一种社群融合推荐的影音视频播放管理方法及系统与流程

1.本发明属于影音视频播放管理技术领域，尤其涉及一种社群融合推荐的影音视频播放管理方法及系统。


背景技术：

2.影音视频顾名思义就是影音与视频资料，现如今随着网络的快速发展，影音视频的类型变得越来越多，不同的人群喜爱不同的影音视频类型，对于一些重要的影音视频，人们往往会进行下载、保存，以便于随时导出观看。
3.中国专利公开了(cn102695080a)一种无线高清影音播放系统，包括主控模块、nfs服务器控制模块、播放器模块和系统管理模块，主控模块用于检测和控制各模块，并对其接收的消息进行处理和分发；nfs服务器控制模块用于检测本地设备的状态和符合播放格式的文件；如果本地设备状态异常，则将异常信息反馈给主控模块，如果本地设备正常，则将文件列表反馈给播放器模块；播放器模块用于音视频文件的播放；系统管理模块用于查询和设置用户信息和网络状态，当进程正常时，则将执行结果和设备系统状态返回；当进程异常时，则将异常信号反馈给主控模块。利用该系统播放影音时，在不影响当前视频播放质量的基础上，实现日常影音播放从有线变为无线，现如今的影音播放管理系统，有的并未有智能推荐功能，无法根据人群的喜好自动推荐影音视频，有的播放管理系统具有一定的大数据智能推荐功能，但未涉及社群融合推荐特征，导致智能推荐数量有限，应用效果不佳，为了解决这一问题，亟待需要一种基于区块链技术的儿童发育健。


技术实现要素：

4.本发明的目的在于：为了解决现如今的影音播放管理系统，有的并未有智能推荐功能，无法根据人群的喜好自动推荐影音视频，有的播放管理系统具有一定的大数据智能推荐功能，但未涉及社群融合推荐特征，导致智能推荐数量有限，应用效果不佳的问题，而提出的一种社群融合推荐的影音视频播放管理方法及系统。
5.为了实现上述目的，本发明采用了如下技术方案：一种社群融合推荐的影音视频播放管理方法，包括如下步骤：
6.s1、进行数据收集；
7.s2、进行数据整理并储存备份；
8.s3、对于数据存储；
9.s4、进行数据处理；
10.s5、获取目标用户标签；
11.s6、进行大数据分析；
12.s7、智能匹配社群标签；
13.s8、进行社区融合推荐。
14.本发明还公开了一种社群融合推荐的影音视频播放管理系统，包括数据收集模
块，所述数据收集模块的输出端与数据整理模块的输入端相连接，所述数据整理模块的输出端分别与数据备份存储模块及数据存储模块的输入端相连接，所述数据存储模块的输出端与数据处理模块的输入端相连接。
15.作为上述技术方案的进一步描述：
16.所述数据处理模块的输出端与目标用户标签获取模块的输入端相连接，所述目标用户标签获取模块的输出端与大数据分析模块的输入端相连接，所述大数据分析模块的输出端与智能匹配社群标签模块的输入端相连接，所述智能匹配社群标签模块的输出端与社区融合推荐模块的输入端相连接。
17.作为上述技术方案的进一步描述：
18.所述数据收集模块包括历史视频播放记录获取模块与历史视频类型获取模块，所述历史视频播放记录获取模块的输出端与历史视频类型获取模块的输入端相连接，所述历史视频类型获取模块的输出端与历史视频时长获取模块的输入端相连接。
19.作为上述技术方案的进一步描述：
20.所述历史视频时长获取模块的输出端与历史视频格式获取模块的输入端相连接，所述历史视频格式获取模块的输出端与历史视频综合评价获取模块的输入端相连接。
21.作为上述技术方案的进一步描述：
22.所述历史视频类型获取模块的类型数为7-10个。
23.作为上述技术方案的进一步描述：
24.所述数据处理模块包括视频点播习惯参数获取模块与喜好标签生成模块，所述视频点播习惯参数获取模块的输出端与喜好标签生成模块的输入端相连接。
25.作为上述技术方案的进一步描述：
26.所述喜好标签生成模块的输出端与喜好标签分配模块的输入端相连接，所述喜好标签分配模块的输出端与喜好标签管理模块的输入端相连接。
27.作为上述技术方案的进一步描述：
28.所述大数据分析模块包括视频播放大数据聚集模块与决策树限定模块，所述视频播放大数据聚集模块的输出端与决策树限定模块的输入端相连接。
29.作为上述技术方案的进一步描述：
30.所述决策树限定模块的输出端与标签优化模块的输入端相连接，所述标签优化模块的输出端与标签对位模块的输入端相连接，所述标签对位模块的输出端与决策树限定分类模块的输入端相连接。
31.综上所述，由于采用了上述技术方案，本发明的有益效果是：
32.本发明中，通过在内设置有社群融合推荐功能，能够有效获取目标用户的历史视频播放记录，确定目标用户视频点播习惯参数，进行标签化管理，同时获取目标用户的标签，基于视频播放平台的视频播放大数据，结合条件限定决策树，实现用户标签优化，结合条件限定决策树分类结果，实现智能匹配社群标签，智能化程度高，功能强大，通过用户标签优化结果与社群标签进行社群融合推荐，目标用户可以自定义标签，自定义标签的标签等级高，结合自定义标签与社群融合推荐结果，进行影音视频播放管理，能够大大提高同一时间推荐的数据基数，从而能够有效提高该方法及系统的应用效果。
附图说明
33.图1为一种社群融合推荐的影音视频播放管理方法的流程图。
34.图2为一种社群融合推荐的影音视频播放管理系统模块结构示意图。
35.图3为一种社群融合推荐的影音视频播放管理系统中数据收集模块的子模块结构示意图。
36.图4为一种社群融合推荐的影音视频播放管理系统中数据处理模块的子模块结构示意图。
37.图5为一种社群融合推荐的影音视频播放管理中大数据分析模块的子模块结构示意图。
38.图例说明：
39.1、数据收集模块；2、数据处理模块；3、大数据分析模块。
具体实施方式
40.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
41.实施例1
42.请参阅图1，本发明还提供了一种社群融合推荐的影音视频播放管理方法，包括如下步骤：
43.s1、进行数据收集；
44.s2、进行数据整理并储存备份；
45.s3、对于数据存储；
46.s4、进行数据处理；
47.s5、获取目标用户标签；
48.s6、进行大数据分析；
49.s7、智能匹配社群标签；
50.s8、进行社区融合推荐。
51.请参阅图2-5，本发明还公开了一种社群融合推荐的影音视频播放管理系统，包括数据收集模块1，所述数据收集模块1的输出端与数据整理模块的输入端相连接，所述数据整理模块的输出端分别与数据备份存储模块及数据存储模块的输入端相连接，所述数据存储模块的输出端与数据处理模块2的输入端相连接，所述数据处理模块2的输出端与目标用户标签获取模块的输入端相连接，所述目标用户标签获取模块的输出端与大数据分析模块3的输入端相连接，所述大数据分析模块3的输出端与智能匹配社群标签模块的输入端相连接，所述智能匹配社群标签模块的输出端与社区融合推荐模块的输入端相连接。
52.所述数据收集模块1包括历史视频播放记录获取模块与历史视频类型获取模块，所述历史视频播放记录获取模块的输出端与历史视频类型获取模块的输入端相连接，所述历史视频类型获取模块的输出端与历史视频时长获取模块的输入端相连接，所述历史视频时长获取模块的输出端与历史视频格式获取模块的输入端相连接，所述历史视频格式获取
模块的输出端与历史视频综合评价获取模块的输入端相连接，所述历史视频类型获取模块的类型数为7个。
53.所述数据处理模块2包括视频点播习惯参数获取模块与喜好标签生成模块，所述视频点播习惯参数获取模块的输出端与喜好标签生成模块的输入端相连接，所述喜好标签生成模块的输出端与喜好标签分配模块的输入端相连接，所述喜好标签分配模块的输出端与喜好标签管理模块的输入端相连接。
54.所述大数据分析模块3包括视频播放大数据聚集模块与决策树限定模块，所述视频播放大数据聚集模块的输出端与决策树限定模块的输入端相连接，所述决策树限定模块的输出端与标签优化模块的输入端相连接，所述标签优化模块的输出端与标签对位模块的输入端相连接，所述标签对位模块的输出端与决策树限定分类模块的输入端相连接。
55.本实施例中，通过在内设置有社群融合推荐功能，能够有效获取目标用户的历史视频播放记录，确定目标用户视频点播习惯参数，进行标签化管理，同时获取目标用户的标签，基于视频播放平台的视频播放大数据，结合条件限定决策树，实现用户标签优化，结合条件限定决策树分类结果，实现智能匹配社群标签，智能化程度高，功能强大，通过用户标签优化结果与社群标签进行社群融合推荐，目标用户可以自定义标签，自定义标签的标签等级高，结合自定义标签与社群融合推荐结果，进行影音视频播放管理，能够大大提高同一时间推荐的数据基数，从而能够有效提高该方法及系统的应用效果。
56.实施例2
57.请参阅图1，本发明还提供了一种社群融合推荐的影音视频播放管理方法，包括如下步骤：
58.s1、进行数据收集；
59.s2、进行数据整理并储存备份；
60.s3、对于数据存储；
61.s4、进行数据处理；
62.s5、获取目标用户标签；
63.s6、进行大数据分析；
64.s7、智能匹配社群标签；
65.s8、进行社区融合推荐。
66.请参阅图2-5，本发明还公开了一种社群融合推荐的影音视频播放管理系统，包括数据收集模块1，所述数据收集模块1的输出端与数据整理模块的输入端相连接，所述数据整理模块的输出端分别与数据备份存储模块及数据存储模块的输入端相连接，所述数据存储模块的输出端与数据处理模块2的输入端相连接，所述数据处理模块2的输出端与目标用户标签获取模块的输入端相连接，所述目标用户标签获取模块的输出端与大数据分析模块3的输入端相连接，所述大数据分析模块3的输出端与智能匹配社群标签模块的输入端相连接，所述智能匹配社群标签模块的输出端与社区融合推荐模块的输入端相连接。
67.所述数据收集模块1包括历史视频播放记录获取模块与历史视频类型获取模块，所述历史视频播放记录获取模块的输出端与历史视频类型获取模块的输入端相连接，所述历史视频类型获取模块的输出端与历史视频时长获取模块的输入端相连接，所述历史视频时长获取模块的输出端与历史视频格式获取模块的输入端相连接，所述历史视频格式获取
模块的输出端与历史视频综合评价获取模块的输入端相连接，所述历史视频类型获取模块的类型数为9个。
68.所述数据处理模块2包括视频点播习惯参数获取模块与喜好标签生成模块，所述视频点播习惯参数获取模块的输出端与喜好标签生成模块的输入端相连接，所述喜好标签生成模块的输出端与喜好标签分配模块的输入端相连接，所述喜好标签分配模块的输出端与喜好标签管理模块的输入端相连接。
69.所述大数据分析模块3包括视频播放大数据聚集模块与决策树限定模块，所述视频播放大数据聚集模块的输出端与决策树限定模块的输入端相连接，所述决策树限定模块的输出端与标签优化模块的输入端相连接，所述标签优化模块的输出端与标签对位模块的输入端相连接，所述标签对位模块的输出端与决策树限定分类模块的输入端相连接。
70.本实施例中，通过在内设置有社群融合推荐功能，能够有效获取目标用户的历史视频播放记录，确定目标用户视频点播习惯参数，进行标签化管理，同时获取目标用户的标签，基于视频播放平台的视频播放大数据，结合条件限定决策树，实现用户标签优化，结合条件限定决策树分类结果，实现智能匹配社群标签，智能化程度高，功能强大，通过用户标签优化结果与社群标签进行社群融合推荐，目标用户可以自定义标签，自定义标签的标签等级高，结合自定义标签与社群融合推荐结果，进行影音视频播放管理，能够大大提高同一时间推荐的数据基数，从而能够有效提高该方法及系统的应用效果。
71.实施例3
72.请参阅图1，本发明还提供了一种社群融合推荐的影音视频播放管理方法，包括如下步骤：
73.s1、进行数据收集；
74.s2、进行数据整理并储存备份；
75.s3、对于数据存储；
76.s4、进行数据处理；
77.s5、获取目标用户标签；
78.s6、进行大数据分析；
79.s7、智能匹配社群标签；
80.s8、进行社区融合推荐。
81.请参阅图2-5，本发明还公开了一种社群融合推荐的影音视频播放管理系统，包括数据收集模块1，所述数据收集模块1的输出端与数据整理模块的输入端相连接，所述数据整理模块的输出端分别与数据备份存储模块及数据存储模块的输入端相连接，所述数据存储模块的输出端与数据处理模块2的输入端相连接，所述数据处理模块2的输出端与目标用户标签获取模块的输入端相连接，所述目标用户标签获取模块的输出端与大数据分析模块3的输入端相连接，所述大数据分析模块3的输出端与智能匹配社群标签模块的输入端相连接，所述智能匹配社群标签模块的输出端与社区融合推荐模块的输入端相连接。
82.所述数据收集模块1包括历史视频播放记录获取模块与历史视频类型获取模块，所述历史视频播放记录获取模块的输出端与历史视频类型获取模块的输入端相连接，所述历史视频类型获取模块的输出端与历史视频时长获取模块的输入端相连接，所述历史视频时长获取模块的输出端与历史视频格式获取模块的输入端相连接，所述历史视频格式获取
模块的输出端与历史视频综合评价获取模块的输入端相连接，所述历史视频类型获取模块的类型数为10个。
83.所述数据处理模块2包括视频点播习惯参数获取模块与喜好标签生成模块，所述视频点播习惯参数获取模块的输出端与喜好标签生成模块的输入端相连接，所述喜好标签生成模块的输出端与喜好标签分配模块的输入端相连接，所述喜好标签分配模块的输出端与喜好标签管理模块的输入端相连接。
84.所述大数据分析模块3包括视频播放大数据聚集模块与决策树限定模块，所述视频播放大数据聚集模块的输出端与决策树限定模块的输入端相连接，所述决策树限定模块的输出端与标签优化模块的输入端相连接，所述标签优化模块的输出端与标签对位模块的输入端相连接，所述标签对位模块的输出端与决策树限定分类模块的输入端相连接。
85.本实施例中，通过在内设置有社群融合推荐功能，能够有效获取目标用户的历史视频播放记录，确定目标用户视频点播习惯参数，进行标签化管理，同时获取目标用户的标签，基于视频播放平台的视频播放大数据，结合条件限定决策树，实现用户标签优化，结合条件限定决策树分类结果，实现智能匹配社群标签，智能化程度高，功能强大，通过用户标签优化结果与社群标签进行社群融合推荐，目标用户可以自定义标签，自定义标签的标签等级高，结合自定义标签与社群融合推荐结果，进行影音视频播放管理，能够大大提高同一时间推荐的数据基数，从而能够有效提高该方法及系统的应用效果。
86.需要说明的是：实施例1-3中，s7与s8中需要使用到神经网络算法，该神经网络算法具体如下：
87.设网络输入为x，输入神经元有r个；隐含层有s1个神经元，激发函数为f1；输出层内有s2个神经元，对应的激活函数为f2。输出为r，目标矢量为t。
88.(1)信息的正向传递
89.①
隐含层中第；个神经元的输出为：
[0090][0091]
②
输出层第k个神经元的输出为：
[0092][0093]
③
定义误差函数为：
[0094][0095]
(2)求权值的变化及误差的反向传播
[0096]
①
输出层的权值变化
[0097]
对从第i个输入到第k个输出的权值变化为：
[0098]
[0099]
②
隐含层权值的变化
[0100]
对从第j个输入到第i个输出的权值，其变化量为：
[0101][0102]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。