(X,Wn),Wn-1),…),W2),W1),其中,Y为目标用户的原创评价值,X为所述视频上传关联参数矩阵,W1、W2、…、Wn-1、Wn为至少一个权重值参数矩阵,f1(a1,b1)、f2(a2,b2)、…、fn-1(an-1,bn-1)、fn(an,bn)为非线性函数。
可选的,所述非线性函数为Sigmoid函数和/或RelU函数。
本公开实施例提供的以上用户原创值获取装置,可执行本公开方法实施例所提供的用户原创值获取方法中原创值计算服务器所执行的步骤,具备执行方法相应的功能模块和有益效果。
图8为本公开实施例提供的又一种用户原创值获取装置的结构示意图,具体的该用户原创值获取装置可以配置于缓存服务器中,包括:接收模块20,处理模块21和发送模块22。
接收模块20,用于接收原创值计算服务器发送的包括目标用户的用户标识的参数获取请求;
处理模块21,用于根据用户标识获取与用户标识关联的至少一个视频上传关联参数;
发送模块22,用于将至少一个视频上传关联参数发送给原创值计算服务器,以由原创值计算服务器根据至少一个视频上传关联参数计算目标用户的原创评价值。
可选的,处理模块21,还用于在接收模块20接收原创值计算服务器发送的包括目标用户的用户标识的参数获取请求之前,间隔预设时间段获取目标用户的至少一个视频上传关联参数,并建立目标用户的用户标识与至少一个视频上传关联参数的关联关系;或者,在目标用户上传视频时,实时获取目标用户的至少一个视频上传关联参数,且删除超过时间阈值的视频上传关联参数。
可选的,处理模块21,具体用于间隔预设时间段从用户数据库中获取目标用户的用户特征参数;和/或,间隔预设时间段从视频数据库中获取目标用户上传视频的视频特征参数。
本公开实施例提供的以上用户原创值获取装置,可执行本公开方法实施例所提供的用户原创值获取方法中缓存服务器所执行的步骤,具备执行方法相应的功能模块和有益效果。
图9为本公开实施例提供的一种原创值计算服务器的结构示意图,如图9所示,该原创值计算服务器包括处理器30、存储器31、输入装置32和输出装置33;原创值计算服务器中处理器30的数量可以是一个或多个,图9中以一个处理器30为例;原创值计算服务器中的处理器30、存储器31、输入装置32和输出装置33可以通过总线或其他方式连接,图9中以通过总线连接为例。总线表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。
存储器31作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本公开实施例中的用户原创值获取方法对应的程序指令/模块。处理器30通过运行存储在存储器31中的软件程序、指令以及模块,从而执行原创值计算服务器的各种功能应用以及数据处理,即实现上述的用户原创值获取方法。
存储器31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;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器31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、或其他非易失性固态存储器件。在一些实例中,存储器31可进一步包括相对于处理器30远程设置的存储器,这些远程存储器可以通过网络连接至原创值计算服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置32可用于接收输入的数字或字符信息,以及产生与原创值计算服务器的用户设置以及功能控制有关的键信号输入。输出装置33可包括显示屏等显示设备。
图10为本公开实施例提供的一种缓存服务器的结构示意图,如图10所示,该缓存服务器包括处理器40、存储器41、输入装置42和输出装置43;缓存服务器中处理器40的数量可以是一个或多个,图10中以一个处理器40为例;缓存服务器中的处理器40、存储器41、输入装置42和输出装置43可以通过总线或其他方式连接,图10中以通过总线连接为例。总线表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。
存储器41作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本公开实施例中的用户原创值获取方法对应的程序指令/模块。处理器40通过运行存储在存储器41中的软件程序、指令以及模块,从而执行缓存服务器的各种功能应用以及数据处理,即实现上述的用户原创值获取方法。
存储器41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;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器41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、或其他非易失性固态存储器件。在一些实例中,存储器41可进一步包括相对于处理器40远程设置的存储器,这些远程存储器可以通过网络连接至缓存服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置42可用于接收输入的数字或字符信息,以及产生与缓存服务器的用户设置以及功能控制有关的键信号输入。输出装置43可包括显示屏等显示设备。
本公开实施例还提供了一种用户原创值获取系统,该系统包括如图9所示的原创值计算服务器,如图10所示的缓存服务器,以及应用服务器。
本公开实施例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,该计算机程序被处理器执行时实现如本公开实施例所提供的用户原创值获取方法。该方法具体可以但不限于上述各方法实施例所公开的内容。
本公开实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++、Ruby、Go,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本公开可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本公开各个实施例的方法。
值得注意的是,上述搜索装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本公开的保护范围。
注意,上述仅为本公开的较佳实施例及所运用技术原理。本领域技术人员会理解,本公开不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本公开的保护范围。因此,虽然通过以上实施例对本公开进行了较为详细的说明,但是本公开不仅仅限于以上实施例,在不脱离本公开构思的情况下,还可以包括更多其他等效实施例,而本公开的范围由所附的权利要求范围决定。
Claims (15)
1.一种用户原创值获取方法,其特征在于,包括:
获取目标用户的至少一个视频上传关联参数,所述视频上传关联参数包括目标用户的用户特征参数和/或目标用户上传视频的视频特征参数;
将所述至少一个视频上传关联参数输入到用户原创值模型中进行计算,获取所述目标用户的原创评价值,包括:
根据所述视频上传关联参数构建视频上传关联参数矩阵;
根据所述视频上传关联参数矩阵,以及至少一个权重值参数矩阵进行计算,获得目标用户的原创评价值,所述至少一个权重值参数矩阵中的元素值为与所述视频上传关联参数相关的权重值。
2.根据权利要求1所述的方法,其特征在于,所述用户特征参数包括用户基础资料、用户上传城市、用户地理位置中的至少一项,所述视频特征参数包括视频标题、是否相机拍摄、视频分辨率、有无水印、拍摄地址、播放时长、是否搬运中的至少一项。
3.根据权利要求1所述的方法,其特征在于,所述获取目标用户的至少一个视频上传关联参数包括:
向缓存服务器发送包括目标用户的用户标识的参数获取请求;
接收缓存服务器反馈的所述目标用户的至少一个视频上传关联参数。
4.根据权利要求3所述的方法,其特征在于,所述向缓存服务器发送包括目标用户的用户标识的参数获取请求之前还包括:
接收应用服务器发送的包括目标用户的用户标识的原创评价请求。
5.根据权利要求1所述的方法,其特征在于,还包括:
根据视频上传关联参数样本值,以及对应的原创评价样本值对所述用户原创值模型进行训练,以获取所述至少一个权重值参数矩阵中的元素值。
6.根据权利要求1所述的方法,其特征在于,所述根据所述视频上传关联参数矩阵,以及至少一个权重值参数矩阵进行计算,获得目标用户的原创评价值包括:
Y=f1(f2(f…(fn-1(fn(X,Wn),Wn-1),…),W2),W1),其中,Y为目标用户的原创评价值,X为所述视频上传关联参数矩阵,W1、W2、…、Wn-1、Wn为至少一个权重值参数矩阵,f1(a1,b1)、f2(a2,b2)、…、fn-1(an-1,bn-1)、fn(an,bn)为非线性函数。
7.根据权利要求6所述的方法,其特征在于,所述非线性函数为Sigmoid函数和/或RelU函数。
8.一种用户原创值获取方法,其特征在于,包括:
接收原创值计算服务器发送的包括目标用户的用户标识的参数获取请求;
根据所述用户标识获取与所述用户标识关联的至少一个视频上传关联参数,所述视频上传关联参数包括目标用户的用户特征参数和/或目标用户上传视频的视频特征参数;
将所述至少一个视频上传关联参数发送给所述原创值计算服务器,以由所述原创值计算服务器根据所述至少一个视频上传关联参数计算所述目标用户的原创评价值,包括:所述原创值计算服务器根据所述视频上传关联参数构建视频上传关联参数矩阵,根据视所述频上传关联参数矩阵,以及至少一个权重值参数矩阵进行计算,获得目标用户的原创评价值,所述至少一个权重值参数矩阵中的元素值为与所述视频上传关联参数相关的权重值。
9.根据权利要求8所述的方法,其特征在于,所述接收原创值计算服务器发送的包括目标用户的用户标识的参数获取请求之前还包括:
间隔预设时间段获取目标用户的至少一个视频上传关联参数,并建立所述目标用户的用户标识与所述至少一个视频上传关联参数的关联关系;或者,
在目标用户上传视频时,实时获取所述目标用户的至少一个视频上传关联参数,且删除超过时间阈值的视频上传关联参数。
10.根据权利要求9所述的方法,其特征在于,所述间隔预设时间段获取目标用户的至少一个视频上传关联参数包括:
间隔预设时间段从用户数据库中获取目标用户的用户特征参数;和/或,间隔预设时间段从视频数据库中获取目标用户上传视频的视频特征参数。
11.一种用户原创值获取装置,其特征在于,包括:获取模块和计算模块;
所述获取模块,用于获取目标用户的至少一个视频上传关联参数,所述视频上传关联参数包括目标用户的用户特征参数和/或目标用户上传视频的视频特征参数;
所述计算模块,用于将所述至少一个视频上传关联参数输入到用户原创值模型中进行计算,获取所述目标用户的原创评价值,具体用于:
根据所述视频上传关联参数构建视频上传关联参数矩阵;
根据所述视频上传关联参数矩阵,以及至少一个权重值参数矩阵进行计算,获得目标用户的原创评价值,所述至少一个权重值参数矩阵中的元素值为与所述视频上传关联参数相关的权重值。
12.一种用户原创值获取装置,其特征在于,包括:接收模块,处理模块和发送模块;
所述接收模块,用于接收原创值计算服务器发送的包括目标用户的用户标识的参数获取请求;
所述处理模块,用于根据所述用户标识获取与所述用户标识关联的至少一个视频上传关联参数,所述视频上传关联参数包括目标用户的用户特征参数和/或目标用户上传视频的视频特征参数;
所述发送模块,用于将所述至少一个视频上传关联参数发送给所述原创值计算服务器,以由所述原创值计算服务器根据所述至少一个视频上传关联参数计算所述目标用户的原创评价值,包括:所述原创值计算服务器根据所述视频上传关联参数构建视频上传关联参数矩阵,根据视所述频上传关联参数矩阵,以及至少一个权重值参数矩阵进行计算,获得所述目标用户的原创评价值,所述至少一个权重值参数矩阵中的元素值为与所述视频上传关联参数相关的权重值。
13.一种原创值计算服务器,其特征在于,包括:
一个或多个处理器;
存储器,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1-7中任一所述的用户原创值获取方法。
14.一种缓存服务器,其特征在于,包括:
一个或多个处理器;
存储器,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8-10中任一所述的用户原创值获取方法。
15.一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,该计算机程序被处理器执行时实现如权利要求1-10中任一所述的用户原创值获取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811198100.4A CN109151521B (zh) | 2018-10-15 | 2018-10-15 | 一种用户原创值获取方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811198100.4A CN109151521B (zh) | 2018-10-15 | 2018-10-15 | 一种用户原创值获取方法、装置、服务器及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109151521A CN109151521A (zh) | 2019-01-04 |
CN109151521B true CN109151521B (zh) | 2021-03-02 |
Family
ID=64811775
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811198100.4A Active CN109151521B (zh) | 2018-10-15 | 2018-10-15 | 一种用户原创值获取方法、装置、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109151521B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110321670A (zh) * | 2019-06-05 | 2019-10-11 | 上海易点时空网络有限公司 | 基于发布行为检测的原创内容申明方法及装置 |
CN110996124B (zh) * | 2019-12-20 | 2022-02-08 | 北京百度网讯科技有限公司 | 原创视频确定方法及相关设备 |
CN111429294B (zh) * | 2020-03-23 | 2024-03-05 | 北京奇艺世纪科技有限公司 | 账户识别方法及装置、电子设备和可存储介质 |
CN111601115B (zh) * | 2020-05-12 | 2022-03-01 | 腾讯科技(深圳)有限公司 | 一种视频检测的方法、相关装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103631898A (zh) * | 2013-11-19 | 2014-03-12 | 西安电子科技大学 | 基于强弱联系反馈的多媒体社交网络信誉值计算方法 |
CN104346455A (zh) * | 2014-10-30 | 2015-02-11 | 沈苹 | 网络交互平台及其使用方法 |
CN106156546A (zh) * | 2016-07-29 | 2016-11-23 | 苏州商信宝信息科技有限公司 | 一种针对社交网络原创内容盗用的信息提示方法 |
CN107944481A (zh) * | 2017-11-16 | 2018-04-20 | 百度在线网络技术(北京)有限公司 | 用于生成信息的方法和装置 |
CN108628833A (zh) * | 2018-05-11 | 2018-10-09 | 北京三快在线科技有限公司 | 原创内容摘要确定方法及装置,原创内容推荐方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9955196B2 (en) * | 2015-09-14 | 2018-04-24 | Google Llc | Selective degradation of videos containing third-party content |
-
2018
- 2018-10-15 CN CN201811198100.4A patent/CN109151521B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103631898A (zh) * | 2013-11-19 | 2014-03-12 | 西安电子科技大学 | 基于强弱联系反馈的多媒体社交网络信誉值计算方法 |
CN104346455A (zh) * | 2014-10-30 | 2015-02-11 | 沈苹 | 网络交互平台及其使用方法 |
CN106156546A (zh) * | 2016-07-29 | 2016-11-23 | 苏州商信宝信息科技有限公司 | 一种针对社交网络原创内容盗用的信息提示方法 |
CN107944481A (zh) * | 2017-11-16 | 2018-04-20 | 百度在线网络技术(北京)有限公司 | 用于生成信息的方法和装置 |
CN108628833A (zh) * | 2018-05-11 | 2018-10-09 | 北京三快在线科技有限公司 | 原创内容摘要确定方法及装置,原创内容推荐方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109151521A (zh) | 2019-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109151521B (zh) | 一种用户原创值获取方法、装置、服务器及存储介质 | |
EP3090353B1 (en) | Systems and methods for guided user actions | |
CN108021673A (zh) | 一种用户兴趣模型生成方法、职位推荐方法及计算设备 | |
CN106055630A (zh) | 日志存储的方法及装置 | |
CN113392158A (zh) | 业务数据处理方法、装置及数据中台 | |
Miura | Ultracontractivity for Markov semigroups and quasi-stationary distributions | |
CN111125344A (zh) | 相关词推荐方法和装置 | |
CN112115372A (zh) | 一种停车场的推荐方法及装置 | |
US20170278120A1 (en) | Online dynamic resource planning for events based on aggregate attendance | |
CN111191124A (zh) | 确定兴趣标签权重的方法、装置、存储介质及电子设备 | |
Briat et al. | On the necessity of looped-functionals arising in the analysis of pseudo-periodic, sampled-data and hybrid systems | |
CN113076417A (zh) | 政策文件数据处理方法及装置 | |
CN108388811A (zh) | 微信公众平台下的个性化书屋 | |
CN115017362A (zh) | 数据处理方法、电子设备及存储介质 | |
Liu et al. | Closure properties of the second-order regular variation under convolutions | |
CN111246254A (zh) | 一种视频推荐方法、装置,服务器、终端设备及存储介质 | |
US11244019B2 (en) | Enrichment of user specific information | |
CN113536138A (zh) | 一种网络资源推荐方法、装置、电子设备及可读存储介质 | |
Jain et al. | Localization of information dissemination in agriculture using mobile networks | |
CN111161067A (zh) | 一种交易路由的确定方法和装置 | |
KR101339375B1 (ko) | 중계서버를 이용한 수강신청 방법 및 그 시스템 | |
CN116561735B (zh) | 一种基于多认证源的互信认证方法、系统及电子设备 | |
CN110019352B (zh) | 用于存储数据的方法和装置 | |
CN115118672B (zh) | 分流方法及装置 | |
KR102302507B1 (ko) | 빅데이터 및 ai 기반 지속가능한 후원을 위한 매칭 서비스 제공 시스템 |
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 |