CN114630187A - 应用信号云计算处理的精确获客系统 - Google Patents
应用信号云计算处理的精确获客系统 Download PDFInfo
- Publication number
- CN114630187A CN114630187A CN202210207417.XA CN202210207417A CN114630187A CN 114630187 A CN114630187 A CN 114630187A CN 202210207417 A CN202210207417 A CN 202210207417A CN 114630187 A CN114630187 A CN 114630187A
- Authority
- CN
- China
- Prior art keywords
- playing
- dynamic video
- model
- commodity
- neural network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
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
- H04N21/45—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
- H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
- H04N21/4666—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms using neural networks, e.g. processing the feedback provided by the user
-
- 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
- H04N21/23116—Content storage operation, e.g. caching movies for short term storage, replicating data over plural servers, prioritizing data for deletion involving data replication, e.g. over plural servers
-
- 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
- H04N21/431—Generation of visual interfaces for content selection or interaction; Content or additional data rendering
- H04N21/4312—Generation of visual interfaces for content selection or interaction; Content or additional data rendering involving specific graphical features, e.g. screen layout, special fonts or colors, blinking icons, highlights or animations
- H04N21/4316—Generation of visual interfaces for content selection or interaction; Content or additional data rendering involving specific graphical features, e.g. screen layout, special fonts or colors, blinking icons, highlights or animations for displaying supplemental content in a region of the screen, e.g. an advertisement in a separate window
-
- 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
- H04N21/433—Content storage operation, e.g. storage operation in response to a pause request, caching operations
- H04N21/4331—Caching operations, e.g. of an advertisement for later insertion during playback
-
- 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
- H04N21/458—Scheduling content for creating a personalised stream, e.g. by combining a locally stored advertisement with an incoming stream; Updating operations, e.g. for OS modules ; time-related management operations
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Business, Economics & Management (AREA)
- Marketing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明涉及一种应用信号云计算处理的精确获客系统。所述系统包括:模型再建设备,用于针对每一种类商品对应的神经网络模型执行以下再建动作:将所述种类商品历史上的各个启动播放时刻作为模型的输入数据和输出数据执行对模型的历次学习;请求解析设备,用于针对某一种类商品,将当前时刻之前的多个启动播放时刻为其对应模型的多个输入数据以运行模型获得模型的输出数据即预测的下一启动播放时刻,并在下一启动播放时刻到达时,发送广告发布请求。通过本系统,能够采用精确挖掘机制获取设定种类商品对应主视频的下一启动播放时刻,从而获取叠加设定种类商品的可靠启动时机,降低叠加视频广告对收看主视频内容的视频用户带来的干扰。
Description
技术领域
本发明涉及信号云计算处理领域,更具体地,涉及一种应用信号云计算处理的精确获客系统。
背景技术
信号云计算处理是电信的基础理论与技术。它的数学理论有方程论、函数论、数论、随机过程论、最小二乘方法以及最优化理论等,它的技术支柱是电路分析、合成以及电子计算机技术。信号云计算处理与当代模式识别、人工智能、神经网计算以及多媒体信息处理等有着密切的关系,它把基础理论与工程应用紧密联系起来。因此信号云计算处理是一门既有复杂数理分析背景,又有广阔实用工程前景的学科。现有技术中,在各大门户视频网站的播放主视频上悬浮播放广告画面是各大门户视频网站获取经济收益的一直主要获利方式。然而,这种方式如果使用不当,会削弱用户对门户视频网站的关注兴趣,转投到其他门户视频网站,例如,在对某一种类商品不感兴趣的时刻播放了包括某一种类商品的广告视频。
发明内容
为了解决现有技术中的技术问题,本发明提供了一种应用信号云计算处理的精确获客系统,能够针对每一种类商品建立基于自动编码器的神经网络模型,用于采用针对性的精确挖掘机制获取设定种类商品对应主视频的下一启动播放时刻,从而获取叠加设定种类商品的准确启动时机,在提升反应速度的同时迎合了视频用户的播放需求。
为此,本发明至少需要具备以下几处关键的发明点:
(1)针对每一种类商品建立基于自动编码器的神经网络模型,用于基于其对应的主视频在某一客户端的历史启动播放时刻预测下一启动播放时刻;
(2)在某一种类商品的下一启动播放时刻到达时,在其对应的主视频画面上叠加播放包括广告数据的动态画面,从而提前获取客户端用户的播放习惯,实现广告数据的定向准时投放。
根据本发明的一方面,提供了一种应用信号云计算处理的精确获客系统,所述系统包括:
信息存储部件,设置在视频发布平台的服务器端,用于存储各类商品分别对应的动态视频画面;
其中,存储各类商品分别对应的动态视频画面包括:每一种类商品对应的动态视频画面不止一个,分别对应不止一个所述种类下的各个商品对象;
缓存处理部件,设置在视频发布平台的客户端,与所述信息存储部件通过无线网络连接,用于在接收到包括目标商品种类的广告发布请求时,获取所述目标商品种类对应的不止一个动态视频画面,并按照所述不止一个动态视频画面各自播放优先权对所述不止一个动态视频画面执行播放顺序排序;
广告发布部件,与所述缓存处理部件连接,用于在探知所述缓存处理部件接收到所述广告发布请求时,将所述目标商品种类对应的不止一个动态视频画面中具有最高的播放优先权的动态视频画面叠加播放在所述视频发布平台当前播放的主视频画面上;
时刻鉴别设备,设置在视频发布平台的客户端,用于获知所述客户端处播放内容包括某一种类商品的各段主视频分别对应的启动播放时刻;
模型初建设备,与所述时刻鉴别设备连接,用于针对每一种类商品建立基于自动编码器的神经网络模型,所述神经网络模型以所述种类商品在某一启动播放时刻之前的多个启动播放时刻为多个输入数据,以所述某一启动播放时刻为输出数据;
模型再建设备,与所述模型初建设备连接,用于针对每一种类商品对应的神经网络模型执行以下再建动作:将所述种类商品历史上的各个启动播放时刻作为所述神经网络模型的输入数据和输出数据执行对所述神经网络模型的历次学习;
请求解析设备,分别与所述缓存处理部件和所述模型再建设备连接,用于针对某一种类商品,将当前时刻之前的多个启动播放时刻为其对应模型的多个输入数据以运行所述模型获得所述模型的输出数据即预测的下一启动播放时刻,并在下一启动播放时刻到达时,向所述缓存处理部件发送包括所述商品种类即目标商品种类的广告发布请求;
其中,将所述种类商品历史上的各个启动播放时刻作为所述神经网络模型的输入数据和输出数据执行对所述神经网络模型的历次学习包括:所述信息存储部件存储的动态视频画面对应的商品种类越多,执行对所述神经网络模型的历次学习的总数越多;
其中,所述神经网络模型以所述种类商品在某一启动播放时刻之前的多个启动播放时刻为多个输入数据,以所述某一启动播放时刻为输出数据包括:所述多个输入数据的总和与所述信息存储部件存储的所述种类商品对应的动态视频画面的数量正向关联;
其中,按照所述不止一个动态视频画面各自播放优先权对所述不止一个动态视频画面执行播放顺序排序包括:动态视频画面历史被播放的次数越多,其对应的播放优先权越低。
本发明的应用信号云计算处理的精确获客系统逻辑紧凑、应用广泛。由于能够采用精确挖掘机制获取设定种类商品对应主视频的下一启动播放时刻,从而获取叠加设定种类商品的可靠启动时机,降低叠加视频广告对收看主视频内容的视频用户带来的干扰。
附图简要说明
本领域技术人员通过参考附图可更好理解本发明的众多优点,其中:
图1是依照本发明的各个实施方案的应用信号云计算处理的精确获客系统的信息存储部件的结构示意图。
具体实施方式
视频广告,分为传统视频广告和移动视频广告两类。传统视频广告是指在视频内进行广告的设置和投放,而移动视频广告是指在移动设备(如:手机、PSP、平板电脑等)内进行的插播视频的模式。对很多传统行业的企业来讲,由于视频管理平台的开发难度较大,不会专门聘请一个技术团队进行视频管理平台的开发。企业网站的管理员为了省事,一般都会将企业的宣传视频上传到社会化分享网站,再将上传好的视频链接引回到企业网站进行播放。
现有技术中,在各大门户视频网站的播放主视频上悬浮播放广告画面是各大门户视频网站获取经济收益的一直主要获利方式。然而,这种方式如果使用不当,会削弱用户对门户视频网站的关注兴趣,转投到其他门户视频网站,例如,在对某一种类商品不感兴趣的时刻播放了包括某一种类商品的广告视频。
现在,将针对公开的主题对本发明进行具体的说明。
图1是依照本发明的各个实施方案的应用信号云计算处理的精确获客系统的信息存储部件的结构示意图。
<第一实施方案>
本发明的应用信号云计算处理的精确获客系统可以包括:
信息存储部件,如图1所示,由云计算存储节点来实现,设置在视频发布平台的服务器端,用于存储各类商品分别对应的动态视频画面;
其中,存储各类商品分别对应的动态视频画面包括:每一种类商品对应的动态视频画面不止一个,分别对应不止一个所述种类下的各个商品对象;
缓存处理部件,设置在视频发布平台的客户端,与所述信息存储部件通过无线网络连接,用于在接收到包括目标商品种类的广告发布请求时,获取所述目标商品种类对应的不止一个动态视频画面,并按照所述不止一个动态视频画面各自播放优先权对所述不止一个动态视频画面执行播放顺序排序;
广告发布部件,与所述缓存处理部件连接,用于在探知所述缓存处理部件接收到所述广告发布请求时,将所述目标商品种类对应的不止一个动态视频画面中具有最高的播放优先权的动态视频画面叠加播放在所述视频发布平台当前播放的主视频画面上;
时刻鉴别设备,设置在视频发布平台的客户端,用于获知所述客户端处播放内容包括某一种类商品的各段主视频分别对应的启动播放时刻;
模型初建设备,与所述时刻鉴别设备连接,用于针对每一种类商品建立基于自动编码器的神经网络模型,所述神经网络模型以所述种类商品在某一启动播放时刻之前的多个启动播放时刻为多个输入数据,以所述某一启动播放时刻为输出数据;
模型再建设备,与所述模型初建设备连接,用于针对每一种类商品对应的神经网络模型执行以下再建动作:将所述种类商品历史上的各个启动播放时刻作为所述神经网络模型的输入数据和输出数据执行对所述神经网络模型的历次学习;
请求解析设备,分别与所述缓存处理部件和所述模型再建设备连接,用于针对某一种类商品,将当前时刻之前的多个启动播放时刻为其对应模型的多个输入数据以运行所述模型获得所述模型的输出数据即预测的下一启动播放时刻,并在下一启动播放时刻到达时,向所述缓存处理部件发送包括所述商品种类即目标商品种类的广告发布请求;
其中,将所述种类商品历史上的各个启动播放时刻作为所述神经网络模型的输入数据和输出数据执行对所述神经网络模型的历次学习包括:所述信息存储部件存储的动态视频画面对应的商品种类越多,执行对所述神经网络模型的历次学习的总数越多;
其中,所述神经网络模型以所述种类商品在某一启动播放时刻之前的多个启动播放时刻为多个输入数据,以所述某一启动播放时刻为输出数据包括:所述多个输入数据的总和与所述信息存储部件存储的所述种类商品对应的动态视频画面的数量正向关联;
其中,按照所述不止一个动态视频画面各自播放优先权对所述不止一个动态视频画面执行播放顺序排序包括:动态视频画面历史被播放的次数越多,其对应的播放优先权越低;
按照所述不止一个动态视频画面各自播放优先权对所述不止一个动态视频画面执行播放顺序排序包括:动态视频画面的广告服务费越低,其对应的播放优先权越低;
按照所述不止一个动态视频画面各自播放优先权对所述不止一个动态视频画面执行播放顺序排序包括:动态视频画面的数据量越大,其对应的播放优先权越高;
在探知所述缓存处理部件接收到所述广告发布请求时,将所述目标商品种类对应的不止一个动态视频画面中具有最高的播放优先权的动态视频画面叠加播放在所述视频发布平台当前播放的主视频画面上包括:所述视频发布平台当前播放的主视频画面的播放界面大于所述目标商品种类对应的不止一个动态视频画面中具有最高的播放优先权的动态视频画面的播放界面。
<第二实施方案>
本发明的应用信号云计算处理的精确获客系统可以包括:
信息存储部件,如图1所示,由云计算存储节点来实现,设置在视频发布平台的服务器端,用于存储各类商品分别对应的动态视频画面;
其中,存储各类商品分别对应的动态视频画面包括:每一种类商品对应的动态视频画面不止一个,分别对应不止一个所述种类下的各个商品对象;
缓存处理部件,设置在视频发布平台的客户端,与所述信息存储部件通过无线网络连接,用于在接收到包括目标商品种类的广告发布请求时,获取所述目标商品种类对应的不止一个动态视频画面,并按照所述不止一个动态视频画面各自播放优先权对所述不止一个动态视频画面执行播放顺序排序;
广告发布部件,与所述缓存处理部件连接,用于在探知所述缓存处理部件接收到所述广告发布请求时,将所述目标商品种类对应的不止一个动态视频画面中具有最高的播放优先权的动态视频画面叠加播放在所述视频发布平台当前播放的主视频画面上;
时刻鉴别设备,设置在视频发布平台的客户端,用于获知所述客户端处播放内容包括某一种类商品的各段主视频分别对应的启动播放时刻;
模型初建设备,与所述时刻鉴别设备连接,用于针对每一种类商品建立基于自动编码器的神经网络模型,所述神经网络模型以所述种类商品在某一启动播放时刻之前的多个启动播放时刻为多个输入数据,以所述某一启动播放时刻为输出数据;
模型再建设备,与所述模型初建设备连接,用于针对每一种类商品对应的神经网络模型执行以下再建动作:将所述种类商品历史上的各个启动播放时刻作为所述神经网络模型的输入数据和输出数据执行对所述神经网络模型的历次学习;
请求解析设备,分别与所述缓存处理部件和所述模型再建设备连接,用于针对某一种类商品,将当前时刻之前的多个启动播放时刻为其对应模型的多个输入数据以运行所述模型获得所述模型的输出数据即预测的下一启动播放时刻,并在下一启动播放时刻到达时,向所述缓存处理部件发送包括所述商品种类即目标商品种类的广告发布请求;
其中,将所述种类商品历史上的各个启动播放时刻作为所述神经网络模型的输入数据和输出数据执行对所述神经网络模型的历次学习包括:所述信息存储部件存储的动态视频画面对应的商品种类越多,执行对所述神经网络模型的历次学习的总数越多;
其中,所述神经网络模型以所述种类商品在某一启动播放时刻之前的多个启动播放时刻为多个输入数据,以所述某一启动播放时刻为输出数据包括:所述多个输入数据的总和与所述信息存储部件存储的所述种类商品对应的动态视频画面的数量正向关联;
其中,按照所述不止一个动态视频画面各自播放优先权对所述不止一个动态视频画面执行播放顺序排序包括:动态视频画面历史被播放的次数越多,其对应的播放优先权越低;
总线控制接口,分别与所述时刻鉴别设备、所述模型初建设备、所述模型再建设备以及所述请求解析设备连接;
所述总线控制接口用于在所述时刻鉴别设备、所述模型初建设备、所述模型再建设备以及所述请求解析设备两两之间搭建并行数据总线;
按照所述不止一个动态视频画面各自播放优先权对所述不止一个动态视频画面执行播放顺序排序包括:动态视频画面的广告服务费越低,其对应的播放优先权越低;
按照所述不止一个动态视频画面各自播放优先权对所述不止一个动态视频画面执行播放顺序排序包括:动态视频画面的数据量越大,其对应的播放优先权越高;
在探知所述缓存处理部件接收到所述广告发布请求时,将所述目标商品种类对应的不止一个动态视频画面中具有最高的播放优先权的动态视频画面叠加播放在所述视频发布平台当前播放的主视频画面上包括:所述视频发布平台当前播放的主视频画面的播放界面大于所述目标商品种类对应的不止一个动态视频画面中具有最高的播放优先权的动态视频画面的播放界面。
<第三实施方案>
本发明的应用信号云计算处理的精确获客系统可以包括:
信息存储部件,如图1所示,由云计算存储节点来实现,设置在视频发布平台的服务器端,用于存储各类商品分别对应的动态视频画面;
其中,存储各类商品分别对应的动态视频画面包括:每一种类商品对应的动态视频画面不止一个,分别对应不止一个所述种类下的各个商品对象;
缓存处理部件,设置在视频发布平台的客户端,与所述信息存储部件通过无线网络连接,用于在接收到包括目标商品种类的广告发布请求时,获取所述目标商品种类对应的不止一个动态视频画面,并按照所述不止一个动态视频画面各自播放优先权对所述不止一个动态视频画面执行播放顺序排序;
广告发布部件,与所述缓存处理部件连接,用于在探知所述缓存处理部件接收到所述广告发布请求时,将所述目标商品种类对应的不止一个动态视频画面中具有最高的播放优先权的动态视频画面叠加播放在所述视频发布平台当前播放的主视频画面上;
时刻鉴别设备,设置在视频发布平台的客户端,用于获知所述客户端处播放内容包括某一种类商品的各段主视频分别对应的启动播放时刻;
模型初建设备,与所述时刻鉴别设备连接,用于针对每一种类商品建立基于自动编码器的神经网络模型,所述神经网络模型以所述种类商品在某一启动播放时刻之前的多个启动播放时刻为多个输入数据,以所述某一启动播放时刻为输出数据;
模型再建设备,与所述模型初建设备连接,用于针对每一种类商品对应的神经网络模型执行以下再建动作:将所述种类商品历史上的各个启动播放时刻作为所述神经网络模型的输入数据和输出数据执行对所述神经网络模型的历次学习;
请求解析设备,分别与所述缓存处理部件和所述模型再建设备连接,用于针对某一种类商品,将当前时刻之前的多个启动播放时刻为其对应模型的多个输入数据以运行所述模型获得所述模型的输出数据即预测的下一启动播放时刻,并在下一启动播放时刻到达时,向所述缓存处理部件发送包括所述商品种类即目标商品种类的广告发布请求;
其中,将所述种类商品历史上的各个启动播放时刻作为所述神经网络模型的输入数据和输出数据执行对所述神经网络模型的历次学习包括:所述信息存储部件存储的动态视频画面对应的商品种类越多,执行对所述神经网络模型的历次学习的总数越多;
其中,所述神经网络模型以所述种类商品在某一启动播放时刻之前的多个启动播放时刻为多个输入数据,以所述某一启动播放时刻为输出数据包括:所述多个输入数据的总和与所述信息存储部件存储的所述种类商品对应的动态视频画面的数量正向关联;
其中,按照所述不止一个动态视频画面各自播放优先权对所述不止一个动态视频画面执行播放顺序排序包括:动态视频画面历史被播放的次数越多,其对应的播放优先权越低;
总线控制接口,分别与所述时刻鉴别设备、所述模型初建设备、所述模型再建设备以及所述请求解析设备连接;
所述总线控制接口用于在所述时刻鉴别设备、所述模型初建设备、所述模型再建设备以及所述请求解析设备两两之间搭建并行数据总线;
参数存储部件,与所述模型再建设备连接,用于存储所述模型再建设备针对每一种类商品再建的、对应的神经网络模型;
按照所述不止一个动态视频画面各自播放优先权对所述不止一个动态视频画面执行播放顺序排序包括:动态视频画面的广告服务费越低,其对应的播放优先权越低;
按照所述不止一个动态视频画面各自播放优先权对所述不止一个动态视频画面执行播放顺序排序包括:动态视频画面的数据量越大,其对应的播放优先权越高;
在探知所述缓存处理部件接收到所述广告发布请求时,将所述目标商品种类对应的不止一个动态视频画面中具有最高的播放优先权的动态视频画面叠加播放在所述视频发布平台当前播放的主视频画面上包括:所述视频发布平台当前播放的主视频画面的播放界面大于所述目标商品种类对应的不止一个动态视频画面中具有最高的播放优先权的动态视频画面的播放界面。
另外,在所述应用信号云计算处理的精确获客系统中,在探知所述缓存处理部件接收到所述广告发布请求时,将所述目标商品种类对应的不止一个动态视频画面中具有最高的播放优先权的动态视频画面叠加播放在所述视频发布平台当前播放的主视频画面上包括:所述视频发布平台当前播放的主视频画面的清晰度等于所述目标商品种类对应的不止一个动态视频画面中具有最高的播放优先权的动态视频画面的清晰度。
因此,限定了以上公开的形状等的记述是为了容易理解本发明而做的示例记述,不是用来限定本发明的,所以使用将它们的形状、材质等的限定的一部分或全部限定除外的部件名称的记载也包括在并本发明中。
Claims (9)
1.一种应用信号云计算处理的精确获客系统,其特征在于,所述系统包括:
信息存储部件,设置在视频发布平台的服务器端,用于存储各类商品分别对应的动态视频画面;
其中,存储各类商品分别对应的动态视频画面包括:每一种类商品对应的动态视频画面不止一个,分别对应不止一个所述种类下的各个商品对象。
2.如权利要求1所述的应用信号云计算处理的精确获客系统,其特征在于,所述系统进一步包括:
缓存处理部件,设置在视频发布平台的客户端,与所述信息存储部件通过无线网络连接,用于在接收到包括目标商品种类的广告发布请求时,获取所述目标商品种类对应的不止一个动态视频画面,并按照所述不止一个动态视频画面各自播放优先权对所述不止一个动态视频画面执行播放顺序排序。
3.如权利要求2所述的应用信号云计算处理的精确获客系统,其特征在于,所述系统进一步包括:
广告发布部件,与所述缓存处理部件连接,用于在探知所述缓存处理部件接收到所述广告发布请求时,将所述目标商品种类对应的不止一个动态视频画面中具有最高的播放优先权的动态视频画面叠加播放在所述视频发布平台当前播放的主视频画面上;
时刻鉴别设备,设置在视频发布平台的客户端,用于获知所述客户端处播放内容包括某一种类商品的各段主视频分别对应的启动播放时刻;
模型初建设备,与所述时刻鉴别设备连接,用于针对每一种类商品建立基于自动编码器的神经网络模型,所述神经网络模型以所述种类商品在某一启动播放时刻之前的多个启动播放时刻为多个输入数据,以所述某一启动播放时刻为输出数据;
模型再建设备,与所述模型初建设备连接,用于针对每一种类商品对应的神经网络模型执行以下再建动作:将所述种类商品历史上的各个启动播放时刻作为所述神经网络模型的输入数据和输出数据执行对所述神经网络模型的历次学习;
请求解析设备,分别与所述缓存处理部件和所述模型再建设备连接,用于针对某一种类商品,将当前时刻之前的多个启动播放时刻为其对应模型的多个输入数据以运行所述模型获得所述模型的输出数据即预测的下一启动播放时刻,并在下一启动播放时刻到达时,向所述缓存处理部件发送包括所述商品种类即目标商品种类的广告发布请求;
其中,将所述种类商品历史上的各个启动播放时刻作为所述神经网络模型的输入数据和输出数据执行对所述神经网络模型的历次学习包括:所述信息存储部件存储的动态视频画面对应的商品种类越多,执行对所述神经网络模型的历次学习的总数越多;
其中,所述神经网络模型以所述种类商品在某一启动播放时刻之前的多个启动播放时刻为多个输入数据,以所述某一启动播放时刻为输出数据包括:所述多个输入数据的总和与所述信息存储部件存储的所述种类商品对应的动态视频画面的数量正向关联;
其中,按照所述不止一个动态视频画面各自播放优先权对所述不止一个动态视频画面执行播放顺序排序包括:动态视频画面历史被播放的次数越多,其对应的播放优先权越低。
4.如权利要求3所述的应用信号云计算处理的精确获客系统,其特征在于,所述系统进一步包括:
总线控制接口,分别与所述时刻鉴别设备、所述模型初建设备、所述模型再建设备以及所述请求解析设备连接。
5.如权利要求4所述的应用信号云计算处理的精确获客系统,其特征在于:
所述总线控制接口用于在所述时刻鉴别设备、所述模型初建设备、所述模型再建设备以及所述请求解析设备两两之间搭建并行数据总线。
6.如权利要求3所述的应用信号云计算处理的精确获客系统,其特征在于,所述系统进一步包括:
参数存储部件,与所述模型再建设备连接,用于存储所述模型再建设备针对每一种类商品再建的、对应的神经网络模型。
7.如权利要求4-6任一所述的应用信号云计算处理的精确获客系统,其特征在于:
按照所述不止一个动态视频画面各自播放优先权对所述不止一个动态视频画面执行播放顺序排序包括:动态视频画面的广告服务费越低,其对应的播放优先权越低。
8.如权利要求4-6任一所述的应用信号云计算处理的精确获客系统,其特征在于:
按照所述不止一个动态视频画面各自播放优先权对所述不止一个动态视频画面执行播放顺序排序包括:动态视频画面的数据量越大,其对应的播放优先权越高。
9.如权利要求4-6任一所述的应用信号云计算处理的精确获客系统,其特征在于:
在探知所述缓存处理部件接收到所述广告发布请求时,将所述目标商品种类对应的不止一个动态视频画面中具有最高的播放优先权的动态视频画面叠加播放在所述视频发布平台当前播放的主视频画面上包括:所述视频发布平台当前播放的主视频画面的播放界面大于所述目标商品种类对应的不止一个动态视频画面中具有最高的播放优先权的动态视频画面的播放界面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210207417.XA CN114630187B (zh) | 2022-03-04 | 2022-03-04 | 应用信号云计算处理的精确获客系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210207417.XA CN114630187B (zh) | 2022-03-04 | 2022-03-04 | 应用信号云计算处理的精确获客系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114630187A true CN114630187A (zh) | 2022-06-14 |
CN114630187B CN114630187B (zh) | 2022-09-27 |
Family
ID=81900695
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210207417.XA Active CN114630187B (zh) | 2022-03-04 | 2022-03-04 | 应用信号云计算处理的精确获客系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114630187B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101079721A (zh) * | 2007-03-13 | 2007-11-28 | 腾讯科技(深圳)有限公司 | 一种在网络直播环境中轮播缓冲广告的方法及系统 |
CN101534315A (zh) * | 2008-03-14 | 2009-09-16 | 深圳市莱科电子技术有限公司 | 一种与定位导航相结合的广告信息发布系统 |
US20140081748A1 (en) * | 2012-09-14 | 2014-03-20 | International Business Machines Corporation | Customized television commercials |
CN106600314A (zh) * | 2016-11-23 | 2017-04-26 | 深圳市掌众信息技术有限公司 | 一种广告推送系统 |
CN108174260A (zh) * | 2017-12-29 | 2018-06-15 | 深圳正品创想科技有限公司 | 一种视频广告播放方法和装置 |
CN111832296A (zh) * | 2020-07-17 | 2020-10-27 | 霍祥明 | 一种基于大数据的多媒体广告智能投放管理系统 |
-
2022
- 2022-03-04 CN CN202210207417.XA patent/CN114630187B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101079721A (zh) * | 2007-03-13 | 2007-11-28 | 腾讯科技(深圳)有限公司 | 一种在网络直播环境中轮播缓冲广告的方法及系统 |
CN101534315A (zh) * | 2008-03-14 | 2009-09-16 | 深圳市莱科电子技术有限公司 | 一种与定位导航相结合的广告信息发布系统 |
US20140081748A1 (en) * | 2012-09-14 | 2014-03-20 | International Business Machines Corporation | Customized television commercials |
CN106600314A (zh) * | 2016-11-23 | 2017-04-26 | 深圳市掌众信息技术有限公司 | 一种广告推送系统 |
CN108174260A (zh) * | 2017-12-29 | 2018-06-15 | 深圳正品创想科技有限公司 | 一种视频广告播放方法和装置 |
CN111832296A (zh) * | 2020-07-17 | 2020-10-27 | 霍祥明 | 一种基于大数据的多媒体广告智能投放管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114630187B (zh) | 2022-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110321958B (zh) | 神经网络模型的训练方法、视频相似度确定方法 | |
CN110134880B (zh) | 评论数据的提供、显示方法、装置、电子设备及存储介质 | |
CN105117491B (zh) | 页面推送方法和装置 | |
JP2020533920A (ja) | 自動コンテンツ認識のための広告フレームのフラッギング | |
CN107623862B (zh) | 多媒体信息推送控制方法、装置及服务器 | |
CN110866040B (zh) | 用户画像生成方法、装置和系统 | |
CN114896454B (zh) | 一种基于标签分析的短视频数据推荐方法及系统 | |
CN105302925A (zh) | 推送语音搜索数据的方法和装置 | |
CN110084567A (zh) | 电子印章使用方法、装置、设备及计算机可读存储介质 | |
CN112233428A (zh) | 车流量预测方法、装置、存储介质及设备 | |
CN113850669A (zh) | 用户分群方法、装置、计算机设备及计算机可读存储介质 | |
CN114630187B (zh) | 应用信号云计算处理的精确获客系统 | |
CN113205189A (zh) | 训练预测模型的方法、预测方法及装置 | |
CN110162689A (zh) | 信息推送方法、装置、计算机设备和存储介质 | |
CN116029371B (zh) | 基于预训练的联邦学习工作流构建方法及相关设备 | |
CN104657805A (zh) | 不动产信息分析管理系统及方法 | |
CN107330069B (zh) | 一种多媒体数据处理方法及其装置、服务器、存储介质 | |
CN113128597B (zh) | 一种用户行为特征的提取和分类预测的方法及装置 | |
CN112291625B (zh) | 信息质量处理方法、装置、电子设备及存储介质 | |
CN108737133A (zh) | 用于cdn静态网络修复的方法及装置 | |
CN111818114B (zh) | 信息分享方法和装置 | |
CN116957675A (zh) | 一种广告转化率预测的方法、装置、存储介质及程序产品 | |
CN114446039A (zh) | 客流分析方法及相关设备 | |
CN113849757A (zh) | 网页加载耗时计算方法、装置、存储介质以及终端 | |
CN118096261A (zh) | 信息处理方法、装置、设备以及存储介质 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220905 Address after: 3 cards, 12th floor, Block 3, Zima Pentium Plaza, No. 2, Zhongshan 5th Road, East District, Zhongshan City, Guangdong Province, 528400 Applicant after: Guangdong Chuangdao Holding Group Co.,Ltd. Address before: No. 150, JinJiHu Road, Suqian Economic Development Zone, Jiangsu 223800 Applicant before: Li Yajun |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |