CN114979679A - 一种资源下发方法、装置、设备和存储介质 - Google Patents

一种资源下发方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN114979679A
CN114979679A CN202110220305.3A CN202110220305A CN114979679A CN 114979679 A CN114979679 A CN 114979679A CN 202110220305 A CN202110220305 A CN 202110220305A CN 114979679 A CN114979679 A CN 114979679A
Authority
CN
China
Prior art keywords
resource
time length
feed stream
resources
unplayed
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
CN202110220305.3A
Other languages
English (en)
Inventor
杨典
严冰
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 Zitiao Network Technology Co Ltd
Original Assignee
Beijing Zitiao 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 Beijing Zitiao Network Technology Co Ltd filed Critical Beijing Zitiao Network Technology Co Ltd
Priority to CN202110220305.3A priority Critical patent/CN114979679A/zh
Priority to PCT/CN2022/077189 priority patent/WO2022179481A1/zh
Publication of CN114979679A publication Critical patent/CN114979679A/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
    • H04N21/21—Server components or server architectures
    • H04N21/218—Source of audio or video content, e.g. local disk arrays
    • H04N21/2187—Live feed
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/80—Responding to QoS
    • 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
    • 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
    • H04N21/262—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists
    • 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
    • H04N21/262—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists
    • H04N21/26283—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists for associating distribution time parameters to content, e.g. to generate electronic program guide data
    • 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
    • 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
    • H04N21/44213—Monitoring of end-user related data
    • 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
    • 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
    • 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]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/845—Structuring of content, e.g. decomposing content into time segments
    • 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]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/845—Structuring of content, e.g. decomposing content into time segments
    • H04N21/8456—Structuring of content, e.g. decomposing content into time segments by decomposing the content in the time domain, e.g. in time segments

Abstract

本公开实施例提供一种资源下发方法、装置、设备和存储介质，所述资源下发方法包括：基于时长预测模型确定当前feed流中未播资源的预计播放时长；基于预计播放时长与预设时长的比较结果，确定补充资源的下发时机。本公开实施例的技术方案中利用feed流中未播资源的预计播放时长与预设时长比较的结果，确定补充资源的下发时机，实现了feed流的资源动态下发的效果。

Description

一种资源下发方法、装置、设备和存储介质
技术领域
本公开实施例涉及流媒体处理技术领域，尤其涉及一种资源下发方法、装置、设备和存储介质。
背景技术
随着移动互联网的发展和智能终端的普及，短视频业务迎来爆发式的增长。在feed流资源场景下，服务端分批次向用户端的feed流中下发资源。服务端每次根据用户爱好、标签、历史行为等实时下发资源到feed流中供用户消费。
为了提升用户的观看体验，减少卡顿和首帧时长，服务端通常会在当前feed流中的资源被消费完之前向用户端下发下一批次资源。例如，当前feed流中未播放资源少于2个，向用户端下发新一批资源。上述资源下发方法不能动态地调整视频资源下发的时机。
发明内容
本公开实施例提供一种资源下发方法、装置、设备和存储介质，实现动态地调整视频资源下发的时机。
第一方面，本公开实施例提供了一种资源下发方法，包括：
基于时长预测模型确定当前信息feed流中未播资源的预计播放时长；
基于所述预计播放时长与预设时长的比较结果，确定补充资源的下发时机。
第二方面，本公开实施例还提供了一种资源下发装置，包括：
播放时长预测模块，用于基于时长预测模型确定当前feed流中未播资源的预计播放时长；
下发时机确定模块，用于基于所述预计播放时长与预设时长的比较结果，确定补充资源的下发时机。
第三方面，本公开实施例还提供了一种资源下发设备，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本公开实施例中任一项所述的资源下发方法。
第四方面，本公开实施例还提供了一种介质，所述介质存储有计算机程序，所述计算机程序被处理器执行时实现如本公开实施例中任一项所述的资源下发方法。
本公开实施例提供一种资源下发方法、装置、设备和介质，所述资源下发方法包括：基于时长预测模型确定当前feed流中未播资源的预计播放时长；基于所述预计播放时长与预设时长的比较结果，确定补充资源的下发时机。本公开实施例的技术方案中利用feed流中未播资源的预计播放时长与预设时长比较的结果，确定补充资源的下发时机，实现了feed流的视频资源动态下发的效果。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1是本公开实施例提供的一种资源下发方法的流程图；
图2是本公开实施例提供的一种时长预测模型的结构示意图；
图3是本公开实施例提供的一种资源下发方法的流程图；
图4是本公开实施例提供的服务端与用户端的交互示意图；
图5是本公开实施例提供的一种资源下发装置的示意图；
图6是本公开实施例提供的一种电子设备的结构图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
首先，对本公开中出现的词语进行解释。
本公开实施例中的“feed”可以是将用户主动订阅的若干消息源组合在一起形成内容聚合器，帮助用户持续地获取最新的订阅源内容，feed是简易信息聚合(ReallySimple Syndication，RSS)中用来接收该信息来源的接口。
本公开实施例中的feed流，又称为信息流，是一种持续更新的信息流，可以将RSS中的信息推送给用户。
其中，feed流的展现形式有很多种，包括但不限于：基于时间线的展现形式timeline、基于智能排序的展现形式rank，其中，timeline是最典型的feed流展示方式，按照feed流内容更新的时间先后顺序，将内容展示给用户；rank是按照某些因素计算feed流内容的权重，从而决定feed流内容展示的先后顺序。
目前服务端向用户端下发feed流资源的形式主要由以下几种：
推Push模式下，若某个用户更新了动态信息，服务端会向关注该用户的每个关注者进行该动态信息的推送，将推送的资源存放在服务器的缓存池中并推送到每个关注者的feed流中，占用缓存资源，若需要推送的信息量比较大，则需要占用大量的服务器缓存资源。
拉Pull模式，服务端根据用户的主动请求，确定用户请求访问自身的feed流时，会将feed流中该用户请求访问的资源推送给该用户并缓存到服务器的缓存池中。
拉Pull模式，节省了大量资源占用，但用户在访问自己的关注内容时要先进行feed拉取操作，使得用户可能需要等待一段时间，增加了卡顿和首帧时长，影响用户体验。为此，服务端通常会在当前feed流中的视频资源被消费完之前向用户端下发下一批次视频。例如，当前feed流中未播放视频资源少于4个，向用户端下发新一批视频资源。上述方法的缺陷在于不能动态地调整视频资源下发的时机。例如：剩余4个未播放资源可能都是用户不喜欢观看的内容，用户可能直接跳过并未播放，由于第5个资源并未下发，当用户请求第5个资源下发，并下发加载，可能导致第5个资源的播放卡顿。
为了解决上述技术问题，本公开实施例提供了一种资源下发方法、装置、设备和存储介质，利用feed流中未播资源的预计播放时长与预设时长比较的结果，确定补充资源的下发时机，实现了feed流的资源动态下发的效果。在剩余资源的播放时长不足时，及时地向feed流中补充资源，通过提前向feed流中补充资源，补充进来的资源也可以进行预加载等策略，减少了后续资源播放卡顿等现象，整体播放体验提升。在剩余播放时长充足时，暂缓下发资源，收集相对更实时的用户行为、操作，达到更好的推荐效果。
下面结合具体的实施例，对本公开实施例提供的资源下发方法、装置、设备和存储介质进行详细介绍。
图1是本公开实施例提供的一种资源下发方法的流程图，本实施例可适用于动态下发feed流中的视频资源的情况，该方法可以由资源下发装置来执行，所述装置可以通过软件和/或硬件的方式来实现。所述资源下发方法应用于计算机设备中。所述计算机设备中安装由执行feed流播放的应用程序，具体的，所述资源下发方法由安装feed流播放的应用程序的用户端来执行。
需要说明的是，本实施例所提供的资源下发方法具体可以在计算机设备上使用，并可认为具体由集成在计算机设备上的资源下发装置执行，其中，计算机设备具体可以是包括了处理器、存储器、输入装置和输出装置的计算机设备。如笔记本电脑、台式计算机、平板电脑以及智能终端等。
本公开实施例提供的资源下发方法也可应用于其他与计算机设备具有相同功能的智能设备，本公开实施例对上述资源下发的应用场景及应用设备进行说明，而非限定。
如图1所示，本实施例提供的资源下发方法主要包括步骤S11、S12。
S11、基于时长预测模型确定当前feed流中未播资源的预计播放时长。
其中，feed流可以是一列可以不断向下滑动不断加载的资源列表，每个feed条目都是一个独立的资源。feed流中的资源可以是文字、图片、视频，甚至是可操作的卡片等。
当前feed流是指服务端已经推送到用户端，用户端正在执行播放的feed流。当前feed流中主要包括已播资源，当前资源和未播资源。已播资源是指用户端已经播放，用户已经观看过的资源；当前资源是指用户端正在播放，用户正在观看的资源；未播资源是指用户端还没有播放的资源。
当前feed流中未播资源的预计播放时长是指当前feed流中未播资源可能会观看的时长。在实际应用中，未播资源的总时长可能是10分钟，但是由于用户个人喜好，或者网络卡顿等原因，选择跳过其中一个资源，不进行播放，那么未播资源的实际播放时长要小于未播资源的总时长。
为了更准确的确定下一批次feed流资源的下发时机，需要对未播资源的可能播放时长进行预测，以得到当前feed流中未播资源的预计播放时长。
在一个实施方式中，通过预训练的方式得到时长预测模型，将用户历史行为、用户自定义信息、未播资源类型、未播资源个数、各个未播资源时长和未播资源总时长输入至时长预测模型，时长预测模型输出当前feed流中未播资源的预计播放时长。
在一个实施方式中，通过预训练的方式得到时长预测模型，将用户历史行为、用户自定义信息、未播资源类型、未播资源个数和各个未播资源时长输入至时长预测模型，时长预测模型输出当前feed流中未播资源的预计播放比例。基于该比例与未播资源的总时长计算未播资源的预计播放时长。具体的，可以是将该比例与未播资源的总时长之积确定为未播资源的预计播放时长。
在本公开实施例中，提供一种时长预测模型的训练方法，主要包括如下步骤：利用用户历史行为、用户自定义信息、已播资源类型、已播资源个数、已播资源总时长、未播资源类型、未播资源个数、各个未播资源时长和未播资源总时长等特征训练神经网络模型，得到时长预测模型。
在使用时长预测模型预测当前feed流中未播资源的预计播放时长时，时长预测模型的输入是利用用户历史行为、用户自定义信息、未播资源类型、未播资源个数、各个未播资源时长和未播资源总时长，输出是当前feed流中未播资源在当前用户的行为模式下预计播放时长。
需要说明的是，由于上述两个实施方式中，时长预测模型的输出结果不相同，其仅是模型训练过程中设置的模型参数不相同。使用时长预测模型时的输出结果和其训练的输出结果一致即可。
图2是本公开实施例提供的一种时长预测模型的结构示意图，如图2所示，时长预测模型主要包括输入层，n个中间层和输出层，输入层接收到的特征参数主要包括：用户历史行为、用户自定义信息、视频类型和已播资源播放时长等。经过n个中间层进行学习和预测之后，输出层输出未播资源的预计播放时长。
S12、基于所述预计播放时长与预设时长的比较结果，确定补充资源的下发时机。
在本实施例中，预设时长是指根据资源下发时间确定的一个参考阈值，预设时长可以根据网络上传下载速度等参数进行设定。预设时长可以是10秒，30秒，或者1分钟等。本实施例中不具体限定预设时长的具体数值。
其中，补充资源是指服务端下发到用户端，补充到feed流中的资源。下发时机是指服务端下发补充资源到feed流中的时间点。资源下发是指服务端将资源的相关信息发送至用户端，可以是资源的加载地址，加载方式等。
进一步的，基于所述预计播放时长与预设时长的比较结果，确定当前时刻是否要服务端下发补充资源。
具体的，如果预计播放时长小于或等于预设时长，则确定当前时刻服务端要下发补充资源到用户端的feed流中，通过提前向feed流中补充视频资源，补充进来的资源可以进行预加载等策略，减少了后续资源播放卡顿等现象。如果预计播放时长大于预设时长，则确定当前时刻feed流中的未播资源可以供用户使用，不需要服务端要下发补充资源到用户端的feed流中。
本公开实施例提供一种资源下发方法包括：基于时长预测模型确定当前feed流中未播资源的预计播放时长；基于预计播放时长与预设时长的比较结果，确定补充资源的下发时机。本公开实施例的技术方案中利用feed流中未播资源的预计播放时长与预设时长比较的结果，确定补充资源的下发时机，实现了feed流的视频资源动态下发的效果。在剩余播放时长不足时，及时地向feed流中补充视频资源，通过提前向feed流中补充视频资源，补充进来的视频也可以进行预加载等策略，减少了后续视频播放卡顿等现象，整体播放体验提升。在剩余播放时长充足时，暂缓下发视频资源，收集相对更实时的用户行为、操作，达到更好的推荐效果。
在上述实施例的基础上，本公开实施例进一步优化了资源下发方法，图3是本公开实施例提供的一种资源下发方法的流程图，如图3所示，本公开实施例提供的资源下发方法主要包括如下步骤：
S21、基于时长预测模型确定当前feed流中未播资源的预计播放时长。
在一个实施方式中，在检测到当前资源开始播放时，基于时长预测模型确定当前feed流中未播资源的预计播放时长。
其中，检测到当前资源开始播放可以是检测到当前资源的首帧开始播放，检测到当前资源开始播放也可以是或者检测到用户执行开播对应的操作指令，如检测到用户点击开播按钮，检测到用户执行上滑或者下滑操作。还检测到当前资源开始播放也可以检测到资源切换指令。本实施例中，仅对检测到当前资源开始播放的方式进行说明，而非限定。
在本实施例中，检测到当前资源开始播放后，再预测当前feed流中未播资源的预计播放时长，对预测未播资源的播放时长规定了时间点，避免了频繁的进行预测，导致的资源浪费，可以有效节省内存资源。
在一个实施方式中，基于时长预测模型确定当前feed流中未播资源的预计播放时长，包括：获取用户历史行为和未播资源参数，所述未播资源参数包括未播资源类型、未播资源个数、未播资源时长和未播资源总时长；将所述用户历史行为和未播资源参数输入至所述时长预测模型，得到当前feed流中未播资源的预计播放时长。
其中，用户历史行为是指用户先前观看历史资源的相关操作行为，例如：点赞、评论、关注、添加收藏、下载和分享等。资源类型是表征资源类别的参数，例如：动作、搞笑、吃播、美妆等。
进一步的，在上述实施例的基础上，还可以在获取用户历史行为和未播资源参数的同时，获取用户自定义信息。并将所述用户历史行为、用户自定义信息和未播资源参数输入至所述时长预测模型，得到当前feed流中未播资源的预计播放时长。
其中，上述用户自定义信息是指用户在用户端公开的个人信息，例如：可以是用户昵称、用户类型等。
具体的，在使用时长预测模型预测当前feed流中未播资源的预计播放时长时，时长预测模型的输入是利用用户历史行为、用户自定义信息、未播资源类型、未播资源个数、各个未播资源时长和未播资源总时长。得到当前feed流中未播资源在当前用户的行为模式下预计播放时长。
需要说明的是，时长预测模型的训练方式和结构可以参照上述实施例中的描述，本实施例中不进行限定。
本实施例中，采用多维特征输入预训练的神经网络模型得到当前feed流中未播资源在当前用户的行为模式下预计播放时长的技术方案，可以提高预计播放时长的准确性。
S22、判断预计播放时长是否大于预设时长，若是，则执行S23，若否，则执行S26。
S23、当所述预计播放时长大于预设时长时，禁止补充资源下发。
在本实施例中，如果预计播放时长大于预设时长，则表明当前feed流中的未播资源充足，不需要向服务端请求资源下发。此时，暂缓下发视频资源，用户端收集相对更实时的用户行为操作，达到更好的推荐效果。
S24、检测下一资源的播放状态。
在本实施例中，下一资源是指当前feed流中当前资源播放之后进行播放资源。检测下一资源的播放状态可以理解为实时检测下一资源是否开始播放。
S25、在检测到下一资源的播放状态是开始播放时，则返回执行S21。
如果检测到下一资源的播放状态是开始播放，则表明用户开始观看下一资源，此时，重新执行于时长预测模型确定当前feed流中未播资源的预计播放时长的步骤，并判断预测补充资源的下发时机，避免了频繁的进行预测，导致的资源浪费，可以有效节省内存资源。
S26、当预计播放时长小于或等于预设时长时，触发补充资源开始下发。
在一个实施方式中，触发补充资源开始下发，包括：向服务端发送资源下发请求，所述资源下发请求用于请求服务端下发资源。
在本实施例中，如果预计播放时长小于或等于预设时长，则表明剩余播放时长不足，需要向当前feed流中补充新的资源，此时，客户端向服务端发送资源下发请求，请求服务端下发预先准备的资源。
进一步的，客户端向服务端发送资源下发请求的同时，用户端还可以发送用户行为信息至服务端，服务端根据用户行为信息从海量视频中筛选出多个候选视频，并将候选视频打分排序，选取个性化的前N个视频下发到当前用户的feed流中。
进一步的，接收到服务端下发的补充资源后，对补充资源进行预加载操作，减少了后续播放卡顿等现象，整体播放体验提升。
本公开实施例的技术方案中利用feed流中未播资源的预计播放时长与预设时长比较的结果，确定补充资源的下发时机，实现了feed流的视频资源动态下发的效果。在剩余播放时长不足时，及时地向feed流中补充视频资源，通过提前向feed流中补充视频资源，补充进来的视频也可以进行预加载等策略，减少了后续视频播放卡顿等现象，整体播放体验提升。在剩余播放时长充足时，暂缓下发视频资源，收集相对更实时的用户行为、操作，达到更好的推荐效果。
在上述实施例的基础上，提供另一种实施方式，基于时长预测模型确定当前feed流中未播资源的预计播放时长与预设时长的比较结果。
在本实施例中，当前feed流中未播资源的预计播放时长与预设时长的比较结果由时长预测模型直接输出。
需要说明的是，在上述实施例中，时长预测模型输出的是当前feed流中未播资源的预计播放时长，即是一个时间值。预计播放时长和预设时长的比较由资源下发装置来执行。在本实施例中，当前feed流中未播资源的预计播放时长是时长预测模型其中的一个中间变量，时长预测模型可以直接比较当前feed流中未播资源的预计播放时长与预设时长的大小，此时时长预测模型的输出结果是二分类变量，即输出内容是：“是”或者“否”。具体的，当所述预计播放时长小于或等于预设时长时，时长预测模型输出“是”，当所述预计播放时长大于预设时长时，时长预测模型输出“否”。进一步的，时长预测模型输出“是”时，触发补充资源开始下发，时长预测模型输出“否”时，禁止补充资源下发。
本公开实施例中，通过时长预测模型直接输出比较结果，可以减少资源下发装置的运算时间，提高资源下发时机确定速度。
在一个应用性实例中，以未播资源是视频资源为例进行说明，图4是本公开实施例提供的服务端与用户端的交互示意图，如图4所示，客户端检测到视频开播之后，将对应的特征发送至训练好的时长预测模型中进行预测，判断feed流中未播视频的播放时长能否大于预设时长x秒。若未播视频的播放时长大于到预设时长x秒，则不触发下发更多视频逻辑，等待下一次视频播放时再行判断。若未播视频的播放时长小于或等于预设时长x秒，则触发下发更多视频逻辑，即用户端向服务端发送视频下发请求，请求服务端下发视频。同时，用户端发送用户历史行为至服务端，服务端根据用户历史行为从海量视频中筛选出多个候选视频，并将候选视频打分排序，选取个性化的前N个视频下发到当前用户的feed流中。
经过本实施例中的预测、判断流程，达到了feed流的短视频资源动态下发的效果，在剩余播放时长不足时及时地向feed流中补充视频资源，通过提前向feed流中补充视频资源，补充进来的视频可以进行预加载等策略，减少了后续视频播放卡顿等现象，整体播放体验提升；在剩余播放时长充足时，暂缓下发视频资源，收集相对更实时的用户行为、操作，达到更好的推荐效果。
图5是本公开实施例提供的一种资源下发装置的示意图，本实施例可适用于动态下发feed流中的视频资源的情况，所述装置可以通过软件和/或硬件的方式来实现。所述资源下发装置配置于计算机设备中。所述计算机设备中安装由执行feed流播放的应用程序，具体的，所述资源下发方法由安装feed流播放的应用程序的用户端来执行。
如图5所示，本实施例提供的资源下发装置主要包括播放时长预测模块51和下发时机确定模块52。
其中，播放时长预测模块51，用于基于时长预测模型确定当前feed流中未播资源的预计播放时长；
下发时机确定模块52，用于基于所述预计播放时长与预设时长的比较结果，确定补充资源的下发时机。
本公开实施例提供一种资源下发装置，主要用于执行如下操作：基于时长预测模型确定当前feed流中未播资源的预计播放时长；基于所述预计播放时长与预设时长的比较结果，确定补充资源的下发时机。本公开实施例的技术方案中利用feed流中未播资源的预计播放时长与预设时长比较的结果，确定补充资源的下发时机，实现了feed流的视频资源动态下发的效果。
在一个实施方式中，还包括：基于时长预测模型确定当前feed流中未播资源的预计播放时长与预设时长的比较结果，执行基于所述预计播放时长与预设时长的比较结果，确定补充资源的下发时机的操作。
在一个实施方式中，播放时长预测模块51，具体用于在检测到当前资源开始播放时，基于时长预测模型确定当前feed流中未播资源的预计播放时长。
在一个实施方式中，播放时长预测模块51，具体用于获取用户历史行为和未播资源参数，所述未播资源参数包括未播资源类型、未播资源个数、未播资源时长和未播资源总时长；
将所述用户历史行为和未播资源参数输入至所述时长预测模型，得到当前feed流中未播资源的预计播放时长。
在一个实施方式中，下发时机确定模块52，具体用于当所述预计播放时长小于或等于预设时长时，触发补充资源开始下发；当所述预计播放时长大于预设时长时，禁止补充资源下发。
在一个实施方式中，当所述预计播放时长大于预设时长时，禁止补充资源下发之后，还包括：检测下一资源的播放状态；在检测到下一资源的播放状态是开始播放时，执行基于时长预测模型确定当前feed流中未播资源的预计播放时长的操作。
在一个实施方式中，触发补充资源开始下发，包括：向服务端发送资源下发请求，所述资源下发请求用于请求服务端下发资源。
本实施例所提供的资源下发装置可执行本公开任意实施例所提供的资源下发方法，具备执行资源下发方法相应的功能模块和有益效果。
下面参考图6，其示出了适于用来实现本公开实施例的电子设备(例如图6中的终端设备或服务端)600的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置606加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置608；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置606；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，用户端、服务端可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：
基于时长预测模型确定当前feed流中未播资源的预计播放时长；
基于所述预计播放时长与预设时长的比较结果，确定补充资源的下发时机。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务端上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例，提供了资源下发方法、装置、设备和介质，包括：
基于时长预测模型确定当前信息feed流中未播资源的预计播放时长；
基于所述预计播放时长与预设时长的比较结果，确定补充资源的下发时机。
根据本公开的一个或多个实施例，提供了资源下发方法、装置、设备和介质，还包括：
基于时长预测模型确定当前feed流中未播资源的预计播放时长与预设时长的比较结果，执行基于所述预计播放时长与预设时长的比较结果，确定补充资源的下发时机的操作。
根据本公开的一个或多个实施例，提供了资源下发方法、装置、设备和介质，基于时长预测模型确定当前feed流中未播资源的预计播放时长，包括：
在检测到当前资源开始播放时，基于时长预测模型确定当前feed流中未播资源的预计播放时长。
根据本公开的一个或多个实施例，提供了资源下发方法、装置、设备和介质，基于时长预测模型确定当前feed流中未播资源的预计播放时长，包括：
获取用户历史行为和未播资源参数，所述未播资源参数包括未播资源类型、未播资源个数、未播资源时长和未播资源总时长；
将所述用户历史行为和未播资源参数输入至所述时长预测模型，得到当前feed流中未播资源的预计播放时长。
根据本公开的一个或多个实施例，提供了资源下发方法、装置、设备和介质，基于所述预计播放时长与预设时长的比较结果，确定补充资源的下发时机，包括：
当所述预计播放时长小于或等于预设时长时，触发补充资源开始下发；
当所述预计播放时长大于预设时长时，禁止补充资源下发。
根据本公开的一个或多个实施例，提供了资源下发方法、装置、设备和介质，当所述预计播放时长大于预设时长时，禁止补充资源下发之后，还包括：
检测下一资源的播放状态；
在检测到下一资源的播放状态是开始播放时，执行基于时长预测模型确定当前feed流中未播资源的预计播放时长的操作。
根据本公开的一个或多个实施例，提供了资源下发方法、装置、设备和介质，触发视频资源下发操作，包括：
触发补充资源开始下发，包括：
向服务端发送资源下发请求，所述资源下发请求用于请求服务端下发资源。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (10)

1.一种资源下发方法，其特征在于，包括：
基于时长预测模型确定当前信息feed流中未播资源的预计播放时长；
基于所述预计播放时长与预设时长的比较结果，确定补充资源的下发时机。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
基于时长预测模型确定当前feed流中未播资源的预计播放时长与预设时长的比较结果。
3.根据权利要求1所述的方法，其特征在于，基于时长预测模型确定当前feed流中未播资源的预计播放时长，包括：
在检测到当前资源开始播放时，基于时长预测模型确定当前feed流中未播资源的预计播放时长。
4.根据权利要求1或2所述的方法，其特征在于，基于时长预测模型确定当前feed流中未播资源的预计播放时长，包括：
获取用户历史行为和未播资源参数，所述未播资源参数包括未播资源类型、未播资源个数、未播资源时长和未播资源总时长；
将所述用户历史行为和未播资源参数输入至所述时长预测模型，得到当前feed流中未播资源的预计播放时长。
5.根据权利要求1或2所述的方法，其特征在于，基于所述预计播放时长与预设时长的比较结果，确定补充资源的下发时机，包括：
当所述预计播放时长小于或等于预设时长时，触发补充资源开始下发；
当所述预计播放时长大于预设时长时，禁止补充资源下发。
6.根据权利要求5所述的方法，其特征在于，当所述预计播放时长大于预设时长时，禁止补充资源下发之后，还包括：
检测下一资源的播放状态；
在检测到下一资源的播放状态是开始播放时，执行基于时长预测模型确定当前feed流中未播资源的预计播放时长的操作。
7.根据权利要求5所述的方法，其特征在于，触发补充资源开始下发，包括：
向服务端发送资源下发请求，所述资源下发请求用于请求服务端下发资源。
8.一种资源下发装置，其特征在于，包括：
播放时长预测模块，用于基于时长预测模型确定当前feed流中未播资源的预计播放时长；
下发时机确定模块，用于基于所述预计播放时长与预设时长的比较结果，确定补充资源的下发时机。
9.一种资源下发设备，其特征在于，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7任一项所述的资源下发方法。
10.一种计算机可读存储介质，其特征在于，所述介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的资源下发方法。
CN202110220305.3A 2021-02-26 2021-02-26 一种资源下发方法、装置、设备和存储介质 Pending CN114979679A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110220305.3A CN114979679A (zh) 2021-02-26 2021-02-26 一种资源下发方法、装置、设备和存储介质
PCT/CN2022/077189 WO2022179481A1 (zh) 2021-02-26 2022-02-22 资源下发方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110220305.3A CN114979679A (zh) 2021-02-26 2021-02-26 一种资源下发方法、装置、设备和存储介质

Publications (1)

Publication Number Publication Date
CN114979679A true CN114979679A (zh) 2022-08-30

Family

ID=82972937

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110220305.3A Pending CN114979679A (zh) 2021-02-26 2021-02-26 一种资源下发方法、装置、设备和存储介质

Country Status (2)

Country Link
CN (1) CN114979679A (zh)
WO (1) WO2022179481A1 (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150026310A1 (en) * 2009-09-17 2015-01-22 Adobe Systems Incorporated Stream duration management
CN105635254A (zh) * 2015-12-23 2016-06-01 小米科技有限责任公司 多媒体资源下载方法和装置
CN110149540A (zh) * 2018-04-27 2019-08-20 腾讯科技（深圳）有限公司 多媒体资源的推荐处理方法、装置、终端及可读介质
CN111163336A (zh) * 2020-01-19 2020-05-15 北京字节跳动网络技术有限公司 视频资源推送方法、装置、电子设备及计算机可读介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103916414B (zh) * 2012-12-31 2017-09-05 华为技术有限公司 传输速率配置方法、终端设备、服务器及系统
CN111200743B (zh) * 2018-11-16 2022-03-25 腾讯科技（北京）有限公司 媒体资源的播放方法和装置、存储介质及电子装置
CN112004120B (zh) * 2019-05-27 2023-10-13 广州虎牙信息科技有限公司 平台网络资源播放量的预测方法、装置、设备及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150026310A1 (en) * 2009-09-17 2015-01-22 Adobe Systems Incorporated Stream duration management
CN105635254A (zh) * 2015-12-23 2016-06-01 小米科技有限责任公司 多媒体资源下载方法和装置
CN110149540A (zh) * 2018-04-27 2019-08-20 腾讯科技（深圳）有限公司 多媒体资源的推荐处理方法、装置、终端及可读介质
CN111163336A (zh) * 2020-01-19 2020-05-15 北京字节跳动网络技术有限公司 视频资源推送方法、装置、电子设备及计算机可读介质

Also Published As

Publication number Publication date
WO2022179481A1 (zh) 2022-09-01

Similar Documents

Publication Publication Date Title
CN111291220B (zh) 标签展示方法、装置、电子设备和计算机可读介质
CN111510760B (zh) 视频信息展示方法和装置、存储介质和电子设备
CN112135169B (zh) 一种媒体内容加载方法、装置、设备和介质
CN110516159B (zh) 一种信息推荐方法、装置、电子设备及存储介质
EP4344223A1 (en) Video playing method and apparatus, and device and storage medium
CN112954354B (zh) 视频的转码方法、装置、设备和介质
CN112272226A (zh) 图片加载方法、装置及可读存储介质
CN111726691A (zh) 视频推荐方法、装置、电子设备及计算机可读存储介质
CN110636367A (zh) 一种视频加载方法、装置、终端设备及介质
CN114760515A (zh) 媒体内容的显示方法、装置、设备、存储介质和程序产品
CN114443897A (zh) 一种视频推荐方法、装置、电子设备和存储介质
CN115474085A (zh) 媒体内容播放方法、装置、设备、存储介质和程序产品
CN114201705A (zh) 视频处理方法、装置、电子设备及存储介质
CN111225255B (zh) 目标视频推送播放方法、装置、电子设备及存储介质
CN115842937A (zh) 视频播放方法、装置、设备及存储介质
CN113727172B (zh) 视频缓存播放方法、装置、电子设备及存储介质
CN113569150B (zh) 媒体内容预加载方法、模型构建方法及相关设备
CN115550723A (zh) 多媒体信息展示方法、装置和电子设备
CN114979679A (zh) 一种资源下发方法、装置、设备和存储介质
CN115220849A (zh) 页面显示方法、装置、电子设备、存储介质和程序产品
CN115134670A (zh) 多媒体播放方法、设备、存储介质及程序产品
CN114925274A (zh) 媒体内容播放方法、装置、设备、存储介质及产品
CN114339402A (zh) 视频播放完成率预测方法、装置、介质及电子设备
CN114820060A (zh) 一种广告推荐方法、装置、设备及介质
CN114979768A (zh) 视频缓存方法、装置、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