内容分发网络下的用户原创视频热度研究

视频的热度是指用户对视频的关注程度。主要对大规模内容分发网络环境下的在线共享网站原创视频的热度进行分析。提出了综合视频点击数、评论数、评分等多元指标对视频热度进行统计刻画,分析各个指标的分布模型以及指标之间的相互关系,并对视频热度随时间的变化趋势进行了详细分析。通过对实际的爬虫数据统计分析,发现热度指标的分布具有典型的无标度特征,随着视频上传时间的增长,热度越来越趋于稳定。上述发现对于视频内容提供商和互联网运营商在服务器部署、内容缓存、容量规划和流量优化等方面具有重要的意义。

基于高阶深层时空信息的自媒体视频质量评价

自媒体视频中普遍存在的失真扭曲现象,给视频质量评价带来了新的挑战。视觉感知理论研究表明,人类视觉系统中存在感知迭代机制,即视频的感知评价是一个正反向迭代修正的过程。受此启发,本文将该机制引入视频质量评价,提出了基于高阶深层时空信息的质量评价方法。具体而言,本文提出了二阶协方差聚合来进行高阶空域信息的提取,引入快速迭代GRU结构进行深层时域信息建模,而后通过特征层的池化聚合以及多层感知机回归视频得分。实验结果表明,预测结果与人类主观质量评分具有较好的一致性,明显优于现有无参考质量评价算法。