CN109951716A - 一种主播调度方法、装置、电子设备及可读存储介质 - Google Patents
一种主播调度方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN109951716A CN109951716A CN201910232355.6A CN201910232355A CN109951716A CN 109951716 A CN109951716 A CN 109951716A CN 201910232355 A CN201910232355 A CN 201910232355A CN 109951716 A CN109951716 A CN 109951716A
- Authority
- CN
- China
- Prior art keywords
- anchor
- scheduled
- popularity
- area
- node
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000003062 neural network model Methods 0.000 claims abstract description 31
- 230000006399 behavior Effects 0.000 claims description 62
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000037406 food intake Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000012466 permeate Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Landscapes
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本申请实施例提供了一种主播调度方法、装置、电子设备及可读存储介质，应用于互联网技术领域，所述方法包括：将待调度主播的历史行为特征输入预先建立的神经网络模型，得到待调度主播的区域流行度；若待调度主播的区域流行度中的第一区域流行度大于预设阈值，确定待调度主播为第一区域流行主播，计算各边缘节点以及核心节点为待调度主播提供服务的服务质量；若各边缘节点中存在服务质量大于核心节点，且剩余带宽大于或等于待调度主播占用带宽的待选边缘节点，从待选边缘节点中选取服务质量最高的一个边缘节点为待调度主播服务；否则，通过核心节点为待调度主播提供服务。本申请实施例可减小直播内容的上传延迟，降低核心网络的负担。
Description
技术领域
本申请涉及互联网技术领域，特别是涉及一种主播调度方法、装置、电子设备及可读存储介质。
背景技术
近年来，支持普通用户作为实时内容生产者(即主播)的移动直播服务在持续渗透用户生活。在这种服务平台中，观众与内容生产者的交流互动使较高的内容传输延迟和频繁的内容卡顿不可容忍，例如，观众送礼物或发送消息进行提问后，数十秒后才获得主播的互动反馈将会损害用户体验。
在传统的电视台直播系统中，专业主播到内容摄取服务器拥有专用可靠的网络链路，而对于吸引大量普通用户作为业余主播的移动直播平台来说，能够优化主播上传链路，稳定支持异质主播进行实时内容分享是至关重要的。如图1所示，在目前的移动直播系统中，通常采用基于核心云资源租用的系统框架，大量的主播被调度到核心云计算数据中心进行实时内容摄取和转码，随后交付给CDN(Content Delivery Network，内容分发网络)进行内容分发，这导致视频内容的传输跨越了相对较长的网络链路，容易带来不稳定的视频源，并且给骨干网络的计算和带宽资源带来了很重的内容处理负担，系统的可扩展性较弱。
相关技术中，可以通过使用混合云来优化主播的直播内容上传延迟和成本，以最小化单位成本的直播内容上传延迟为目标，将有稳定观看的主播调度到私有云，将没有太多人观看的主播调度到公有云，获得更佳经济高效的系统部署。但是，在存在大量主播时，直播内容的上传延迟较长，私有云的网络负担较高。
发明内容
本申请实施例的目的在于提供一种主播调度方法、装置、电子设备及可读存储介质，以减小直播内容的上传延迟，降低核心网络的负担。具体技术方案如下：
根据本申请实施例的第一方面，本申请实施例提供了一种主播调度方法，所述方法包括：
获取待调度主播的历史行为特征，将所述历史行为特征输入预先建立的神经网络模型，得到所述历史行为特征对应的所述待调度主播的区域流行度，所述区域流行度包括：第一区域流行度和第二区域流行度；
判断所述待调度主播的第一区域流行度是否大于预设阈值，如果所述待调度主播的第一区域流行度大于所述预设阈值，确定所述待调度主播为第一区域流行主播，
计算各边缘节点以及核心节点为所述待调度主播提供服务的服务质量；
若所述各边缘节点中存在服务质量大于所述核心节点，且剩余带宽大于或等于所述待调度主播占用带宽的待选边缘节点，从所述待选边缘节点中选取服务质量最高的一个边缘节点为所述待调度主播服务；否则，通过所述核心节点为所述待调度主播提供服务。
可选的，在所述判断所述待调度主播的第一区域流行度是否大于预设阈值之后，所述方法还包括：
如果所述待调度主播的第一区域流行度不大于所述预设阈值，确定所述待调度主播是第二区域流行主播，通过所述核心节点为所述待调度主播服务。
可选的，所述神经网络模型的建立方法包括：
获取多个主播的历史行为特征，所述历史行为特征为各单位时间粉丝观看直播内容的时长总和与直播内容时长的比值、所述各单位时间收到的礼物个数、所述各单位时间的累积直播次数、所述各单位时间的粉丝个数以及主播类型中的一种或多种；
获取所述多个主播的历史行为特征对应的区域流行度；
根据所述多个主播的历史行为特征以及所述多个主播的历史行为特征对应的区域流行度进行神经网络训练，得到所述神经网络模型。
可选的，所述计算各边缘节点以及核心节点为所述待调度主播提供服务的服务质量包括：
根据所述待调度主播将直播内容上传至所述各边缘节点以及所述核心节点的时间延迟以及占用带宽，计算所述各边缘节点以及所述核心节点为所述待调度主播提供服务的服务质量。
可选的，所述根据所述待调度主播将直播内容上传至所述各边缘节点以及所述核心节点的时间延迟以及占用带宽，计算所述各边缘节点以及所述核心节点为所述待调度主播提供服务的服务质量，包括：
若所述待调度主播将直播内容上传至任一边缘节点或所述核心节点的时间延迟为rtt，占用带宽为bw，根据公式：计算所述任一边缘节点或所述核心节点为所述待调度主播提供服务的服务质量quality，ρ1表示预设延迟权重系数，ρ2表示预设带宽权重系数。
根据本申请实施例的第二方面，本申请实施例提供了一种主播调度装置，所述装置包括：
区域流行度确定模块，被配置为执行获取待调度主播的历史行为特征，将所述历史行为特征输入预先建立的神经网络模型，得到所述历史行为特征对应的所述待调度主播的区域流行度，所述区域流行度包括：第一区域流行度和第二区域流行度；
判断模块，被配置为执行判断所述待调度主播的第一区域流行度是否大于预设阈值；
第一区域流行主播确定模块，被配置为在所述待调度主播的第一区域流行度大于所述预设阈值时，确定所述待调度主播为第一区域流行主播；
服务质量计算模块，被配置为执行计算各边缘节点以及核心节点为所述待调度主播提供服务的服务质量；
服务模块，被配置为执行若所述各边缘节点中存在服务质量大于所述核心节点，且剩余带宽大于或等于所述待调度主播占用带宽的待选边缘节点，从所述待选边缘节点中选取服务质量最高的一个边缘节点为所述待调度主播服务；否则，通过所述核心节点为所述待调度主播提供服务。
可选的，本申请实施例的主播调度装置，还包括：
第二区域流行主播确定模块，被配置为执行如果所述待调度主播的第一区域流行度不大于所述预设阈值，确定所述待调度主播是第二区域流行主播，通过所述核心节点为所述待调度主播服务。
可选的，本申请实施例的主播调度装置，还包括：
神经网络模型建立模块，被配置为执行获取多个主播的历史行为特征，所述历史行为特征为各单位时间粉丝观看直播内容的时长总和与直播内容时长的比值、所述各单位时间收到的礼物个数、所述各单位时间的累积直播次数、所述各单位时间的粉丝个数以及主播类型中的一种或多种；获取所述多个主播的历史行为特征对应的区域流行度；根据所述多个主播的历史行为特征以及所述多个主播的历史行为特征对应的区域流行度进行神经网络训练，得到所述神经网络模型。
可选的，所述服务质量计算模块具体被配置为执行根据所述待调度主播将直播内容上传至所述各边缘节点以及所述核心节点的时间延迟以及占用带宽，计算所述各边缘节点以及所述核心节点为所述待调度主播提供服务的服务质量。
可选的，所述服务质量计算模块，包括：
服务质量计算单元，被配置为执行若所述待调度主播将直播内容上传至任一边缘节点或所述核心节点的时间延迟为rtt，占用带宽为bw，根据公式：计算所述任一边缘节点或所述核心节点为所述待调度主播提供服务的服务质量quality，ρ1表示预设延迟权重系数，ρ2表示预设带宽权重系数。
根据本申请实施例的第三方面，本申请实施例提供了一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为在运行所述存储器中的指令时执行上述第一方面任一所述的主播调度方法的步骤。
根据本申请实施例的第四方面，本申请实施例提供了一种非临时性计算机可读存储介质，当所述存储介质中的指令由处理器执行时，使得所述处理器能够执行上述第一方面任一所述的主播调度方法的步骤。
根据本申请实施例的第五方面，本申请实施例提供了一种计算机程序产品，所述计算机程序产品在处理器上被执行时，实现上述第一方面任一所述的主播调度方法的步骤。
本申请实施例提供的技术方案可以包括以下有益效果：通过将待调度主播的历史行为特征输入预先建立的神经网络模型，确定待调度主播的区域流行度。若待调度主播的第一区域流行度大于预设阈值，确定待调度主播为第一区域流行主播，计算各边缘节点以及核心节点为待调度主播提供服务的服务质量；若各边缘节点中存在服务质量大于核心节点，且剩余带宽大于或等于待调度主播占用带宽的待选边缘节点，从待选边缘节点中选取服务质量最高的一个边缘节点为待调度主播服务；否则，通过核心节点为待调度主播提供服务。这样，通过边缘节点辅助核心节点的方式为待调度主播提供服务，可以为待调度主播提供稳定的上行链路，减小直播内容的上传延迟，并且在存在大量第一区域流行主播时，第一区域流行的直播内容可被边缘节点转码和消费，可降低核心节点的计算和网络负担。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为基于核心云的移动直播系统架构；
图2为本申请实施例的移动直播系统架构；
图3为本申请实施例的主播调度方法的一种流程图；
图4为本申请实施例的主播调度装置的一种结构图；
图5为本申请实施例的电子设备的第一种示意图；
图6为本申请实施例的电子设备的第二种示意图；
图7为本申请实施例的电子设备的第三种示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
移动直播系统是以陌生人社交为主的应用，通常地理位置将会影响用户行为：一方面，用户的地理位置会隐含的标识各地区社会、经济和文化等若干方面的情况，使用户可能倾向于与邻近地区的其他用户进行更频繁的交互；另一方面，移动直播应用中的“附近”或“同城”页面允许用户浏览(并可能观看)附近地区的直播频道列表。通过大规模数据统计，服务中本地流行且活跃的主播占用了大量的核心网络计算与带宽资源，可参见表1。
表1
| 主播本地流行类型 | 计算消耗占比 | 带宽占比 |
| 仅被本地观众观看 | 30％ | 45％ |
| 被本地以及邻近区域观众观看 | 55％ | 62％ |
另外，通过分析发现，移动网络中主播的不稳定性极其影响视频源质量(其中25％的观众端卡顿事件是由主播引起的)，并且离内容摄取服务器越远的主播将造成更大的直播内容上传延迟以及用户卡顿概率。为了减小上传延迟，减小核心网络的负担，提高端到端直播内容的传输质量，本申请根据主播流行度的地理位置特性，提出边缘节点(例如闲置的高性能个人设备和5G基站的移动边缘云等)辅助核心节点(例如核心云)的系统框架，可参见图2，通过边缘节点和核心节点为不同地域流行度分布的主播提供内容传输服务，即为用户提供多条可选的上传链路，进行直播内容的就近摄取、转码和分发，提升用户体验。
下面首先对本申请实施例所提供的主播调度方法进行详细介绍。
参见图3，图3为本申请实施例的主播调度方法的一种流程图，包括以下步骤：
S101，获取待调度主播的历史行为特征，将历史行为特征输入预先建立的神经网络模型，得到历史行为特征对应的待调度主播的区域流行度，区域流行度包括：第一区域流行度和第二区域流行度。
具体的，本申请基于神经网络模型，利用待调度主播的历史行为特征，对待调度主播的区域流行度进行预测。其中，区域流行度指的是待调度主播在多个地区的流行程度。多个地区可以包括第一区域和第二区域，区域的划分方式可以是以省为界，当然也可以是其他划分方式。如前所述，由于服务中本地流行且活跃的主播占用了大量的核心网络计算与带宽资源，为了确定待调度主播是本地流行主播或者是全局流行主播，第一区域可以是本地区域及邻近区域(例如，待调度主播所在的省以及邻省)，第二区域可以是非邻近区域(例如，与待调度主播所在的省不相邻的省)。历史行为特征是非结构化的特征，例如主播所在区域、粉丝量、历史直播曝光量序列，历史直播播放量序列等。
由于在对主播区域流行度预测时，将处理大量的非结构化的特征，这些数据将形成高维度特征，而神经网络善于处理这类学习任务。另外，主播类型、主播所在区域等特征，与预测区域流行度的相关性是非线性相关的，神经网络也可以对其进行处理。下文将对神经网络模型进行详细介绍，在此不再详述。
S102，判断待调度主播的第一区域流行度是否大于预设阈值。
本申请实施例中，由于区域流行度包括：第一区域流行度和第二区域流行度，若待调度主播的第一区域流行度大于预设阈值，表明待调度主播在第一区域比较流行，确定待调度主播为第一区域流行主播。例如，若第一区域是待调度主播所在的省以及邻省，表明待调度主播在待调度主播所在的省及邻省比较流行，可以确定待调度主播为本地流行主播。预设阈值是根据经验设置的值，若区域流行度表示待调度主播在多个区域的观众分布比，那么，第一区域流行度和第二区域流行度之和即为1，预设阈值可以为98％或95％等。
S103，确定待调度主播为第一区域流行主播，计算各边缘节点以及核心节点为待调度主播提供服务的服务质量。
具体的，若待调度主播为第一区域流行主播(例如本地流行主播)，表示可以将待调度主播调度到边缘节点，通过边缘节点为该待调度主播提供服务。为了提升直播内容的上传质量，可以选择为待调度主播提供服务质量最高的边缘节点。其中，核心节点可以作为一个特殊的边缘节点，因此，可以计算各边缘节点以及核心节点为待调度主播提供服务的服务质量。本申请的一种实现方式中，可以根据待调度主播将直播内容上传至各边缘节点以及核心节点的时间延迟以及占用带宽，确定各边缘节点以及核心节点的服务质量。
S104，若各边缘节点中存在服务质量大于核心节点，且剩余带宽大于或等于待调度主播占用带宽的待选边缘节点，从待选边缘节点中选取服务质量最高的一个边缘节点为待调度主播服务；否则，通过核心节点为待调度主播提供服务。
本申请实施中，如果核心节点的服务质量最高，可以将待调度主播调度到核心节点。由于任意的边缘节点在为本地流行主播提供服务时，都不会服务超过其容量的主播，也就是说，边缘节点为本地流行主播服务时所占用的总带宽不大于自身带宽容量。因此，若各边缘节点中存在服务质量大于核心节点，且剩余带宽大于或等于待调度主播占用带宽的待选边缘节点，从待选边缘节点中选取服务质量最高的一个边缘节点为待调度主播服务。如果待选边缘节点中服务质量最高的边缘节点有两个或更多个，可以任意选取一个即可。另外，如果各边缘节点中存在服务质量大于核心节点的边缘节点，但是每一个服务质量大于核心节点的边缘节点的剩余带宽均小于待调度主播占用带宽，表示不存在可以为待调度主播提供服务的边缘节点，可以将待调度主播调度至核心节点，通过核心节点为待调度主播提供服务。
本申请实施例的主播调度方法，通过将待调度主播的历史行为特征输入预先建立的神经网络模型，确定待调度主播的区域流行度。若待调度主播的第一区域流行度大于预设阈值，确定待调度主播为第一区域流行主播，计算各边缘节点以及核心节点为待调度主播提供服务的服务质量；若各边缘节点中存在服务质量大于核心节点，且剩余带宽大于或等于待调度主播占用带宽的待选边缘节点，从待选边缘节点中选取服务质量最高的一个边缘节点为待调度主播服务；否则，通过核心节点为待调度主播提供服务。这样，通过边缘节点辅助核心节点的方式为待调度主播提供服务，可以为待调度主播提供稳定的上行链路，减小直播内容的上传延迟。并且在存在大量第一区域流行主播时，第一区域流行的直播内容可被边缘节点转码和消费，可降低核心节点的计算和网络负担。
本申请的一种实现方式中，在图3实施例S102之后，若待调度主播的第一区域流行度不大于预设阈值，表明待调度主播在第一区域不流行，在第二区域比较流行，确定待调度主播是第二区域流行主播，那么将待调度主播调度至核心节点，通过核心节点为待调度主播服务。
本申请的一种实现方式中，图3实施例S101中神经网络模型的建立方法包括以下步骤：
第一步，获取多个主播的历史行为特征，历史行为特征为各单位时间粉丝观看直播内容的时长总和与直播内容时长的比值、各单位时间收到的礼物个数、各单位时间的累积直播次数、各单位时间的粉丝个数以及主播类型中的一种或多种。
在神经网络模型的学习中，首先对样本进行标注，得到样本集，用于神经网络模型的训练。主播的历史行为特征可以以单位时间进行衡量，单位时间可以是12小时、一天或者两天等，在此不做限制。若当前时刻之前的时间段t分为T个单位时间，可以获取T个单位时间的历史行为特征，T个单位时间粉丝观看直播内容的时长总和与直播内容时长的比值T个单位时间收到的礼物个数T个单位时间的累积直播次数T个单位时间的粉丝个数主播类型包括：对话型、才艺型、电子游戏型等，若主播类型有N中，可以按N维0/1的ONEHOT编码获取主播类型，通常每个主播对应一种主播类型。主播b在时间段t的历史行为特征可表示为这样，可以得到多个主播的历史行为特征，得到样本集中的输入集
第二步，获取多个主播的历史行为特征对应的区域流行度。
本申请实施例中，区域流行度包括：第一区域流行度和第二区域流行度，主播b在时间段t的区域流行度其中，为主播b在时间段t的观众在第一区域的分布占比，为主播b在时间段t的观众在第二区域的分布占比，至此，可以得到样本集中的输出集对于每个样本，可以表示为
第三步，根据多个主播的历史行为特征以及多个主播的历史行为特征对应的区域流行度进行神经网络训练，得到神经网络模型。
本步骤中，通过根据上述样本集进行神经网络训练，即可得到神经网络模型。这样，对于任一主播，可以将主播的历史行为特征，输入神经网络模型，即可得到主播的区域流行度，也就是可以对主播的区域流行度进行预测。
本申请的一种实现方式中，图3实施例S103中服务质量的计算方法包括：
若待调度主播将直播内容上传至任一边缘节点或核心节点的时间延迟为rtt，占用带宽为bw，根据公式：计算任一边缘节点或核心节点为待调度主播提供服务的服务质量quality，ρ1表示预设延迟权重系数，ρ2表示预设带宽权重系数，ρ1和ρ2可以根据实际应用进行调整。
本申请实施例中，可以最大化主播集合(包括第一区域流行主播和第二区域流行主播)到各边缘节点的直播内容的传输质量，即最大化边缘节点和核心节点为主播提供服务的服务质量。由于每个主播只能调度到一个节点(核心节点或边缘节点)，且边缘节点为主播服务时所占用的总带宽不大于自身带宽容量。因此，上述过程可以通过背包算法进行求解。
这样，通过边缘节点辅助核心节点的方式，使为主播提供服务的服务质量最大化，因此，可以为主播提供稳定、低延迟的上行链路。并且大量第一区域流行的直播内容被边缘节点转码和消费时，可有效降低核心网络的计算和网络负担。
相应于上述方法实施例，本申请实施例提供了一种主播调度装置，参见图4，图4为本申请实施例的主播调度装置的一种结构图，包括：
区域流行度确定模块201，被配置为执行获取待调度主播的历史行为特征，将历史行为特征输入预先建立的神经网络模型，得到历史行为特征对应的待调度主播的区域流行度，区域流行度包括：第一区域流行度和第二区域流行度；
判断模块202，被配置为执行判断待调度主播的第一区域流行度是否大于预设阈值；
第一区域流行主播确定模块203，被配置为在待调度主播的第一区域流行度大于预设阈值时，确定待调度主播为第一区域流行主播；
服务质量计算模块204，被配置为执行计算各边缘节点以及核心节点为待调度主播提供服务的服务质量；
服务模块205，被配置为执行若各边缘节点中存在服务质量大于核心节点，且剩余带宽大于或等于待调度主播占用带宽的待选边缘节点，从待选边缘节点中选取服务质量最高的一个边缘节点为待调度主播服务；否则，通过核心节点为待调度主播提供服务。
本申请实施例的主播调度装置，通过将待调度主播的历史行为特征输入预先建立的神经网络模型，确定待调度主播的区域流行度。若待调度主播的第一区域流行度大于预设阈值，确定待调度主播为第一区域流行主播，计算各边缘节点以及核心节点为待调度主播提供服务的服务质量；若各边缘节点中存在服务质量大于核心节点，且剩余带宽大于或等于待调度主播占用带宽的待选边缘节点，从待选边缘节点中选取服务质量最高的一个边缘节点为待调度主播服务；否则，通过核心节点为待调度主播提供服务。这样，通过边缘节点辅助核心节点的方式为待调度主播提供服务，可以为待调度主播提供稳定的上行链路，减小直播内容的上传延迟。并且在存在大量第一区域流行主播时，第一区域流行的直播内容可被边缘节点转码和消费，可降低核心节点的计算和网络负担。
可选的，本申请实施例的主播调度装置，还包括：
第二区域流行主播确定模块，被配置为执行如果待调度主播的第一区域流行度不大于预设阈值，确定待调度主播是第二区域流行主播，通过核心节点为待调度主播服务。
可选的，本申请实施例的主播调度装置，还包括：
神经网络模型建立模块，被配置为执行获取多个主播的历史行为特征，历史行为特征为各单位时间粉丝观看直播内容的时长总和与直播内容时长的比值、各单位时间收到的礼物个数、各单位时间的累积直播次数、各单位时间的粉丝个数以及主播类型中的一种或多种；获取多个主播的历史行为特征对应的区域流行度；根据多个主播的历史行为特征以及多个主播的历史行为特征对应的区域流行度进行神经网络训练，得到神经网络模型。
可选的，服务质量计算模块具体被配置为执行根据待调度主播将直播内容上传至各边缘节点以及核心节点的时间延迟以及占用带宽，计算各边缘节点以及核心节点为待调度主播提供服务的服务质量。
可选的，服务质量计算模块，包括：
服务质量计算单元，被配置为执行若待调度主播将直播内容上传至任一边缘节点或核心节点的时间延迟为rtt，占用带宽为bw，根据公式： 计算任一边缘节点或核心节点为待调度主播提供服务的服务质量quality，ρ1表示预设延迟权重系数，ρ2表示预设带宽权重系数。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本申请实施例提供了一种电子设备，参见图5，图5为本申请实施例的电子设备的第一种示意图，包括：
处理器301；
用于存储处理器301可执行指令的存储器302；
其中，处理器301被配置为在运行存储器302中的指令时，执行上述任一主播调度方法的步骤。
本申请实施例中，通过将待调度主播的历史行为特征输入预先建立的神经网络模型，确定待调度主播的区域流行度。若待调度主播的第一区域流行度大于预设阈值，确定待调度主播为第一区域流行主播，计算各边缘节点以及核心节点为待调度主播提供服务的服务质量；若各边缘节点中存在服务质量大于核心节点，且剩余带宽大于或等于待调度主播占用带宽的待选边缘节点，从待选边缘节点中选取服务质量最高的一个边缘节点为待调度主播服务；否则，通过核心节点为待调度主播提供服务。这样，通过边缘节点辅助核心节点的方式为待调度主播提供服务，可以为待调度主播提供稳定的上行链路，减小直播内容的上传延迟。并且在存在大量第一区域流行主播时，第一区域流行的直播内容可被边缘节点转码和消费，可降低核心节点的计算和网络负担。
可选的，本申请实施例的电子设备可以为如图6所示的装置400，例如，装置400可以是服务器。
参照图6，装置400可以包括以下一个或多个组件：处理组件402，存储器404，电力组件406，多媒体组件408，音频组件410，输入/输出(I/O)的接口412，传感器组件414，以及通信组件416。
处理组件402通常控制装置400的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件402可以包括一个或多个处理器420来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件402可以包括一个或多个模块，便于处理组件402和其他组件之间的交互。例如，处理组件402可以包括多媒体模块，以方便多媒体组件408和处理组件402之间的交互。
存储器404被配置为存储各种类型的数据以支持在设备400的操作。这些数据的示例包括用于在装置400上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器404可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件406为装置400的各种组件提供电力。电源组件406可以包括电源管理系统，一个或多个电源，及其他与为装置400生成、管理和分配电力相关联的组件。
多媒体组件408包括在所述装置400和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件408包括一个前置摄像头和/或后置摄像头。当设备400处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件410被配置为输出和/或输入音频信号。例如，音频组件410包括一个麦克风(MIC)，当装置400处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器404或经由通信组件416发送。在一些实施例中，音频组件410还包括一个扬声器，用于输出音频信号。
I/O接口412为处理组件402和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件414包括一个或多个传感器，用于为装置400提供各个方面的状态评估。例如，传感器组件414可以检测到设备400的打开/关闭状态，组件的相对定位，例如所述组件为装置400的显示器和小键盘，传感器组件414还可以检测装置400或装置400一个组件的位置改变，用户与装置400接触的存在或不存在，装置400方位或加速/减速和装置400的温度变化。传感器组件414可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件414还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件414还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件416被配置为便于装置400和其他设备之间有线或无线方式的通信。装置400可以接入基于通信标准的无线网络，如WiFi，运营商网络(如2G、3G、4G或5G)，或它们的组合。在一个示例性实施例中，通信组件416经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件416还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置400可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器404，上述指令可由装置400的处理器420执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
可选的，本申请实施例的电子设备可以为如图7所示的装置500。例如，装置500可以被提供为一服务器。参照图7，装置500包括处理组件522，其进一步包括一个或多个处理器，以及由存储器532所代表的存储器资源，用于存储可由处理组件522的执行的指令，例如应用程序。存储器532中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件522被配置为执行指令，以执行上述方法。
装置500还可以包括一个电源组件526被配置为执行装置500的电源管理，一个有线或无线网络接口550被配置为将装置500连接到网络，和一个输入输出(I/O)接口558。装置500可以操作基于存储在存储器532的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM，LinuxTM，FreeBSDTM或类似。
本申请实施例提供了一种非临时性计算机可读存储介质，当存储介质中的指令由处理器执行时，使得处理器能够执行上述任一主播调度方法的步骤。
本申请实施例中，通过将待调度主播的历史行为特征输入预先建立的神经网络模型，确定待调度主播的区域流行度。若待调度主播的非第一区域流行度大于预设阈值，确定待调度主播为第一区域流行主播，计算各边缘节点以及核心节点为待调度主播提供服务的服务质量；若各边缘节点中存在服务质量大于核心节点，且剩余带宽大于或等于待调度主播占用带宽的待选边缘节点，从待选边缘节点中选取服务质量最高的一个边缘节点为待调度主播服务；否则，通过核心节点为待调度主播提供服务。这样，通过边缘节点辅助核心节点的方式为待调度主播提供服务，可以为待调度主播提供稳定的上行链路，减小直播内容的上传延迟。并且在存在大量第一区域流行主播时，第一区域流行的直播内容可被边缘节点转码和消费，可降低核心节点的计算和网络负担。
本申请实施例提供了一种计算机程序产品，计算机程序产品在处理器上被执行时，实现上述任一主播调度方法的步骤。
本申请实施例中，通过将待调度主播的历史行为特征输入预先建立的神经网络模型，确定待调度主播的区域流行度。若待调度主播的第一区域流行度大于预设阈值，确定待调度主播为第一区域流行主播，计算各边缘节点以及核心节点为待调度主播提供服务的服务质量；若各边缘节点中存在服务质量大于核心节点，且剩余带宽大于或等于待调度主播占用带宽的待选边缘节点，从待选边缘节点中选取服务质量最高的一个边缘节点为待调度主播服务；否则，通过核心节点为待调度主播提供服务。这样，通过边缘节点辅助核心节点的方式为待调度主播提供服务，可以为待调度主播提供稳定的上行链路，减小直播内容的上传延迟。并且在存在大量第一区域流行主播时，第一区域流行的直播内容可被边缘节点转码和消费，可降低核心节点的计算和网络负担。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (10)
1.一种主播调度方法，其特征在于，所述方法包括：
获取待调度主播的历史行为特征，将所述历史行为特征输入预先建立的神经网络模型，得到所述历史行为特征对应的所述待调度主播的区域流行度，所述区域流行度包括：第一区域流行度和第二区域流行度；
判断所述待调度主播的第一区域流行度是否大于预设阈值，如果所述待调度主播的第一区域流行度大于所述预设阈值，确定所述待调度主播为第一区域流行主播，
计算各边缘节点以及核心节点为所述待调度主播提供服务的服务质量；
若所述各边缘节点中存在服务质量大于所述核心节点，且剩余带宽大于或等于所述待调度主播占用带宽的待选边缘节点，从所述待选边缘节点中选取服务质量最高的一个边缘节点为所述待调度主播服务；否则，通过所述核心节点为所述待调度主播提供服务。
2.根据权利要求1所述的主播调度方法，其特征在于，在所述判断所述待调度主播的第一区域流行度是否大于预设阈值之后，所述方法还包括：
如果所述待调度主播的第一区域流行度不大于所述预设阈值，确定所述待调度主播是第二区域流行主播，通过所述核心节点为所述待调度主播服务。
3.根据权利要求1或2所述的主播调度方法，其特征在于，所述神经网络模型的建立方法包括：
获取多个主播的历史行为特征，所述历史行为特征为各单位时间粉丝观看直播内容的时长总和与直播内容时长的比值、所述各单位时间收到的礼物个数、所述各单位时间的累积直播次数、所述各单位时间的粉丝个数以及主播类型中的一种或多种；
获取所述多个主播的历史行为特征对应的区域流行度；
根据所述多个主播的历史行为特征以及所述多个主播的历史行为特征对应的区域流行度进行神经网络训练，得到所述神经网络模型。
4.根据权利要求1或2所述的主播调度方法，其特征在于，所述计算各边缘节点以及核心节点为所述待调度主播提供服务的服务质量包括：
根据所述待调度主播将直播内容上传至所述各边缘节点以及所述核心节点的时间延迟以及占用带宽，计算所述各边缘节点以及所述核心节点为所述待调度主播提供服务的服务质量。
5.一种主播调度装置，其特征在于，所述装置包括：
区域流行度确定模块，被配置为执行获取待调度主播的历史行为特征，将所述历史行为特征输入预先建立的神经网络模型，得到所述历史行为特征对应的所述待调度主播的区域流行度，所述区域流行度包括：第一区域流行度和第二区域流行度；
判断模块，被配置为执行判断所述待调度主播的第一区域流行度是否大于预设阈值；
第一区域流行主播确定模块，被配置为在所述待调度主播的第一区域流行度大于所述预设阈值时，确定所述待调度主播为第一区域流行主播；
服务质量计算模块，被配置为执行计算各边缘节点以及核心节点为所述待调度主播提供服务的服务质量；
服务模块，被配置为执行若所述各边缘节点中存在服务质量大于所述核心节点，且剩余带宽大于或等于所述待调度主播占用带宽的待选边缘节点，从所述待选边缘节点中选取服务质量最高的一个边缘节点为所述待调度主播服务；否则，通过所述核心节点为所述待调度主播提供服务。
6.根据权利要求5所述的主播调度装置，其特征在于，所述装置还包括：
第二区域流行主播确定模块，被配置为执行如果所述待调度主播的第一区域流行度不大于所述预设阈值，确定所述待调度主播是第二区域流行主播，通过所述核心节点为所述待调度主播服务。
7.根据权利要求5或6所述的主播调度装置，其特征在于，所述装置还包括：
神经网络模型建立模块，被配置为执行获取多个主播的历史行为特征，所述历史行为特征为各单位时间粉丝观看直播内容的时长总和与直播内容时长的比值、所述各单位时间收到的礼物个数、所述各单位时间的累积直播次数、所述各单位时间的粉丝个数以及主播类型中的一种或多种；获取所述多个主播的历史行为特征对应的区域流行度；根据所述多个主播的历史行为特征以及所述多个主播的历史行为特征对应的区域流行度进行神经网络训练，得到所述神经网络模型。
8.根据权利要求5或6所述的主播调度装置，其特征在于，所述服务质量计算模块具体被配置为执行根据所述待调度主播将直播内容上传至所述各边缘节点以及所述核心节点的时间延迟以及占用带宽，计算所述各边缘节点以及所述核心节点为所述待调度主播提供服务的服务质量。
9.一种电子设备，其特征在于，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为在运行所述存储器中的指令时执行权利要求1～4任一所述的主播调度方法的步骤。
10.一种非临时性计算机可读存储介质，其特征在于，当所述存储介质中的指令由处理器执行时，使得所述处理器能够执行权利要求1～4任一所述的主播调度方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910232355.6A CN109951716B (zh) | 2019-03-26 | 2019-03-26 | 一种主播调度方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910232355.6A CN109951716B (zh) | 2019-03-26 | 2019-03-26 | 一种主播调度方法、装置、电子设备及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109951716A true CN109951716A (zh) | 2019-06-28 |
| CN109951716B CN109951716B (zh) | 2020-10-30 |
Family
ID=67010789
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910232355.6A Active CN109951716B (zh) | 2019-03-26 | 2019-03-26 | 一种主播调度方法、装置、电子设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109951716B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111404751A (zh) * | 2020-03-20 | 2020-07-10 | 南京大学 | 一种基于rnn神经网络的rtt预测方法 |
| CN111432247A (zh) * | 2020-03-19 | 2020-07-17 | 平安科技（深圳）有限公司 | 流量调度方法、装置、服务器及存储介质 |
| CN113596509A (zh) * | 2021-08-26 | 2021-11-02 | 上海哔哩哔哩科技有限公司 | 节点调度方法及装置 |
| CN113891114A (zh) * | 2021-11-18 | 2022-01-04 | 上海哔哩哔哩科技有限公司 | 转码任务调度方法及装置 |
| CN114070852A (zh) * | 2021-11-15 | 2022-02-18 | 上海哔哩哔哩科技有限公司 | 直播延迟优化方法及装置 |
| CN114679604A (zh) * | 2022-04-11 | 2022-06-28 | 上海哔哩哔哩科技有限公司 | 资源处理方法及装置 |
| CN115942007A (zh) * | 2022-12-26 | 2023-04-07 | 上海哔哩哔哩科技有限公司 | 直播流调度方法及装置 |
| CN115942007B (zh) * | 2022-12-26 | 2024-11-05 | 上海哔哩哔哩科技有限公司 | 直播流调度方法及装置 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120297431A1 (en) * | 2009-11-24 | 2012-11-22 | Zte Corporation | Network-wide storing and scheduling method and system for internet protocol television |
| CN103986942A (zh) * | 2014-06-05 | 2014-08-13 | 北京赛维安讯科技发展有限公司 | 基于cdn网络的数据分发系统及方法 |
| WO2015013193A1 (en) * | 2013-07-26 | 2015-01-29 | Intel IP Corporation | Signaling message synchronization |
| CN105681387A (zh) * | 2015-11-26 | 2016-06-15 | 乐视云计算有限公司 | 一种直播视频的上传方法、装置及系统 |
| CN106453328A (zh) * | 2016-10-18 | 2017-02-22 | 乐视控股（北京）有限公司 | 直播视频文件的推流方法、客户端及边缘流媒体服务器 |
| CN107707519A (zh) * | 2017-07-10 | 2018-02-16 | 贵州白山云科技有限公司 | 一种流媒体传输方法、装置和系统 |
| CN108200443A (zh) * | 2017-12-29 | 2018-06-22 | 北京奇虎科技有限公司 | 一种直播流的分发方法和装置 |
| CN108306923A (zh) * | 2017-08-21 | 2018-07-20 | 北京潘达互娱科技有限公司 | 一种直播视频上传方法、装置、电子设备以及存储介质 |
| CN108769107A (zh) * | 2018-04-12 | 2018-11-06 | 北京奇艺世纪科技有限公司 | 一种视频调度方法、装置及电子设备 |
| CN109120964A (zh) * | 2018-09-30 | 2019-01-01 | 武汉斗鱼网络科技有限公司 | 视频集合的消息推送方法、装置、计算机设备及存储介质 |
| CN109379774A (zh) * | 2018-11-08 | 2019-02-22 | 网宿科技股份有限公司 | 智能调度方法、终端设备、边缘节点集群与智能调度系统 |
-
2019
- 2019-03-26 CN CN201910232355.6A patent/CN109951716B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120297431A1 (en) * | 2009-11-24 | 2012-11-22 | Zte Corporation | Network-wide storing and scheduling method and system for internet protocol television |
| WO2015013193A1 (en) * | 2013-07-26 | 2015-01-29 | Intel IP Corporation | Signaling message synchronization |
| CN103986942A (zh) * | 2014-06-05 | 2014-08-13 | 北京赛维安讯科技发展有限公司 | 基于cdn网络的数据分发系统及方法 |
| CN105681387A (zh) * | 2015-11-26 | 2016-06-15 | 乐视云计算有限公司 | 一种直播视频的上传方法、装置及系统 |
| CN106453328A (zh) * | 2016-10-18 | 2017-02-22 | 乐视控股（北京）有限公司 | 直播视频文件的推流方法、客户端及边缘流媒体服务器 |
| CN107707519A (zh) * | 2017-07-10 | 2018-02-16 | 贵州白山云科技有限公司 | 一种流媒体传输方法、装置和系统 |
| CN108306923A (zh) * | 2017-08-21 | 2018-07-20 | 北京潘达互娱科技有限公司 | 一种直播视频上传方法、装置、电子设备以及存储介质 |
| CN108200443A (zh) * | 2017-12-29 | 2018-06-22 | 北京奇虎科技有限公司 | 一种直播流的分发方法和装置 |
| CN108769107A (zh) * | 2018-04-12 | 2018-11-06 | 北京奇艺世纪科技有限公司 | 一种视频调度方法、装置及电子设备 |
| CN109120964A (zh) * | 2018-09-30 | 2019-01-01 | 武汉斗鱼网络科技有限公司 | 视频集合的消息推送方法、装置、计算机设备及存储介质 |
| CN109379774A (zh) * | 2018-11-08 | 2019-02-22 | 网宿科技股份有限公司 | 智能调度方法、终端设备、边缘节点集群与智能调度系统 |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111432247A (zh) * | 2020-03-19 | 2020-07-17 | 平安科技（深圳）有限公司 | 流量调度方法、装置、服务器及存储介质 |
| CN111432247B (zh) * | 2020-03-19 | 2022-10-18 | 平安科技（深圳）有限公司 | 流量调度方法、装置、服务器及存储介质 |
| CN111404751A (zh) * | 2020-03-20 | 2020-07-10 | 南京大学 | 一种基于rnn神经网络的rtt预测方法 |
| CN113596509B (zh) * | 2021-08-26 | 2023-04-11 | 上海哔哩哔哩科技有限公司 | 节点调度方法及装置 |
| CN113596509A (zh) * | 2021-08-26 | 2021-11-02 | 上海哔哩哔哩科技有限公司 | 节点调度方法及装置 |
| CN114070852A (zh) * | 2021-11-15 | 2022-02-18 | 上海哔哩哔哩科技有限公司 | 直播延迟优化方法及装置 |
| CN114070852B (zh) * | 2021-11-15 | 2024-03-12 | 上海哔哩哔哩科技有限公司 | 直播延迟优化方法及装置 |
| CN113891114A (zh) * | 2021-11-18 | 2022-01-04 | 上海哔哩哔哩科技有限公司 | 转码任务调度方法及装置 |
| CN113891114B (zh) * | 2021-11-18 | 2023-12-15 | 上海哔哩哔哩科技有限公司 | 转码任务调度方法及装置 |
| CN114679604B (zh) * | 2022-04-11 | 2023-12-19 | 上海哔哩哔哩科技有限公司 | 资源处理方法及装置 |
| CN114679604A (zh) * | 2022-04-11 | 2022-06-28 | 上海哔哩哔哩科技有限公司 | 资源处理方法及装置 |
| CN115942007A (zh) * | 2022-12-26 | 2023-04-07 | 上海哔哩哔哩科技有限公司 | 直播流调度方法及装置 |
| CN115942007B (zh) * | 2022-12-26 | 2024-11-05 | 上海哔哩哔哩科技有限公司 | 直播流调度方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109951716B (zh) | 2020-10-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109951716B (zh) | 一种主播调度方法、装置、电子设备及可读存储介质 | |
| US20220217263A1 (en) | Method and apparatus for managing a camera network | |
| CN109525853B (zh) | 直播间封面展示方法、装置、终端、服务器及可读介质 | |
| WO2021147480A1 (zh) | 直播辅助方法及电子设备 | |
| CN111182318B (zh) | 直播中贡献分生成方法、装置、电子设备及存储介质 | |
| CN110366043B (zh) | 视频处理方法、装置、电子设备及可读介质 | |
| KR101643238B1 (ko) | 공유된 장치 및 개인용 장치를 이용한 개인맞춤화된 사용자 기능의 협력적 제공 | |
| TW201833845A (zh) | 資訊獲取方法、提供方法、裝置及系統、儲存介質 | |
| US20220070548A1 (en) | System and method for advertising | |
| US20090019176A1 (en) | Live Video Collection And Distribution System and Method | |
| Song et al. | Understanding user experience of mobile video: framework, measurement, and optimization | |
| CN111405311A (zh) | 直播节目保存方法、装置、电子设备和存储介质 | |
| US11563988B2 (en) | Employing automatic content recognition to allow resumption of watching interrupted media program from television broadcast | |
| US20220353552A1 (en) | Methods and devices for pulling live stream | |
| KR102117922B1 (ko) | 라이브 텔레비전 브로드캐스트 스트림의 인터랙티브 제어 구현 | |
| CN113553509B (zh) | 一种内容推荐方法、装置、电子设备及存储介质 | |
| CN114272600A (zh) | 一种控制权切换系统、方法、装置、设备及存储介质 | |
| KR101939130B1 (ko) | 영상 중계 방법, 영상 제공 방법 및 이를 이용하는 장치 | |
| KR101659420B1 (ko) | 공유 비디오 장치 및 개인용 장치를 이용한 개인맞춤화된 비디오 콘텐츠 소비 | |
| CN110996114A (zh) | 一种直播调度方法、装置、电子设备和存储介质 | |
| CN114172964B (zh) | 内容分发网络的调度方法、装置、通信设备及存储介质 | |
| US20220188549A1 (en) | Context aware word cloud for context oriented dynamic actions | |
| CN111754251B (zh) | 广告投放方法、装置、服务器及存储介质 | |
| CN110909075B (zh) | 数据的同步方法、装置、电子设备及存储介质 | |
| CN112449409B (zh) | 移动终端的功率控制方法和移动终端的功率控制装置 |
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 |