公开(公告)号：CN117421697A

公开(公告)日：2024-01-19

申请号：CN202311381766.4

申请日：2023-10-24

Applicant: 桂林电子科技大学

Inventor： 刘平山 ,  奚铭骏 ,  吕树月 ,  俞中舒 ,  唐泽慧

IPC: G06F18/25 ,  G06F16/78 ,  G06F16/735 ,  G06N3/0442

Abstract: 本发明公开了一种融合注意力机制的多特征多通道长短时记忆网络视频流行度预测方法。该方法首先针对视频的时序数据，引入多特征和多通道以丰富长短时记忆网络的输入信息，让预测模型处理更多种类的时序特征；其次，通过多层感知机学习视频的静态元数据特征，并对其进行静态特征建模得到静态特征向量；然后，引入注意力机制；特征注意力和通道注意力的引入可以使多通道视频时序特征处理模型从多个维度学习多特征之间的内在规律，最终得到时序特征向量；最后，将经过动态特征融合的静态和时序特征向量与模型所学习到的信息值进行综合计算，得到视频流行度预测值。该方法不仅拥有良好的预测精准度，还有助于流媒体平台为用户提供更加精准的用户推荐。

公开(公告)号：CN119364121A

公开(公告)日：2025-01-24

申请号：CN202411463602.0

申请日：2024-10-18

Applicant: 桂林电子科技大学

Inventor： 刘平山 ,  何昊宁 ,  奚铭骏 ,  覃春艳

IPC: H04N21/466 ,  H04N21/475 ,  H04N21/25 ,  H04N21/258 ,  H04N21/234 ,  H04N21/44

Abstract: 本发明公开了一种基于时间信息感知的多特征学习在线视频流行度预测方法。该方法包括：获取待预测视频相关的多特征数据和播放时序数据；将多特征数据根据类别输入至预设多特征编码器中的特征子编码器，确定视觉、声学、文本、社交和元数据特征；将播放时序数据输入至预设多特征编码器中的层次化流行度序列特征提取网络以确定待预测视频的流行度序列特征；将待预测视频的视觉、声学、文本、社交、元数据和流行度序列特征输入至预设特征融合网络中进行特征融合；将融合后的待预测视频特征输入至预设流行度预测网络中得到预测结果。通过本发明的技术方案，可以综合考虑到与视频流行度相关的多种特征，提高流行度预测的性能。