CN110225407B - 一种播放数据的获取方法和装置及计算机可读存储介质 - Google Patents

一种播放数据的获取方法和装置及计算机可读存储介质 Download PDF

Info

Publication number
CN110225407B
CN110225407B CN201910330906.2A CN201910330906A CN110225407B CN 110225407 B CN110225407 B CN 110225407B CN 201910330906 A CN201910330906 A CN 201910330906A CN 110225407 B CN110225407 B CN 110225407B
Authority
CN
China
Prior art keywords
historical
playing
video
time period
play
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
Application number
CN201910330906.2A
Other languages
English (en)
Other versions
CN110225407A (zh
Inventor
何益超
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 QIYI Century Science and Technology Co Ltd
Original Assignee
Beijing QIYI Century Science and 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 Beijing QIYI Century Science and Technology Co Ltd filed Critical Beijing QIYI Century Science and Technology Co Ltd
Priority to CN201910330906.2A priority Critical patent/CN110225407B/zh
Publication of CN110225407A publication Critical patent/CN110225407A/zh
Application granted granted Critical
Publication of CN110225407B publication Critical patent/CN110225407B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
    • 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
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44204—Monitoring of content usage, e.g. the number of times a movie has been viewed, copied or the amount which has been watched
    • 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]
    • H04N21/60—Network structure or processes for video distribution between server and client or between remote clients; Control signalling between clients, server and network components; Transmission of management data between server and client, e.g. sending from server to client commands for recording incoming content stream; Communication details between server and client 
    • H04N21/63—Control signaling related to video distribution between client, server and network components; Network processes for video distribution between server and clients or between remote clients, e.g. transmitting basic layer and enhancement layers over different transmission paths, setting up a peer-to-peer communication via Internet between remote STB's; Communication protocols; Addressing
    • H04N21/632—Control signaling related to video distribution between client, server and network components; Network processes for video distribution between server and clients or between remote clients, e.g. transmitting basic layer and enhancement layers over different transmission paths, setting up a peer-to-peer communication via Internet between remote STB's; Communication protocols; Addressing using a connection between clients on a wide area network, e.g. setting up a peer-to-peer communication via Internet for retrieving video segments from the hard-disk of other client devices
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Television Signal Processing For Recording (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请实施例提供了一种播放数据的获取方法和装置及计算机可读存储介质，该方法包括：获取待预测视频片段的属性信息，根据属性信息从历史视频片段中获取多个候选视频片段，获取待预测视频片段在第一历史播放时间段内的第一播放量数据，以及多个候选视频片段在第二历史播放时间段内的第二播放量数据；第一历史播放时间段的起始时刻和第二历史播放时间段的起始时刻相同，以及第一历史播放时间段的终止时刻和第二历史播放时间段的终止时刻相同，根据第一播放量数据和第二播放量数据，从多个候选视频片段中获取至少一个目标视频片段，并根据至少一个目标视频片段，获取待预测视频片段在指定播放时间段内的播放量。

Description

一种播放数据的获取方法和装置及计算机可读存储介质
技术领域
本申请涉及互联网技术领域，特别是涉及一种播放数据的预测方法和装置及计算机可读存储介质。
背景技术
P2P(peer-to-peer，点对点)技术可以应用于视频在线观看，以用于减少CDN(Content Delivery Network，内容分发网络)的带宽。其中，若视频资源在P2P网络中的种子数越多，则在用户使用P2P网络对视频资源下载时，下载速度越快，以及下载成功率越高。考虑到用户在观看视频资源时存在视频高峰期间以及视频非高峰期间，为了让更多用户在视频高峰期间通过P2P网络正常进行视频资源下载，并节省CDN的带宽，可以执行预推送策略，即在视频非高峰期间，通过在线客户端预先下载一些推送视频资源(如热门资源或者种子数匮乏的视频资源等)，从而便于视频高峰期间更好地满足用户使用P2P网络下载视频资源的需求。
但是，由于无法预先确定视频资源在视频高峰期间的播放量状况，从而可能造成推送视频资源存在不同程度的冗余或者稀缺。因此，如何准确获取到播放量是亟需解决的问题。
发明内容
鉴于上述问题，本申请实施例提供一种播放数据的获取方法和装置及计算机可读存储介质，以解决现有技术中由于无法获取到播放量，造成的推送视频资源存在冗余或者稀缺的问题。
根据本申请实施例的第一方面，提供一种播放数据的获取方法，所述方法包括：
获取待预测视频片段的属性信息；
根据所述属性信息从历史视频片段中获取多个候选视频片段；
获取所述待预测视频片段在第一历史播放时间段内的第一播放量数据，以及所述多个候选视频片段在第二历史播放时间段内的第二播放量数据；所述第一历史播放时间段的起始时刻和所述第二历史播放时间段的起始时刻相同，以及所述第一历史播放时间段的终止时刻和所述第二历史播放时间段的终止时刻相同；
根据所述第一播放量数据和所述第二播放量数据，从所述多个候选视频片段中获取至少一个目标视频片段，并根据所述至少一个目标视频片段，获取所述待预测视频片段在指定播放时间段内的播放量。
根据本申请实施例的第二方面，提供一种播放数据的获取装置，所述装置包括：
属性信息获取模块，用于获取待预测视频片段的属性信息；
候选视频片段获取模块，用于根据所述属性信息从历史视频片段中获取多个候选视频片段；
播放量数据获取模块，用于获取所述待预测视频片段在第一历史播放时间段内的第一播放量数据，以及所述多个候选视频片段在第二历史播放时间段内的第二播放量数据；所述第一历史播放时间段的起始时刻和所述第二历史播放时间段的起始时刻相同，以及所述第一历史播放时间段的终止时刻和第二历史播放时间段的终止时刻相同；
目标视频片段获取模块，用于根据所述第一播放量数据和所述第二播放量数据，从所述多个候选视频片段中获取至少一个目标视频片段；
播放量获取模块，用于根据所述至少一个目标视频片段，获取所述待预测视频片段在指定播放时间段内的播放量。
根据本申请实施例的第三方面，提供一种播放数据的获取装置，包括处理器以及存储器，其中，
所述处理器执行所述存储器所存放的计算机程序代码，以实现本申请所述的播放数据的获取方法的步骤。
根据本申请实施例的第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现本申请所述的播放数据的获取方法的步骤。
本申请实施例包括以下优点：本申请实施例首先获取待预测视频片段的属性信息，接着根据所述属性信息从历史视频片段中获取多个候选视频片段，然后获取所述待预测视频片段在第一历史播放时间段内的第一播放量数据，以及所述多个候选视频片段在第二历史播放时间段内的第二播放量数据；所述第一历史播放时间段的起始时刻和所述第二历史播放时间段的起始时刻相同，以及所述第一历史播放时间段的终止时刻和所述第二历史播放时间段的终止时刻相同，最后根据所述第一播放量数据和所述第二播放量数据，从所述多个候选视频片段中获取至少一个目标视频片段，并根据所述至少一个目标视频片段，获取所述待预测视频片段在指定播放时间段内的播放量。综上，本申请根据属性信息，获取与待预测视频片段属性相同的候选视频片段，并由于本申请需要获取待预测视频片段的播放量，因此，可以基于播放量数据(相当于本申请中的第一播放量数据和第二播放量数据)对候选视频片段进行进一步筛选获取到与待预测视频片段的播放量相似的目标视频片段，这样，由于目标视频片段的播放量与待预测视频片段的播放量比较相似，使得目标视频片段对待预测视频片段的播放量预测具有参考价值，从而可以基于目标视频片段准确获取到待预测视频片段在指定时间段的播放量，避免了现有技术中由于无法获取到播放量，造成的推送视频资源存在冗余或者稀缺的问题，另外，本申请中以视频片段为单位进行播放量的获取，使得获取到的播放量具备更细的粒度，更有针对性，数据更准确。
附图说明
图1是本申请的一种播放数据的获取方法实施例的步骤流程图；
图2是本申请的一种播放数据的获取方法可选实施例的步骤流程图；
图3是本申请的一种播放数据的获取方法可选实施例的步骤流程图；
图4是本申请的一种播放数据的获取装置实施例的结构框图；
图5是本申请的一种播放数据的获取装置可选实施例的结构框图；
图6是本申请的一种播放数据的获取装置可选实施例的结构框图；
图7是本申请的一种播放数据的获取装置可选实施例的结构框图；
图8是本申请的一种播放数据的获取装置可选实施例的结构框图；
图9为本申请的另一实施例提供的播放数据的获取装置的硬件结构示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。
下面将结合具体实施例对本申请进行详细说明。
参照图1，示出了本申请的一种播放数据的获取方法实施例的步骤流程图，具体可以包括如下步骤：
步骤101，获取待预测视频片段的属性信息。
考虑到现有技术中通常是针对整个视频(如某部电影、某集电视剧或者某期综艺节目等)进行播放量的预测，在本申请实施例中，由于通过使用P2P网络对视频资源下载，因此，需要将服务器中存储的视频资源划分为若干份视频片段，使得不同用户可以从服务器中下载不同视频片段，从而用户之间可以获取彼此已下载完成的视频片段，示例地，用户A从服务器中随机下载一部分视频片段，用户B从服务器中随机下载另一部分视频片段，这样，用户A可以从用户B所在的终端上获取该另一部分视频片段，用户B可以从用户A所在的终端上获取该一部分视频片段，以提高视频下载速度以及视频下载成功率。综上，本申请中的待预测视频片段为视频资源包括的视频片段，属于完整视频中的一部分，因此并不是完整视频。例如，该待预测视频片段可以为某集电视剧中的一部分电视片段，或者某部电影中的一部分电影片段，或者某期综艺节目中的一部分节目片段等等，这样，以视频片段为单位进行播放量的获取，使得获取到的播放量具备更细的粒度，更有针对性，数据更准确。
其中，属性信息可以包括属性标识和属性标识对应的属性值，该属性标识可以包括以下至少一项：视频发布天数、视频发布时间段、视频类型(如电视剧、电影、综艺节目或者动漫等等)、视频码率(如1080p、720p、480p、360p等等)、非会员开放时间段等，上述示例只是举例说明，本申请对此不作限定。
步骤102，根据属性信息从历史视频片段中获取多个候选视频片段。
在本申请实施例中，考虑到部分视频片段不存在历史播放量记录或者记录较少，或者存在的历史播放记录对应的播放时间段无法进行后续的播放量预测，从而数据库无需收集该部分视频片段的属性信息和历史播放量记录，因此，本申请中的历史视频片段可以为根据预设筛选条件进行筛选得到的视频片段。
例如，若后续步骤中根据待预测视频片段在第一历史播放时间段内的第一播放量数据，以及多个候选视频片段在第二历史播放时间段内的第二播放量数据，对该多个候选视频片段进行筛选，其中，第一历史播放时间段的起始时刻和第二历史播放时间段的起始时刻相同，以及第一历史播放时间段的终止时刻和第二历史播放时间段的终止时刻相同，则该预设筛选条件包括在第二历史播放时间段和第三历史播放时间段均存在历史播放量记录，该第三历史播放时间段的起始时刻和指定播放时间段的起始时刻相同，以及第三历史播放时间段的终止时刻和指定播放时间段的终止时刻相同指定播放时间段，该指定播放时间段为对该待预测视频片段进行播放量预测的时间段。
进一步地，为了便于后续步骤中对待预测视频片段进行播放量预测，可以预先将历史视频片段的历史属性信息以及历史播放量记录存储于历史视频片段数据库中，该历史属性信息包括历史属性标识以及历史属性标识对应的属性值，历史播放量记录为历史视频片段在不同播放时间段(该不同播放时间段中包括该第二历史播放时间段以及第三历史播放时间段)的播放量。
需要说明的是，若该待预测视频片段为发布时间较短的视频，如该待预测视频片段为昨日发布的视频，则在本申请获取的第一历史播放时间段的第一播放量数据为该待预测视频片段近一周内不同时间段的历史播放量记录的情况下，由于发布时间较短的待预测视频片段不存在近一周内不同时间段的历史播放量记录，因此，后续步骤中无法基于该第一播放量数据和第二播放量数据获取目标视频片段，从而无法实现对发布时间较短的待预测视频片段的预测。综上，在本申请的可选实施例中，为了可以对发布天数较短的待预测视频片段进行播放量预测，在一种可能的实现方式中，第一播放时间段可以包括今日对应的不同历史时间段，以及昨日对应的不同历史时间段，从而使得本申请中的播放数据的获取方法可以应用于不同发布天数类型(即发布天数较短和发布天数较长)的待预测视频片段。这样，本步骤中的历史播放量记录可以包括：历史视频片段当日不同播放时间段的历史播放量记录，以及当日对应的前一天的不同播放时间段的历史播放量记录，其中当日即为收集该历史视频片段的历史属性信息和历史播放量记录的那一天，如对于视频发布时间段为2019年1月25日10：00的历史视频片段，若在该视频发布天数为2天的情况下，收集该历史视频片段的历史属性信息和历史播放量记录，则当日即为2019年1月27日，该历史播放量记录可以为2019年1月27日不同播放时间段的播放量，以及2019年1月26日不同播放时间段的播放量；若在该视频发布天数为3天的情况下，收集该历史视频片段的历史属性信息和历史播放量记录，此时，当日即为2019年1月28日，该历史播放量记录可以为2019年1月28日不同播放时间段的播放量，以及2019年1月27日不同播放时间段的播放量，等等，这样，可以将该历史视频片段在不同视频发布天数时的历史属性信息和历史播放量记录均存储至数据库中。另外，为了保证数据的时效性，可以将历史视频片段数据库中之前一定时间段内收集的历史视频片段对应的历史属性信息和历史播放量记录进行删除，以减少内存占用。
由于需要通过属性信息获取到与该待预测视频片段属性相同的候选视频片段，考虑到历史视频片段对应的历史属性标识可能并未包括该待预测视频片段对应的属性标识，例如，该属性标识包括视频发布天数、视频发布时间段、视频类型、视频码率以及非会员开放时间段，该历史视频片段对应的历史属性标识包括视频发布天数、视频发布时间段以及视频类型，可见历史视频片段并未包括视频码率以及非会员开放时间段两个属性标识，从而使得无法获取到该历史视频片段的视频码率对应的属性值以及非会员开放时间段对应的属性值，造成无法判断待预测视频片段与该历史视频片段二者的视频码率是否相同，以及无法判断待预测视频片段与该历史视频片段二者的非会员开放时间段是否相同，继而无法判断该历史视频片段属性是否与该待预测视频片段属性相同。综上，本步骤需要首先判断历史视频片段是否存在与属性标识相同的历史属性标识，并在历史视频片段存在与属性标识相同的历史属性标识的情况下，判断历史属性标识对应的属性值与属性标识对应的属性值是否相同，这样，在历史属性标识对应的属性值与属性标识对应的属性值相同的情况下，确定历史视频片段为候选视频片段。
综上，由于视频数据量预测模型通常采用量化后的属性信息对预设模型(如神经网络模型或者随机森林模型等)进行训练得到，但是，对于与预测结果关联性较高的部分属性信息，若部分属性信息无法进行量化，则无法通过部分属性信息训练预设模型，从而造成获取到的视频数据量预测模型的预测准确率较低，为了解决该问题，本申请可以充分考虑全部属性信息，即可以基于属性信息，获取与待预测视频片段的属性相同的候选视频片段，无需对属性信息进行量化，相比于现有技术，可以充分考虑对预测结果的关联性较高的部分属性信息，从而提高了预测准确率。
步骤103，获取待预测视频片段在第一历史播放时间段内的第一播放量数据，以及多个候选视频片段在第二历史播放时间段内的第二播放量数据；第一历史播放时间段的起始时刻和第二历史播放时间段的起始时刻相同，以及第一历史播放时间段的终止时刻和第二历史播放时间段的终止时刻相同。
为了后续步骤中可以更加准确地获取到与该待预测视频片段的播放量相似的目标视频片段，本申请实施例中的第一历史播放时间段和第二历史播放时间段可以为数量相同的多个时间段，如第一历史播放时间段包括S1、S2、…、Sn，第二历史播放时间段包括T1、T2、…、Tn，且S1的起始时刻和T1的起始时刻相同，以及S1的终止时刻和T1的终止时刻相同，S2的起始时刻和T2的起始时刻相同，以及S2的终止时刻和T2的终止时刻相同，Sn的起始时刻和Tn的起始时刻相同，以及Sn的终止时刻和Tn的终止时刻相同，n为正整数。这样，可以获取待预测视频片段在每个第一历史播放时间段内的第一播放量数据，以及多个候选视频片段在每个第二历史播放时间段内的第二播放量数据，从而后续步骤中可以通过考虑每个第一历史播放时间段内的第一播放量数据，和每个第二历史播放时间段内的第二播放量数据，获取待预测视频片段和候选视频片段之间的相似度，这样，通过多个时间段获取到的相似度更加准确，从而保证获取到的目标视频片段更加准确。
在一种可能的实现方式中，可以按照预设周期，获取待预测视频片段在第一历史播放时间段内的第一播放量数据，以及多个候选视频片段在第二历史播放时间段内的第二播放量数据，这样，可以获取到待预测视频和每个候选视频片段在相同时刻的播放量数据，从而后续步骤中可以基于相同时刻的播放量数据对候选视频片段进一步筛选，以获取到与待预测视频片段的播放量相似度较高的目标视频片段。示例地，若该第一历史播放时间段包括两个时间段(即S1和S2)，该第二历史播放时间段包括两个时间段(即T1和T2)，且S1的起始时刻和T1的起始时刻相同，以及S1的终止时刻和T1的终止时刻相同，S2的起始时刻和T2的起始时刻相同，以及S2的终止时刻和T2的终止时刻相同，则本步骤可以按照预设周期获取待预测视频片段在S1内的第一播放量数据x1、x2、…、xj，并按照预设周期获取待预测视频片段在S2内的第一播放量数据xj+1、xj+2、…、xm，以及按照预设周期获取每个候选视频片段在T1内的第二播放量数据y1、y2、…、yj，并按照预设周期获取每个候选视频片段在T2内的第二播放量数据yj+1、yj+2、…、ym。
当然，本申请还可以对每个第一历史播放时间段分别设置对应的预设周期，并且与该第一历史播放时间段对应的第二历史播放时间段(该第二历史播放时间段的起始时刻与第一历史播放时间段的起始时刻相同，以及该第二历史播放时间段的终止时刻与第一历史播放时间段的终止时刻相同)，设置的预设周期与该第一历史播放时间段相同。继续以第一历史播放时间段包括两个时间段(即S1和S2)，该第二历史播放时间段包括两个时间段(即T1和T2)为例进行说明，本申请可以对S1和T1设置第一预设周期，对S2和T2设置第二预设周期，这样，可以按照第一预设周期获取待预测视频片段在S1内的第一播放量数据，和按照第一预设周期获取每个候选视频片段在T1内的第二播放量数据，以及按照第二预设周期获取待预测视频片段在S2内的第一播放量数据，和按照第二预设周期获取每个候选视频片段在T2内的第二播放量数据。这样，同样可以获取到待预测视频和每个候选视频片段在相同时刻的播放量数据。
在本申请的另一实施例中，计算待预测视频片段在第一历史播放时间段内的播放量均值得到第一播放量数据，以及计算候选视频片段在第二历史播放时间段内的播放量均值得到第二播放量数据。继续以“第一历史播放时间段包括S1、S2、…、Sn，第二历史播放时间段包括T1、T2、…、Tn，且S1的起始时刻和T1的起始时刻相同，以及S1的终止时刻和T1的终止时刻相同，S2的起始时刻和T2的起始时刻相同，以及S2的终止时刻和T2的终止时刻相同，Sn的起始时刻和Tn的起始时刻相同，以及Sn的终止时刻和Tn的终止时刻相同，n为正整数”为例进行说明，本步骤可以计算待预测视频片段在S1内的播放量均值得到第一播放量数据
Figure BDA0002037659900000091
计算待预测视频片段在S2内的播放量均值得到第一播放量数据
Figure BDA0002037659900000092
计算待预测视频片段在Sn内的播放量均值得到第一播放量数据
Figure BDA0002037659900000093
以及计算第i个候选视频片段在T1内的播放量均值得到第二播放量数据
Figure BDA0002037659900000094
并计算第i个候选视频片段在T2内的播放量均值得到第二播放量数据
Figure BDA0002037659900000095
计算第i个候选视频片段在Tn内的播放量均值得到第二播放量数据
Figure BDA0002037659900000096
这样，可以获取到待预测视频片段和每个候选视频片段在各个历史播放时间段的播放量数据，从而后续步骤中可以基于各个历史播放时间段内的播放量数据对候选视频片段进一步筛选，以获取到与待预测视频片段相似度较高的目标视频片段。
S104，根据第一播放量数据和第二播放量数据，从多个候选视频片段中获取至少一个目标视频片段，并根据至少一个目标视频片段，获取待预测视频片段在指定播放时间段内的播放量。
在本申请实施例中，可以根据第一播放量数据和第二播放量数据，获取待预测视频片段与每个候选视频片段之间的相似度，并在相似度排名按照从大到小的顺序进行排名的情况下，确定相似度排名小于或者等于预设阈值的候选视频片段为目标视频片段。这样，可以从多个候选视频片段中获取与待预测视频片段的播放量比较相似的目标视频片段，从而可以基于目标视频片段，更加准确地预测待预测视频片段在指定播放时间段内的播放量。
另外，若本申请按照预设周期，获取待预测视频片段在第一历史播放时间段内的第一播放量数据，以及多个候选视频片段在第二历史播放时间段内的第二播放量数据，则在获取到待预测视频和每个候选视频片段在相同时刻的播放量数据后，本步骤可以基于相同时刻的播放量数据计算待预测视频和每个候选视频片段的相似度。示例地，继续以“第一历史播放时间段包括S1和S2，第二历史播放时间段包括T1和T2，且S1的起始时刻和T1的起始时刻相同，以及S1的终止时刻和T1的终止时刻相同，S2的起始时刻和T2的起始时刻相同，以及S2的终止时刻和T2的终止时刻相同”为例进行说明，若按照预设周期获取待预测视频片段在S1内的第一播放量数据x1、x2、…、xj，和按照预设周期获取待预测视频片段在S2内的第一播放量数据xj+1、xj+2、…、xm，按照预设周期获取每个候选视频片段在T1内的第二播放量数据y1、y2、…、yj，以及，按照预设周期获取每个候选视频片段在T2内的第二播放量数据yj+1、yj+2、…、ym，则该待预测视频片段和该候选视频片段之间的相似度的计算公式可以表示为：si＝1/(1+di)，其中si表示第i个候选视频片段与该待预测视频片段之间的相似度，di表示第i个候选视频片段与该待预测视频片段之间的欧式距离，进一步地，该欧式距离di的计算公式可以表示为
Figure BDA0002037659900000101
其中，di表示第i个候选视频片段与该待预测视频片段之间的欧式距离，xj表示待预测视频片段在第j个时刻的播放量数据，yij表示第i个候选视频片段在第j个时刻的播放量数据，上述示例只是举例说明，当然，本申请还可以采用余弦相似度等表示待预测视频片段和候选视频片段之间的相似度，本申请对此不作限定。
若本申请通过计算待预测视频片段在第一历史播放时间段内的播放量均值得到第一播放量数据，以及计算候选视频片段在第二历史播放时间段内的播放量均值得到第二播放量数据，则在获取到待预测视频和每个候选视频片段在各个历史播放时间段内的播放量数据后，本步骤可以基于各个历史播放时间段内的播放量数据计算待预测视频和每个候选视频片段的相似度。示例地，继续以“第一历史播放时间段包括S1、S2、…、Sn，第二历史播放时间段包括T1、T2、…、Tn，且S1的起始时刻和T1的起始时刻相同，以及S1的终止时刻和T1的终止时刻相同，S2的起始时刻和T2的起始时刻相同，以及S2的终止时刻和T2的终止时刻相同，Sn的起始时刻和Tn的起始时刻相同，以及Sn的终止时刻和Tn的终止时刻相同，n为正整数”为例进行说明，若通过计算待预测视频片段在S1内的播放量均值得到第一播放量数据
Figure BDA0002037659900000111
计算待预测视频片段在S2内的播放量均值得到第一播放量数据
Figure BDA0002037659900000112
计算待预测视频片段在Sn内的播放量均值得到第一播放量数据
Figure BDA0002037659900000113
以及计算第i个候选视频片段在T1内的播放量均值得到第二播放量数据
Figure BDA0002037659900000114
并计算第i个候选视频片段在T2内的播放量均值得到第二播放量数据
Figure BDA0002037659900000115
计算第i个候选视频片段在Tn内的播放量均值得到第二播放量数据
Figure BDA0002037659900000116
则待预测视频片段和该第i个候选视频片段之间的相似度的计算公式可以表示为：fi＝1/(1+bi)，其中fi表示第i个候选视频片段与该待预测视频片段之间的相似度，bi表示第i个候选视频片段与该待预测视频片段之间的欧式距离，进一步地，该欧式距离的计算公式可以表示为
Figure BDA0002037659900000117
上述示例只是举例说明，本申请对此不做限定。
采用上述方法，本申请实施例首先获取待预测视频片段的属性信息，接着根据属性信息从历史视频片段中获取多个候选视频片段，然后获取待预测视频片段在第一历史播放时间段内的第一播放量数据，以及多个候选视频片段在第二历史播放时间段内的第二播放量数据；第一历史播放时间段的起始时刻和第二历史播放时间段的起始时刻相同，以及第一历史播放时间段的终止时刻和第二历史播放时间段的终止时刻相同，最后根据第一播放量数据和第二播放量数据，从多个候选视频片段中获取至少一个目标视频片段，并根据至少一个目标视频片段，获取待预测视频片段在指定播放时间段内的播放量。综上，本申请根据属性信息，获取与待预测视频片段属性相同的候选视频片段，并由于本申请需要获取待预测视频片段的播放量，因此，可以基于播放量数据(相当于本申请中的第一播放量数据和第二播放量数据)对候选视频片段进行进一步筛选获取到与待预测视频片段的播放量相似的目标视频片段，这样，由于目标视频片段的播放量与待预测视频片段的播放量比较相似，使得目标视频片段对待预测视频片段的播放量预测具有参考价值，从而可以基于目标视频片段准确获取到待预测视频片段在指定时间段的播放量，避免了现有技术中由于无法获取到播放量，造成的推送视频资源存在冗余或者稀缺的问题，另外，本申请中以视频片段为单位进行播放量的获取，使得获取到的播放量具备更细的粒度，更有针对性，数据更准确。
参照图2，示出了本申请的一种播放数据的获取方法可选实施例的步骤流程图，具体可以包括如下步骤：
步骤201，获取待预测视频片段的属性信息。
其中，属性信息包括属性标识和属性标识对应的属性值，该属性标识可以包括以下至少一项：视频发布天数、视频发布时间段、视频类型、视频码率、非会员开放时间段等，上述示例只是举例说明，本申请对此不作限定。
步骤202，判断历史视频片段是否存在与每个属性标识分别相同的历史属性标识。
在本申请实施例中，可以按照预设采集周期，采集所述历史视频片段对应的历史属性标识、所述历史属性标识对应的属性值、以及所述历史视频片段在多个历史播放时间段的播放量数据记录；并将历史视频片段对应的历史属性标识、所述历史属性标识对应的属性值、以及所述历史视频片段在多个历史播放时间段的播放量数据记录，存储于历史视频片段数据库中。示例地，数据库中存储有当日不同播放时间段的历史播放量记录，以及当日对应的前一天的不同播放时间段的历史播放量记录等等，其中当日即为收集该历史视频片段的历史属性信息和历史播放记录的那一天，例如，在该历史视频片段的视频发布天数为p天的情况下收集该历史视频片段的历史属性信息和历史播放记录，则可以确定该视频发布天数为p天对应的那一天即为当日，这样，可以获取历史视频片段在不同视频发布天数时的历史属性信息和历史播放量记录。
本步骤可以将每个属性标识与数据库中存储的历史视频片段对应的历史属性标识依次匹配。示例地，若该属性标识包括视频发布天数、视频发布时间段、视频类型、视频码率、非会员开放时间段的情况下，则本步骤即为依次确定历史视频片段的历史属性标识中是否包括视频发布天数、视频发布时间段、视频类型、视频码率、非会员开放时间段。
在历史视频片段存在与每个属性标识分别相同的历史属性标识的情况下，执行步骤203；
在历史视频片段不存在与每个属性标识分别相同的历史属性标识的情况下，执行步骤204。
步骤203，判断历史属性标识对应的属性值与属性标识对应的属性值是否相同。
其中，需要对相同类型的属性标识对应的属性值进行比较，因此，本步骤中的历史属性标识和属性标识为同一类型属性标识。例如，若待预测视频片段的属性标识以及历史视频片段的历史属性标识都包括：视频发布天数、视频发布时间段、视频类型、视频码率、非会员开放时间段，则需要确定待预测视频片段和历史视频片段二者的视频发布天数对应的属性值是否相同，确定待预测视频片段和历史视频片段二者的视频发布时间段对应的属性值是否相同，确定待预测视频片段和历史视频片段二者的视频类型对应的属性值是否相同，确定待预测视频片段和历史视频片段二者的视频码率对应的属性值是否相同，确定待预测视频片段和历史视频片段二者的非会员开放时间段对应的属性值是否相同。
在历史属性标识对应的属性值与属性标识对应的属性值相同的情况下，执行步骤205；
在历史属性标识对应的属性值与属性标识对应的属性值不相同的情况下，执行步骤204。
步骤204，确定历史视频片段不为候选视频片段。
可见，本申请可以将与待预测视频片段的属性信息不同的历史视频片段过滤掉，从而使得后续步骤中无需通过该历史视频片段进行播放量的获取。
步骤205，确定历史视频片段为候选视频片段。
由于视频数据量预测模型通常采用量化后的属性信息对预设模型(如神经网络模型或者随机森林模型等)进行训练得到，但是，对于与预测结果关联性较高的部分属性信息，若部分属性信息无法进行量化，则无法通过部分属性信息训练预设模型，从而造成获取到的视频数据量预测模型的预测准确率较低，为了解决该问题，本申请可以充分考虑全部属性信息，即可以基于属性信息，获取与待预测视频片段的属性相同的候选视频片段，无需对属性信息进行量化，相比于现有技术，可以充分考虑对预测结果的关联性较高的部分属性信息，从而提高了预测准确率。
这样，在获取到与待预测视频片段的属性相同的候选视频片段的情况下，可以基于该候选视频片段的历史播放量记录，对该候选视频片段进行进一步筛选，具体过程参考步骤206至步骤211。
步骤206，获取待预测视频片段在第一历史播放时间段内的第一播放量数据，以及多个候选视频片段在第二历史播放时间段内的第二播放量数据；第一历史播放时间段的起始时刻和第二历史播放时间段的起始时刻相同，以及第一历史播放时间段的终止时刻和第二历史播放时间段的终止时刻相同。
其中，该第一历史播放数据和第二历史播放数据的获取过程可以参考步骤103，不再赘述。
可选地，若该第一历史播放时间段包括两个时间段(即S1和S2)，该第二历史播放时间段包括两个时间段(即T1和T2)，且S1的起始时刻和T1的起始时刻相同，以及S1的终止时刻和T1的终止时刻相同，S2的起始时刻和T2的起始时刻相同，以及S2的终止时刻和T2的终止时刻相同，则本步骤可以按照预设周期获取待预测视频片段在S1内的第一播放量数据，并按照预设周期获取待预测视频片段在S2内的第一播放量数据，以及按照预设周期获取每个候选视频片段T1内的第二播放量数据，并按照预设周期获取每个候选视频片段在T2内的第二播放量数据。例如，若本申请需要获取待预测视频片段在今日的21:00～22:00之间时间段内(相当于本申请中的指定播放时间段)的播放量，则考虑到数据库中可以存储每个历史视频片段在当日的不同播放时间段内的历史播放量记录，以及当日对应的前一天的不同播放时间段内的历史播放量记录，从而使得数据库无需存储历史视频片段每天的播放量数据，减少占用数据库内存。这样，可以根据指定播放时间段确定该第一历史播放时间段和该第二历史播放时间段，示例地，可以从待预测视频片段今日的历史播放时间段中获取该第一历史播放时间段，和/或，从待预测视频片段昨日的历史播放时间段中获取该第一历史播放时间段，同理地。可以从候选视频片段当日的历史播放时间段中获取该第二历史播放时间段，和/或，从候选视频片段当日对应的前一天的历史播放时间段中获取该第二历史播放时间段。例如，若指定播放时间段为今日21:00～22:00之间的时间段，则可以将待预测视频片段昨日的21:00～22:00之间的时间段，以及今日的11:00～12:00之间的时间段作为该第一历史播放时间段，并将历史视频片段当日对应的前一天的21:00～22:00之间的时间段，以及当日的11:00～12:00之间的时间段作为该第二历史播放时间段，上述示例只是举例说明，本申请对此不作限定。
其中，该多个第一历史播放时间段和该多个第二历史播放时间段的预设周期可以为相同值，例如，该预设周期为10分钟，则对于每个第一历史播放时间段，均可以每隔10分钟获取待预测视频片段在第一历史播放时间段内的第一播放量数据，对于每个第二历史播放时间段，均可以每隔10分钟获取候选视频片段在第二历史播放时间段内的第二播放量数据。在本申请另一实施例中，还可以对每个第一历史播放时间段分别设置对应的预设周期，并且与第一历史播放时间段的起始时刻和终止时刻分别相同的第二历史播放时间段，设置的预设周期与该第一历史播放时间段的预设周期相同。继续以第一历史播放时间段包括两个时间段(即S1和S2)，该第二历史播放时间段包括两个时间段(即T1和T2)为例进行说明，本申请可以对S1和T1设置第一预设周期，对S2和T2设置第二预设周期，如该第一预设周期为5分钟，该第二预设周期为8分钟，则可以每隔5分钟获取待预测视频片段在S1内的第一播放量数据，并每隔8分钟获取待预测视频片段在S2内的第一播放量数据，以及每隔5分钟获取候选视频片段在T1内的第二播放量数据，并每隔8分钟获取候选视频片段在T2内的第二播放量数据。这样，通过设置预设周期，可以获取到待预测视频和每个候选视频片段在同一时刻的播放量数据。
步骤207，根据第一播放量数据和第二播放量数据，获取待预测视频片段与每个候选视频片段之间的相似度。
在本申请实施例中，可以基于欧式距离表示待预测视频片段和候选视频片段之间的相似度，其中，若欧式距离越小，则待预测视频片段和候选视频片段之间的相似度越高，相反，若欧式距离越大，则待预测视频片段和候选视频片段之间的相似度越低，因此，在一种可能的实现方式，本申请中的该待预测视频片段与该候选视频片段之间的相似度的计算公式可以表示为：si＝1/(1+di)，其中si表示第i个候选视频片段与该待预测视频片段之间的相似度，di表示第i个候选视频片段与该待预测视频片段之间的欧式距离，进一步地，该欧式距离di的计算公式可以表示为
Figure BDA0002037659900000161
其中，di表示第i个候选视频片段与该待预测视频片段之间的欧式距离，xj表示待预测视频片段在第j个时刻的播放量数据，yij表示第i个候选视频片段在第j个时刻的播放量数据，上述示例只是举例说明，当然，本申请还可以采用余弦相似度等表示待预测视频片段和候选视频片段之间的相似度，本申请对此不作限定。
步骤208，在相似度排名按照从大到小的顺序进行排名的情况下，确定相似度排名小于或者等于预设阈值的候选视频片段为目标视频片段。
在本步骤中，可以基于kNN算法(K最近邻分类算法，k-Nearest Neighbor)从多个候选视频片段中获取至少一个目标视频片段，具体地，通常可以将相似度按照从大到小的顺序进行排名，从而使得相似度排名越小，则相似度越高，此时，本步骤通过排名靠前的目标视频片段，使得获取到的目标视频片段的播放量与待预测视频片段的播放量类似。示例地，若该预设阈值为10，则可以确定相似度排名为前10名的候选视频片段为目标视频片段，上述示例只是举例说明，本申请对此不作限定。
在本申请的另一可选实施例中，若将该相似度按照从小到大的顺序进行排名，则本步骤即为从排名结果中获取排名靠后的多个目标视频片段，该多个目标视频片段的片段数量为该预设阈值。
步骤209，为每个目标视频片段分配权重。
在本步骤中，由于目标视频片段与该待预测视频片段之间的相似度越高，则该目标视频片段对待预测视频片段的播放量的预测结果影响越大，相反，目标视频片段与该待预测视频片段之间的相似度越低，则该目标视频片段对待预测视频片段的播放量的预测结果影响越小，因此，本申请可以根据相似度为每个目标视频片段分配权重，其中，相似度与权重之间成正比关系。在一种可能的实现方式中，可以确定目标视频片段与待预测视频片段之间的相似度为该目标视频片段的权重，在另一种可能的实现方式中，可以对目标视频片段与待预测视频片段之间的相似度进行归一化，从而将归一化后的相似度作为该目标视频片段的权重，上述示例只是举例说明，本申请对此不作限定。
步骤210，获取每个目标视频片段在第三历史播放时间段内的第三播放量数据。
其中，第三历史播放时间段的起始时刻和指定播放时间段的起始时刻相同，以及第三历史播放时间段的终止时刻和指定播放时间段的终止时刻相同。继续以步骤206中的示例为例进行说明，若本申请需要预测待预测视频片段在今日的21:00～22:00之间时间段内的播放量，则考虑到数据库中存储有每个历史视频片段在当日的不同播放时间段内的历史播放量记录，以及当日对应的前一天的不同播放时间段内的历史播放量记录等等，则对于目标视频片段，第三历史播放时间段即为当日的21:00～22:00之间时间段，因此，本步骤获取目标视频片段在当日的21:00～22:00之间时间段内的第三播放量数据。需要说明的是，收集每个历史视频片段的历史视频属性信息和历史播放记录的那一天可能并不相同，从而使得每个目标视频片段对应的当日可能不相同，从而各个目标视频片段的第三历史播放时间段不相同。如该目标视频片段包括3个视频片段(即第一视频片段和第二视频片段以及第三视频片段)，则数据库中存储第一视频片段在2019年1月2日(相当于第一视频片段的当日)和2019年1月1日(相当于第一视频片段的当日对应的前一天)的第三播放量数据记录，以及存储第二视频片段在2018年12月21日(相当于第二视频片段的当日)和2018年12月20日(相当于第二视频片段的当日对应的前一天)的第三播放量数据记录，以及存储第三视频片段在2018年12月11日(相当于第三视频片段的当日)和2018年12月10日(相当于第三视频片段的当日对应的前一天)的第三播放量数据记录，此时，本步骤即为获取第一视频片段在2019年1月2日的21:00～22:00之间的第三播放量数据，以及获取第二视频片段在2019年12月21日的21:00～22:00之间的第三播放量数据，以及获取第三视频片段在2019年12月11日的21:00～22:00之间的第三播放量数据，上述示例只是举例说明，本申请对此不作限定。
步骤211，根据权重和第三播放量数据，获取待预测视频片段在指定播放时间段内的播放量。
在本步骤中，可以首先获取每个所述目标视频片段的待处理播放量；所述待处理播放量为所述目标视频片段的权重和所述目标视频片段的第三播放量数据之间的乘积；然后对全部所述目标视频片段的待处理播放量进行求和，得到所述待预测视频片段在所述指定播放时间段内的播放量。
可见，本申请可以直接从候选视频片段中获取到与该待预测视频片段的播放量较相似的目标视频片段，并根据目标视频片段预测待预测视频片段的播放量，提高了预测准确度，避免将历史视频的视频属性信息进行抽象构建视频预测模型，并通过视频预测模型预测播放量的过程。
另外，由于不同时期的视频播放量存在差异，比如，暑假期间、寒假期间以及过年期间等的播放量可能较大，因此，需要使用近期的播放量数据记录进行预测，从而使得播放预测结果更加准确。综上，本申请还需要对步骤202中的构建的历史视频片段数据库进行更新，在一种可能的实现方式中，在任一历史播放时间段的起始时刻与当前时刻之间的时长大于或者等于预设时长的情况下，将所述历史视频片段对应的历史属性标识、所述历史属性标识对应的属性值、以及所述历史视频片段在多个历史播放时间段的播放量数据记录，从所述历史视频片段数据库中删除。综上，本申请通过构建不断迭代更新的历史视频片段数据库，使得可以直接基于历史视频片段数据库中的历史视频片段进行待预测视频片段的播放量预测，无需构建视频数据量预测模型。
为了进一步对本申请进行说明，如图3所示，示出了一种播放数据的获取方法的示意图，其中，以属性标识包括视频发布天数、视频发布时间段、视频类型、视频码率、非会员开放时间段为例进行说明。如图3所示，第一个步骤为获取待预测视频片段，其中，获取到的待预测视频片段包括属性信息(视频发布天数：XX1；视频发布时间段:XX2；视频类型:XX3；视频码率:XX4；非会员开放时间段:XX5)；第一历史播放时间段的第一播放量数据：A1；以及指定播放时间段：P。第二个步骤为根据属性信息，从历史视频片段数据库中获取到候选视频片段，其中，候选视频片段中存在视频发布天数、视频发布时间段、视频类型、视频码率以及非会员开放时间段，并且候选视频片段的视频发布天数YY1与XX1相同，候选视频片段的视频发布时间段YY2与XX2相同、候选视频片段的视频类型YY3与XX3相同、候选视频片段的视频码率YY4与XX4相同，以及候选视频片段的非会员开放时间段YY5与XX5相同。第三个步骤为获取候选视频片段数据库中存储的第二播放量数据B1和第三播放量数据B2。第四个步骤为基于第一播放量数据A1和第二播放量数据B1，从多个候选视频片段中获取至少一个目标视频片段，第五个步骤为根据至少一个目标视频片段的第三播放量数据B2，获取待预测视频片段在指定时间段P内的播放量。
采用上述方法，本申请实施例首先获取待预测视频片段的属性信息，接着根据属性信息从历史视频片段中获取多个候选视频片段，然后获取待预测视频片段在第一历史播放时间段内的第一播放量数据，以及多个候选视频片段在第二历史播放时间段内的第二播放量数据；第一历史播放时间段的起始时刻和第二历史播放时间段的起始时刻相同，以及第一历史播放时间段的终止时刻和第二历史播放时间段的终止时刻相同，最后根据第一播放量数据和第二播发量数据，从多个候选视频片段中获取至少一个目标视频片段，并根据至少一个目标视频片段，获取待预测视频片段在指定播放时间段内的播放量。综上，本申请根据属性信息，获取与待预测视频片段属性相同的候选视频片段，并由于本申请需要获取待预测视频片段的播放量，因此，可以基于播放量数据(相当于本申请中的第一播放量数据和第二播放量数据)对候选视频片段进行进一步筛选获取到与待预测视频片段的播放量相似的目标视频片段，这样，由于目标视频片段的播放量与待预测视频片段的播放量比较相似，使得目标视频片段对待预测视频片段的播放量预测具有参考价值，从而可以基于目标视频片段准确获取到待预测视频片段在指定时间段的播放量，避免了现有技术中由于无法获取到播放量，造成的推送视频资源存在冗余或者稀缺的问题，另外，本申请中以视频片段为单位进行播放量的获取，使得获取到的播放量具备更细的粒度，更有针对性，数据更准确。
参照图4，示出了本申请的一种播放数据的获取装置400实施例的结构框图，具体可以包括如下模块：
属性信息获取模块401，用于获取待预测视频片段的属性信息；
候选视频片段获取模块402，用于根据所述属性信息从历史视频片段中获取多个候选视频片段；
播放量数据获取模块403，用于获取所述待预测视频片段在第一历史播放时间段内的第一播放量数据，以及所述多个候选视频片段在第二历史播放时间段内的第二播放量数据；所述第一历史播放时间段的起始时刻和所述第二历史播放时间段的起始时刻相同，以及所述第一历史播放时间段的终止时刻和第二历史播放时间段的终止时刻相同；
目标视频片段获取模块404，用于根据所述第一播放量数据和所述第二播放量数据，从所述多个候选视频片段中获取至少一个目标视频片段；
播放量获取模块405，用于根据所述至少一个目标视频片段，获取所述待预测视频片段在指定播放时间段内的播放量。
参照图5，在本申请的可选实施例中，所述属性信息包括属性标识和所述属性标识对应的属性值；所述候选视频片段获取模块402包括：
属性标识判断子模块4021，用于判断所述历史视频片段是否存在与每个所述属性标识分别相同的历史属性信息；
属性值判断子模块4022，用于在所述历史视频片段存在与每个所述属性标识分别相同的历史属性标识的情况下，判断所述历史属性标识对应的属性值与所述属性标识对应的属性值是否相同；
确定子模块4023，用于在所述历史属性标识对应的属性值与所述属性标识对应的属性值相同的情况下，确定所述历史视频片段为所述候选视频片段；
所述属性标识包括以下至少一项：视频发布天数、视频发布时间段、视频类型、视频码率、非会员开放时间段。
参照图6，在本申请的可选实施例中，所述目标视频片段获取模块404包括：
相似度获取子模块4041，用于根据所述第一播放量数据和所述第二播放量数据，获取所述待预测视频片段和每个所述候选视频片段之间的相似度；
目标视频片段获取子模块4042，用于在相似度排名按照从大到小的顺序进行排名的情况下，确定相似度排名小于或者等于预设阈值的候选视频片段为所述目标视频片段。
参照图7，在本申请的可选实施例中，所述播放量获取模块405包括：
权重分配子模块4051，用于为每个所述目标视频片段分配权重；
播放量数据获取子模块4052，用于获取每个所述目标视频片段在第三历史播放时间段内的第三播放量数据；所述第三历史播放时间段的起始时刻和所述指定播放时间段的起始时刻相同，以及所述第三历史播放时间段的终止时刻和所述指定播放时间段的终止时刻相同；
播放量获取子模块4053，用于根据所述权重和所述第三播放量数据，获取所述待预测视频片段在所述指定播放时间段内的播放量。
在本申请的可选实施例中，所述权重分配子模块4051，用于根据所述相似度为每个所述目标视频片段分配权重，其中，所述相似度与所述权重之间成正比关系。
在本申请的可选实施例中，所述播放量获取子模块4053，还用于获取每个所述目标视频片段的待处理播放量；所述待处理播放量为所述目标视频片段的权重和所述目标视频片段的第三播放量数据之间的乘积；对全部所述目标视频片段的待处理播放量进行求和，得到所述待预测视频片段在所述指定播放时间段内的播放量。
参照图8，在本申请的可选实施例中，所述装置还包括：
信息采集模块406，用于按照预设采集周期，采集所述历史视频片段对应的历史属性标识、所述历史属性标识对应的属性值、以及所述历史视频片段在多个历史播放时间段的第三播放量数据；
信息存储模块407，用于将所述历史视频片段对应的历史属性标识、所述历史属性标识对应的属性值、以及所述历史视频片段在多个历史播放时间段的第三播放量数据，存储于历史视频片段数据库中；
信息删除模块408，用于在所述根据所述至少一个目标视频片段，获取所述待预测视频片段在指定播放时间段内的播放量之后，在任一历史播放时间段的起始时刻与当前时刻之间的时长大于或者等于预设时长的情况下，将所述历史视频片段对应的历史属性标识、所述历史属性标识对应的属性值、以及所述历史视频片段在多个历史播放时间段的播放量数据记录，从所述历史视频片段数据库中删除。
本发明实施例提供的装置能够实现图1和图2的方法实施例中所述的播放数据的获取方法的各个过程，为避免重复，这里不再赘述。
采用上述装置，本申请实施例首先获取待预测视频片段的属性信息，接着根据属性信息从历史视频片段中获取多个候选视频片段，然后获取待预测视频片段在第一历史播放时间段内的第一播放量数据，以及多个候选视频片段在第二历史播放时间段内的第二播放量数据；第一历史播放时间段的起始时刻和第二历史播放时间段的起始时刻相同，以及第一历史播放时间段的终止时刻和第二历史播放时间段的终止时刻相同，最后根据第一播放量数据和第二播放量数据，从多个候选视频片段中获取至少一个目标视频片段，并根据至少一个目标视频片段，获取待预测视频片段在指定播放时间段内的播放量。综上，本申请根据属性信息，获取与待预测视频片段属性相同的候选视频片段，并由于本申请需要获取待预测视频片段的播放量，因此，可以基于播放量数据(相当于本申请中的第一播放量数据和第二播放量数据)对候选视频片段进行进一步筛选获取到与待预测视频片段的播放量相似的目标视频片段，这样，由于目标视频片段的播放量与待预测视频片段的播放量比较相似，使得目标视频片段对待预测视频片段的播放量预测具有参考价值，从而可以基于目标视频片段准确获取到待预测视频片段在指定时间段的播放量，避免了现有技术中由于无法获取到播放量，造成的推送视频资源存在冗余或者稀缺的问题，另外，本申请中以视频片段为单位进行播放量的获取，使得获取到的播放量具备更细的粒度，更有针对性，数据更准确。
本申请实施例还提供了一种非易失性可读存储介质，该存储介质中存储有一个或多个模块(programs)，该一个或多个模块被应用在终端设备时，可以使得该终端设备执行本申请实施例中各方法步骤的指令(instructions)。
图9为本申请一实施例提供的播放数据的获取装置的硬件结构示意图。如图9所示，本实施例的播放数据的获取装置包括处理器91以及存储器92。
处理器91执行存储器92所存放的计算机程序代码，实现上述实施例中图1和图2的播放数据的获取方法。
存储器92被配置为存储各种类型的数据以支持在播放数据的获取方法的操作。这些数据的示例包括用于在播放数据的获取装置上操作的任何应用程序或方法的指令，例如消息，图片，视频等。存储器92可能包含随机存取存储器(random access memory，简称RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如磁盘存储器。
可选地，处理器91设置在处理组件90中。该播放数据的获取装置还可以包括：通信组件93，电源组件94，多媒体组件95，音频组件96，输入/输出接口97和/或传感器组件98。播放数据的获取装置具体所包含的组件等依据实际需求设定，本实施例对此不做限定。
处理组件90通常控制播放数据的获取装置的整体操作。处理组件90可以包括一个或多个处理器91来执行指令，以完成上述图1至图4方法的全部或部分步骤。此外，处理组件90可以包括一个或多个模块，便于处理组件90和其他组件之间的交互。例如，处理组件90可以包括多媒体模块，以方便多媒体组件95和处理组件90之间的交互。
电源组件94为播放数据的获取装置的各种组件提供电力。电源组件94可以包括电源管理系统，一个或多个电源，及其他与为播放数据的获取装置生成、管理和分配电力相关联的组件。
多媒体组件95包括在播放数据的获取装置和用户之间的提供一个输出接口的显示屏。在一些实施例中，显示屏可以包括液晶显示器(LCD)和触摸面板(TP)。如果显示屏包括触摸面板，显示屏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。
音频组件96被配置为输出和/或输入音频信号。例如，音频组件96包括一个麦克风(MIC)。所接收的音频信号可以被进一步存储在存储器92或经由通信组件93发送。在一些实施例中，音频组件96还包括一个扬声器，用于输出音频信号。
输入/输出接口97为处理组件90和外围接口模块之间提供接口，上述外围接口模块可以是点击轮，按钮等。这些按钮可包括但不限于：音量按钮、启动按钮和锁定按钮。
传感器组件98包括一个或多个传感器，用于为播放数据的获取装置提供各个方面的状态评估。例如，传感器组件98可以检测到播放数据的获取装置的打开/关闭状态，组件的相对定位，用户与播放数据的获取装置接触的存在或不存在。传感器组件98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。在一些实施例中，该传感器组件98还可以包括摄像头等。
通信组件93被配置为便于播放数据的获取装置和其他设备之间有线或无线方式的通信。播放数据的获取装置可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。
由上可知，在图9实施例中所涉及的通信组件93、音频组件96以及输入/输出接口97、传感器组件98均可以作为输入设备的实现方式。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本申请实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请实施例是参照根据本申请实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种播放数据的获取方法和装置及计算机可读存储介质，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (15)

1.一种播放数据的获取方法，其特征在于，所述方法包括：
获取待预测视频片段的属性信息；
根据所述属性信息从历史视频片段中获取多个候选视频片段；
获取所述待预测视频片段在第一历史播放时间段内的第一播放量数据，以及所述多个候选视频片段在第二历史播放时间段内的第二播放量数据；所述第一历史播放时间段的起始时刻和所述第二历史播放时间段的起始时刻相同，以及所述第一历史播放时间段的终止时刻和所述第二历史播放时间段的终止时刻相同；时刻相同指的是不同日期所对应的时间点相同；
根据所述第一播放量数据和所述第二播放量数据，从所述多个候选视频片段中获取至少一个目标视频片段，并根据所述至少一个目标视频片段在第三历史播放时间段内的第三播放量数据，获取所述待预测视频片段在第三历史播放时间段之后的指定播放时间段内的播放量，所述指定播放时间段为第一历史播放时间段之后的时间段，所述第三历史播放时间段的起始时刻和所述指定播放时间段的起始时刻相同，以及所述第三历史播放时间段的终止时刻和所述指定播放时间段的终止时刻相同。
2.根据权利要求1所述的方法，其特征在于，所述属性信息包括属性标识和所述属性标识对应的属性值；所述根据所述属性信息从历史视频片段中获取多个候选视频片段，包括：
判断所述历史视频片段是否存在与每个所述属性标识分别相同的历史属性标识；
在所述历史视频片段存在与每个所述属性标识分别相同的历史属性标识的情况下，判断所述历史属性标识对应的属性值与所述属性标识对应的属性值是否相同；
在所述历史属性标识对应的属性值与所述属性标识对应的属性值相同的情况下，确定所述历史视频片段为所述候选视频片段；
所述属性标识包括以下至少一项：视频发布天数、视频发布时间段、视频类型、视频码率、非会员开放时间段。
3.根据权利要求1所述的方法，其特征在于，所述根据所述第一播放量数据和所述第二播放量数据，从所述多个候选视频片段中获取至少一个目标视频片段，包括：
根据所述第一播放量数据和所述第二播放量数据，获取所述待预测视频片段与每个所述候选视频片段之间的相似度；
在相似度排名按照从大到小的顺序进行排名的情况下，确定相似度排名小于或者等于预设阈值的候选视频片段为所述目标视频片段。
4.根据权利要求3所述的方法，其特征在于，所述根据所述至少一个目标视频片段在第三历史播放时间段内的第三播放量数据，获取所述待预测视频片段在第三历史播放时间段之后的指定播放时间段内的播放量，包括:
为每个所述目标视频片段分配权重；
获取每个所述目标视频片段在第三历史播放时间段内的第三播放量数据；
根据所述权重和所述第三播放量数据，获取所述待预测视频片段在所述指定播放时间段内的播放量。
5.根据权利要求4所述的方法，其特征在于，所述为每个所述目标视频片段分配权重，包括：
根据所述相似度为每个所述目标视频片段分配权重，其中，所述相似度与所述权重之间成正比关系。
6.根据权利要求4所述的方法，其特征在于，所述根据所述权重和所述第三播放量数据，获取所述待预测视频片段在所述指定播放时间段内的播放量，包括：
获取每个所述目标视频片段的待处理播放量；所述待处理播放量为所述目标视频片段的权重和所述目标视频片段的第三播放量数据之间的乘积；
对全部所述目标视频片段的待处理播放量进行求和，得到所述待预测视频片段在所述指定播放时间段内的播放量。
7.根据权利要求2所述的方法，其特征在于，在所述根据所述属性信息从历史视频片段中获取多个候选视频片段之前，还包括：
按照预设采集周期，采集所述历史视频片段对应的历史属性标识、所述历史属性标识对应的属性值、以及所述历史视频片段在多个历史播放时间段的播放量数据记录；
将所述历史视频片段对应的历史属性标识、所述历史属性标识对应的属性值、以及所述历史视频片段在多个历史播放时间段的播放量数据记录，存储于历史视频片段数据库中；
在所述根据所述至少一个目标视频片段，获取所述待预测视频片段在指定播放时间段内的播放量之后，还包括：
在任一历史播放时间段的起始时刻与当前时刻之间的时长大于或者等于预设时长的情况下，将所述历史视频片段对应的历史属性标识、所述历史属性标识对应的属性值、以及所述历史视频片段在多个历史播放时间段的播放量数据记录，从所述历史视频片段数据库中删除。
8.一种播放数据的获取装置，其特征在于，所述装置包括：
属性信息获取模块，用于获取待预测视频片段的属性信息；
候选视频片段获取模块，用于根据所述属性信息从历史视频片段中获取多个候选视频片段；
播放量数据获取模块，用于获取所述待预测视频片段在第一历史播放时间段内的第一播放量数据，以及所述多个候选视频片段在第二历史播放时间段内的第二播放量数据；所述第一历史播放时间段的起始时刻和所述第二历史播放时间段的起始时刻相同，以及所述第一历史播放时间段的终止时刻和第二历史播放时间段的终止时刻相同；时刻相同指的是不同日期所对应的时间点相同；
目标视频片段获取模块，用于根据所述第一播放量数据和所述第二播放量数据，从所述多个候选视频片段中获取至少一个目标视频片段；
播放量获取模块，用于根据所述至少一个目标视频片段在第三历史播放时间段内的第三播放量数据，获取所述待预测视频片段在第三历史播放时间段之后的指定播放时间段内的播放量，所述指定播放时间段为第一历史播放时间段之后的时间段，所述第三历史播放时间段的起始时刻和所述指定播放时间段的起始时刻相同，以及所述第三历史播放时间段的终止时刻和所述指定播放时间段的终止时刻相同。
9.根据权利要求8所述的装置，其特征在于，所述属性信息包括属性标识和所述属性标识对应的属性值；所述候选视频片段获取模块包括：
属性标识判断子模块，用于判断所述历史视频片段是否存在与每个所述属性标识分别相同的历史属性信息；
属性值判断子模块，用于在所述历史视频片段存在与每个所述属性标识分别相同的历史属性标识的情况下，判断所述历史属性标识对应的属性值与所述属性标识对应的属性值是否相同；
确定子模块，用于在所述历史属性标识对应的属性值与所述属性标识对应的属性值相同的情况下，确定所述历史视频片段为所述候选视频片段；
所述属性标识包括以下至少一项：视频发布天数、视频发布时间段、视频类型、视频码率、非会员开放时间段。
10.根据权利要求8所述的装置，其特征在于，所述目标视频片段获取模块包括：
相似度获取子模块，用于根据所述第一播放量数据和所述第二播放量数据，获取所述待预测视频片段和每个所述候选视频片段之间的相似度；
目标视频片段获取子模块，用于在相似度排名按照从大到小的顺序进行排名的情况下，确定相似度排名小于或者等于预设阈值的候选视频片段为所述目标视频片段。
11.根据权利要求10所述的装置，其特征在于，所述播放量获取模块包括：
权重分配子模块，用于为每个所述目标视频片段分配权重；
播放量数据获取子模块，用于获取每个所述目标视频片段在第三历史播放时间段内的第三播放量数据；
播放量获取子模块，用于根据所述权重和所述第三播放量数据，获取所述待预测视频片段在所述指定播放时间段内的播放量。
12.根据权利要求11所述的装置，其特征在于，所述权重分配子模块，用于根据所述相似度为每个所述目标视频片段分配权重，其中，所述相似度与所述权重之间成正比关系。
13.根据权利要求11所述的装置，其特征在于，所述播放量获取子模块，还用于获取每个所述目标视频片段的待处理播放量；所述待处理播放量为所述目标视频片段的权重和所述目标视频片段的第三播放量数据之间的乘积；对全部所述目标视频片段的待处理播放量进行求和，得到所述待预测视频片段在所述指定播放时间段内的播放量。
14.根据权利要求9所述的装置，其特征在于，所述装置还包括：
信息采集模块，用于按照预设采集周期，采集所述历史视频片段对应的历史属性标识、所述历史属性标识对应的属性值、以及所述历史视频片段在多个历史播放时间段的第三播放量数据；
信息存储模块，用于将所述历史视频片段对应的历史属性标识、所述历史属性标识对应的属性值、以及所述历史视频片段在多个历史播放时间段的第三播放量数据，存储于历史视频片段数据库中；
信息删除模块，用于在所述根据所述至少一个目标视频片段，获取所述待预测视频片段在指定播放时间段内的播放量之后，在任一历史播放时间段的起始时刻与当前时刻之间的时长大于或者等于预设时长的情况下，将所述历史视频片段对应的历史属性标识、所述历史属性标识对应的属性值、以及所述历史视频片段在多个历史播放时间段的播放量数据记录，从所述历史视频片段数据库中删除。
15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一所述的播放数据的获取方法。
CN201910330906.2A 2019-04-23 2019-04-23 一种播放数据的获取方法和装置及计算机可读存储介质 Active CN110225407B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910330906.2A CN110225407B (zh) 2019-04-23 2019-04-23 一种播放数据的获取方法和装置及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910330906.2A CN110225407B (zh) 2019-04-23 2019-04-23 一种播放数据的获取方法和装置及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN110225407A CN110225407A (zh) 2019-09-10
CN110225407B true CN110225407B (zh) 2021-09-03

Family

ID=67820109

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910330906.2A Active CN110225407B (zh) 2019-04-23 2019-04-23 一种播放数据的获取方法和装置及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN110225407B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111565316B (zh) * 2020-07-15 2020-10-23 腾讯科技（深圳）有限公司 视频处理方法、装置、计算机设备及存储介质
CN112511901B (zh) * 2020-12-07 2023-01-24 北京秒针人工智能科技有限公司 综艺剧目播放量预测方法、系统、计算机设备及存储介质
GB2603751A (en) * 2021-01-28 2022-08-17 Openwave Mobility Inc A Method for Determining a Play Duration Estimate of an Adaptive Bit Rate Media Presentation
CN115643430B (zh) * 2022-10-10 2024-07-23 深圳锋芒信息技术有限公司 自适应播放源的播放方法、装置、设备及存储介质
CN116017023B (zh) * 2023-01-29 2024-09-20 北京达佳互联信息技术有限公司 信息的展示方法、装置、电子设备及存储介质
CN116582702B (zh) * 2023-07-11 2023-09-15 成都工业职业技术学院 一种基于大数据的网络视频播放量预测方法、系统及介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103974138A (zh) * 2014-04-15 2014-08-06 上海聚力传媒技术有限公司 用于在内容分发网络中预加载视频的方法与设备
EP2824916A1 (en) * 2012-03-08 2015-01-14 NEC CASIO Mobile Communications, Ltd. Display system, display device, display method, and program
CN107707964A (zh) * 2016-08-08 2018-02-16 华为软件技术有限公司 预测视频内容热度的方法和装置
CN108600836A (zh) * 2018-04-03 2018-09-28 北京奇艺世纪科技有限公司 一种视频处理方法及装置
CN108898415A (zh) * 2018-05-29 2018-11-27 北京奇艺世纪科技有限公司 一种视频剧集的流量相关指标预测方法及装置
CN109309847A (zh) * 2018-09-11 2019-02-05 四川长虹电器股份有限公司 一种影视实体热度综合评估方法
CN109522470A (zh) * 2018-11-06 2019-03-26 汪浩 一种视频热度预测方法、装置、设备及存储介质
CN109587515A (zh) * 2018-12-11 2019-04-05 北京奇艺世纪科技有限公司 一种视频播放流量预测方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9998785B2 (en) * 2014-11-10 2018-06-12 Ami Entertainment Network, Llc Video caching system and method for a jukebox

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2824916A1 (en) * 2012-03-08 2015-01-14 NEC CASIO Mobile Communications, Ltd. Display system, display device, display method, and program
CN103974138A (zh) * 2014-04-15 2014-08-06 上海聚力传媒技术有限公司 用于在内容分发网络中预加载视频的方法与设备
CN107707964A (zh) * 2016-08-08 2018-02-16 华为软件技术有限公司 预测视频内容热度的方法和装置
CN108600836A (zh) * 2018-04-03 2018-09-28 北京奇艺世纪科技有限公司 一种视频处理方法及装置
CN108898415A (zh) * 2018-05-29 2018-11-27 北京奇艺世纪科技有限公司 一种视频剧集的流量相关指标预测方法及装置
CN109309847A (zh) * 2018-09-11 2019-02-05 四川长虹电器股份有限公司 一种影视实体热度综合评估方法
CN109522470A (zh) * 2018-11-06 2019-03-26 汪浩 一种视频热度预测方法、装置、设备及存储介质
CN109587515A (zh) * 2018-12-11 2019-04-05 北京奇艺世纪科技有限公司 一种视频播放流量预测方法及装置

Also Published As

Publication number Publication date
CN110225407A (zh) 2019-09-10

Similar Documents

Publication Publication Date Title
CN110225407B (zh) 一种播放数据的获取方法和装置及计算机可读存储介质
US10331863B2 (en) User-generated content permissions status analysis system and method
US9489698B2 (en) Media content recommendations based on social network relationship
US9817997B2 (en) User-generated content permissions status analysis system and method
US10206004B2 (en) Systems and methods of providing a media-on-demand-based programming channel
US9674579B1 (en) Rating videos based on parental feedback
US20130103628A1 (en) User activity dashboard for depicting behaviors and tuning personalized content guidance
US20080134039A1 (en) Method and system for preloading suggested content onto digital video recorder based on social recommendations
US20180246887A1 (en) Systems and methods for processing crowd-sourced multimedia items
CN103686237A (zh) 推荐视频资源的方法及系统
US20140259038A1 (en) Demographic prediction channel
US20130346876A1 (en) Simultaneous experience of online content
US10958973B2 (en) Deriving and identifying view preferences of a user consuming streaming content
CN109862100B (zh) 用于推送信息的方法和装置
EP2779665A2 (en) Information delivery targeting
JP6552787B2 (ja) サービス提供者のサービスに係わる客体を提供するシステム及びその方法
CN109245989A (zh) 一种基于信息分享的处理方法、装置及计算机可读存储介质
US20170289620A1 (en) Identifying viewing characteristics of an audience of a content channel
CN111930927A (zh) 评价信息展示方法、装置、电子设备及可读存储介质
KR102492022B1 (ko) 다중 채널 네트워크의 컨텐츠 관리 방법, 장치 및 시스템
CN114528433B (zh) 一种模板选择方法、装置、电子设备及存储介质
US20150205493A1 (en) Interactively cooperative mobile communication device power management
US9537922B2 (en) Partitioning digital media for consumption
CN110691143B (zh) 一种文件推送方法、装置、电子设备及介质
KR20140100869A (ko) 서비스를 이용하기 위한 객체를 제공하는 시스템 및 방법

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