CN113630631A - 一种基于协同过滤推荐算法的hls缓存方法及系统 - Google Patents

一种基于协同过滤推荐算法的hls缓存方法及系统 Download PDF

Info

Publication number
CN113630631A
CN113630631A CN202110968430.2A CN202110968430A CN113630631A CN 113630631 A CN113630631 A CN 113630631A CN 202110968430 A CN202110968430 A CN 202110968430A CN 113630631 A CN113630631 A CN 113630631A
Authority
CN
China
Prior art keywords
video
user
demand
hls
collaborative filtering
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
CN202110968430.2A
Other languages
English (en)
Inventor
朱博
刘军
陈宇
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.)
Nanjing Wiscom Vision Technology Co ltd
Original Assignee
Nanjing Wiscom Vision 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 Nanjing Wiscom Vision Technology Co ltd filed Critical Nanjing Wiscom Vision Technology Co ltd
Priority to CN202110968430.2A priority Critical patent/CN113630631A/zh
Publication of CN113630631A publication Critical patent/CN113630631A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H04N21/25891—Management of end-user data being end-user preferences
    • 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
    • H04N21/231—Content storage operation, e.g. caching movies for short term storage, replicating data over plural servers, prioritizing data for deletion
    • H04N21/23106—Content storage operation, e.g. caching movies for short term storage, replicating data over plural servers, prioritizing data for deletion involving caching operations
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/252—Processing of multiple end-users' preferences to derive collaborative data

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Graphics (AREA)
  • Computing Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种基于协同过滤推荐算法的HLS缓存方法及系统，包括，基于视频播放时长，对每个用户的视频感兴趣程度评分，形成点播评分表；根据所述点播评分表，利用余弦相似度计算公式，为每个用户挑选出五个兴趣最相似的用户；结合相似用户点播评分，挑选所述用户可能感兴趣的视频；根据挑选结果，在后台提前打开视频。本发明通过后台服务提前生成TS文件大大加快视频点播速度，根据用户点播记录，只针对每个用户选取20路热点视频提前点播缓存，生成TS文件，既减少了网络带宽的占用，又能兼顾到热点的命中率，提高播放速度，系统会根据每天的播放情况，调整历史记录矩阵，动态更新缓存策略，不需要手动配置干预，对用户透明，简单易用。

Description

一种基于协同过滤推荐算法的HLS缓存方法及系统
技术领域
本发明涉及HLS缓存、数据过滤的技术领域，尤其涉及一种基于协同过滤推荐算法的HLS缓存方法及系统。
背景技术
HLS协议是有苹果公司提出的基于HTTP的流媒体传输协议，目前被广泛应用于视频点播和直播领域。HLS协议通过将视频流切割成一个小的可以通过HTTP下载的TS文件，然后提供一个配套的TS列表文件，提供给客户端，让客户端顺序的拉取这些TS文件播放，来实现看上去实在播放一条流的效果。
由于HLS的设计原理，就会导致在请求HLS视频时，首先需要生成一定大小的TS后，客户端才能开始下载媒体文件到本地进行播放。这种模式相比较传统的流媒体传输，增加了一个生成TS文件的过程，客户端在请求成功后，需要等待服务端生成一个完整的TS文件后，才能下载播放，一般一个TS文件包含5s左右的视频数据，那么客户端就要等待五秒才能下载到第一个TS媒体文件进行播放，导致视频打开速度一般在五秒钟以上。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题，提出了本发明。
因此，本发明解决的技术问题是：预测用户感兴趣的视频，提前缓存HLS视频的HLS视频点播系统，以加快HLS视频的打开速度。
为解决上述技术问题，本发明提供如下技术方案：包括，基于视频播放时长，对每个用户的视频感兴趣程度评分，形成点播评分表；根据所述点播评分表，利用余弦相似度计算公式，为每个用户挑选出五个兴趣最相似的用户；结合相似用户点播评分，挑选所述用户可能感兴趣的视频；根据挑选结果，在后台提前打开视频。
作为本发明所述的基于协同过滤推荐算法的HLS缓存方法的一种优选方案，其中：包括，每一路视频，所述用户每播放0.5小时，记为一分，不足0.5小时的按照一分处理；满分48分，评分记录当天统计完成后，第二天重新记录评分。
作为本发明所述的基于协同过滤推荐算法的HLS缓存方法的一种优选方案，其中：所述余弦相似度计算公式包括，
Figure BDA0003224771290000021
其中，Ai为每个用户每一路视频的点播评分，计算结果越趋近于1表示越相似。
作为本发明所述的基于协同过滤推荐算法的HLS缓存方法的一种优选方案，其中：包括，将计算出的相似用户的点播记录中，去除掉目标用户已经点播过的视频，剩余的点位中计算目标用户可能感兴趣的程度，计算公式如下：
Figure BDA0003224771290000022
其中，p(u，i)表示目标用u对视频i的感兴趣程度，S(u，K)表示与目标用户最相似的K个用户，此处K＝5；rvi表示用户v对i的喜欢程度，即为用户v对i的评分。
作为本发明所述的基于协同过滤推荐算法的HLS缓存方法的一种优选方案，其中：还包括，根据对每一个视频的计算结果，从大到小排序，选出前十路视频。
作为本发明所述的基于协同过滤推荐算法的HLS缓存方法的一种优选方案，其中：包括，从目标用户点播统计结果中选出十路最感兴趣视频，从第三步计算结果中选出十路视频，系统获得二十路视频列表，在后台提前打开这二十路视频。
作为本发明所述的基于协同过滤推荐算法的HLS缓存方法的一种优选方案，其中：包括，所述点播评分表以矩阵的形式存储记录，矩阵的每一行表示每个用户的点播记录评分，每一列代表一路视频。
作为本发明所述的基于协同过滤推荐算法的HLS缓存系统的一种优选方案，其中：包括，管理服务模块和流媒体模块；所述管理服务模块包括，接收客户端请求视频命令，所述视频命令使用HTTP协议传输，记录用户点播记录，并在收集一天的数据之后，对数据进行计算评分，向流媒体请求视频，请求视频命令采用WebSocket协议传输，向客户端提供需要下载的m3u8及ts文件；所述流媒体模块包括，接收来自所述管理服务模块的视频请求，请求命令采用WebSocket协议传输，向视频平台/摄像机请求视频，请求方式由视频平台/摄像机厂商提供，根据请求到的视频码流，生成m3u8及ts文件。
本发明的有益效果：本发明通过后台服务提前生成TS文件大大加快视频点播速度，根据用户点播记录，只针对每个用户选取20路热点视频提前点播缓存，生成TS文件，既减少了网络带宽的占用，又能兼顾到热点的命中率，提高播放速度，系统会根据每天的播放情况，调整历史记录矩阵，动态更新缓存策略，不需要手动配置干预，对用户透明，简单易用。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，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性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明一个实施例所述的基于协同过滤推荐算法的HLS缓存方法及系统的结构示意图；
图2为本发明一个实施例所述的基于协同过滤推荐算法的HLS缓存方法及系统的执行流程示意图；
图3为本发明一个实施例所述的基于协同过滤推荐算法的HLS缓存方法及系统的点播评分表示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通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，都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图2和图3，为本发明的第一个实施例，提供了一种基于基于协同过滤推荐算法的HLS缓存方法，包括：
S1：基于视频播放时长，对每个用户的视频感兴趣程度评分，形成点播评分表。
S2：根据点播评分表，利用余弦相似度计算公式，为每个用户挑选出五个兴趣最相似的用户。
S3：结合相似用户点播评分，挑选用户可能感兴趣的视频。
S4：根据挑选结果，在后台提前打开视频。
参照图3，本实施例还需要具体说明的是：
点播评分表以矩阵的形式存储记录，矩阵的每一行表示每个用户的点播记录评分，每一列代表一路视频；
每一路视频，用户每播放0.5小时，记为一分，不足0.5小时的按照一分处理；
满分48分，评分记录当天统计完成后，第二天重新记录评分。
进一步的，余弦相似度计算公式包括：
Figure BDA0003224771290000051
其中，Ai为每个用户每一路视频的点播评分，计算结果越趋近于1表示越相似。
具体的，将计算出的相似用户的点播记录中，去除掉目标用户已经点播过的视频，剩余的点位中计算目标用户可能感兴趣的程度，计算公式如下：
Figure BDA0003224771290000052
其中，p(u，i)表示目标用u对视频i的感兴趣程度，S(u，K)表示与目标用户最相似的K个用户，此处K＝5；rvi表示用户v对i的喜欢程度，即为用户v对i的评分。
进一步的，还包括：
根据对每一个视频的计算结果，从大到小排序，选出前十路视频；
从目标用户点播统计结果中选出十路最感兴趣视频，从第三步计算结果中选出十路视频，系统获得二十路视频列表，在后台提前打开这二十路视频。
优选地，为了更好地对本发明方法中采用的技术效果加以验证说明，本实施例中选择以传统的HLS视频播放系统与本发明方法进行对比测试，以科学论证的手段对比试验结果，以验证本发明方法所具有的真实效果。
传统的HLS视频播放系统不会提前缓存HLS视频，导致用户请求视频时，平均打开视频时间再5秒钟左右，用户体验极差；为验证本发明方法相对于传统方法具有占用宽带小，对用户的兴趣预测命中率较高，预测命中的视频实现秒点秒开，极大的提升了用户体验，本实施例中对点播视频的打开速度进行实时测量对比。
测试环境：在某市信息中心HLS点播系统中进行测试，采用真实用户点播方式测试样本，分别利用传统方法的无缓存HLS系统点播视频并获得测试结果数据；采用本发明方法，则使用基于协同过滤推荐算法的HLS缓存点播系统实现本发明方法的测试，根据实验结果得到数据，每种方法各测试10组数据，计算获得每组数据平均打开视频的时间，并计算对比误差。结果如下表所示。
表1：传统方法无缓存HLS点播系统平均打开时间。
第一天 第二天 第三天 第四天 第五天 第六天 第七天 第八天 第九天 第十天
用户一 6.3s 5.7s 6.1s 5.5s 6.0s 5.6s 5.8s 5.2s 5.5s 5.4s
用户二 5.7s 5.8s 5.5s 5.1s 5.4s 5.1s 6.1s 5.7s 5.6s 5.1s
用户三 5.3s 5.2s 5.2s 5.6s 6.0s 5.2s 5.6s 5.4s 6.1s 5.7s
用户四 6.4s 5.8s 5.4s 5.6s 6.1s 5.4s 5.9s 5.9s 5.3s 6.5s
用户五 5.7s 5.7s 6.7s 5.8s 5.3s 5.4s 5.7s 5.4s 6.0s 5.2s
表2：本发明方法HLS缓存点播系统平均打开时间。
第一天 第二天 第三天 第四天 第五天 第六天 第七天 第八天 第九天 第十天
用户一 0.9s 1.2s 1.5s 1.2s 1.2s 1.0s 0.9s 1.4s 1.1s 1.4s
用户二 1.3s 1.1s 0.7s 1.0s 1.3s 1.6s 1.3s 1.3s 1.3s 1.2s
用户三 1.1s 1.4s 1.3s 1.5s 1.2s 0.8s 1.2s 1.5s 1.6s 0.9s
用户四 1.5s 1.0s 1.3s 1.2s 0.8s 0.9s 1.0s 1.2s 1.0s 1.3s
用户五 1.1s 1.0s 1.3s 1.0s 1.4s 1.4s 1.4s 1.1s 1.1s 1.3s
参照表1和表2，能够直观地看出，本发明方法相对于传统方法，面对相同测试样本体现出了更高的效率性，即，验证了本发明方法所提出的技术效果。
实施例2
参照图1，为本发明的第二个实施例，该实施例不同于第一个实施例的是，提供了一种基于协同过滤推荐算法的HLS缓存系统，具体包括：
管理服务模块包括：
接收客户端请求视频命令，视频命令使用HTTP协议传输。
记录用户点播记录，并在收集一天的数据之后，对数据进行计算评分。
向流媒体请求视频，请求视频命令采用WebSocket协议传输。
向客户端提供需要下载的m3u8及ts文件。
流媒体模块包括：
接收来自管理服务模块的视频请求，请求命令采用WebSocket协议传输。向视频平台/摄像机请求视频，请求方式由视频平台/摄像机厂商提供。
根据请求到的视频码流，生成m3u8及ts文件。
应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。
此外，可按任何合适的顺序来执行本文描述的过程的操作，除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、RAM、ROM等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。计算机程序能够应用于输入数据以执行本文所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。
如在本申请所使用的，术语“组件”、“模块”、“系统”等等旨在指代计算机相关实体，该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如，组件可以是，但不限于是：在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例，在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中，并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外，这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组(例如，来自一个组件的数据，该组件与本地系统、分布式系统中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它系统进行交互)的信号，以本地和/或远程过程的方式进行通信。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (8)

1.一种基于协同过滤推荐算法的HLS缓存方法，其特征在于：包括，
基于视频播放时长，对每个用户的视频感兴趣程度评分，形成点播评分表；
根据所述点播评分表，利用余弦相似度计算公式，为每个用户挑选出五个兴趣最相似的用户；
结合相似用户点播评分，挑选所述用户可能感兴趣的视频；
根据挑选结果，在后台提前打开视频。
2.根据权利要求1所述的基于协同过滤推荐算法的HLS缓存方法，其特征在于：包括，
每一路视频，所述用户每播放0.5小时，记为一分，不足0.5小时的按照一分处理；
满分48分，评分记录当天统计完成后，第二天重新记录评分。
3.根据权利要求1或2所述的基于协同过滤推荐算法的HLS缓存方法，其特征在于：所述余弦相似度计算公式包括，
Figure FDA0003224771280000011
其中，Ai为每个用户每一路视频的点播评分，计算结果越趋近于1表示越相似。
4.根据权利要求3所述的基于协同过滤推荐算法的HLS缓存方法，其特征在于：包括，
将计算出的相似用户的点播记录中，去除掉目标用户已经点播过的视频，剩余的点位中计算目标用户可能感兴趣的程度，计算公式如下：
Figure FDA0003224771280000012
其中，p(u，i)表示目标用u对视频i的感兴趣程度，S(u，K)表示与目标用户最相似的K个用户，此处K＝5；rvi表示用户v对i的喜欢程度，即为用户v对i的评分。
5.根据权利要求4所述的基于协同过滤推荐算法的HLS缓存方法，其特征在于：还包括，根据对每一个视频的计算结果，从大到小排序，选出前十路视频。
6.根据权利要求5所述的基于协同过滤推荐算法的HLS缓存方法，其特征在于：包括，从目标用户点播统计结果中选出十路最感兴趣视频，从第三步计算结果中选出十路视频，系统获得二十路视频列表，在后台提前打开这二十路视频。
7.根据权利要求6所述的基于协同过滤推荐算法的HLS缓存方法，其特征在于：包括，
所述点播评分表以矩阵的形式存储记录，矩阵的每一行表示每个用户的点播记录评分，每一列代表一路视频。
8.一种基于协同过滤推荐算法的HLS缓存系统，其特征在于：包括，管理服务模块和流媒体模块；
所述管理服务模块包括，接收客户端请求视频命令，所述视频命令使用HTTP协议传输，记录用户点播记录，并在收集一天的数据之后，对数据进行计算评分，向流媒体请求视频，请求视频命令采用WebSocket协议传输，向客户端提供需要下载的m3u8及ts文件；
所述流媒体模块包括，接收来自所述管理服务模块的视频请求，请求命令采用WebSocket协议传输，向视频平台/摄像机请求视频，请求方式由视频平台/摄像机厂商提供，根据请求到的视频码流，生成m3u8及ts文件。
CN202110968430.2A 2021-08-23 2021-08-23 一种基于协同过滤推荐算法的hls缓存方法及系统 Pending CN113630631A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110968430.2A CN113630631A (zh) 2021-08-23 2021-08-23 一种基于协同过滤推荐算法的hls缓存方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110968430.2A CN113630631A (zh) 2021-08-23 2021-08-23 一种基于协同过滤推荐算法的hls缓存方法及系统

Publications (1)

Publication Number Publication Date
CN113630631A true CN113630631A (zh) 2021-11-09

Family

ID=78387462

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110968430.2A Pending CN113630631A (zh) 2021-08-23 2021-08-23 一种基于协同过滤推荐算法的hls缓存方法及系统

Country Status (1)

Country Link
CN (1) CN113630631A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103745100A (zh) * 2013-12-27 2014-04-23 浙江大学 一种基于项目的混合显性隐性反馈的协同过滤推荐算法
CN105808537A (zh) * 2014-12-29 2016-07-27 Tcl集团股份有限公司 一种基于Storm的实时推荐方法及系统
CN108763314A (zh) * 2018-04-26 2018-11-06 深圳市腾讯计算机系统有限公司 一种兴趣推荐方法、装置、服务器及存储介质
CN109710805A (zh) * 2018-12-13 2019-05-03 百度在线网络技术（北京）有限公司 基于兴趣簇的视频交互方法和装置
CN110430471A (zh) * 2019-07-24 2019-11-08 山东海看新媒体研究院有限公司 一种基于瞬时计算的电视推荐方法和系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103745100A (zh) * 2013-12-27 2014-04-23 浙江大学 一种基于项目的混合显性隐性反馈的协同过滤推荐算法
CN105808537A (zh) * 2014-12-29 2016-07-27 Tcl集团股份有限公司 一种基于Storm的实时推荐方法及系统
CN108763314A (zh) * 2018-04-26 2018-11-06 深圳市腾讯计算机系统有限公司 一种兴趣推荐方法、装置、服务器及存储介质
CN109710805A (zh) * 2018-12-13 2019-05-03 百度在线网络技术（北京）有限公司 基于兴趣簇的视频交互方法和装置
CN110430471A (zh) * 2019-07-24 2019-11-08 山东海看新媒体研究院有限公司 一种基于瞬时计算的电视推荐方法和系统

Similar Documents

Publication Publication Date Title
US11438637B2 (en) Computerized system and method for automatic highlight detection from live streaming media and rendering within a specialized media player
KR101571443B1 (ko) 동영상 동시발생 통계에 기반한 동영상 추천
US10425455B2 (en) Prioritization in a continuous video playback experience
US8485876B2 (en) Monitoring a sports draft based on a need of a sports team and the best available player to meet that need
US20180048925A1 (en) Recommending media items based on take rate signals
CN102906689B (zh) 在站点上组织社交活动信息
US10490010B2 (en) Method and system for evaluating and sharing media
US20160199742A1 (en) Automatic generation of a game replay video
US10631060B2 (en) Video image reproduction device, video image distribution server, method of reproducing video image and method of distributing video image
US11023100B2 (en) Methods, systems, and media for creating and updating a group of media content items
CN108595492B (zh) 内容的推送方法和装置、存储介质、电子装置
US20170169040A1 (en) Method and electronic device for recommending video
US10708662B1 (en) Customized streaming of digital content
CN103686455A (zh) 一种基于hls协议的视频播放方法和装置
CN110929086A (zh) 一种音视频推荐方法、装置及存储介质
JP2016507811A (ja) コンピュータ記憶媒体及び先取り方法
US10187674B2 (en) Targeted promotion of original titles
US20210006948A1 (en) Providing a summary of media content to a communication device
CN108600780B (zh) 用于推送信息的方法、电子设备、计算机可读介质
CN111104583A (zh) 一种直播间推荐方法、存储介质、电子设备及系统
Zhang et al. Exploring viewer gazing patterns for touch-based mobile gamecasting
EP3256966A1 (en) Relevance table aggregation in a database system
CN113630631A (zh) 一种基于协同过滤推荐算法的hls缓存方法及系统
CN113111222A (zh) 短视频模板的生成方法、装置、服务器以及存储介质
US11011006B2 (en) Method and system for evaluating and sharing media

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: 20211109