CN111131864A - 数据传输方法、装置及系统 - Google Patents

数据传输方法、装置及系统 Download PDF

Info

Publication number
CN111131864A
CN111131864A CN201911422476.3A CN201911422476A CN111131864A CN 111131864 A CN111131864 A CN 111131864A CN 201911422476 A CN201911422476 A CN 201911422476A CN 111131864 A CN111131864 A CN 111131864A
Authority
CN
China
Prior art keywords
data
terminal
user
cdn
cdn 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.)
Pending
Application number
CN201911422476.3A
Other languages
English (en)
Inventor
陈艳君
王宝云
王远峰
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.)
Qingdao Hisense Media Network Technology Co Ltd
Juhaokan Technology Co Ltd
Original Assignee
Qingdao Hisense Media Network 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 Qingdao Hisense Media Network Technology Co Ltd filed Critical Qingdao Hisense Media Network Technology Co Ltd
Priority to CN201911422476.3A priority Critical patent/CN111131864A/zh
Publication of CN111131864A publication Critical patent/CN111131864A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25Management 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
    • H04N21/258Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866Management of end-user data
    • H04N21/25891Management of end-user data being end-user preferences
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/231Content storage operation, e.g. caching movies for short term storage, replicating data over plural servers, prioritizing data for deletion
    • H04N21/23113Content storage operation, e.g. caching movies for short term storage, replicating data over plural servers, prioritizing data for deletion involving housekeeping operations for stored content, e.g. prioritizing content for deletion because of storage space restrictions
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/239Interfacing the upstream path of the transmission network, e.g. prioritizing client content requests
    • H04N21/2393Interfacing the upstream path of the transmission network, e.g. prioritizing client content requests involving handling client requests
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/60Network 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 
    • H04N21/63Control 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
    • H04N21/631Multimode Transmission, e.g. transmitting basic layers and enhancement layers of the content over different transmission paths or transmitting with different error corrections, different keys or with different transmission protocols

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)

Abstract

本申请公开了一种数据传输方法、装置及系统,用以预测用户的喜好、可能点击浏览的视频媒资,并进行CDN加速,维护最佳视频媒资服务节点,保障用户体验。本申请提供的一种数据传输方法,包括:当接收到终端的数据访问请求时,从本地内容分发网络CDN节点查询是否有所述终端请求的数据;其中,所述CDN节点上预先存储有针对终端用户确定的预测视频媒资数据;若本地CDN节点有所述终端请求的数据,则将所述终端请求的数据提供给所述终端;否则,从数据存储的源服务器获取所述终端请求的数据并提供给所述终端。

Description

数据传输方法、装置及系统
技术领域
本申请涉及网络技术领域,尤其涉及数据传输方法、装置及系统。
背景技术
为了给用户提供稳定可靠的视频播放,通常使用内容分发网络(ContentDelivery Network,CDN)加速来减少视频服务器的负载,节省带宽资源,并且避免网络节点堵塞,实现用户对视频媒资高质量的播放业务。其中,CDN加速是指将原服务器上的内容复制到其他服务器上,用户访问数据时能就近访问到该服务器内容。
通常,如果客户端请求视频资源时,当CDN节点上有缓存视频媒资,则直接播放该缓存资源;若CDN节点上未缓存该视频资源,则节点将会使用客户端同样的请求回源获取视频媒资。目前域名系统(Domain Name System,DNS)解析服务商更多关注在调度空间和带宽资源方面。其中,CDN回源是指当用户访问统一资源定位符(Uniform Resource Locator,URL)时,如果被解析到的那个CDN节点没有缓存内容或者缓存已到期,则会回源站(数据存储的源服务器)去获取相关内容。
发明内容
本申请实施例提供了一种数据传输方法、装置及系统,用以预测用户的喜好、可能点击浏览的视频媒资,并进行CDN加速,维护最佳视频媒资服务节点,保障用户体验。
本申请实施例提供的一种数据传输方法,包括:
当接收到终端的数据访问请求时,从本地内容分发网络CDN节点查询是否有所述终端请求的数据;其中,所述CDN节点上预先存储有针对终端用户确定的预测视频媒资数据;
若本地CDN节点有所述终端请求的数据,则将所述终端请求的数据提供给所述终端;否则,从数据存储的源服务器获取所述终端请求的数据并提供给所述终端。
通过该方法,当接收到终端的数据访问请求时,从本地内容分发网络CDN节点查询是否有所述终端请求的数据;其中,所述CDN节点上预先存储有针对终端用户确定的预测视频媒资数据;若本地CDN节点有所述终端请求的数据,则将所述终端请求的数据提供给所述终端;否则,从数据存储的源服务器获取所述终端请求的数据并提供给所述终端,从而通过预测用户的喜好、可能点击浏览的视频媒资,并进行CDN加速,实现维护最佳视频媒资服务节点,保障了用户体验。
可选地,所述预测视频媒资数据是通过构造长短时记忆网络LSTM模型确定的。
可选地,在确定所述预测视频媒资数据的过程中,还包括针对视频媒资播放的热播统计。
可选地,确定所述预测视频媒资数据,具体包括:
将展示给用户的视频媒资信息,经过嵌入处理,并进行LSTM模型预测用户的点播数据,得到第一部分内容;以及,统计全量用户点播的媒资信息,经过热播统计后,得到第二部分内容,将所述第一部分内容和第二部分内容进行融合处理得到预测视频媒资数据输出。
可选地,所述CDN节点的地址,是所述终端通过域名请求从CDN域名系统DNS服务器获取的。
可选地,所述CDN节点是距离所述终端最近的CDN节点。
可选地,所述CDN节点包括CDN缓存服务器。
本申请另一实施例提供了一种数据传输装置,其包括存储器和处理器,其中,所述存储器用于存储程序指令,所述处理器用于调用所述存储器中存储的程序指令,按照获得的程序执行上述任一种方法。
本申请另一实施例提供了一种计算机存储介质,所述计算机存储介质存储有计算机可执行指令,所述计算机可执行指令用于使所述计算机执行上述任一种方法。
本申请另一实施例提供了一种数据传输系统,其包括所述的数据传输装置。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅是本申请的一些实施例,对于本领域的普通技术人员来讲,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为本申请实施例提供的网络模型示意图;
图2为本申请实施例提供的视频媒资预测流程示意图;
图3为本申请实施例提供的CDN架构示意图;
图4为本申请实施例提供的CDN时序示意图;
图5为本申请实施例提供的一种数据传输方法的流程示意图;
图6为本申请实施例提供的一种数据传输装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,并不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
考虑到互联互通的带宽资源有限,如何根据用户喜好在现有的调度空间和带宽资源池内,提升视频媒资CDN命中率,从而达到CDN加速目的,本申请实施例提供了一种提升视频媒资内容分发网络(Content Delivery Network,CDN)命中率的方法及装置。在现有调度空间和带宽资源下提高视频命中率,实现CDN加速提高用户体验。通过海量用户线上和线下数据,结合长短时记忆网络(Long Short-Term Memory,LSTM)深度学习模型,预测用户的喜好、可能点击浏览的视频媒资,并进行CDN加速,维护最佳视频媒资服务节点,保障用户体验。
本申请实施例提供了一种数据传输方法、装置及系统,用以预测用户的喜好、可能点击浏览的视频媒资,并进行CDN加速,维护最佳视频媒资服务节点,保障用户体验。
其中,方法和装置是基于同一申请构思的,由于方法和装置解决问题的原理相似,因此装置和方法的实施可以相互参见,重复之处不再赘述。
下面结合说明书附图对本申请各个实施例进行详细描述。需要说明的是,本申请实施例的展示顺序仅代表实施例的先后顺序,并不代表实施例所提供的技术方案的优劣。
本申请实施例提供的方法区别于常见的虚拟技术实现的CDN动态内容加速,旨在通过用户行为预测可能点击的视频媒资,提高缓存(cache)命中率,达到CDN加速的目的,主要内容如下:
步骤(1)、构造LSTM模型:
由于展示给用户的数据分为详情页数据、首页数据等,用户在浏览时展示给用户的视频数据量不一致,基于展示给用户的输入数据是不定长的视频媒资数据,而循环神经网络擅长处理这类数据。另一方面,长短时记忆网络能很好的模拟出用户对视频媒资数据记忆和遗忘的认知过程。通过用户点击播放视频,引入上下文感知的输入矩阵(即用户播放和浏览的视频数据),使循环神经网络(RNN)每一层的矩阵参数都随着输入的上下文不同而不同,通过用户行为预测用户可能点击的视频。
用户点播行为作为用户喜好的表现形式,LSTM模型对用户的行为序列(行为序列包括用户播放和浏览的数据)进行建模,将每个时间内,展示给用户的媒资信息输入到神经网络(即LSTM)中,神经网络中的输出层为该时间内用户点播数据,训练的损失函数(即为预测值与真实值之间的差异)通过R2作为判定系数,若R2值越大,则回归函数拟合程度越高,预测越准。其网络模型如图1所示。其中,en为tn时刻的输入层,即展示给用户的媒资数据;hn为tn时刻的隐含层,即LSTM模型特征数据;yn为tn时刻的输出层,即用户播放输出的数据。该LSTM模型通过时间序列中的用户行为预测用户可能播放的视频媒资信息。其中,R2=SSR/SST,SSR表示预测值与真实值的均值差的平方和,SST表示真实值与真实值的均值差的平方和,可知,R2的范围在0-1之间,越接近1,表示越好。其中,回归函数(分析)可以理解为一种方法或者算法,是一种研究因变量Y和自变量X之间的数学统计方法。
其中,构建LSTM模型时将数据集分为训练集和测试集,例如将用户最近三个月的数据进行训练,然后用最近半年的数据进行模型评估。一般训练模型会将80%的数据作为训练集,20%的数据作为测试集。
步骤(2)、预测网络,即LSTM模型输出的预测结果:
在每一个时间内,网络输入该时间内展示给用户的视频媒资信息,网络的输出层后包括一个非线性映射关系,将输出的向量整合为该时间内对应的用户交互时间的预测(用户对可能播放媒资请求的预测)。预测网络作为该神经网络中的前向网络,从数据的输入层、到隐藏层、到预测结果的输出。其模型的损失函数基于评价用户行为预测的判断依据,同时,结合当用户对展示的视频媒资产生记忆,最终加快交互效率。
步骤(3)、热播统计:
另一方面,针对视频媒资播放热度和最新电影、电视剧等长视频媒资,在统计用户行为时间的信息内,非个性化热度数据。视频i最近时间段内的流行度
Figure BDA0002352697430000051
定义为:
Figure BDA0002352697430000061
其中,α为时间衰减参数,T为给定的时间(该公式表征视频媒资一段时间内的热度信息),u表示用户,i表示视频媒资,t表示视频播放时间。
步骤(4)、CDN加速:
结合步骤(2)和步骤(3)对视频媒资的预测,其预测步骤如图2所示。其中,Data1是展示给用户的视频媒资信息,Data2是用户点播的媒资信息,分别经过预测(Predict)和热播统计(HotSort)后输出最终的视频媒资点播预测。一方面,对于展示给用户的视频媒资信息(Data1),经过嵌入(embedding)处理,并进行前向网络预测用户的点播数据,得到第一部分内容,其中,所述前向网络预测,是指LSTM模型预测用户的点播数据(这里指Predict预测);另一方面,实时统计全量用户点播的媒资信息(Data2),采用HotSort计算方法统计热播数据(得到第二部分内容),将所述第一部分内容和第二部分内容融合处理预测视频媒资数据输出。
最后,将输出的预测视频媒资数据缓存到CDN节点上,通过用户点击播放请求就近访问CDN节点获取相同的视频媒资资源,从而达到CDN静态加速目的。图3为海信视频CDN静态加速示意图,终端用户通过就近部署的CDN节点(CDN缓存服务器)获取相关的视频媒资信息。
图4为CDN加速时序图,用户通过域名请求从CDN DNS服务器获取CDN缓存服务器地址,并就近从CDN缓存服务器请求CDN相关数据。若该CDN缓存服务器有数据,则直接返回;若该CDN缓存服务器无数据,则该CDN缓存服务器向海信视频存储服务器发送数据回源请求,获取相关视频数据后返回给终端用户。
综上所述,参见图5,本申请实施例提供的一种数据传输方法,包括:
S101、当接收到终端的数据访问请求时,从本地内容分发网络CDN节点查询是否有所述终端请求的数据;其中,所述CDN节点上预先存储有针对终端用户确定的预测视频媒资数据;
S102、若本地CDN节点有所述终端请求的数据,则将所述终端请求的数据提供给所述终端;否则,从数据存储的源服务器获取所述终端请求的数据并提供给所述终端。
通过该方法,当接收到终端的数据访问请求时,从本地内容分发网络CDN节点查询是否有所述终端请求的数据;其中,所述CDN节点上预先存储有针对终端用户确定的预测视频媒资数据;若本地CDN节点有所述终端请求的数据,则将所述终端请求的数据提供给所述终端;否则,从数据存储的源服务器获取所述终端请求的数据并提供给所述终端,从而通过预测用户的喜好、可能点击浏览的视频媒资,并进行CDN加速,实现维护最佳视频媒资服务节点,保障了用户体验。
可选地,所述预测视频媒资数据是通过构造长短时记忆网络LSTM模型确定的。
可选地,在确定所述预测视频媒资数据的过程中,还包括针对视频媒资播放的热播统计。
可选地,确定所述预测视频媒资数据,具体包括:
将展示给用户的视频媒资信息,经过嵌入处理,并进行LSTM模型预测用户的点播数据,得到第一部分内容;以及,统计全量用户点播的媒资信息,经过热播统计后,得到第二部分内容,将所述第一部分内容和第二部分内容进行融合处理得到预测视频媒资数据输出。
可选地,所述CDN节点的地址,是所述终端通过域名请求从CDN域名系统DNS服务器获取的。
可选地,所述CDN节点是距离所述终端最近的CDN节点。
可选地,所述CDN节点包括CDN缓存服务器。
相应地,本申请实施例提供的一种数据传输装置,例如,可以是CDN节点(CDN缓存服务器),包括:
第一单元,用于当接收到终端的数据访问请求时,从本地内容分发网络CDN节点查询是否有所述终端请求的数据;其中,所述CDN节点上预先存储有针对终端用户确定的预测视频媒资数据;
第二单元,用于若本地CDN节点有所述终端请求的数据,则将所述终端请求的数据提供给所述终端;否则,从数据存储的源服务器获取所述终端请求的数据并提供给所述终端。
需要说明的是,本申请实施例中对单元的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
参见图6,本申请另一实施例提供了一种数据传输装置,例如,可以是CDN节点(CDN缓存服务器),其包括存储器11和处理器12,其中,所述存储器用于存储程序指令,所述处理器用于调用所述存储器中存储的程序指令,按照获得的程序执行:
当接收到终端的数据访问请求时,从本地内容分发网络CDN节点查询是否有所述终端请求的数据;其中,所述CDN节点上预先存储有针对终端用户确定的预测视频媒资数据;
若本地CDN节点有所述终端请求的数据,则将所述终端请求的数据提供给所述终端;否则,从数据存储的源服务器获取所述终端请求的数据并提供给所述终端。
可选地,所述预测视频媒资数据是通过构造长短时记忆网络LSTM模型确定的。
可选地,在确定所述预测视频媒资数据的过程中,还包括针对视频媒资播放的热播统计。
可选地,确定所述预测视频媒资数据,具体包括:
将展示给用户的视频媒资信息,经过嵌入处理,并进行LSTM模型预测用户的点播数据,得到第一部分内容;以及,统计全量用户点播的媒资信息,经过热播统计后,得到第二部分内容,将所述第一部分内容和第二部分内容进行融合处理得到预测视频媒资数据输出。
可选地,所述CDN节点的地址,是所述终端通过域名请求从CDN域名系统DNS服务器获取的。
可选地,所述CDN节点是距离所述终端最近的CDN节点。
可选地,所述CDN节点包括CDN缓存服务器。
本申请实施例提供了一种计算设备,该计算设备具体可以为桌面计算机、便携式计算机、智能手机、平板电脑、个人数字助理(Personal Digital Assistant,PDA)等。该计算设备可以包括中央处理器(Center Processing Unit,CPU)、存储器、输入/输出设备等,输入设备可以包括键盘、鼠标、触摸屏等,输出设备可以包括显示设备,如液晶显示器(Liquid Crystal Display,LCD)、阴极射线管(Cathode Ray Tube,CRT)等。
存储器可以包括只读存储器(ROM)和随机存取存储器(RAM),并向处理器提供存储器中存储的程序指令和数据。在本申请实施例中,存储器可以用于存储本申请实施例提供的任一所述方法的程序。
处理器通过调用存储器存储的程序指令,处理器用于按照获得的程序指令执行本申请实施例提供的任一所述方法。
本申请实施例提供了一种计算机存储介质,用于储存为上述本申请实施例提供的装置所用的计算机程序指令,其包含用于执行上述本申请实施例提供的任一方法的程序。
所述计算机存储介质可以是计算机能够存取的任何可用介质或数据存储设备,包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NAND FLASH)、固态硬盘(SSD))等。
本申请另一实施例提供了一种数据传输系统,其包括所述的数据传输装置(例如CDN缓存服务器)。
例如,所述系统包括图4所示的CDN DNS服务器、CDN缓存服务器、海信视频存储服务器等,还可以包括终端。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请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和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、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设备上,使得在计算机或其他可编程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。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种数据传输方法,其特征在于,该方法包括:
当接收到终端的数据访问请求时,从本地内容分发网络CDN节点查询是否有所述终端请求的数据;其中,所述CDN节点上预先存储有针对终端用户确定的预测视频媒资数据;
若本地CDN节点有所述终端请求的数据,则将所述终端请求的数据提供给所述终端;否则,从数据存储的源服务器获取所述终端请求的数据并提供给所述终端。
2.根据权利要求1所述的方法,其特征在于,所述预测视频媒资数据是通过构造长短时记忆网络LSTM模型确定的。
3.根据权利要求2所述的方法,其特征在于,在确定所述预测视频媒资数据的过程中,还包括针对视频媒资播放的热播统计。
4.根据权利要求2所述的方法,其特征在于,确定所述预测视频媒资数据,具体包括:
将展示给用户的视频媒资信息,经过嵌入处理,并进行LSTM模型预测用户的点播数据,得到第一部分内容;以及,统计全量用户点播的媒资信息,经过热播统计后,得到第二部分内容,将所述第一部分内容和第二部分内容进行融合处理得到预测视频媒资数据输出。
5.根据权利要求1所述的方法,其特征在于,所述CDN节点的地址,是所述终端通过域名请求从CDN域名系统DNS服务器获取的。
6.根据权利要求1所述的方法,其特征在于,所述CDN节点是距离所述终端最近的CDN节点。
7.根据权利要求1所述的方法,其特征在于,所述CDN节点包括CDN缓存服务器。
8.一种数据传输装置,其特征在于,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行权利要求1至7任一项所述的方法。
9.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机可执行指令,所述计算机可执行指令用于使所述计算机执行权利要求1至7任一项所述的方法。
10.一种数据传输系统,其特征在于,包括权利要求8所述的装置。
CN201911422476.3A 2019-12-31 2019-12-31 数据传输方法、装置及系统 Pending CN111131864A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911422476.3A CN111131864A (zh) 2019-12-31 2019-12-31 数据传输方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911422476.3A CN111131864A (zh) 2019-12-31 2019-12-31 数据传输方法、装置及系统

Publications (1)

Publication Number Publication Date
CN111131864A true CN111131864A (zh) 2020-05-08

Family

ID=70507039

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911422476.3A Pending CN111131864A (zh) 2019-12-31 2019-12-31 数据传输方法、装置及系统

Country Status (1)

Country Link
CN (1) CN111131864A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113824971A (zh) * 2020-06-18 2021-12-21 中央广播电视总台 三维声直播流调度和分发方法及系统
CN114143616A (zh) * 2021-12-01 2022-03-04 青岛海尔科技有限公司 目标视频的处理方法和系统、存储介质及电子装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102572530A (zh) * 2011-12-30 2012-07-11 中兴通讯股份有限公司 流媒体业务频道调整方法及系统
US20170164020A1 (en) * 2015-12-08 2017-06-08 Le Holdings (Beijing) Co., Ltd. Content delivery method for content delivery network platform and scheduling proxy server
CN109167828A (zh) * 2018-08-22 2019-01-08 杭州领智云画科技有限公司 Cdn缓存方法和系统
CN110149394A (zh) * 2019-05-20 2019-08-20 典基网络科技(上海)有限公司 系统资源的调度方法、装置和存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102572530A (zh) * 2011-12-30 2012-07-11 中兴通讯股份有限公司 流媒体业务频道调整方法及系统
US20170164020A1 (en) * 2015-12-08 2017-06-08 Le Holdings (Beijing) Co., Ltd. Content delivery method for content delivery network platform and scheduling proxy server
CN109167828A (zh) * 2018-08-22 2019-01-08 杭州领智云画科技有限公司 Cdn缓存方法和系统
CN110149394A (zh) * 2019-05-20 2019-08-20 典基网络科技(上海)有限公司 系统资源的调度方法、装置和存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
严忠,岳朝龙: "《概率论与数理统计新编》", 30 September 2007 *
任思璇: "《中国优秀硕士学位论文全文数据库 信息科技辑》", 15 January 2019 *
郝志峰等: "《数据科学与数学建模》", 31 January 2019 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113824971A (zh) * 2020-06-18 2021-12-21 中央广播电视总台 三维声直播流调度和分发方法及系统
CN114143616A (zh) * 2021-12-01 2022-03-04 青岛海尔科技有限公司 目标视频的处理方法和系统、存储介质及电子装置

Similar Documents

Publication Publication Date Title
US10560546B2 (en) Optimizing user interface data caching for future actions
RU2720899C2 (ru) Способ и система для определения зависящих от пользователя пропорций содержимого для рекомендации
CN106161569B (zh) 网络内容的推荐、缓存替换方法和设备
US9787795B2 (en) System for prefetching digital tags
RU2731335C2 (ru) Способ и система для формирования рекомендаций цифрового контента
CN107451199A (zh) 问题推荐方法及装置、设备
US10402465B1 (en) Content authority ranking using browsing behavior
US9092731B1 (en) Determining content item expansion prediction accuracy
US20180033051A1 (en) Interest based delivery system and method in a content recommendation network
Lommatzsch et al. Real-time recommendations for user-item streams
JP2019509546A (ja) レイテンシの削減
CN106791953A (zh) 多播放器控制方法、服务器及客户端
WO2020125381A1 (zh) 用于生成信息的方法和装置
CN109923497A (zh) 基于在设备上显示内容时的电池使用来管理内容
CN111597213A (zh) 一种缓存方法、软件服务器及存储介质
CN111131864A (zh) 数据传输方法、装置及系统
CN113821307B (zh) 一种虚拟机镜像的快速导入方法、装置及设备
US10373046B2 (en) Client-server hybrid AI scores for customized actions
CN106817296B (zh) 信息推荐的测试方法、装置以及电子设备
CN110020129B (zh) 点击率校正方法、预估方法、装置、计算设备及存储介质
CN105868207A (zh) 一种网络资源推送方法及装置
Zhang et al. Mobile instant video clip sharing with screen scrolling: Measurement and enhancement
CN114491093A (zh) 多媒体资源推荐、对象表征网络的生成方法及装置
RU2757406C1 (ru) Способ и система для обеспечения уровня сервиса при рекламе элемента контента
CN109547856B (zh) 用于生成信息的方法和装置

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200508