基于流量分析及用户行为分析的移动视频推荐方法及系统

暂无

基于流量分析及用户行为分析的移动视频推荐方法及系统\n技术领域\n[0001] 本发明涉及移动视频推荐技术，特别是一种基于流量分析及用户行为分析的移动视频推荐方法及系统。\n背景技术\n[0002] 现有的流量监控技术即流量分析，其是实时监控网络流量的情况下，当网络繁忙的时候采取改变监控视频清晰度和抽帧来降低观看视频的码率，尽量减少消耗网络设备资源(流量)。使其在网络繁忙的时候合理降低视频的清晰度来改善网络流量，在网络空闲的时候可以以较高的清晰度进行观看，获得较好的视频观看质量。\n[0003] 影片推荐技术(用户行为分析)建立用户模型是实现个性化推荐的基础。影片推荐技术主要是在媒体服务器系统平台上开展影片推荐服务的研究，用户通过宽带媒体网关接入系统，系统的媒体服务器存储影片及影片本体模型信息，接收并记录用户点播，查找影片相关信息，保存用户历史记录以生成用户模型，然后根据算法形成与用户模型匹配的影片推荐列表。\n[0004] 随着3G网络技术、多媒体技术和移动视频技术的不断发展，视频数据急剧增加，用户在观看视频的同时往往无暇顾及流量的损耗，因此观看视频所与之带来的高额流量成本和资费让用户唏嘘不已。另一方面，用户也因为面对浩如烟海的视频资源而无从下手。\n可以总结现有的视频应用系统存在着以下缺陷：1、没有有效区分用户：少量用户占用大量网络资源。2、无法实现分级服务：网络未全面部署QOS能力，不能针对不同业务区分。3、视频业务无差异：和其他视频网站、互联网同等业务竞争，运营商无明显差异和优势。4、网络资源缺乏有效管理：无法准确得知什么用户占用多少资源，无法动态调整网络资源。5、分析手段不够全面：目前的视频推荐基于的技术手段都较为独立，一方面是运营商的流量经营，包含其流量监控、用户使用流量情况分析等，另一方面是通过用户行为，即用户观看的视频时长、次数等进行分析用户行为，两个技术手段各自经营，因此现有的视频推荐技术有待加强。\n[0005] 所以，用户迫切需要一种能够根据用户自身兴趣和流量需求,有针对性地为用户推荐相应视频的智能服务，即"个性化视频推荐服务"，该服务能够科学地分析流量使用情况，实时监控流量使用及其资费，适时进行流量控制和流量提醒。\n发明内容\n[0006] 本发明的目的是提供一种基于流量分析及用户行为分析的移动视频推荐方法，能够根据用户流量使用习惯、视频点播行为的动态变化视频推荐策略，并结合用户目前定制流量套餐，实时转码为用户最优的视频流提供用户观看，从而在一定程度解决目前用户观看流媒体流量费用过高的问题，并改善用户体验。\n[0007] 本发明采用以下方案实现：一种基于流量分析及用户行为分析的移动视频推荐方法，其特征在于：\n[0008] 步骤S01：使用爬虫通过模拟用户浏览站点的行为，从各大视频站点抓取视频源；\n[0009] 步骤S02：提取出视频的meta信息；\n[0010] 步骤S03：将该meta信息进行加权智能处理后，建立索引，并将所述索引统一存储管理；\n[0011] 步骤S04：移动终端采集用户观看视频的流量的大小、时段、视频分类和视频长短数据；\n[0012] 步骤S05：根据该移动终端采集的数据生成该用户视频推荐策略，并将用户视频推荐策略更新保存至一中心数据库；\n[0013] 步骤S06：当用户进行点播操作时，根据数据库中存贮的视频元信息挑选出目前最符合用户的视频链接，同时根据所述用户视频推荐策略中该移动终端应用当前上报的带宽将用户视频转码为最优的视频码流，提供给用户观看。\n[0014] 在本发明一实施例中，所述步骤S01中是从各大视频站点的首页开始采用多线程方式递归抓取视频源。\n[0015] 在本发明一实施例中，所述meta信息包括视频的标题、标签、点击量、分类、帧率、编码格式和码率。\n[0016] 在本发明一实施例中，所述的加权智能处理是根据视频的静态原信息和视频流量信息，对视频进行聚类，并进行索引排序；随着视频点击量和访问次数的变化，采用一预定时间间隔方式对视频进行二次索引排序分类；同时每个视频分类内部都将根据视频动态信息和视频流量信息进行加权排序；所述的静态原信息包括视频的标签、标题、分类以及简介；所述的视频流量信息包括视频的码率、大小以及编码格式；所述动态信息是视频的点击量和访问次数。\n[0017] 在本发明一实施例中，管理人员能通过设定所述的静态原信息和流量信息的权重来干涉所述的索引排序。\n[0018] 本发明的另一目的是提供一种基于流量分析及用户行为分析的移动视频推荐系统。\n[0019] 本发明采用以下方案实现：一种基于流量分析及用户行为分析的移动视频推荐系统，其特征在于包括：\n[0020] 一视频聚合分析单元，该视频聚合分析单元负责从各大视频站点抓取视频源，并提取视频的meta信息，进行加权智能处理后，建立索引，最终将建立的索引统一存储管理；\n[0021] 一用户流量及行为分析单元，该用户流量及行为分析单元将设于用户移动终端的流量采集单元、用户行为采集单元和网络带宽检测模块上传的数据生成该用户视频推荐策略，并将用户视频推荐策略更新保存至一中心数据库；\n[0022] 一业务管理单元，该业务管理单元主要实现整个系统的业务管理，包括对视频进行审核发布、对视频资源进行管理以及进行人工参与流量及用户行为分析，对生成的视频推荐策略进行人工干预；以及\n[0023] 一运营支撑接口单元，该运营支撑接口单元是系统对外的统一接口，其提供运营商用户流量查询服务，部分付费视频的支付接口以及对用户进行视频推荐的短彩信接口。\n[0024] 在本发明一实施例中，所述的视频聚合分析单元包括：\n[0025] 一视频抓取模块，该视频抓取模块使用爬虫通过模拟用户浏览站点的行为，从各大视频站点的首页开始采用多线程方式递归抓取视频源；\n[0026] 一视频内容分析模块，用于提取出所述视频抓取模块抓取的视频的meta信息，并进行加权智能处理后，建立索引，最终将建立的索引统一存储管理；以及\n[0027] 一视频智能实时转码及流媒体切换模块，该视频智能实时转码及流媒体切换模块根据数据库中存贮的视频元信息挑选出目前最符合用户的视频链接，同时将根据户视频推荐策略移动终端应用当前上报的带宽将用户视频转码为最优的视频码流，提供给用户观看。\n[0028] 在本发明一实施例中，所述的加权智能处理是根据视频的静态原信息和视频流量信息，对视频进行聚类，并进行索引排序；随着视频点击量和访问次数的变化，采用一预定时间间隔方式对视频进行二次索引排序分类；同时每个视频分类内部都将根据视频动态信息和视频流量信息进行加权排序；所述的静态原信息包括视频的标签、标题、分类以及简介；所述的视频流量信息包括视频的码率、大小以及编码格式；所述动态信息是视频的点击量和访问次数。\n[0029] 在本发明一实施例中，所述meta信息包括视频的标题、标签、点击量、分类、帧率、编码格式和码率。\n[0030] 本发明的有益效果是：\n[0031] 1、优化现有的视频推荐技术，解决单方面考虑流量或用户行为而导致其视频推荐不够智能和全面的问题，打破现有的技术隔阂，连接流量监控和用户行为分析技术，形成系统性的智能视频推送管道。\n[0032] 2、解决信息、网络过载的问题：对可预测的结果还可以提供资源预读,优化服务质量,降低网络负载。\n[0033] 3、解决用户个性化推送的问题：个性化影片推荐服务是解决影片资源迅速增长，用户“信息迷航”的有效方法。通过对用户观看视频习惯的分析，加强对用户个性需求及其行为的分析。针对影片点播应用，给出了个性化影片推荐服务的体系结构、影片数据建模、用户兴趣偏好模型进行了研究，实现无需用户输入传统推荐方法所需相关个性兴趣信息即可返回与用户当前兴趣相关的影片推荐列表，提出了基于本体论的影片模型，并建立用户兴趣偏好模型，给出了对推荐过程中结合用户信息反馈对推荐结果进行自适应的调整算法。\n[0034] 4、解决流量耗费过大的问题：实时进行流量监控和流量分析，通过流量监控给予用户一定流量提示，并能一并监控网络状态，实时调整相应码流的视频，减少视频流量损耗；通过用户使用的流量情况分析，为运营商指定相应的套餐优惠策略提供依据。总之，该方案的提出和实现能够大大减少用户流量的损耗和移动视频观看成本，满足用户利益。\n附图说明\n[0035] 图1是本发明方法流程示意图。\n[0036] 图2是本发明系统原理框图。\n[0037] 图3是本发明视频聚合分析单元结构示意图。\n具体实施方式\n[0038] 下面结合附图及实施例对本发明做进一步说明。\n[0039] 如图1所示，本实施例提供一种基于流量分析及用户行为分析的移动视频推荐方法，其特征在于：\n[0040] 步骤S01：使用爬虫通过模拟用户浏览站点的行为，从各大视频站点抓取视频源；\n[0041] 步骤S02：提取出视频的meta信息；\n[0042] 步骤S03：将该meta信息进行加权智能处理后，建立索引，并将所述索引统一存储管理；\n[0043] 步骤S04：移动终端采集用户观看视频的流量的大小、时段、视频分类和视频长短数据；\n[0044] 步骤S05：根据该移动终端采集的数据生成该用户视频推荐策略，并将用户视频推荐策略更新保存至一中心数据库；\n[0045] 步骤S06：当用户进行点播操作时，根据数据库中存贮的视频元信息挑选出目前最符合用户的视频链接，同时根据所述用户视频推荐策略中该移动终端应用当前上报的带宽将用户视频转码为最优的视频码流，提供给用户观看。\n[0046] 所述步骤S01中是从各大视频站点的首页开始采用多线程方式递归抓取视频源。\n[0047] 在本发明一实施例中，所述meta信息包括视频的标题、标签、点击量、分类、帧率、编码格式和码率。所述的加权智能处理是根据视频的静态原信息和视频流量信息，对视频进行聚类，并进行索引排序；随着视频点击量和访问次数的变化，采用一预定时间间隔方式对视频进行二次索引排序分类；同时每个视频分类内部都将根据视频动态信息和视频流量信息进行加权排序；所述的静态原信息包括视频的标签、标题、分类以及简介；所述的视频流量信息包括视频的码率、大小以及编码格式；所述动态信息是视频的点击量和访问次数。\n[0048] 为了保证系统的人性化，本实施例中，管理人员还能通过设定所述的原信息和流量信息的权重来干涉所述的索引排序。本实施例中，系统提供给用户观看还具备多种播放模式选择，以迎合不同用户不同机型观影需求。该播放比例主要包括：16：9模式、4：3模式、\n1.85：1模式、2.35：1模式及全屏模式。\n[0049] 请参照图2，本发明还提供一种基于流量分析及用户行为分析的移动视频推荐系统，其特征在于包括：\n[0050] 一视频聚合分析单元，该视频聚合分析单元负责从各大视频站点抓取视频源，并提取视频的meta信息，进行加权智能处理后，建立索引，最终将建立的索引统一存储管理；\n[0051] 一用户流量及行为分析单元，该用户流量及行为分析单元将设于用户移动终端的流量采集单元、用户行为采集单元和网络带宽检测模块上传的数据生成该用户视频推荐策略，并将用户视频推荐策略更新保存至一中心数据库；\n[0052] 一业务管理单元，该业务管理单元主要实现整个系统的业务管理，包括对视频进行审核发布、对视频资源进行管理以及进行人工参与流量及用户行为分析，对生成的视频推荐策略进行人工干预；以及\n[0053] 一运营支撑接口单元，该运营支撑接口单元是系统对外的统一接口，其提供运营商用户流量查询服务，部分付费视频的支付接口以及对用户进行视频推荐的短彩信接口。\n[0054] 具体的，请参照图3，本实施例中，所述的所述的视频聚合分析单元包括：\n[0055] 一视频抓取模块，该视频抓取模块使用爬虫通过模拟用户浏览站点的行为，从各大视频站点的首页开始采用多线程方式递归抓取视频源；\n[0056] 一视频内容分析模块，用于提取出所述视频抓取模块抓取的视频的meta信息，并进行加权智能处理后，建立索引，最终将建立的索引统一存储管理；以及\n[0057] 一视频智能实时转码及流媒体切换模块，该视频智能实时转码及流媒体切换模块根据数据库中存贮的视频元信息挑选出目前最符合用户的视频链接，同时将根据户视频推荐策略移动终端应用当前上报的带宽将用户视频转码为最优的视频码流，提供给用户观看。本实施例中，所述meta信息包括视频的标题、标签、点击量、分类、帧率、编码格式和码率。\n[0058] 在本发明一实施例中，所述的加权智能处理：是将视频的标签、标题、分类、简介等作为视频的静态原信息，这些信息将会由系统根据这些信息直接建立倒排索引；视频的码率、大小、编码格式等为视频的流量信息；视频的点击量和访问次数是动态信息；系统首先在根据视频的静态原信息和视频流量信息，对视频进行聚类，并进行索引排序，此索引过程，运营人员可以通过人为设定原信息和流量信息的权重，对此次索引排序进行干涉。随着视频点击量和访问次数的变化，本实施例系统可采用按1天、3天、周的间隔方式对视频进行二次索引排序分类，如：视频分类为视频码流＞1Mbs、视频大小>＝100MB、目前访问次数＞＝1000视频分类＝动作的视频集合，其他视频分类依此类推；同时每个视频分类内部都将根据视频动态信息和视频流量信息进行加权排序(该权重运营人员仍然可以在运营中调整干涉)。\n[0059] 可以总结，本发明优点如下：\n[0060] 1、通过本系统与电信运营商深度合作，能够独家提供流量折扣优惠：调用电信运营商网间闲时资源，在盘活闲时资源的同时，为用户在2G/3G连网状态下获取折扣优惠(流量折扣可达5折)。\n[0061] 2、打破视频网站门户模式，为用户提供个性化服务推荐：(1)针对用户的历史观看行为，个性化推荐用户感兴趣的内容；(2)契合实事热点，第一时间向用户推送热门视频上架提示。\n[0062] 3、丰富的视频内容来源，提供一站式服务：网罗主流媒介视频资源，通过热门搜索、个性推荐、联想搜索等模式的结合，实现基于本平台的海量视频播放。\n[0063] 4、多种播放模式选择，迎合不同用户不同机型观影需求：提供5种播放比例主要包括：16：9模式、4：3模式、1.85：1模式、2.35：1模式及全屏模式。\n[0064] 5、基于流量消费敏感性，提供流量监控与查询服务：以天/月为单位时间，实现对数据流量使用值的统计，同时根据闲时使用流量统计优惠值。\n[0065] 以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。