[发明专利]一种基于联邦学习的视频分发方法和系统

说明书

本发明提供一种基于联邦学习的视频分发方法和系统，其中方法包括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；计算目标时间内目标视频产生的利润；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；获取用户数据；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；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。本发明解决了现有技术中无差别的向用户推送视频，针对性较低，用户对视频应用的点击率较低、召回效果不理想的问题。

技术领域

本发明属于数据处理技术领域，尤其涉及一种基于联邦学习的视频分发方法和系统。

背景技术

在视频推送领域，一种将视频内容缓存在移动边缘计算服务器(Mobile EdgeComputing，MEC)中的网络架构被提出，该架构可以缩短视频内容访问延时和视频检索次数。目前主要有两种内容分发策略：一种基于用户需求的、被动的内容分发策略；另外一种是用户对视频内容发起请求之前，视频内容提供商把用户即将请求或者最希望观看的一部分视频内容提前缓存在移动边缘服务器的缓存中的策略。

目前，针对所有的用户几乎均是采用无差别的视频推送方式，向各个用户推送视频，较难做到有针对性的推送。如在同一时间段，采用相同的推送途径，向所有用户推送相同的视频。然而，现有技术中无差别的向用户推送视频，针对性较低，用户对视频应用的点击率较低、召回效果不理想。

发明内容

本发明针对现有技术中的不足，提供一种基于联邦学习的视频分发方法和系统。

第一方面，本发明提供一种基于联邦学习的视频分发方法，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。

进一步地，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。