CN113496422B - 一种基于区块链的推广资源分配方法及大数据信息云平台 - Google Patents

一种基于区块链的推广资源分配方法及大数据信息云平台 Download PDF

Info

Publication number
CN113496422B
CN113496422B CN202111041772.6A CN202111041772A CN113496422B CN 113496422 B CN113496422 B CN 113496422B CN 202111041772 A CN202111041772 A CN 202111041772A CN 113496422 B CN113496422 B CN 113496422B
Authority
CN
China
Prior art keywords
period
flow
target video
video
predicted
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
CN202111041772.6A
Other languages
English (en)
Other versions
CN113496422A (zh
Inventor
李建雪
李玉玲
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.)
Jining Jingze Information Technology Co ltd
Original Assignee
Jining Jingze Information Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jining Jingze Information Technology Co ltd filed Critical Jining Jingze Information Technology Co ltd
Priority to CN202111041772.6A priority Critical patent/CN113496422B/zh
Publication of CN113496422A publication Critical patent/CN113496422A/zh
Application granted granted Critical
Publication of CN113496422B publication Critical patent/CN113496422B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G06Q30/0271—Personalized advertisement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • G06F16/735—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0277—Online advertisement
    • 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
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/24—Monitoring of processes or resources, e.g. monitoring of server load, available bandwidth, upstream requests
    • H04N21/2407—Monitoring of transmitted content, e.g. distribution time, number of downloads

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Finance (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Signal Processing (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本发明涉及一种基于区块链的推广资源分配方法及大数据信息云平台，属于区块链和大数据技术领域。方法包括以下步骤：获取各视频在各推广周期内的播放流量；根据目标视频对应的各关联视频在当前推广周期内的播放流量和各关联视频在当前推广周期内的播放流量对目标视频在预测推广周期内播放流量的影响程度，得到目标视频在预测推广周期内的第一预测播放流量；根据预测推广周期内的第一用户播放流量与第一用户继续观看目标视频的概率，计算目标视频在预测推广周期内的第二预测播放流量；根据第一预测播放流量和第二预测播放流量得到目标视频在预测推广周期内的预测播放总流量。本发明能够提高资源分配的合理性和准确性，能够提高资源利用率。

Description

一种基于区块链的推广资源分配方法及大数据信息云平台
技术领域
本发明涉及区块链和大数据技术领域，具体涉及一种基于区块链的推广资源分配方法及大数据信息云平台。
背景技术
随着网络的进一步发展，各大视频平台都需要根据视频文件的播放流量来决定推广资源的分配对象和力度。
现有技术中推广资源分配方法主要是根据视频文件自身的热度或者播放流量进行推广资源的分配；但是上述这种推广资源分配方法只考虑了视频文件自身的热度，没有考虑与视频文件相关视频的热度，这种方式会存在推广资源分配不合理和不准确的问题。
发明内容
本发明提供一种基于区块链的推广资源分配方法及大数据信息云平台，用于解决推广资源分配的问题，所采用的技术方案具体如下：
第一方面，本发明一个实施例提供了一种基于区块链的推广资源分配方法及大数据信息云平台包括以下步骤：
获取各视频在各推广周期内的播放流量；
根据目标视频对应的各关联视频在当前推广周期内的播放流量和所述各关联视频在当前推广周期内的播放流量对目标视频在预测推广周期内播放流量的影响程度，得到目标视频在预测推广周期内的第一预测播放流量；
判断在当前推广周期内观看目标视频的用户是否已观看完所述目标视频，若没有观看完所述目标视频，则将该用户记为第一用户，计算各第一用户在预测推广周期内继续观看所述目标视频所需的播放流量，记为剩余播放流量；
求各第一用户对应的剩余播放流量之和，记为预测推广周期内的第一用户播放流量；
根据预测推广周期内的第一用户播放流量与第一用户继续观看目标视频的概率，计算目标视频在预测推广周期内的第二预测播放流量；
根据所述第一预测播放流量和第二预测播放流量得到目标视频在预测推广周期内的预测播放总流量；
根据目标视频在预测推广周期内的预测播放总流量得到目标视频在预测推广周期内的推广力度。
本发明还提供了一种基于区块链的推广资源大数据信息云平台，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现上述一种基于区块链的推广资源分配方法。
本发明的推广资源分配方法和推广资源大数据信息云平台的有益效果：本发明根据目标视频对应的各关联视频在当前推广周期内的播放流量和各关联视频在当前推广周期内的播放流量对目标视频在预测推广周期内播放流量的影响程度，得到目标视频在预测推广周期内的第一预测播放流量；根据预测推广周期内的第一用户播放流量与第一用户继续观看目标视频的概率，计算目标视频在预测推广周期内的第二预测播放流量；并根据第一预测播放流量和第二预测播放流量得到目标视频在预测推广周期内的推广力度；本发明将目标视频在预测推广周期内受到各关联视频在当前推广周期内播放流量影响的播放流量和目标视频本身对目标视频在预测推广周期内播放流量影响的播放流量作为最后得到目标视频在预测推广周期内的推广力度的依据，能够提高资源分配的合理性和准确性，能够更大程度地提高资源利用率。
优选的，得到各关联视频在当前推广周期内的播放流量对目标视频在预测推广周期内播放流量的影响程度的方法包括：
将在相邻历史推广周期内第一周期观看关联视频且又在第二周期观看目标视频的用户记为第二用户，统计各第二用户在第二周期内观看所述目标视频时的播放流量，记为各第二用户对应的播放流量，所述第一周期为所述相邻历史推广周期中的前一个推广周期，所述第二周期为所述相邻历史推广周期中的后一个推广周期；
将在第一周期内观看所述关联视频的用户记为第三用户，统计各第三用户观看所述关联视频时的播放流量，记为各第三用户对应的播放流量；
根据所述第二用户对应的播放流量和所述第三用户对应的播放流量，得到目标视频在第二周期受到第一周期播放流量的影响程度，并得到关联视频的周期-影响程度曲线；
根据所述周期-影响程度曲线得到目标视频在预测推广周期内的播放流量受到各关联视频在当前推广周期内播放流量的影响程度。
优选的，根据如下公式计算目标视频在预测推广周期内的第一预测播放流量：
Figure 100002_DEST_PATH_IMAGE002
其中，
Figure 100002_DEST_PATH_IMAGE004
为目标视频在预测推广周期内的第一预测播放流量，
Figure 100002_DEST_PATH_IMAGE006
为目标视频在预测推广周期内受到第
Figure 100002_DEST_PATH_IMAGE008
个关联视频在当前推广周期内播放流量影响的播放流量，
Figure 100002_DEST_PATH_IMAGE010
为目标视频对应的关联视频的数量，
Figure 100002_DEST_PATH_IMAGE012
为预测推广周期。
优选的，根据如下公式计算目标视频在预测推广周期内受到各关联视频在当前推广周期内播放流量影响的播放流量：
Figure 100002_DEST_PATH_IMAGE014
其中，
Figure 100002_DEST_PATH_IMAGE016
为第
Figure 534156DEST_PATH_IMAGE008
个关联视频在当前推广周期内的播放流量对目标视频在预测推广周期内播放流量的影响程度，
Figure 100002_DEST_PATH_IMAGE018
为第
Figure 241081DEST_PATH_IMAGE008
个关联视频在当前推广周期内的播放流量。
优选的，根据如下公式计算目标视频在预测推广周期内的第二预测播放流量：
Figure 100002_DEST_PATH_IMAGE020
其中，
Figure 100002_DEST_PATH_IMAGE022
为目标视频在预测推广周期内的第二预测播放流量，
Figure 100002_DEST_PATH_IMAGE024
为第一用户播放流量，
Figure 100002_DEST_PATH_IMAGE026
为第一用户继续观看目标视频的概率。
优选的，根据如下公式计算目标视频在预测推广周期内的预测播放总流量：
Figure 100002_DEST_PATH_IMAGE028
其中，
Figure 100002_DEST_PATH_IMAGE030
为目标视频在预测推广周期内的预测播放总流量，
Figure 77231DEST_PATH_IMAGE004
为第一预测播放流量，
Figure 100002_DEST_PATH_IMAGE032
为第一预测播放流量对应的权重，
Figure 895014DEST_PATH_IMAGE022
为第二预测播放流量，
Figure 100002_DEST_PATH_IMAGE034
为第二预测播放流量对应的权重，
Figure 100002_DEST_PATH_IMAGE036
为第三预测播放流量，
Figure 100002_DEST_PATH_IMAGE038
为第三预测播放流量对应的权重，且
Figure 100002_DEST_PATH_IMAGE040
，所述第三预测播放流量是根据从未观看过目标视频的用户在当前推广周期中对关联关键词的搜索量得到的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，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的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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它附图。
图1为本发明一个实施例所提供的一种基于区块链的推广资源分配方法的流程图。
具体实施方式
下面结合附图具体的说明本发明所提供的一种基于区块链的推广资源分配方法的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种基于区块链的推广资源分配方法的步骤流程图，该方法包括以下步骤：
步骤S001，获取各视频在各推广周期内的播放流量。
本实施例提供的推广资源分配方法适用的场景为：各视频平台中对于电视剧的推广资源分配。
视频平台中包含大量的视频文件，并且视频文件的数量增长较快；本实施例中利用分布式存储方法对视频平台中的各视频进行存储，通过对存储节点的数据提取，可得到各视频在各推广周期内的播放流量。
本实施例中，所述分布式存储采用分布式的系统结构，利用多台存储服务器分担存储负荷，利用位置服务器定位存储信息，分布式存储为现有技术，本实施例不做具体描述。
由于推广资源的分配不是实时的，而是周期性的，所以推广周期的大小需要根据实际情况设定，但是要满足推广周期的大小要和对应视频平台的推广资源的分配周期保持一致，且各推广周期之间的时间间隔记为
Figure DEST_PATH_IMAGE042
。
本实施例中，对各推广周期内各视频的播放流量进行归一化处理，归一化处理后的值就是各推广周期内各视频的热度。
步骤S002，根据目标视频对应的各关联视频在当前推广周期内的播放流量和所述各关联视频在当前推广周期内的播放流量对目标视频在预测推广周期内播放流量的影响程度，得到目标视频在预测推广周期内的第一预测播放流量。
在视频平台中，每个视频通常不是以单个独立的形式存在，而是与多个视频存在关联；因此，预测目标视频在预测推广周期的播放流量时，需要考虑与目标视频相关联视频的播放流量对目标视频在预测推广周期内的影响。
本实施例中，对视频平台中的各视频进行层级分类，首先根据视频的内容和视频的长度将视频平台中的各视频分为主视频和子视频两个层级；其中，主视频为主要内容视频，时长较长，内容完整性较高；子视频是在主视频的内容基础上，对主视频的内容片段进行剪辑、补充、二次创作等操作的视频，时长较短，内容完整性也较低。
每个主视频都有对应的主题，且同一个主题下可能包含多个主视频，每个主视频下又包含多个对应的子视频；本实施例中的主题指的是同一部电视剧，并且同一主题下的所有主视频并非都会对目标视频产生影响，因此需要找到目标视频的关联视频，作为后续影响程度的计算基础。
作为其它的实施方式，也可以根据需求的不同设置不同的对视频平台中的各视频进行层级分类的方式，例如可以根据视频里面的关键词和长度对各视频进行层级分类。
本实施例中，当目标视频是主视频时，若某主视频与目标视频处于同一主题下且处于目标视频后一集，则该主视频是目标视频的关联视频；若某视频为与目标视频对应的子视频，则该子视频是目标视频的关联视频；
本实施例中，当目标视频是子视频时，若某视频是目标视频对应的主视频，则该主视频是目标视频的关联视频；若某子视频与目标视频属于同一主视频，则该子视频是目标视频的关联视频。
由于本实施例的目标视频主要指的是与电视剧相关的视频，因此不考虑与目标视频处于同一主题下且处于目标视频前面一集内容的主视频的播放流量对目标视频的播放流量存在的影响；但是作为其它的实施方式，也可以根据需求的不同考虑与目标视频处于同一主题下且处于目标视频前面一集内容的主视频的播放流量对目标视频的播放流量存在的影响。
因此，通过上述方式可以得到目标视频在视频平台中的各关联视频，将目标视频在视频平台中关联视频的数量记为
Figure 238402DEST_PATH_IMAGE010
，由于目标视频在预测推广周期内的播放流量受到与目标视频对应的各关联视频在当前推广周期内的播放流量的影响，因此需要得到与目标视频对应的各关联视频在当前推广周期内播放流量对目标视频在预测推广周期内播放流量的影响程度。
本实施例中，计算影响程度的具体方式为：获得在相邻历史推广周期内第一周期观看关联视频且又在第二周期观看目标视频的用户记为第二用户，所述关联视频记为
Figure 67293DEST_PATH_IMAGE008
，
Figure 10978DEST_PATH_IMAGE008
的取值范围为
Figure DEST_PATH_IMAGE044
，统计各第二用户在第二周期内观看目标视频时的播放流量，记为各第二用户对应的播放流量，所述第一周期为相邻历史推广周期中的前一个推广周期，所述第二周期为相邻历史推广周期中的后一个推广周期；将在第一周期内观看第
Figure 117605DEST_PATH_IMAGE008
个关联视频的用户记为第三用户，统计各第三用户观看第
Figure 361505DEST_PATH_IMAGE008
个关联视频时的播放流量，记为各第三用户对应的播放流量。
根据第二用户对应的播放流量和第三用户对应的播放流量，得到目标视频在第二周期受到第一周期播放流量的影响程度，并得到关联视频的周期-影响程度曲线；根据周期-影响程度曲线得到目标视频在预测推广周期内的播放流量受到各关联视频在当前推广周期内播放流量的影响程度。
本实施例中，可以按照上述方式得到在第一个相邻历史推广周期中的第一周期内观看第
Figure 629806DEST_PATH_IMAGE008
个关联视频且又在第一个相邻历史推广周期中的第二周期内观看目标视频的第二用户，所述第一个相邻历史推广周期中的第一周期是指第一个历史推广周期，第一个相邻历史推广周期中的第二周期是指第二个历史推广周期，统计各第二用户在第二周期内观看目标视频时的播放流量，记为各第二用户对应的播放流量
Figure DEST_PATH_IMAGE046
；获得第一个相邻历史推广周期中的在第一周期内观看第
Figure 873837DEST_PATH_IMAGE008
个关联视频的第三用户，统计各第三用户在第一周期观看第
Figure 236685DEST_PATH_IMAGE008
个关联视频时的播放流量，记为各第三用户对应的播放流量
Figure DEST_PATH_IMAGE048
；之后求各第二用户对应的播放流量
Figure 873772DEST_PATH_IMAGE046
与各第三用户对应的播放流量
Figure 296663DEST_PATH_IMAGE048
的比值，即
Figure DEST_PATH_IMAGE050
，其中，
Figure DEST_PATH_IMAGE052
为目标视频在第二个历史推广周期内的播放流量受到第
Figure 559149DEST_PATH_IMAGE008
个关联视频在第一个历史推广周期内播放流量的影响程度。
本实施例中，对于第
Figure 7579DEST_PATH_IMAGE008
个关联视频依次可以得到
Figure DEST_PATH_IMAGE054
，其中，
Figure DEST_PATH_IMAGE056
为目标视频在第三个历史推广周期内的播放流量受到第
Figure 835857DEST_PATH_IMAGE008
个关联视频在第二个历史推广周期内播放流量的影响程度，
Figure DEST_PATH_IMAGE058
为目标视频在当前推广周期内的播放流量受到第
Figure 505349DEST_PATH_IMAGE008
个关联视频在当前推广周期前面一个历史推广周期内播放流量的影响程度，本实施例中可以根据实际需要设定
Figure 661655DEST_PATH_IMAGE012
的值。
以历史推广周期
Figure DEST_PATH_IMAGE060
为横坐标，以第
Figure 179355DEST_PATH_IMAGE008
个关联视频的播放流量对目标视频的影响程度
Figure 986774DEST_PATH_IMAGE054
为纵坐标，用数学建模拟合的方式得到第
Figure 17047DEST_PATH_IMAGE008
个关联视频的周期-影响程度曲线；其中
Figure DEST_PATH_IMAGE062
为第一个历史推广周期，
Figure DEST_PATH_IMAGE064
为第二个历史推广周期，
Figure DEST_PATH_IMAGE066
为当前推广周期。
周期-影响程度曲线是基于时序分析原理，运用概率统计中时间序列分析的原理和技术，利用时序系统的数据相关性，描述系统的时序状态，以预测将来时域的状态信息；本实施例中对于每个关联视频，均可拟合得到其周期-影响程度曲线，且由于不同关联视频与目标视频的关联紧密性以及关联视频本身对用户的吸引程度不同，则不同关联视频对应的周期-影响程度曲线不同。
因此根据第
Figure 804524DEST_PATH_IMAGE008
个关联视频的周期-影响程度曲线可以预测得到目标视频在预测推广周期内的播放流量受到第
Figure 312865DEST_PATH_IMAGE008
个关联视频在当前推广周期内播放流量的影响程度；根据目标视频在预测推广周期内的播放流量受到第
Figure 991103DEST_PATH_IMAGE008
个关联视频在当前推广周期内播放流量的影响程度
Figure 926698DEST_PATH_IMAGE016
和第
Figure 41284DEST_PATH_IMAGE008
个关联视频在当前推广周期内的播放流量，即当前推广周期中第三用户对应的播放流量
Figure 838470DEST_PATH_IMAGE018
，得到目标视频在预测推广周期内受到第
Figure 620481DEST_PATH_IMAGE008
个关联视频在当前推广周期内播放流量影响的播放流量，所述当前推广周期是相邻历史推广周期中的第一周期，即是相邻历史推广周期中的前一个推广周期。
因为影响程度
Figure 726977DEST_PATH_IMAGE016
和第
Figure 79593DEST_PATH_IMAGE008
个关联视频在当前推广周期内的播放流量与目标视频在预测推广周期内受到第
Figure 664158DEST_PATH_IMAGE008
个关联视频在当前推广周期内播放流量影响的播放流量成正相关关系，即可以通过数学建模拟合的方式，得到目标视频在预测推广周期内受到第
Figure 300675DEST_PATH_IMAGE008
个关联视频在当前推广周期内播放流量影响的播放流量：
Figure DEST_PATH_IMAGE014A
其中，
Figure 653772DEST_PATH_IMAGE006
为目标视频在预测推广周期内受到第
Figure 493683DEST_PATH_IMAGE008
个关联视频在当前推广周期内播放流量影响的播放流量，
Figure 881939DEST_PATH_IMAGE016
为第
Figure 372963DEST_PATH_IMAGE008
个关联视频在当前推广周期内的播放流量对目标视频在预测推广周期内播放流量的影响程度，
Figure 571994DEST_PATH_IMAGE018
为第
Figure 148469DEST_PATH_IMAGE008
个关联视频在当前推广周期内的播放流量。
因此，通过上述方式可以得到目标视频的各关联视频的周期-影响程度曲线，并得到与目标视频对应的各关联视频在当前推广周期内的播放流量对目标视频在预测推广周期播放流量的影响程度，即可以得到目标视频在预测推广周期内受到各关联视频在当前推广周期内播放流量影响的播放流量；根据目标视频在预测推广周期内受到各关联视频在当前推广周期内播放流量影响的播放流量，可以得到目标视频在预测推广周期内受到各关联视频在当前推广周期内播放流量影响的第一预测播放流量,且目标视频在预测推广周期内受到各关联视频在当前推广周期内播放流量影响的播放流量与目标视频在预测推广周期内的第一预测播放流量成正相关关系，通过数学建模拟合的方式，得到目标视频在预测推广周期内的第一预测播放流量：
Figure DEST_PATH_IMAGE002A
其中，
Figure 153466DEST_PATH_IMAGE004
为目标视频在预测推广周期内的第一预测播放流量，
Figure 764575DEST_PATH_IMAGE006
为目标视频在预测推广周期内受到第
Figure 414736DEST_PATH_IMAGE008
个关联视频在当前周期内播放流量影响的播放流量，
Figure 212927DEST_PATH_IMAGE010
为目标视频在视频平台中对应的关联视频的数量，
Figure 208565DEST_PATH_IMAGE012
为预测推广周期。
步骤S003，判断在当前推广周期内观看目标视频的用户是否已观看完所述目标视频，若没有观看完所述目标视频，则将该用户记为第一用户，计算各第一用户在预测推广周期内继续观看所述目标视频所需的播放流量，记为剩余播放流量。
由于本实施例的应用场景为电视剧，因此同一个用户，对于同一个视频在相邻推广周期内一般只进行一次完整的观看；因此本实施例中，当用户在当前推广周期内已经对目标视频进行了完整的观看，则认为该用户不会在预测推广周期内对目标视频进行再次观看；但是当用户在当前推广周期内对目标视频只进行了部分观看，则该用户将可能在预测推广周期内继续对剩余部分的目标视频进行观看，因此对目标视频在预测推广周期的播放流量产生了影响。
本实施例中，要获得在当前推广周期内观看目标视频的所有用户和目标视频进度条的起始时刻
Figure DEST_PATH_IMAGE068
和目标视频进度条的结束时刻
Figure DEST_PATH_IMAGE070
，并获得所有用户在当前推广周期结束时观看目标视频对应的进度条上的时刻
Figure DEST_PATH_IMAGE072
；判断时刻
Figure 300280DEST_PATH_IMAGE072
是否小于进度条的结束时刻
Figure 90382DEST_PATH_IMAGE070
，当时刻
Figure 923340DEST_PATH_IMAGE072
小于进度条的结束时刻
Figure 457089DEST_PATH_IMAGE070
时，表明用户在当前推广周期结束时没有观看完目标视频，将该用户记为第一用户；本实施例设置阈值时刻
Figure DEST_PATH_IMAGE074
，所述
Figure 587332DEST_PATH_IMAGE074
在目标视频的进度条上且与
Figure 548334DEST_PATH_IMAGE070
较为接近，当时刻
Figure 337430DEST_PATH_IMAGE072
在
Figure 940450DEST_PATH_IMAGE074
到
Figure 865812DEST_PATH_IMAGE070
之间时，视为用户在当前推广周期结束时观看完目标视频，所述阈值时刻
Figure 997716DEST_PATH_IMAGE074
的大小要根据实际情况进行设置。
本实施例中，需要根据各第一用户在当前推广周期内的观看目标视频的情况，获得目标视频的进度条的时刻-播放流量曲线
Figure DEST_PATH_IMAGE076
以及目标视频的进度条的时刻-播放持续时间曲线
Figure DEST_PATH_IMAGE078
，根据目标视频的进度条的时刻-播放流量曲线
Figure 336424DEST_PATH_IMAGE076
以及目标视频的进度条的时刻-播放持续时间曲线
Figure 477556DEST_PATH_IMAGE078
，可以得到各第一用户在预测推广周期内继续观看目标视频所需的剩余播放流量，即：
Figure DEST_PATH_IMAGE080
其中，
Figure DEST_PATH_IMAGE082
为第
Figure DEST_PATH_IMAGE084
个第一用户在预测推广周期内继续观看目标视频所需的剩余播放流量，
Figure 666878DEST_PATH_IMAGE072
为当前推广周期结束时第
Figure 969684DEST_PATH_IMAGE084
个第一用户观看目标视频对应的进度条上的时刻；当
Figure 717060DEST_PATH_IMAGE072
到
Figure DEST_PATH_IMAGE086
时刻之间第
Figure 943773DEST_PATH_IMAGE084
个第一用户在预测推广周期内不能观看完剩余部分的目标视频或者正好观看完剩余部分的目标视频时，
Figure 843727DEST_PATH_IMAGE072
到
Figure 848592DEST_PATH_IMAGE086
之间的时间间隔为
Figure 817685DEST_PATH_IMAGE042
，
Figure 48422DEST_PATH_IMAGE086
对应的是预测推广周期结束时对应的目标视频的进度条上的时刻；当
Figure 317729DEST_PATH_IMAGE072
到
Figure 962337DEST_PATH_IMAGE086
时刻之间第
Figure 435038DEST_PATH_IMAGE084
个第一用户在预测推广周期内能观看完剩余部分的目标视频时，
Figure 456083DEST_PATH_IMAGE086
对应的是目标视频的进度条的结束时刻
Figure 330630DEST_PATH_IMAGE070
，则
Figure 146139DEST_PATH_IMAGE072
到
Figure 620982DEST_PATH_IMAGE086
之间的时间间隔为目标视频的进度条的结束时刻减去
Figure 930872DEST_PATH_IMAGE072
，
Figure DEST_PATH_IMAGE088
为目标视频的进度条的时刻-播放流量曲线。
步骤S004，求各第一用户对应的剩余播放流量之和，记为预测推广周期内的第一用户播放流量。
本实施例中，对上述得到的各第一用户对应的剩余播放流量求和，得到预测推广周期内的第一用户播放流量，且各第一用户对应的剩余播放流量与第一用户播放流量是正相关的关系，则当第一用户对应的剩余播放流量越大时，第一用户播放流量就越大，可以通过数学建模的方式得到第一用户对应的剩余播放流量与第一用户播放流量之间的关系：
根据如下公式计算第一用户播放流量：
Figure DEST_PATH_IMAGE090
其中，
Figure 775770DEST_PATH_IMAGE024
为预测推广周期内的第一用户播放流量，
Figure 27759DEST_PATH_IMAGE082
为第
Figure 943894DEST_PATH_IMAGE084
个第一用户在预测推广周期内继续观看目标视频的剩余播放流量，
Figure DEST_PATH_IMAGE092
为第一用户的数量。
步骤S005，根据预测推广周期内的第一用户播放流量与第一用户继续观看目标视频的概率，计算目标视频在预测推广周期内的第二预测播放流量。
本实施例中，获得在第一个历史推广周期内观看部分目标视频的用户，记为第
Figure DEST_PATH_IMAGE094
用户，之后获得在第一个历史推广周期内观看部分目标视频且在第二个历史推广周期内继续观看目标视频的用户，记为第
Figure DEST_PATH_IMAGE096
用户，并分别得到对应的第
Figure 182108DEST_PATH_IMAGE094
用户的数量和第
Figure 280514DEST_PATH_IMAGE096
用户的数量；按照上述方法以此类推得到在当前推广周期的前面一个推广周期内观看部分目标视频的第
Figure DEST_PATH_IMAGE098
用户的数量和在当前推广周期的前面一个推广周期内观看部分目标视频且在当前推广周期内继续观看目标视频的第
Figure DEST_PATH_IMAGE100
用户的数量，将推广周期
Figure DEST_PATH_IMAGE102
中各推广周期对应的第
Figure 857733DEST_PATH_IMAGE094
、
Figure DEST_PATH_IMAGE104
、…、
Figure DEST_PATH_IMAGE106
用户的数量的总和记为
Figure DEST_PATH_IMAGE108
，将推广周期
Figure DEST_PATH_IMAGE110
中各推广周期对应的第
Figure 464426DEST_PATH_IMAGE096
、
Figure DEST_PATH_IMAGE112
、…、
Figure DEST_PATH_IMAGE114
用户的数量的总和记为
Figure DEST_PATH_IMAGE116
。
本实施例中，根据
Figure 771910DEST_PATH_IMAGE108
和
Figure 478485DEST_PATH_IMAGE116
可以得到在当前推广周期中观看过部分目标视频且在预测推广周期内继续观看剩余部分目标视频的第一用户的概率，即：
Figure DEST_PATH_IMAGE118
其中，
Figure 150906DEST_PATH_IMAGE026
为第一用户在当前推广周期中观看过部分目标视频且在预测推广周期继续观看目标视频的概率。
本实施例中，根据预测推广周期内的第一用户播放流量与第一用户在当前推广周期内观看过部分目标视频且在预测推广周期内继续观看目标视频的概率，计算目标视频在预测推广周期内的第二预测播放流量，本实施例通过数学建模拟合的方式得到预测推广周期内的第一用户播放流量、第一用户在当前推广周期内观看过部分目标视频且在预测推广周期继续内观看目标视频的概率与目标视频在预测推广周期内的第二预测播放流量的关系如下：
Figure DEST_PATH_IMAGE020A
其中，
Figure 635108DEST_PATH_IMAGE022
为目标视频在预测推广周期内的第二预测播放流量，
Figure 339759DEST_PATH_IMAGE024
为第一用户播放流量。
本实施例中，当有用户从未观看过目标视频，但是在当前推广周期内对目标视频相关的关键词进行了搜索，则该用户可能会在预测推广周期对目标视频进行观看，进而对目标视频在预测推广周期的播放流量产生影响。
本实施例中，将目标视频的标题、目标视频内人物名称看作目标视频的关键词，当有用户对上述关键词进行搜索时，即认为该用户对目标视频有观看需求；且通过关键词查询工具站可以得到各推广周期内每个关键词的搜索量，从而得到目标视频在各推广周期内的搜索量S。
本实施例中，从视频平台上获取目标视频在各推广周期中的总播放流量，记为
Figure DEST_PATH_IMAGE120
；并根据目标视频的各关联视频的周期-影响程度曲线和各关联视频在各推广周期
Figure 429069DEST_PATH_IMAGE102
内的播放流量，得到目标视频在各推广周期
Figure 193762DEST_PATH_IMAGE110
中对应播放流量，记为第一历史播放流量
Figure DEST_PATH_IMAGE122
；其中
Figure DEST_PATH_IMAGE124
指的是推广周期，且取值范围是
Figure 693489DEST_PATH_IMAGE110
；并根据分别在推广周期
Figure 952564DEST_PATH_IMAGE110
内继续观看目标视频的第一用户的概率，得到目标视频在各推广周期
Figure 614489DEST_PATH_IMAGE110
中对应的播放流量，记为第二历史播放流量
Figure DEST_PATH_IMAGE126
。
根据总播放流量
Figure 97554DEST_PATH_IMAGE120
、第一历史播放流量
Figure 477720DEST_PATH_IMAGE122
以及第二历史播放流量
Figure 274906DEST_PATH_IMAGE126
，得到目标视频受到各推广周期
Figure 791338DEST_PATH_IMAGE102
内未观看过目标视频的用户分别影响目标视频在各推广周期
Figure 632255DEST_PATH_IMAGE110
的第三历史播放流量，记为
Figure DEST_PATH_IMAGE128
，根据如下公式计算第三历史播放流量：
Figure DEST_PATH_IMAGE130
其中，
Figure 124152DEST_PATH_IMAGE128
为目标视频在第
Figure 725029DEST_PATH_IMAGE124
个推广周期的第三历史播放流量，
Figure 361546DEST_PATH_IMAGE120
为目标视频在第
Figure 373365DEST_PATH_IMAGE124
个推广周期的总播放流量，
Figure 478855DEST_PATH_IMAGE122
为目标视频在第
Figure 132690DEST_PATH_IMAGE124
个推广周期的第一历史播放流量，
Figure 374447DEST_PATH_IMAGE126
为目标视频在第
Figure 88325DEST_PATH_IMAGE124
个推广周期的第二历史播放流量。
本实施例中，根据目标视频在第
Figure 399221DEST_PATH_IMAGE124
个推广周期的第三历史播放流量和目标视频在第
Figure 870129DEST_PATH_IMAGE124
个推广周期的关键词的搜索量S，拟合得到搜索量-第三历史播放流曲线，根据搜索量-第三历史播放流曲线可以预测得到目标视频在预测推广周期内受到当前推广周期中从未观看过目标视频的用户影响的第三预测播放流量，记为
Figure 215660DEST_PATH_IMAGE036
。
本实施例中的搜索量-第三历史播放流曲线是通过时间序列分析预测法，建立能够比较精确地反映序列中所包含的动态依存关系的数学模型，使时间趋势向外延伸，从而预测其发展变化趋势，确定变量的预测值；本实施例中采用时间序列分析预测法，对目标视频在周期内的播放流量进行预测。由于视频在周期内的播放流量具有延续性和长期性，且视频本身的性质和内容不发生改变，因此，以过去周期的相关动态播放数据为基础，拟合曲线并建立对应的数学模型，从而推测视频在视频用户影响下的发展趋势，即可预测推广周期内受到当前周期中从未观看过目标视频的用户影响的第三预测播放流量。
步骤S006，根据所述第一预测播放流量和第二预测播放流量得到目标视频在预测推广周期内的预测播放总流量。
本实施例中，根据第一预测播放流量、第二预测播放流量以及第三预测播放流量得到目标视频在预测推广周期的预测播放总流量。
根据如下公式计算目标视频在预测推广周期的预测播放总流量：
Figure DEST_PATH_IMAGE132
其中，
Figure 444647DEST_PATH_IMAGE030
为目标视频在预测推广周期的预测播放总流量，
Figure 259150DEST_PATH_IMAGE004
为第一预测播放流量，
Figure 254788DEST_PATH_IMAGE032
为第一预测播放流量对应的权重，
Figure 471137DEST_PATH_IMAGE022
为第二预测播放流量，
Figure 261238DEST_PATH_IMAGE034
为第二预测播放流量对应的权重，
Figure 812305DEST_PATH_IMAGE036
为第三预测播放流量，
Figure 99717DEST_PATH_IMAGE038
为第三预测播放流量对应的权重，且
Figure 419840DEST_PATH_IMAGE040
。
需要说明的是，本实例中由于影响目标视频在预测推广周期播放流量的来源不同，所以影响程度的大小也不同，因此本实施例中将第一预测播放流量对应的权重的值设置为
Figure DEST_PATH_IMAGE134
，认为目标视频的关联视频在当前推广周期内的播放流量对目标视频在预测推广周期播放流量的影响最大，且将第二预测播放流量对应的权重的值设置为
Figure DEST_PATH_IMAGE136
和第三预测播放流量对应的权重的值设置为
Figure DEST_PATH_IMAGE138
，本实施认为已观看过目标视频的用户与目标视频之间的联系紧密程度比未观看过目标视频的用户对目标视频的联系紧密程度高，因此第二预测播放流量对应的权重的值大于第三预测播放流量对应的权重的值。
作为其它的实施方式，也可以只根据第一预测播放流量和第二预测播放流量得到目标视频在预测推广周期内的预测播放总流量。
步骤S007，根据目标视频在预测推广周期内的预测播放总流量得到目标视频在预测推广周期内的推广力度。
本实施例中，根据目标视频在预测推广周期内的预测播放总流量得到目标视频在预测推广周期内的推广力度，目标视频在预测推广周期内的预测播放总流量与目标视频在预测推广周期内的推广力度成正相关关系。
本实施例中，将每个推广周期的推广总资源设置为
Figure DEST_PATH_IMAGE140
，可以得到视频平台中各目标视频在预测推广周期内的推广力度和视频平台中各目标视频在当前推广周期内的推广力度，将所述不同周期的推广力度作为一组相关数据传入到私有区块链中，得到一个具有不可篡改、全程留痕、可以追溯、信息积累特点的私有区块链。
利用云平台分别读取私有区块链当前推广周期与预测推广周期中的各视频的推广力度，对于在预测推广周期中的推广力度减小的视频，且在当前推广周期中在该视频推广力度的基础上将多余的推广力度回收至视频平台中；对于在预测推广周期中的推广力度增加的视频，在当前推广周期中在该视频推广力度的基础上对该视频的推广力度进行补充分配；且云计算平台对视频平台中的数据和信息进行分析和计算，完成对视频平台推广资源的分配。
本实施例的推广资源分配方法和推广资源大数据信息云平台的有益效果：本实施例根据目标视频对应的各关联视频在当前推广周期内的播放流量和各关联视频在当前推广周期内的播放流量对目标视频在预测推广周期内播放流量的影响程度，得到目标视频在预测推广周期内的第一预测播放流量；根据预测推广周期内的第一用户播放流量与第一用户继续观看目标视频的概率，计算目标视频在预测推广周期内的第二预测播放流量；并根据第一预测播放流量和第二预测播放流量得到目标视频在预测推广周期内的推广力度；本实施例将目标视频在预测推广周期内受到各关联视频在当前推广周期内播放流量影响的播放流量和目标视频本身对目标视频在预测推广周期内播放流量影响的播放流量作为最后得到目标视频在预测推广周期内的推广力度的依据，能够提高资源分配的合理性和准确性，能够更大程度地提高资源利用率。
本实施例的基于区块链的推广资源大数据信息云平台包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现上述基于区块链的推广资源分配方法。
上述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种基于区块链的推广资源分配方法，其特征在于，该方法包括如下步骤：
获取各视频在各推广周期内的播放流量；
根据目标视频对应的各关联视频在当前推广周期内的播放流量和所述各关联视频在当前推广周期内的播放流量对目标视频在预测推广周期内播放流量的影响程度，得到目标视频在预测推广周期内的第一预测播放流量；
判断在当前推广周期内观看目标视频的用户是否已观看完所述目标视频，若没有观看完所述目标视频，则将该用户记为第一用户，计算各第一用户在预测推广周期内继续观看所述目标视频所需的播放流量，记为剩余播放流量；
求各第一用户对应的剩余播放流量之和，记为预测推广周期内的第一用户播放流量；
根据预测推广周期内的第一用户播放流量与第一用户继续观看目标视频的概率，计算目标视频在预测推广周期内的第二预测播放流量；
根据所述第一预测播放流量和第二预测播放流量得到目标视频在预测推广周期内的预测播放总流量；
根据目标视频在预测推广周期内的预测播放总流量得到目标视频在预测推广周期内的推广力度；
得到各关联视频在当前推广周期内的播放流量对目标视频在预测推广周期内播放流量的影响程度的方法包括：
将在相邻历史推广周期内第一周期观看关联视频且又在第二周期观看目标视频的用户记为第二用户，统计各第二用户在第二周期内观看所述目标视频时的播放流量，记为各第二用户对应的播放流量，所述第一周期为所述相邻历史推广周期中的前一个推广周期，所述第二周期为所述相邻历史推广周期中的后一个推广周期；
将在第一周期内观看所述关联视频的用户记为第三用户，统计各第三用户观看所述关联视频时的播放流量，记为各第三用户对应的播放流量；
根据所述第二用户对应的播放流量和所述第三用户对应的播放流量，得到目标视频在第二周期受到第一周期播放流量的影响程度，并得到关联视频的周期-影响程度曲线；
根据所述周期-影响程度曲线得到目标视频在预测推广周期内的播放流量受到各关联视频在当前推广周期内播放流量的影响程度；
根据如下公式计算目标视频在预测推广周期内的第一预测播放流量：
Figure DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE004
为目标视频在预测推广周期内的第一预测播放流量，
Figure DEST_PATH_IMAGE006
为目标视频在预测推广周期内受到第
Figure DEST_PATH_IMAGE008
个关联视频在当前推广周期内播放流量影响的播放流量，
Figure DEST_PATH_IMAGE010
为目标视频对应的关联视频的数量，
Figure DEST_PATH_IMAGE012
为预测推广周期；
根据如下公式计算目标视频在预测推广周期内受到各关联视频在当前推广周期内播放流量影响的播放流量：
Figure DEST_PATH_IMAGE014
其中，
Figure DEST_PATH_IMAGE016
为第
Figure 774441DEST_PATH_IMAGE008
个关联视频在当前推广周期内的播放流量对目标视频在预测推广周期内播放流量的影响程度，
Figure DEST_PATH_IMAGE018
为第
Figure 317680DEST_PATH_IMAGE008
个关联视频在当前推广周期内的播放流量；
根据如下公式计算目标视频在预测推广周期内的第二预测播放流量：
Figure DEST_PATH_IMAGE020
其中，
Figure DEST_PATH_IMAGE022
为目标视频在预测推广周期内的第二预测播放流量，
Figure DEST_PATH_IMAGE024
为第一用户播放流量，
Figure DEST_PATH_IMAGE026
为第一用户继续观看目标视频的概率。
2.如权利要求1所述的一种基于区块链的推广资源分配方法，其特征在于，根据如下公式计算目标视频在预测推广周期内的预测播放总流量：
Figure DEST_PATH_IMAGE028
其中，
Figure DEST_PATH_IMAGE030
为目标视频在预测推广周期内的预测播放总流量，
Figure 720586DEST_PATH_IMAGE004
为第一预测播放流量，
Figure DEST_PATH_IMAGE032
为第一预测播放流量对应的权重，
Figure 998684DEST_PATH_IMAGE022
为第二预测播放流量，
Figure DEST_PATH_IMAGE034
为第二预测播放流量对应的权重，
Figure DEST_PATH_IMAGE036
为第三预测播放流量，
Figure DEST_PATH_IMAGE038
为第三预测播放流量对应的权重，且
Figure DEST_PATH_IMAGE040
，所述第三预测播放流量是根据从未观看过目标视频的用户在当前推广周期中对关联关键词的搜索量得到的。
3.一种基于区块链的推广资源大数据信息云平台，包括存储器和处理器，其特征在于，所述处理器执行所述存储器存储的计算机程序，以实现如权利要求1-2任一项所述的一种基于区块链的推广资源分配方法。
CN202111041772.6A 2021-09-07 2021-09-07 一种基于区块链的推广资源分配方法及大数据信息云平台 Active CN113496422B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111041772.6A CN113496422B (zh) 2021-09-07 2021-09-07 一种基于区块链的推广资源分配方法及大数据信息云平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111041772.6A CN113496422B (zh) 2021-09-07 2021-09-07 一种基于区块链的推广资源分配方法及大数据信息云平台

Publications (2)

Publication Number Publication Date
CN113496422A CN113496422A (zh) 2021-10-12
CN113496422B true CN113496422B (zh) 2021-12-03

Family

ID=77997089

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111041772.6A Active CN113496422B (zh) 2021-09-07 2021-09-07 一种基于区块链的推广资源分配方法及大数据信息云平台

Country Status (1)

Country Link
CN (1) CN113496422B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113886438B (zh) * 2021-12-08 2022-03-15 济宁景泽信息科技有限公司 一种基于人工智能的成果转移转化数据筛选方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106604137A (zh) * 2016-12-29 2017-04-26 Tcl集团股份有限公司 一种预测视频观看时长的方法及装置
CN110798718A (zh) * 2019-09-02 2020-02-14 腾讯科技（深圳）有限公司 一种视频推荐方法以及装置
CN110830809A (zh) * 2019-11-20 2020-02-21 咪咕动漫有限公司 视频内容热度确定方法、电子设备及存储介质
CN111294650A (zh) * 2018-12-10 2020-06-16 中国移动通信集团福建有限公司 视频推荐方法、装置、设备及计算机存储介质
CN113347464A (zh) * 2021-04-30 2021-09-03 北京奇艺世纪科技有限公司 一种视频播放流量预测方法、装置、电子设备及存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7826365B2 (en) * 2006-09-12 2010-11-02 International Business Machines Corporation Method and apparatus for resource allocation for stream data processing
CN109660854B (zh) * 2017-10-10 2021-08-24 腾讯科技（深圳）有限公司 视频推荐方法、装置、设备和存储介质
CN110149558B (zh) * 2018-08-02 2023-03-28 腾讯科技（深圳）有限公司 一种基于内容识别的视频播放实时推荐方法及系统
CN110060101A (zh) * 2019-04-18 2019-07-26 陈琪 一种广告视频信息推送方法
US20230029998A1 (en) * 2019-12-20 2023-02-02 Idac Holdings, Inc. Methods, apparatus, and systems for resource allocation for multimedia broadcast multicast service (mbms) in wireless systems

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106604137A (zh) * 2016-12-29 2017-04-26 Tcl集团股份有限公司 一种预测视频观看时长的方法及装置
CN111294650A (zh) * 2018-12-10 2020-06-16 中国移动通信集团福建有限公司 视频推荐方法、装置、设备及计算机存储介质
CN110798718A (zh) * 2019-09-02 2020-02-14 腾讯科技（深圳）有限公司 一种视频推荐方法以及装置
CN110830809A (zh) * 2019-11-20 2020-02-21 咪咕动漫有限公司 视频内容热度确定方法、电子设备及存储介质
CN113347464A (zh) * 2021-04-30 2021-09-03 北京奇艺世纪科技有限公司 一种视频播放流量预测方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN113496422A (zh) 2021-10-12

Similar Documents

Publication Publication Date Title
Fonseca et al. Audio tagging with noisy labels and minimal supervision
CN109120964B (zh) 视频集合的消息推送方法、装置、计算机设备及存储介质
US9912974B2 (en) Shot structure of online video as a predictor of success
KR101944469B1 (ko) 컴퓨터 실행 방법, 시스템 및 컴퓨터 판독 가능 매체
TW202007178A (zh) 用戶特徵的生成方法、裝置、設備及儲存介質
CN109511015B (zh) 多媒体资源推荐方法、装置、存储介质及设备
CN103974097A (zh) 基于流行度和社交网络的个性化用户原创视频预取方法及系统
CN112055235B (zh) 推送展示对象的方法、装置、电子设备及存储介质
CN113496422B (zh) 一种基于区块链的推广资源分配方法及大数据信息云平台
CN111125429A (zh) 一种视频推送方法、装置和计算机可读存储介质
CN111258593A (zh) 应用程序预测模型的建立方法、装置、存储介质及终端
US20220245495A1 (en) Information processing method and apparatus, and computer-readable storage medium
CN113902128B (zh) 改善边缘设备利用效率的异步联邦学习方法、装置及介质
CN113051413A (zh) 一种多媒体信息处理方法、装置、电子设备及存储介质
CN111569412B (zh) 一种云游戏资源调度的方法和装置
CN110569447B (zh) 一种网络资源的推荐方法、装置及存储介质
CN110708361B (zh) 数字内容发布用户的等级确定系统、方法、装置及服务器
Yang et al. A QoS evaluation method for personalized service requests
CN113378045B (zh) 数字内容分发方法、装置及存储介质
CN113041610A (zh) 应用于网络游戏场景的数据流量处理方法及网游服务器
CN106162218A (zh) 一种节目录制控制方法、系统以及管理、热度统计服务器
CN115278290B (zh) 一种基于边缘节点的虚拟现实视频缓存方法及装置
Nixon Predicting your future audience: experiments in picking the best topic for future content
CN110516084B (zh) 多媒体关联信息确定方法、装置、存储介质及设备
CN113259728B (zh) 推荐视频的方法、装置、电子设备及存储介质

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
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20211012

Assignee: JINING SHENGZHIHUA INTELLECTUAL PROPERTY SERVICE Co.,Ltd.

Assignor: JINING JINGZE INFORMATION TECHNOLOGY CO.,LTD.

Contract record no.: X2023990000835

Denomination of invention: A blockchain based promotion resource allocation method and big data information cloud platform

Granted publication date: 20211203

License type: Common License

Record date: 20230926

EE01 Entry into force of recordation of patent licensing contract