[发明专利]基于流行度和社交网络的个性化用户原创视频预取方法及系统

说明书

技术领域

本发明涉及一种基于流行度和社交网络的个性化用户原创视频预取方法及系统，属于视频预取的技术领域。

背景技术

随着Web2.0时代的到来，用户不再是单纯的信息接收者，而是同时成为了了信息的发布者，以优酷网和土豆网为代表，基于用户原创内容的视频网站受到广大用户的高度追捧，但是多组研究结果都表明用户的观看体验不能让人满意，播放产生的时延占视频时长的比重较高。减少视频播放时延的相关方法包括：提高服务器的软硬件性能，增加网络带宽，基于网络代理和基于内容分发网络，然而这些方法都有相应的劣势，相比之下视频预取技术能够很好的降低用户可感受时延，同时产生较小的开销。

但是由于基于用户原创内容的视频服务在用户行为和视频内容上具有很多区别于传统视频服务的特点，例如视频数量很多，视频长度较短，内容数据较少，极快的内容产生速度，不同的流行度分布以及社会网络的存在。因此传统的视频预取算法并不能够很好的适用于用户原创内容视频服务。

用户原创视频的流行度分布表现出极端的不平衡，一部分视频有着很高的流行度，选择观看这部分视频时，用户通常考虑视频的流行度以及是否符合自己的兴趣。另一部分视频虽然流行度不高，却通过不同的传播途径，被感兴趣的用户观看，主要的传播途径包括用户之间的社交关系以及视频之间的关联关系。

因此，有必要提出一种能够综合考虑不同流行度视频，充分利用用户社交关系，视频关联关系，视频流行度信息以及用户历史行为数据的，适用于用户原创视频的视频预取方法和系统，以有效的提高视频预取的命中率和准确度，提升用户原创视频服务的质量，改进用户的观看体验。

发明内容

本发明所要解决的技术问题是提供一种基于流行度和社交网络的个性化用户原创视频预取方法及系统。该方法及系统提高了视频预取的命中率和准确度，提升用户原创视频服务的质量，改进了用户的观看体验。

为了达到上述目的，根据本发明的一方面，本发明提供了一种基于流行度和社交网络的用户原创视频预取方法，包括如下步骤：

1)信息获取:获取用户对视频的历史行为信息，用户与用户之间的社交关系，视频与视频之间的关联关系以及原创视频的流行度信息；

2)视频分类：基于用户原创视频的流行度信息，将视频分为热门视频和长尾视频两类；

3)热门视频预取列表生成：基于原创视频的流行度信息以及用户历史行为信息，计算用户对热门视频的偏好度，根据偏好度降序排序，为用户生成热门视频预取列表；

4)图模型构建：基于获取的用户历史行为信息，用户之间的社交关系以及视频之间的关联关系构建图模型，其中的每一个节点或边拥有与实际物理类型一致的节点或关系类型，每一条边拥有与实际关系强度一致的边权值；

5)长尾视频预取列表生成：基于图模型，利用基于最短路径权值的相关度测量方法，测量用户和视频的相关度，根据相关度降序排序，为用户生成长尾视频预取列表；

6)混合预取模型生成：基于获取的用户的历史行为信息，对热门视频预取列表和长尾视频预取列表进行加权线性融合，构建个性化的混合预取模型；

7)生成预取视频列表：在保证用户当前观看视频流畅的情况下，基于个性化混合预取模型，为用户预取排在最靠前的一部或多部视频推荐。

在上述用户原创视频预取方法中，所述信息获取步骤包括：若在应用系统中存在用户与用户之间的社交关系或者视频与视频之间的关联关系，则获取这些信息，若无，则无需获取；用户对视频的历史行为信息包括用户对视频的观看，分享，上传或收藏行为。

在上述用户原创视频预取方法中，在所述热门视频预取列表生成步骤之前还包括：对用户历史行为数据进行预处理步骤，具体为：只保留用户对视频肯定的信息；在非评分系统中，包括用户对视频的观看、分享、收藏以及上传信息。

在上述用户原创视频预取方法中，其所述视频分类步骤具体为：首先，利用视频观看次数衡量视频流行度，按照视频流行度从高到低排序；其次，累计观看次数占总观看次数80％，流行度排名前10％的视频为热门视频，若流行度排名前10％的视频累计观看次数不足总观看次数的80％，根据流行度排名向后扩展热门视频，直至满足累计观看次数占总观看次数80％；最后，排除所有热门视频，剩余视频为长尾视频。

在上述用户原创视频预取方法中，其所述热门视频预取列表生成步骤中，偏好度计算的具体过程为：首先，利用视频观看次数计算视频流行度；其次，利用用户历史行为信息计算用户对视频的兴趣因子；最后，结合流行度和兴趣因子，计算用户的视频的偏好度。