[发明专利]一种基于联邦学习的视频分发方法和系统

权利要求书

1.一种基于联邦学习的视频分发方法，其特征在于，包括：

获取目标时间内目标视频在移动边缘计算服务器中被观看过的用户人数；

获取目标时间内目标视频产生的付费次数；

计算目标时间内目标视频在移动边缘计算服务器中被接受的程度；

根据目标时间内目标视频在移动边缘计算服务器中被接受的程度，计算目标时间内目标视频产生的利润；

获取目标时间内目标视频缓存至移动边缘计算服务器中的次数；

计算目标时间内目标视频平均分发利润；

将平均分发利润低于目标利润对应的目标视频进行删除；

构建视频兴趣矩阵；所述视频兴趣矩阵列数量为视频类型数量，行数量为用户数量；

初始化卷积神经网络模型和卷积神经网络模型参数；

获取用户数据，所述用户数据包括观看视频标签、标签种类、付费方式、视频观看入口权重以及用户基础信息；

根据用户数据训练卷积神经网络模型；

更新卷积神经网络模型参数；

将更新后的卷积神经网络模型参数上传至移动边缘计算服务器；

将不同类型视频按比例分发，计算每种类型视频的平均利润；

将视频的平均利润衰减度高于目标衰减度对应的视频进行删除。

2.根据权利要求1所述的基于联邦学习的视频分发方法，其特征在于，所述计算目标时间内目标视频在移动边缘计算服务器中被接受的程度，包括：

根据以下公式计算目标时间内目标视频在移动边缘计算服务器中被接受的程度：

其中，为时间t内i类型的视频j在移动边缘计算服务器中被接受的程度；为时间t内i类型的视频j在移动边缘计算服务器中被V个用户观看过；为时间t内i类型的视频j产生B次付费；α和β分别为和的权重参数。

3.根据权利要求2所述的基于联邦学习的视频分发方法，其特征在于，所述根据目标时间内目标视频在移动边缘计算服务器中被接受的程度，计算目标时间内目标视频产生的利润，包括：

根据以下公式计算目标时间内目标视频产生的利润：

其中，为时间t内i类型的视频j总共产生的利润；ε为每个用户在时间t内，对i类型的视频j产生的基础利润系数；为时间t内i类型的视频j在移动边缘计算服务器中被接受的程度。

4.根据权利要求1所述的基于联邦学习的视频分发方法，其特征在于，所述将视频的平均利润衰减度高于目标衰减度对应的视频进行删除，包括：

根据以下公式计算目标衰减度：

其中，I(t)为随着时间t推移的目标衰减度；I(t₀)为时间t₀时刻的衰减度；e为自然常数；γ为用户对视频的兴趣衰减系数；l为时间推移量。