CN116112746A - 在线教育直播视频压缩方法及系统 - Google Patents

在线教育直播视频压缩方法及系统 Download PDF

Info

Publication number
CN116112746A
CN116112746A CN202310371270.2A CN202310371270A CN116112746A CN 116112746 A CN116112746 A CN 116112746A CN 202310371270 A CN202310371270 A CN 202310371270A CN 116112746 A CN116112746 A CN 116112746A
Authority
CN
China
Prior art keywords
event
data
online
online education
interaction
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
Application number
CN202310371270.2A
Other languages
English (en)
Other versions
CN116112746B (zh
Inventor
张德涛
刘良君
汪德兵
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.)
Chengdu Youwei Caishang Education Technology Co ltd
Original Assignee
Chengdu Youwei Caishang Education 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 Chengdu Youwei Caishang Education Technology Co ltd filed Critical Chengdu Youwei Caishang Education Technology Co ltd
Priority to CN202310371270.2A priority Critical patent/CN116112746B/zh
Publication of CN116112746A publication Critical patent/CN116112746A/zh
Application granted granted Critical
Publication of CN116112746B publication Critical patent/CN116112746B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H04N21/43—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
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/136—Incoming video signal characteristics or properties
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/189—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the adaptation method, adaptation tool or adaptation type used for the adaptive coding
    • 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
    • H04N21/47—End-user applications
    • H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本申请提供的在线教育直播视频压缩方法及系统，结合所述关键权重，从所述指定事件中确定所述待处理在线教育视频数据的目标事件，并且多的目标事件进行压缩处理。本申请当在线教育传输端的候选在线交互信息的事件交互种类为目标种类时，可以结合在线教育传输端的教育互动元素数据以及候选在线交互信息的事件数据，对待处理在线教育视频数据的事件进行回归分析，能够提高内容事件分析的可靠性，针对分析后的数据进行压缩，这样能够尽可能的保留待处理在线教育视频数据中的关键内容，降低了丢包或者关键缺失的可能性。

Description

在线教育直播视频压缩方法及系统
技术领域
本申请涉及视频数据压缩技术领域，具体而言，涉及在线教育直播视频压缩方法及系统。
背景技术
随着互联网的发展，教育行业在十年前就推广远程教育，通过互联网虚拟教室来实现远程视频授课，电子文档共享，从而让教师与学生在网络上形成一种授课与学习的互动。
现目前，在线教育需要消耗大量的网络资源，在网络不是特别好的地方存在着卡顿或者缓冲的情况，因此，继续一种技术方案以改善上述技术问题。
发明内容
为改善相关技术中存在的技术问题，本申请提供了在线教育直播视频压缩方法及系统。
第一方面，提供一种在线教育直播视频压缩方法，所述方法包括：获得待处理在线教育视频数据，并挖掘所述待处理在线教育视频数据的在线教育传输端的候选在线交互信息对应的事件交互种类；当所述事件交互种类为目标种类时，获得所述在线教育传输端对应的教育互动元素数据以及所述在线教育传输端的候选在线交互信息的事件数据；依据所述待处理在线教育视频数据的核心数据、以及所述在线教育传输端的教育互动元素数据和所述候选在线交互信息的事件数据，回归分析所述待处理在线教育视频数据属于每个指定事件的关键权重；结合所述关键权重，从所述指定事件中确定所述待处理在线教育视频数据的目标事件，并且多的目标事件进行压缩处理。
在一种独立实施的实施例中，所述方法还包括：当所述事件交互种类为非目标种类时，依据所述待处理在线教育视频数据的核心数据，回归分析所述待处理在线教育视频数据属于每个指定事件的关键权重；结合所述关键权重，从所述指定事件中确定所述待处理在线教育视频数据的目标事件，并且多的目标事件进行压缩处理。
在一种独立实施的实施例中，所述挖掘所述待处理在线教育视频数据的在线教育传输端的候选在线交互信息对应的事件交互种类，包括：依据所述待处理在线教育视频数据的在线教育传输端对应的教育互动元素数据和所述在线教育传输端的候选在线交互信息的事件数据，对所述候选在线交互信息进行事件挖掘，确定所述候选在线交互信息对应的事件交互种类。
在一种独立实施的实施例中，所述依据所述待处理在线教育视频数据的在线教育传输端对应的教育互动元素数据和所述在线教育传输端的候选在线交互信息的事件数据，对所述候选在线交互信息进行事件挖掘，确定所述候选在线交互信息对应的事件交互种类，包括：将所述待处理在线教育视频数据的在线教育传输端对应的教育互动元素数据和所述在线教育传输端的候选在线交互信息的事件数据进行拼接，得到事件拼接结果；对所述事件拼接结果进行描述向量抽取，得到所述事件拼接结果的关键描述向量数据；结合所述关键描述向量数据，回归分析所述候选在线交互信息对应的事件交互种类。
在一种独立实施的实施例中，所述事件拼接结果包括不少于一个属性核；所述对所述事件拼接结果进行描述向量抽取，得到所述事件拼接结果的关键描述向量数据，包括：抽取所述事件拼接结果中每个属性核的最小单元描述向量数据；基于每个属性核对应的前后关系的属性核的最小单元描述向量数据，对所述每个属性核的最小单元描述向量数据进行处理；将处理后的每个属性核的最小单元描述向量数据进行拼接，得到所述事件拼接结果的关键描述向量数据。
在一种独立实施的实施例中，所述对所述事件拼接结果进行描述向量抽取，得到所述事件拼接结果的关键描述向量数据，包括：通过配置后的事件挖掘线程，对所述事件拼接结果进行描述向量抽取，得到所述事件拼接结果的关键描述向量数据。
在一种独立实施的实施例中，所述通过配置后的事件挖掘线程，对所述事件拼接结果进行描述向量抽取，得到所述事件拼接结果的关键描述向量数据之前，所述方法还包括：获得配置数据，所述配置数据包括范例在线教育传输端的教育互动元素数据、所述范例在线教育传输端的范例候选在线交互信息的事件数据以及所述范例候选在线交互信息的预期事件交互种类；将所述范例在线教育传输端的教育互动元素数据和所述范例候选在线交互信息的事件数据进行拼接，得到范例事件拼接结果；通过事件挖掘线程，对所述范例事件拼接结果进行描述向量抽取，得到所述范例事件拼接结果的关键描述向量数据；结合所述关键描述向量数据，回归分析所述范例候选在线交互信息的实时事件交互种类；结合所述实时事件交互种类和预期事件交互种类，对事件挖掘线程的系数进行优化，得到配置后的事件挖掘线程。
在一种独立实施的实施例中，所述依据所述待处理在线教育视频数据的核心数据、以及所述在线教育传输端的教育互动元素数据和所述候选在线交互信息的事件数据，回归分析所述待处理在线教育视频数据属于每个指定事件的关键权重，包括：将所述待处理在线教育视频数据的核心数据、以及所述在线教育传输端的教育互动元素数据和所述候选在线交互信息的事件数据进行拼接，得到拼接后信息；对所述拼接后信息进行描述向量抽取，得到所述拼接后信息的描述向量数据；结合所述描述向量数据，回归分析所述待处理在线教育视频数据属于每个指定事件的关键权重。
在一种独立实施的实施例中，所述拼接后信息包括不少于一个属性核；所述对所述拼接后信息进行描述向量抽取，得到所述拼接后信息的描述向量数据，包括：抽取所述拼接后信息中的每个属性核的最小单元描述向量数据；基于每个属性核对应前后关系的属性核的最小单元描述向量数据，对所述每个属性核的最小单元描述向量数据进行处理；将处理后的每个属性核的最小单元描述向量数据进行拼接，得到所述拼接后信息的描述向量数据。
在一种独立实施的实施例中，所述抽取所述拼接后信息中的每个属性核的最小单元描述向量数据，包括：获得所述拼接后信息中每个属性核对应的描述变量和种类变量，所述种类变量表示所述属性核所属的信息种类；对每个属性核在所述拼接后信息中的定位信息进行压缩，得到每个属性核对应的定位变量；将所述描述变量、所述种类变量以及所述定位变量进行拼接，得到所述拼接后信息中每个属性核的最小单元描述向量数据。
第二方面，提供一种在线教育直播视频压缩系统，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。
本申请实施例所提供的在线教育直播视频压缩方法及系统，可以获得待处理在线教育视频数据，并挖掘所述待处理在线教育视频数据的在线教育传输端的候选在线交互信息对应的事件交互种类；当所述事件交互种类为目标种类时，获得所述在线教育传输端对应的教育互动元素数据以及所述在线教育传输端的候选在线交互信息的事件数据；依据所述待处理在线教育视频数据的核心数据、以及所述在线教育传输端的教育互动元素数据和所述候选在线交互信息的事件数据，回归分析所述待处理在线教育视频数据属于每个指定事件的关键权重；结合所述关键权重，从所述指定事件中确定所述待处理在线教育视频数据的目标事件，并且多的目标事件进行压缩处理。本申请当在线教育传输端的候选在线交互信息的事件交互种类为目标种类时，可以结合在线教育传输端的教育互动元素数据以及候选在线交互信息的事件数据，对待处理在线教育视频数据的事件进行回归分析，能够提高内容事件分析的可靠性，针对分析后的数据进行压缩，这样能够尽可能的保留待处理在线教育视频数据中的关键内容，降低了丢包或者关键缺失的可能性。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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他相关的附图。
图1为本申请实施例所提供的一种在线教育直播视频压缩方法的流程图。
具体实施方式
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本申请技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。
请参阅图1，示出了一种在线教育直播视频压缩方法，该方法可以包括以下步骤101-104所描述的技术方案。
步骤101、获得待处理在线教育视频数据，并挖掘所述待处理在线教育视频数据的在线教育传输端的候选在线交互信息对应的事件交互种类。
其中，待处理在线教育视频数据可以理解为在线学习是通过计算机互联网，或是通过手机无线网络，在一个网络虚拟教室与教师进行网络授课、学习的方式。在线学习已经不局限于此。针对不同的教学内容可以进行种类划分。
进一步地，本实施例中，步骤“挖掘所述待处理在线教育视频数据的在线教育传输端的候选在线交互信息对应的事件交互种类”，可以包括：依据所述待处理在线教育视频数据的在线教育传输端对应的教育互动元素数据和所述在线教育传输端的候选在线交互信息的事件数据，对所述候选在线交互信息进行事件挖掘，确定所述候选在线交互信息对应的事件交互种类。
可选地，另一些实施例中，也可以针对候选在线交互信息不少于一个方向的核心数据，实时地进行事件挖掘，得到候选在线交互信息的事件数据。
可选地，本实施例中，步骤“依据所述待处理在线教育视频数据的在线教育传输端对应的教育互动元素数据和所述在线教育传输端的候选在线交互信息的事件数据，对所述候选在线交互信息进行事件挖掘，确定所述候选在线交互信息对应的事件交互种类”，可以包括：将所述待处理在线教育视频数据的在线教育传输端对应的教育互动元素数据和所述在线教育传输端的候选在线交互信息的事件数据进行拼接，得到事件拼接结果；对所述事件拼接结果进行描述向量抽取，得到所述事件拼接结果的关键描述向量数据；结合所述关键描述向量数据，回归分析所述候选在线交互信息对应的事件交互种类。
其中，在线教育传输端对应的教育互动元素数据和候选在线交互信息的事件数据的拼接方式有多种，本实施例对此不作限制。譬如，该拼接方式可以是拼接处理。具体地，对教育互动元素数据和事件数据进行拼接处理，可以是将教育互动元素数据拼接在事件数据之后，也可以是将事件数据拼接在教育互动元素数据之后。
其中，对事件拼接结果进行描述向量抽取，具体可以是对事件拼接结果进行处理，通过描述向量抽取，可以得到事件拼接结果对应的关键描述向量数据。
可选地，本实施例中，所述事件拼接结果包括不少于一个属性核；步骤“对所述事件拼接结果进行描述向量抽取，得到所述事件拼接结果的关键描述向量数据”，可以包括：抽取所述事件拼接结果中每个属性核的最小单元描述向量数据；基于每个属性核对应的前后关系的属性核的最小单元描述向量数据，对所述每个属性核的最小单元描述向量数据进行处理；将处理后的每个属性核的最小单元描述向量数据进行拼接，得到所述事件拼接结果的关键描述向量数据。
其中，事件拼接结果中各属性核的最小单元描述向量数据，具体可以是事件拼接结果中各属性核对应的词向量，也可以是事件拼接结果中各属性核的描述变量、种类变量以及定位变量拼接得到的描述向量数据。
其中，属性核对应的前后关系的属性核具体可以是事件拼接结果中除该属性核外的其他属性核。本实施例可以将属性核对应的每个前后关系的属性核的最小单元描述向量数据进行拼接，得到该属性核对应的前后关系描述向量数据，再基于前后关系描述向量数据对该属性核的最小单元描述向量数据进行处理。对处理后的每个属性核的最小单元描述向量数据进行拼接的方式有多种，譬如可以是加权求和等，本实施例对此不作限制。
其中，步骤“抽取所述事件拼接结果中每个属性核的最小单元描述向量数据”，可以包括：获得所述事件拼接结果中每个属性核对应的描述变量和种类变量，所述种类变量表示所述属性核所属的信息种类；对每个属性核在所述事件拼接结果中的定位信息进行压缩，得到每个属性核对应的定位变量；将所述描述变量、所述种类变量以及所述定位变量进行拼接，得到所述事件拼接结果中每个属性核的最小单元描述向量数据。
其中，属性核的种类变量可以表示该属性核所属的信息种类，具体可以表示该属性核是属于在线教育传输端的教育互动元素数据，还是属于候选在线交互信息的事件数据的。如果该属性核属于在线教育传输端的教育互动元素数据，其种类变量还可以表示属性核属于教育互动元素数据中哪种具体的属性。
可选地，本实施例中，步骤“结合所述关键描述向量数据，回归分析所述候选在线交互信息对应的事件交互种类”，可以包括：结合所述关键描述向量数据，回归分析所述候选在线交互信息属于各指定事件交互种类的关键权重；结合所述关键权重，确定所述候选在线交互信息对应的事件交互种类。
其中，可以将关键权重最大的指定事件交互种类作为候选在线交互信息对应的事件交互种类。
可选地，本实施例中，步骤“对所述事件拼接结果进行描述向量抽取，得到所述事件拼接结果的关键描述向量数据”，可以包括：通过配置后的事件挖掘线程，对所述事件拼接结果进行描述向量抽取，得到所述事件拼接结果的关键描述向量数据；步骤“结合所述关键描述向量数据，回归分析所述候选在线交互信息对应的事件交互种类”，可以包括：通过配置后的事件挖掘线程，结合所述关键描述向量数据，回归分析所述候选在线交互信息对应的事件交互种类。
具体地，将由在线教育传输端的教育互动元素数据和候选在线交互信息的事件数据拼接得到的事件拼接结果作为输入，然后通过事件挖掘线程的描述向量抽取层抽取事件拼接结果中每个属性核的最小单元描述向量数据，再压缩得到的事件拼接结果中每个属性核的最小单元描述向量数据进行处理，获得事件拼接结果的关键描述向量数据，进而根据关键描述向量数据，回归分析候选在线交互信息对应的事件交互种类，确定其在线教育传输端所发布的内容的事件是否具有可靠性。
可以理解的是，本实施例的事件挖掘线程是由多个配置数据配置而成的；该事件挖掘线程具体可以由其他线程进行配置后，提供给该内容事件分析线程，或者，也可以由该内容事件分析线程自行进行配置。
若由该内容事件分析线程自行进行配置，则在步骤“通过配置后的事件挖掘线程，对所述事件拼接结果进行描述向量抽取，得到所述事件拼接结果的关键描述向量数据”之前，该在线教育直播视频压缩方法还可以包括：获得配置数据，所述配置数据包括范例在线教育传输端的教育互动元素数据、所述范例在线教育传输端的范例候选在线交互信息的事件数据以及所述范例候选在线交互信息的预期事件交互种类；将所述范例在线教育传输端的教育互动元素数据和所述范例候选在线交互信息的事件数据进行拼接，得到范例事件拼接结果；
通过事件挖掘线程，对所述范例事件拼接结果进行描述向量抽取，得到所述范例事件拼接结果的关键描述向量数据；结合所述关键描述向量数据，回归分析所述范例候选在线交互信息的实时事件交互种类；结合所述实时事件交互种类和预期事件交互种类，对事件挖掘线程的系数进行优化，得到配置后的事件挖掘线程。
其中，步骤“结合所述实时事件交互种类和预期事件交互种类，对事件挖掘线程的系数进行优化，得到配置后的事件挖掘线程”，可以包括：结合所述实时事件交互种类对应的回归分析关键权重以及预期事件交互种类，计算事件交互种类回归分析对应的量化评估结果；结合所述量化评估结果，对事件挖掘线程的系数进行优化，得到配置后的事件挖掘线程。
其中，该配置过程可以基于反向传播算法对事件挖掘线程的系数进行优化，基于实时事件交互种类对应的回归分析关键权重以及预期事件交互种类，优化事件挖掘线程的系数，使得事件交互种类回归分析对应的量化评估结果小于指定量化评估结果，该指定量化评估结果可以根据实时情况进行设置。
步骤102、当所述事件交互种类为目标种类时，获得所述在线教育传输端对应的教育互动元素数据以及所述在线教育传输端的候选在线交互信息的事件数据。
其中，目标种类具体可以是事件挖掘种类。当待处理在线教育视频数据对应的在线教育传输端的候选在线交互信息的事件交互种类为事件挖掘种类时，本实施例可以根据待处理在线教育视频数据本身的核心数据，以及候选在线交互信息的事件数据、在线教育传输端的教育互动元素数据，来对该待处理在线教育视频数据的事件进行回归分析。
步骤103、依据所述待处理在线教育视频数据的核心数据、以及所述在线教育传输端的教育互动元素数据和所述候选在线交互信息的事件数据，回归分析所述待处理在线教育视频数据属于每个指定事件的关键权重。
可选地，本实施例中，步骤“依据所述待处理在线教育视频数据的核心数据、以及所述在线教育传输端的教育互动元素数据和所述候选在线交互信息的事件数据，回归分析所述待处理在线教育视频数据属于每个指定事件的关键权重”，可以包括：将所述待处理在线教育视频数据的核心数据、以及所述在线教育传输端的教育互动元素数据和所述候选在线交互信息的事件数据进行拼接，得到拼接后信息；对所述拼接后信息进行描述向量抽取，得到所述拼接后信息的描述向量数据；结合所述描述向量数据，回归分析所述待处理在线教育视频数据属于每个指定事件的关键权重。
其中，将待处理在线教育视频数据的核心数据、在线教育传输端的教育互动元素数据以及候选在线交互信息的事件数据进行拼接，其拼接方式有多种。
本实施例中，所述拼接后信息包括不少于一个属性核；步骤“对所述拼接后信息进行描述向量抽取，得到所述拼接后信息的描述向量数据”，可以包括：抽取所述拼接后信息中的每个属性核的最小单元描述向量数据；基于每个属性核对应前后关系的属性核的最小单元描述向量数据，对所述每个属性核的最小单元描述向量数据进行处理；将处理后的每个属性核的最小单元描述向量数据进行拼接，得到所述拼接后信息的描述向量数据。
其中，属性核对应的前后关系的属性核具体可以是拼接后信息中除该属性核外的其他属性核。本实施例可以将属性核对应的每个前后关系的属性核的最小单元描述向量数据进行拼接，得到该属性核对应的前后关系描述向量数据，再基于前后关系描述向量数据对该属性核的最小单元描述向量数据进行处理。对处理后的每个属性核的最小单元描述向量数据进行拼接的方式有多种。
可选地，本实施例中，步骤“抽取所述拼接后信息中的每个属性核的最小单元描述向量数据”，可以包括：获得所述拼接后信息中每个属性核对应的描述变量和种类变量，所述种类变量表示所述属性核所属的信息种类；对每个属性核在所述拼接后信息中的定位信息进行压缩，得到每个属性核对应的定位变量；将所述描述变量、所述种类变量以及所述定位变量进行拼接，得到所述拼接后信息中每个属性核的最小单元描述向量数据。
其中，属性核的种类变量可以表示该属性核所属的信息种类，也即它具体可以表示该属性核是属于待处理在线教育视频数据的核心数据、还是属于在线教育传输端的教育互动元素数据，或者是属于候选在线交互信息的事件数据。
可选地，本实施例中，步骤“结合所述描述向量数据，回归分析所述待处理在线教育视频数据属于每个指定事件的关键权重”，可以包括：计算所述描述向量数据与每个指定事件对应的事件描述向量数据之间的置信度；结合所述置信度，确定所述待处理在线教育视频数据属于每个指定事件的关键权重。
其中，步骤“对所述拼接后信息进行描述向量抽取，得到所述拼接后信息的描述向量数据”，可以包括：通过配置后的事件挖掘线程，对所述拼接后信息进行描述向量抽取，得到所述拼接后信息的描述向量数据；步骤“结合所述描述向量数据，回归分析所述待处理在线教育视频数据属于每个指定事件的关键权重”，可以包括：通过配置后的事件挖掘线程，结合所述描述向量数据，回归分析所述待处理在线教育视频数据属于每个指定事件的关键权重。
可以理解的是，本实施例的事件挖掘线程是由多个配置数据配置而成的；该事件挖掘线程具体可以由其他设备进行配置后，提供给该内容事件分析线程，或者，也可以由该内容事件分析线程自行进行配置。
若由该内容事件分析线程自行进行配置，则在步骤“通过配置后的事件挖掘线程，对所述拼接后信息进行描述向量抽取，得到所述拼接后信息的描述向量数据”之前，该在线教育直播视频压缩方法还可以包括：获得配置数据，所述配置数据包括待处理范例内容的核心数据、以及所述待处理范例内容对应的范例在线教育传输端的教育互动元素数据、所述范例在线教育传输端的范例候选在线交互信息的事件数据以及待处理范例内容属于每个指定事件的预期关键权重；将所述待处理范例内容的核心数据、所述范例在线教育传输端的教育互动元素数据和所述范例候选在线交互信息的事件数据进行拼接，得到范例拼接后信息；通过事件挖掘线程，对所述范例拼接后信息进行描述向量抽取，得到所述范例拼接后信息的描述向量数据；结合所述描述向量数据，回归分析所述待处理范例内容属于每个指定事件的实时关键权重；依据所述待处理范例内容属于每个指定事件的实时关键权重和对应的预期关键权重，对所述事件挖掘线程的系数进行优化，得到配置后的事件挖掘线程。
其中，该配置过程可以基于反向传播算法对事件挖掘线程的系数进行优化，具体可以依据所述待处理范例内容属于每个指定事件的实时关键权重和对应的预期关键权重，优化事件挖掘线程的系数，使得所述待处理范例内容属于每个指定事件的实时关键权重趋近于对应的预期关键权重，具体可以使得所述待处理范例内容属于每个指定事件的实时关键权重与对应的预期关键权重之间的量化评估结果小于指定量化评估结果，该指定量化评估结果可以根据实时情况进行设置。
步骤104、结合所述关键权重，从所述指定事件中确定所述待处理在线教育视频数据的目标事件，并且多的目标事件进行压缩处理。
在一种可能实施的实施例中，可以按照关键权重的大小，对指定事件进行分布，如从大到小进行分布，得到分布后指定事件，将分布后指定事件中前n个指定事件确定为待处理在线教育视频数据的目标事件，并且多的目标事件进行压缩处理。另一些实施例中，也可以将关键权重大于指定目标值的指定事件确定为待处理在线教育视频数据的目标事件，并且多的目标事件进行压缩处理，该指定目标值可以根据实时情况进行设置。
可选地，本实施例中，该在线教育直播视频压缩方法还可以包括：所述事件交互种类为非目标种类时，依据所述待处理在线教育视频数据的核心数据，回归分析所述待处理在线教育视频数据属于每个指定事件的关键权重；结合所述关键权重，从所述指定事件中确定所述待处理在线教育视频数据的目标事件，并且多的目标事件进行压缩处理。
其中，事件交互种类为非目标种类，具体即不属于事件挖掘种类。当待处理在线教育视频数据对应的在线教育传输端的候选在线交互信息的事件交互种类不属于事件挖掘种类时，说明该在线教育传输端所发布的内容不具有稳定性，换而言之，该在线教育传输端的候选在线交互信息和教育互动元素数据对待处理在线教育视频数据的事件回归分析没有参考性，则可以直接基于待处理在线教育视频数据本身的核心数据，来回归分析待处理在线教育视频数据的目标事件，并且多的目标事件进行压缩处理。
其中，步骤“依据所述待处理在线教育视频数据的核心数据，回归分析所述待处理在线教育视频数据属于每个指定事件的关键权重”，可以包括：对所述待处理在线教育视频数据的核心数据进行描述向量抽取，得到所述待处理在线教育视频数据的描述向量数据；结合所述描述向量数据，回归分析所述待处理在线教育视频数据属于每个指定事件的关键权重。
可选地，本实施例中，所述待处理在线教育视频数据的核心数据包括不少于一个属性核；步骤“对所述待处理在线教育视频数据的核心数据进行描述向量抽取，得到所述待处理在线教育视频数据的描述向量数据”，可以包括：抽取所述核心数据中的每个属性核的最小单元描述向量数据；基于每个属性核对应前后关系的属性核的最小单元描述向量数据，对所述每个属性核的最小单元描述向量数据进行处理；将处理后的每个属性核的最小单元描述向量数据进行拼接，得到所述核心数据的描述向量数据。
其中，核心数据中各属性核的最小单元描述向量数据，具体可以是核心数据中各属性核对应的词向量，也可以是核心数据中各属性核的描述变量、种类变量以及定位变量拼接得到的描述向量数据。
可选地，本实施例中，当事件交互种类为非目标种类时，也可以通过步骤103中的事件挖掘线程来对待处理在线教育视频数据的事件进行回归分析。
本申请可以利用在线教育传输端的教育互动元素数据、以及候选在线交互信息的事件数据配置事件挖掘线程，将在线教育传输端对应的候选在线交互信息的事件交互种类分成事件挖掘种类和事件分散挖掘种类这两种种类。针对待处理在线教育视频数据对应的在线教育传输端的候选在线交互信息的事件交互种类为事件挖掘种类的情况。
由上可知，本实施例可以获得待处理在线教育视频数据，并挖掘所述待处理在线教育视频数据的在线教育传输端的候选在线交互信息对应的事件交互种类；当所述事件交互种类为目标种类时，获得所述在线教育传输端对应的教育互动元素数据以及所述在线教育传输端的候选在线交互信息的事件数据；依据所述待处理在线教育视频数据的核心数据、以及所述在线教育传输端的教育互动元素数据和所述候选在线交互信息的事件数据，回归分析所述待处理在线教育视频数据属于每个指定事件的关键权重；结合所述关键权重，从所述指定事件中确定所述待处理在线教育视频数据的目标事件，并且多的目标事件进行压缩处理。本申请当在线教育传输端的候选在线交互信息的事件交互种类为目标种类时，可以结合在线教育传输端的教育互动元素数据以及候选在线交互信息的事件数据，对待处理在线教育视频数据的事件进行回归分析，能够提高内容事件分析的可靠性，针对分析后的数据进行压缩，这样能够尽可能的保留待处理在线教育视频数据中的关键内容，降低了丢包或者关键缺失的可能性。
本申请实施例提供一种在线教育直播视频压缩方法，该在线教育直播视频压缩方法的具体流程可以如下。
步骤201、获得待处理在线教育视频数据。
步骤202、依据所述待处理在线教育视频数据的在线教育传输端对应的教育互动元素数据和所述在线教育传输端的候选在线交互信息的事件数据，对所述候选在线交互信息进行事件挖掘，确定所述候选在线交互信息对应的事件交互种类。
可选地，本实施例中，步骤“依据所述待处理在线教育视频数据的在线教育传输端对应的教育互动元素数据和所述在线教育传输端的候选在线交互信息的事件数据，对所述候选在线交互信息进行事件挖掘，确定所述候选在线交互信息对应的事件交互种类”，可以包括：将所述待处理在线教育视频数据的在线教育传输端对应的教育互动元素数据和所述在线教育传输端的候选在线交互信息的事件数据进行拼接，得到事件拼接结果；对所述事件拼接结果进行描述向量抽取，得到所述事件拼接结果的关键描述向量数据；结合所述关键描述向量数据，回归分析所述候选在线交互信息对应的事件交互种类。
其中，在线教育传输端对应的教育互动元素数据和候选在线交互信息的事件数据的拼接方式有多种，本实施例对此不作限制。譬如，该拼接方式可以是拼接处理。
可选地，本实施例中，所述事件拼接结果包括不少于一个属性核；步骤“对所述事件拼接结果进行描述向量抽取，得到所述事件拼接结果的关键描述向量数据”，可以包括：抽取所述事件拼接结果中每个属性核的最小单元描述向量数据；基于每个属性核对应的前后关系的属性核的最小单元描述向量数据，对所述每个属性核的最小单元描述向量数据进行处理；将处理后的每个属性核的最小单元描述向量数据进行拼接，得到所述事件拼接结果的关键描述向量数据。
步骤203、判断事件交互种类是否为目标种类，若是，执行步骤204；若否，执行步骤206。
其中，目标种类具体可以是事件挖掘种类。
步骤204、获得所述在线教育传输端对应的教育互动元素数据以及所述在线教育传输端的候选在线交互信息的事件数据，进入步骤205。
当待处理在线教育视频数据对应的在线教育传输端的候选在线交互信息的事件交互种类为事件挖掘种类时，本实施例可以根据待处理在线教育视频数据本身的核心数据，以及候选在线交互信息的事件数据、在线教育传输端的教育互动元素数据，来对该待处理在线教育视频数据的事件进行回归分析。
步骤205、依据所述待处理在线教育视频数据的核心数据、以及所述在线教育传输端的教育互动元素数据和所述候选在线交互信息的事件数据，回归分析所述待处理在线教育视频数据属于每个指定事件的关键权重；结合所述关键权重，从所述指定事件中确定所述待处理在线教育视频数据的目标事件，并且多的目标事件进行压缩处理，并结束流程。
可选地，本实施例中，步骤“依据所述待处理在线教育视频数据的核心数据、以及所述在线教育传输端的教育互动元素数据和所述候选在线交互信息的事件数据，回归分析所述待处理在线教育视频数据属于每个指定事件的关键权重”，可以包括：将所述待处理在线教育视频数据的核心数据、以及所述在线教育传输端的教育互动元素数据和所述候选在线交互信息的事件数据进行拼接，得到拼接后信息；对所述拼接后信息进行描述向量抽取，得到所述拼接后信息的描述向量数据；结合所述描述向量数据，回归分析所述待处理在线教育视频数据属于每个指定事件的关键权重。
其中，将待处理在线教育视频数据的核心数据、在线教育传输端的教育互动元素数据以及候选在线交互信息的事件数据进行拼接，其拼接方式有多种。
一些实施例中，可以按照关键权重的大小，对指定事件进行分布，如从大到小进行分布，得到分布后指定事件，将分布后指定事件中前n个指定事件确定为待处理在线教育视频数据的目标事件，并且多的目标事件进行压缩处理。另一些实施例中，也可以将关键权重大于指定目标值的指定事件确定为待处理在线教育视频数据的目标事件，并且多的目标事件进行压缩处理，该指定目标值可以根据实时情况进行设置。
步骤206、依据所述待处理在线教育视频数据的核心数据，回归分析所述待处理在线教育视频数据属于每个指定事件的关键权重；结合所述关键权重，从所述指定事件中确定所述待处理在线教育视频数据的目标事件，并且多的目标事件进行压缩处理，并结束流程。
其中，事件交互种类为非目标种类，具体即不属于事件挖掘种类。当待处理在线教育视频数据对应的在线教育传输端的候选在线交互信息的事件交互种类不属于事件挖掘种类时，说明该在线教育传输端所发布的内容不具有稳定性，换而言之，该在线教育传输端的候选在线交互信息和教育互动元素数据对待处理在线教育视频数据的事件回归分析没有参考性，则可以直接基于待处理在线教育视频数据本身的核心数据，来回归分析待处理在线教育视频数据的目标事件，并且多的目标事件进行压缩处理。
其中，步骤“依据所述待处理在线教育视频数据的核心数据，回归分析所述待处理在线教育视频数据属于每个指定事件的关键权重”，可以包括：对所述待处理在线教育视频数据的核心数据进行描述向量抽取，得到所述待处理在线教育视频数据的描述向量数据；结合所述描述向量数据，回归分析所述待处理在线教育视频数据属于每个指定事件的关键权重。
其中，待处理在线教育视频数据的核心数据可以包括其每个方向的核心数据。
可选地，本实施例中，所述待处理在线教育视频数据的核心数据包括不少于一个属性核；步骤“对所述待处理在线教育视频数据的核心数据进行描述向量抽取，得到所述待处理在线教育视频数据的描述向量数据”，可以包括：抽取所述核心数据中的每个属性核的最小单元描述向量数据；基于每个属性核对应前后关系的属性核的最小单元描述向量数据，对所述每个属性核的最小单元描述向量数据进行处理；将处理后的每个属性核的最小单元描述向量数据进行拼接，得到所述核心数据的描述向量数据。
由上可知，本实施例可以通过获得待处理在线教育视频数据；依据所述待处理在线教育视频数据的在线教育传输端对应的教育互动元素数据和所述在线教育传输端的候选在线交互信息的事件数据，对所述候选在线交互信息进行事件挖掘，确定所述候选在线交互信息对应的事件交互种类；判断事件交互种类是否为目标种类。若是，获得所述在线教育传输端对应的教育互动元素数据以及所述在线教育传输端的候选在线交互信息的事件数据；依据所述待处理在线教育视频数据的核心数据、以及所述在线教育传输端的教育互动元素数据和所述候选在线交互信息的事件数据，回归分析所述待处理在线教育视频数据属于每个指定事件的关键权重；结合所述关键权重，从所述指定事件中确定所述待处理在线教育视频数据的目标事件，并且多的目标事件进行压缩处理，并结束流程。若否，依据所述待处理在线教育视频数据的核心数据，回归分析所述待处理在线教育视频数据属于每个指定事件的关键权重；结合所述关键权重，从所述指定事件中确定所述待处理在线教育视频数据的目标事件，并且多的目标事件进行压缩处理，并结束流程。本申请当在线教育传输端的候选在线交互信息的事件交互种类为目标种类时，可以结合在线教育传输端的教育互动元素数据以及候选在线交互信息的事件数据，对待处理在线教育视频数据的事件进行回归分析，能够提高内容事件分析的可靠性，针对分析后的数据进行压缩，这样能够尽可能的保留待处理在线教育视频数据中的关键内容，降低了丢包或者关键缺失的可能性。
在上述基础上，提供了一种在线教育直播视频压缩装置，所述装置包括：
种类挖掘模块，用于获得待处理在线教育视频数据，并挖掘所述待处理在线教育视频数据的在线教育传输端的候选在线交互信息对应的事件交互种类；
数据获得模块，用于当所述事件交互种类为目标种类时，获得所述在线教育传输端对应的教育互动元素数据以及所述在线教育传输端的候选在线交互信息的事件数据；
数据分析模块，用于依据所述待处理在线教育视频数据的核心数据、以及所述在线教育传输端的教育互动元素数据和所述候选在线交互信息的事件数据，回归分析所述待处理在线教育视频数据属于每个指定事件的关键权重；
数据压缩模块，用于结合所述关键权重，从所述指定事件中确定所述待处理在线教育视频数据的目标事件，并且多的目标事件进行压缩处理。
在上述基础上，示出了一种在线教育直播视频压缩系统，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。
在上述基础上，还提供了一种计算机可读存储介质，其上存储的计算机程序在运行时实现上述的方法。
综上，基于上述方案，可以获得待处理在线教育视频数据，并挖掘所述待处理在线教育视频数据的在线教育传输端的候选在线交互信息对应的事件交互种类；当所述事件交互种类为目标种类时，获得所述在线教育传输端对应的教育互动元素数据以及所述在线教育传输端的候选在线交互信息的事件数据；依据所述待处理在线教育视频数据的核心数据、以及所述在线教育传输端的教育互动元素数据和所述候选在线交互信息的事件数据，回归分析所述待处理在线教育视频数据属于每个指定事件的关键权重；结合所述关键权重，从所述指定事件中确定所述待处理在线教育视频数据的目标事件，并且多的目标事件进行压缩处理。本申请当在线教育传输端的候选在线交互信息的事件交互种类为目标种类时，可以结合在线教育传输端的教育互动元素数据以及候选在线交互信息的事件数据，对待处理在线教育视频数据的事件进行回归分析，能够提高内容事件分析的可靠性，针对分析后的数据进行压缩，这样能够尽可能的保留待处理在线教育视频数据中的关键内容，降低了丢包或者关键缺失的可能性。
应当理解，上述所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网（LAN）或广域网（WAN），或连接至外部计算机（例如通过因特网），或在云计算环境中，或作为服务使用如软件即服务（SaaS）。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。
最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种在线教育直播视频压缩方法，其特征在于，所述方法包括：
获得待处理在线教育视频数据，并挖掘所述待处理在线教育视频数据的在线教育传输端的候选在线交互信息对应的事件交互种类；
当所述事件交互种类为目标种类时，获得所述在线教育传输端对应的教育互动元素数据以及所述在线教育传输端的候选在线交互信息的事件数据；
依据所述待处理在线教育视频数据的核心数据、以及所述在线教育传输端的教育互动元素数据和所述候选在线交互信息的事件数据，回归分析所述待处理在线教育视频数据属于每个指定事件的关键权重；
结合所述关键权重，从所述指定事件中确定所述待处理在线教育视频数据的目标事件，并且多的目标事件进行压缩处理。
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：
当所述事件交互种类为非目标种类时，依据所述待处理在线教育视频数据的核心数据，回归分析所述待处理在线教育视频数据属于每个指定事件的关键权重；
结合所述关键权重，从所述指定事件中确定所述待处理在线教育视频数据的目标事件，并且多的目标事件进行压缩处理。
3.根据权利要求1所述的方法，其特征在于，所述挖掘所述待处理在线教育视频数据的在线教育传输端的候选在线交互信息对应的事件交互种类，包括：依据所述待处理在线教育视频数据的在线教育传输端对应的教育互动元素数据和所述在线教育传输端的候选在线交互信息的事件数据，对所述候选在线交互信息进行事件挖掘，确定所述候选在线交互信息对应的事件交互种类。
4.根据权利要求3所述的方法，其特征在于，所述依据所述待处理在线教育视频数据的在线教育传输端对应的教育互动元素数据和所述在线教育传输端的候选在线交互信息的事件数据，对所述候选在线交互信息进行事件挖掘，确定所述候选在线交互信息对应的事件交互种类，包括：
将所述待处理在线教育视频数据的在线教育传输端对应的教育互动元素数据和所述在线教育传输端的候选在线交互信息的事件数据进行拼接，得到事件拼接结果；
对所述事件拼接结果进行描述向量抽取，得到所述事件拼接结果的关键描述向量数据；
结合所述关键描述向量数据，回归分析所述候选在线交互信息对应的事件交互种类。
5.根据权利要求4所述的方法，其特征在于，所述事件拼接结果包括不少于一个属性核；所述对所述事件拼接结果进行描述向量抽取，得到所述事件拼接结果的关键描述向量数据，包括：
抽取所述事件拼接结果中每个属性核的最小单元描述向量数据；基于每个属性核对应的前后关系的属性核的最小单元描述向量数据，对所述每个属性核的最小单元描述向量数据进行处理；
将处理后的每个属性核的最小单元描述向量数据进行拼接，得到所述事件拼接结果的关键描述向量数据。
6.根据权利要求4所述的方法，其特征在于，所述对所述事件拼接结果进行描述向量抽取，得到所述事件拼接结果的关键描述向量数据，包括：通过配置后的事件挖掘线程，对所述事件拼接结果进行描述向量抽取，得到所述事件拼接结果的关键描述向量数据。
7.根据权利要求6所述的方法，其特征在于，所述通过配置后的事件挖掘线程，对所述事件拼接结果进行描述向量抽取，得到所述事件拼接结果的关键描述向量数据之前，所述方法还包括：
获得配置数据，所述配置数据包括范例在线教育传输端的教育互动元素数据、所述范例在线教育传输端的范例候选在线交互信息的事件数据以及所述范例候选在线交互信息的预期事件交互种类；
将所述范例在线教育传输端的教育互动元素数据和所述范例候选在线交互信息的事件数据进行拼接，得到范例事件拼接结果；
通过事件挖掘线程，对所述范例事件拼接结果进行描述向量抽取，得到所述范例事件拼接结果的关键描述向量数据；结合所述关键描述向量数据，回归分析所述范例候选在线交互信息的实时事件交互种类；
结合所述实时事件交互种类和预期事件交互种类，对事件挖掘线程的系数进行优化，得到配置后的事件挖掘线程。
8.根据权利要求1所述的方法，其特征在于，所述依据所述待处理在线教育视频数据的核心数据、以及所述在线教育传输端的教育互动元素数据和所述候选在线交互信息的事件数据，回归分析所述待处理在线教育视频数据属于每个指定事件的关键权重，包括：
将所述待处理在线教育视频数据的核心数据、以及所述在线教育传输端的教育互动元素数据和所述候选在线交互信息的事件数据进行拼接，得到拼接后信息；
对所述拼接后信息进行描述向量抽取，得到所述拼接后信息的描述向量数据；
结合所述描述向量数据，回归分析所述待处理在线教育视频数据属于每个指定事件的关键权重。
9.根据权利要求8所述的方法，其特征在于，所述拼接后信息包括不少于一个属性核；所述对所述拼接后信息进行描述向量抽取，得到所述拼接后信息的描述向量数据，包括：
抽取所述拼接后信息中的每个属性核的最小单元描述向量数据；基于每个属性核对应前后关系的属性核的最小单元描述向量数据，对所述每个属性核的最小单元描述向量数据进行处理；
将处理后的每个属性核的最小单元描述向量数据进行拼接，得到所述拼接后信息的描述向量数据；
其中，所述抽取所述拼接后信息中的每个属性核的最小单元描述向量数据，包括：
获得所述拼接后信息中每个属性核对应的描述变量和种类变量，所述种类变量表示所述属性核所属的信息种类；
对每个属性核在所述拼接后信息中的定位信息进行压缩，得到每个属性核对应的定位变量；
将所述描述变量、所述种类变量以及所述定位变量进行拼接，得到所述拼接后信息中每个属性核的最小单元描述向量数据。
10.一种在线教育直播视频压缩系统，其特征在于，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中读取计算机程序并执行，以实现权利要求1-9任一项所述的方法。
CN202310371270.2A 2023-04-10 2023-04-10 在线教育直播视频压缩方法及系统 Active CN116112746B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310371270.2A CN116112746B (zh) 2023-04-10 2023-04-10 在线教育直播视频压缩方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310371270.2A CN116112746B (zh) 2023-04-10 2023-04-10 在线教育直播视频压缩方法及系统

Publications (2)

Publication Number Publication Date
CN116112746A true CN116112746A (zh) 2023-05-12
CN116112746B CN116112746B (zh) 2023-07-14

Family

ID=86256432

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310371270.2A Active CN116112746B (zh) 2023-04-10 2023-04-10 在线教育直播视频压缩方法及系统

Country Status (1)

Country Link
CN (1) CN116112746B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117082268A (zh) * 2023-10-18 2023-11-17 成都有为财商教育科技有限公司 一种在线直播的视屏录播方法及系统
CN117765170A (zh) * 2023-12-13 2024-03-26 重庆中法供水有限公司 一种三维可视化的管理方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0923403A (ja) * 1995-07-04 1997-01-21 Pioneer Electron Corp 情報記録装置及び情報再生装置
US20180260715A1 (en) * 2017-03-09 2018-09-13 Adobe Systems Incorporated Determining algorithmic multi-channel media attribution based on discrete-time survival modeling
US20200234606A1 (en) * 2019-01-22 2020-07-23 International Business Machines Corporation Personalized educational planning based on user learning profile
CN112995690A (zh) * 2021-02-26 2021-06-18 广州虎牙科技有限公司 直播内容品类识别方法、装置、电子设备和可读存储介质
CN113055697A (zh) * 2021-02-25 2021-06-29 广州鑫泓设备设计有限公司 一种基于云计算和大数据技术的在线教育直播系统和方法
CN113132730A (zh) * 2019-12-30 2021-07-16 北京积加科技有限公司 一种基于多帧内容的视频数据智能压缩方法及装置
CN113420117A (zh) * 2021-06-23 2021-09-21 北京交通大学 一种基于多元特征融合的突发事件分类方法
CN113626687A (zh) * 2021-07-19 2021-11-09 浙江师范大学 以联邦学习为核心的在线课程推荐方法和系统
CN113724115A (zh) * 2021-09-08 2021-11-30 天窗智库文化传播(苏州)有限公司 基于在线教育的数据处理方法及服务器

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0923403A (ja) * 1995-07-04 1997-01-21 Pioneer Electron Corp 情報記録装置及び情報再生装置
US20180260715A1 (en) * 2017-03-09 2018-09-13 Adobe Systems Incorporated Determining algorithmic multi-channel media attribution based on discrete-time survival modeling
US20200234606A1 (en) * 2019-01-22 2020-07-23 International Business Machines Corporation Personalized educational planning based on user learning profile
CN113132730A (zh) * 2019-12-30 2021-07-16 北京积加科技有限公司 一种基于多帧内容的视频数据智能压缩方法及装置
CN113055697A (zh) * 2021-02-25 2021-06-29 广州鑫泓设备设计有限公司 一种基于云计算和大数据技术的在线教育直播系统和方法
CN112995690A (zh) * 2021-02-26 2021-06-18 广州虎牙科技有限公司 直播内容品类识别方法、装置、电子设备和可读存储介质
CN113420117A (zh) * 2021-06-23 2021-09-21 北京交通大学 一种基于多元特征融合的突发事件分类方法
CN113626687A (zh) * 2021-07-19 2021-11-09 浙江师范大学 以联邦学习为核心的在线课程推荐方法和系统
CN113724115A (zh) * 2021-09-08 2021-11-30 天窗智库文化传播(苏州)有限公司 基于在线教育的数据处理方法及服务器

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
潘艺鹏;徐锡健;: "远程教育中互动教学系统的设计研究", 数字技术与应用, no. 04 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117082268A (zh) * 2023-10-18 2023-11-17 成都有为财商教育科技有限公司 一种在线直播的视屏录播方法及系统
CN117082268B (zh) * 2023-10-18 2024-01-30 成都有为财商教育科技有限公司 一种在线直播的视屏录播方法及系统
CN117765170A (zh) * 2023-12-13 2024-03-26 重庆中法供水有限公司 一种三维可视化的管理方法及系统

Also Published As

Publication number Publication date
CN116112746B (zh) 2023-07-14

Similar Documents

Publication Publication Date Title
CN116112746B (zh) 在线教育直播视频压缩方法及系统
US20200265153A1 (en) Image classification modeling while maintaining data privacy compliance
CN109815147B (zh) 测试案例生成方法、装置、服务器和介质
CN109947924B (zh) 对话系统训练数据构建方法、装置、电子设备及存储介质
CN113450075A (zh) 基于自然语言技术的工单处理方法及装置
CN114004700A (zh) 业务数据处理方法、装置、电子设备及存储介质
US11409965B2 (en) Searching conversation logs of a virtual agent dialog system for contrastive temporal patterns
CN113032257A (zh) 自动化测试方法、装置、计算机系统和可读存储介质
CN116756525B (zh) 基于人工智能的岩土体参数智能测试方法及系统
US20220245199A1 (en) Virtual Dialog System Performance Assessment and Enrichment
CN103955425A (zh) 网页web探索测试装置及方法
CN115473822B (zh) 一种5g智能网关数据传输方法、系统及云平台
CN113032256A (zh) 自动化测试方法、装置、计算机系统和可读存储介质
CN115373688B (zh) 一种软件开发线程的优化方法、系统及云平台
CN116468534A (zh) 一种集体经济组织信用信息等级分析方法及系统
CN115481197B (zh) 一种分布式数据处理方法、系统及云平台
CN108664610B (zh) 用于处理数据的方法和装置
CN113630336B (zh) 基于光互联的数据分流方法及系统
CN117037982A (zh) 一种医疗大数据信息智能采集方法及系统
CN113610373B (zh) 基于智能制造的信息决策处理方法及系统
CN114779923A (zh) 一种基于超声波的vr仿真场景定位方法及系统
CN114580399A (zh) 文本纠错方法、装置、电子设备及存储介质
CN110674491B (zh) 用于安卓应用的实时取证的方法、装置和电子设备
CN114661980B (zh) 一种网页数据推送方法、系统及云平台
CN117077897B (zh) 一种地震灾害破坏推演方法及系统

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