多媒体数据的处理方法、装置、计算机设备和存储介质与流程

本发明实施例涉及多媒体的技术，尤其涉及一种多媒体数据的处理方法、装置、计算机设备和存储介质。
背景技术：
：随着互联网的快速发展，互联网上成立了大量的多媒体平台，这些多媒体平台为用户分享多媒体数据提供了便捷的途径。这些多媒体平台再运营期间保存了大量的多媒体数据，并且，用户每天都会上传多媒体数据，使得多媒体数据可能多达百万数据量级别。多媒体平台中的多媒体数据质量不一、且数据量巨大，用户自行根据关键词搜索、订阅等方式筛选，难度较高，为了为用户提供服务，多媒体平台中一般会选择质量较高的一些多媒体数据推送给用户。由于各个地区的民风不一、喜好不一，对于质量的评价方式多种多样，尤其是对于直播视频数据等在不同地区使用不同语言的情况，应用机器学习、深度学习等方式筛选质量较高的多媒体数据难以达到要求。因此，目前多媒体平台多是引入运营人员人工针对不同地区筛选质量较高的多媒体数据，在筛选的过程中，运营人员需要人工干预筛选的导向，但是，运营人员人工筛选的成本较高，效率较低，愈加难以适配互联网中海量多媒体数据的筛选工作。技术实现要素：本发明实施例提供一种多媒体数据的处理方法、装置、计算机设备和存储介质，以解决人工针对不同地区筛选质量较高的多媒体数据要求较高、成本较高、效率较低的问题。第一方面，本发明实施例提供了一种多媒体数据的处理方法，包括：确定在至少两个地区中发布的多媒体数据；查询所述多媒体数据的多媒体属性；以发布于同一个地区的多媒体数据作为整体进行对比、以确定每个地区中每项多媒体属性的属性权重；根据所述多媒体属性与所述属性权重计算对所述多媒体数据计算表征质量的质量分数；按照所述质量分数从每个地区中的多媒体数据确定目标多媒体数据。第二方面，本发明实施例还提供了一种多媒体数据的处理装置，包括：多媒体数据确定模块，用于确定在至少两个地区中发布的多媒体数据；多媒体属性查询模块，用于查询所述多媒体数据的多媒体属性；属性权重确定模块，用于以发布于同一个地区的多媒体数据作为整体进行对比、以确定每个地区中每项多媒体属性的属性权重；质量分数计算模块，用于根据所述多媒体属性与所述属性权重计算对所述多媒体数据计算表征质量的质量分数；目标多媒体数据确定模块，用于按照所述质量分数从每个地区中的多媒体数据确定目标多媒体数据。第三方面，本发明实施例还提供了一种计算机设备，所述计算机设备包括：一个或多个处理器；存储器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的多媒体数据的处理方法。第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所述的多媒体数据的处理方法。在本实施例中，确定在至少两个地区中发布的多媒体数据，查询多媒体数据的多媒体属性，以发布于同一个地区的多媒体数据作为整体进行对比、以确定每个地区中每项多媒体属性的属性权重，根据多媒体属性与属性权重计算对多媒体数据计算表征质量的质量分数，按照质量分数从每个地区中的多媒体数据确定目标多媒体数据，通过统一的方式对不同的地区设置与该地区适配的属性权重，实现质量评价方式的个性化定义，从而自动化筛选优质的多媒体数据，大大减少了运营人员参与多媒体数据筛选的工作量，从而大大降低了筛选优质多媒体数据的成本，提高了筛选优质多媒体数据的效率，适配互联网中海量多媒体数据的筛选工作。附图说明图1为本发明实施例一提供的一种多媒体数据的处理方法的流程图；图2是本发明实施例二提供的一种多媒体数据的处理方法的流程图；图3为本发明实施例三提供的一种多媒体数据的处理装置的结构示意图；图4为本发明实施例四提供的一种计算机设备的结构示意图。具体实施方式下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。实施例一图1为本发明实施例一提供的一种多媒体数据的处理方法的流程图，本实施例可适用于确定不同地区多媒体数据中多媒体属性的属性权重，从而计算不同地区中多媒体数据的质量分数，以进行筛选的情况，该方法可以由多媒体数据的处理装置来执行，该多媒体数据的处理装置可以由软件和/或硬件实现，可配置在计算机设备中，例如，服务器、工作站、个人电脑，等等，该方法具体包括如下步骤：s101、确定在至少两个地区中发布的多媒体数据。在本实施例中，多媒体平台跨地区进行运行，接收用户在不同地区上传的多媒体数据。其中，在同一个地区中，用户接受相同或相似的文化，用户之间的兴趣、行为较为相似，对质量的评价较为统一，因此，可按照发布的地区区分不同的多媒体数据。例如，地区可以指国家，例如，中国、泰国、越南、加拿大，等等，当然，为了提高筛选多媒体数据的精确度，地区也可以指细颗粒度的省份、地级市，等等，本实施例对此不加以限制。此外，多媒体数据的类型包括视频数据、音频数据、演示文稿等，形式包括直播节目、短视频、电视剧、电影、电子书、歌曲，等等。以直播节目为例，直播节目的格式多为流式数据，如mp4(movingpictureexpertsgroup4，动态图像专家组第四版)、flv(flashvideo，流媒体格式)等等。用户在客户端登录，采集视频数据、音频数据，编码之后通过rtsp(realtimestreamingprotocol，实时流传送协议)、rtmp(realtimemessagingprotocol，实时消息传送协议)、hls(httplivestreaming，基于http(hypertexttransportprotocol，超文本传输协议)的流媒体传输协议)等协议传输至计算机设备，计算机设备在直播节目完成时，存储该直播节目。s102、查询所述多媒体数据的多媒体属性。多媒体数据在生成、存储时，会记录其属性，作为多媒体属性。在具体实现中，该多媒体属性可以为多媒体数据本身具有的属性，如标题，作者(对于直播节目，作者为主播用户)，长度等，该多媒体属性也可以为用户与多媒体数据之间的交互所产生的属性，如用户所表达的正向情感(如点赞、支持)、负向情感(如扔鸡蛋)，评论，弹幕，播放量，观看时长(标准统计的时长/多媒体数据的长度，标准统计的时长通过用户观看多媒体数据的时间明细，在hive表通过etl(extract-transform-load，用来描述将数据从来源端经过抽取(extract)、转换(transform)、加载(load)至目的端的过程)统计的，通常以多个用户的观看时长的平均值表示)，转发量，等等。s103、以发布于同一个地区的多媒体数据作为整体进行对比、以确定每个地区中每项多媒体属性的属性权重。在本实施例中，可以将发布于同一个地区的多媒体数据作为整体看待，通过对比不同地区的多媒体数据的差异，区分不同地区中用户的偏好，从而对每个地区中多媒体数据的每项多媒体属性设置属性权重。s104、根据所述多媒体属性与所述属性权重计算对所述多媒体数据计算表征质量的质量分数。在本实施例中，针对每一个地区的每一个多媒体数据，可使用该多媒体数据的多媒体属性与该多媒体属性在该地区的属性权重，代入预设的计算公式中，对该多媒体数据生成用于表征其质量的分数，作为质量分数。s105、按照所述质量分数从每个地区中的多媒体数据确定目标多媒体数据。若计算出每个地区中多媒体数据的多媒体分数，则可以从每个地区中挑选质量分数较高的多媒体数据，即挑选出质量较好的多媒体数据，作为目标多媒体数据。在一种确定目标多媒体数据的方式中，在每个地区中，按照质量分数对多媒体数据进行降序排序，即质量分数越大，排序越前，质量分数越小，排序越后，确定排序前n个的多媒体数据为地区中的目标多媒体数据，其中，n为正整数。在本实施例中，确定在至少两个地区中发布的多媒体数据，查询多媒体数据的多媒体属性，以发布于同一个地区的多媒体数据作为整体进行对比、以确定每个地区中每项多媒体属性的属性权重，根据多媒体属性与属性权重计算对多媒体数据计算表征质量的质量分数，按照质量分数从每个地区中的多媒体数据确定目标多媒体数据，通过统一的方式对不同的地区设置与该地区适配的属性权重，实现质量评价方式的个性化定义，从而自动化筛选优质的多媒体数据，大大减少了运营人员参与多媒体数据筛选的工作量，从而大大降低了筛选优质多媒体数据的成本，提高了筛选优质多媒体数据的效率，适配互联网中海量多媒体数据的筛选工作。实施例二图2为本发明实施例二提供的一种多媒体数据的处理方法的流程图，本实施例以前述实施例为基础，进一步细化通过协同过滤(collaborativefiltering,简称cf)确定属性权重、计算质量分数的处理操作，该方法具体包括如下步骤：s201、确定在至少两个地区中发布的多媒体数据。s202、查询所述多媒体数据的多媒体属性。s203、生成第一矩阵。在本实施例中，第一矩阵包括每个地区表征每项多媒体属性的属性向量，即将每个地区中的多媒体属性转换为向量的形式(即属性向量)。在具体实现中，针对每个地区，确定地区中每项多媒体属性的属性占比，该属性占比为该地区中，具有该多媒体属性的多媒体数据的数量与多媒体数据的总数量之间的比值。针对每个地区，将属性占比乘以多媒体属性对应的个体权重，获得属性向量，其中，个体权重为通用的评分权重，可以由本领域技术人员根据业务需求预先设置。其中，对于长度这个多媒体属性，可确定预设的多个范围，每个范围关联一个系数，该系数与范围的值呈正态分布，即中间某个范围对应的系数最大，两侧范围对应的系数逐渐下降，此时，可确定多媒体视频的长度所属的范围，统计该范围内多媒体视频的属性占比，将该范围关联的系数设置为该长度的个体权重，计算每个范围对应的属性占比及其个体权重之间乘积的和值，作为长度对应的属性向量。以地区作为行、多媒体数据的多媒体属性作为列，将至少两个地区的属性向量组成第一矩阵。s204、生成第二矩阵。在本实施例中，第二矩阵包括每两个地区之间在所有多媒体属性上的相似度，即计算每个地区中所有多媒体属性之间的相似度。在具体实现中，针对每两个地区，通过余弦相似度、曼哈顿距离、汉明距离等方式，计算属性向量之间的相似度。以地区作为行、以地区作为列，将至少两个地区的相似度组成第二矩阵。s205、将所述第二矩阵乘以所述第一矩阵，获得每个地区中每项多媒体属性的属性权重。在本实施例中，由于第一矩阵的列为地区，第二矩阵的行为地区，因此，可将第二矩阵直接乘以第一矩阵，两者之间的乘积，即为每个地区中每项多媒体属性的属性权重。假设第二矩阵a是m×n矩阵、第一矩阵b是n×p矩阵，它们是乘积ab是一个m×p矩阵。(ab)[i,j]＝a[i,1]*b[1,j]+a[i,2]*b[2,j]+...+a[i,n]*b[n,j]其中，i∈m，j∈p。在本实施例中，生成第一矩阵，第一矩阵包括每个地区表征每项多媒体属性的属性向量，生成第二矩阵，第二矩阵包括每两个地区之间在所有多媒体属性上的相似度，将第二矩阵乘以第一矩阵，获得每个地区中每项多媒体属性的属性权重，通过将协同过滤的思想确定每个地区中每项多媒体属性的属性权重，可保证每个地区中每项多媒体属性的属性权重的准确性。s206、对所述多媒体属性转换为属性系数。在本实施例中，对多媒体属性通过直接赋值、计算具有统计意义的数值等方式进行量化，获得属性系数。在一个示例中，多媒体属性包括如下的至少一种：标题、正向情感、作者、播放量、观看时长、长度。在此示例中，可对标题赋予第一系数、对正向情感赋予第二系数、对作者赋予第三系数、对长度赋予第四系数，作为属性系数。其中，第一系数、第二系数、第三系数、第四系数可以由本领域技术人员根据实际的业务需求进行设置。例如，若具有标题，则赋予一个值(如1)作为第一系数，若无标题，则赋予另一个值(如0)作为第一系数；若具有正向情感，则赋予一个值(如1)作为第一系数，若无正向情感，则赋予另一个值(如0)作为第一系数；若具有作者，则赋予一个值(如1)作为第一系数，若无作者，则赋予另一个值(如0)作为第一系数。进一步地，在对长度赋予第四系数时，可确定预设的多个范围，每个范围关联一个系数，该系数与范围的值呈正态分布，即中间某个范围对应的系数最大，两侧范围对应的系数逐渐下降，此时，可确定多媒体视频的长度所属的范围，将该范围关联的系数设置为该长度的第四系数。对播放量进行离差标准化，获得第一标准值，作为属性系数。对观看时长进行离差标准化，获得第二标准值，作为属性系数。其中，离差标准化可消除大单位和小单位的影响(消除量纲)、变异大小的差异影响，可通过如下公式计算：x’＝(x-xmin)/(xmax-xmin)其中，x为播放量或观看时长，xmax为播放量或观看时长的最大值，xmin为播放量或观看时长的最大值，x’为第一标准值或第二标准值。当然，上述属性系数及其转化方式只是作为示例，在实施本实施例时，可以根据实际情况设置其他属性系数及其转化方式，本实施例对此不加以限制。另外，除了上述属性系数及其转化方式外，本领域技术人员还可以根据实际需要采用其它属性系数及其转化方式，本实施例对此也不加以限制。s207、使用所述属性系数与所述属性权重对所述多媒体数据计算原始分数。在确定属性系数之后，则可以结合属性系数与属性权重对多媒体数据计算原始分数，该原始分数表征多媒体数据基础的质量。其中，原始分数与属性系数、属性权重均正相关，即属性系数越大、属性权重越高，原始分数越高，反之，属性系数越小、属性权重越低，原始分数越低。在一个示例中，计算第一系数与标题对应的属性权重之间的第一乘积，计算第二系数与正向情感对应的属性权重之间的第二乘积，计算第三系数与作者对应的属性权重之间的第三乘积，计算第一标准值与播放量对应的属性权重之间的第四乘积，计算第二标准值与观看时长对应的属性权重之间的第五乘积。计算第一乘积、第二乘积、第三乘积、第四乘积与第五乘积之间的和值。计算和值与第四系数之间的第六乘积，作为多媒体数据的原始分数。当然，上述原始分数的计算方式只是作为示例，在实施本实施例时，可以根据属性系数与属性权重的实际情况设置其他原始分数的计算方式，例如，计算所有属性系数与所有属性权重之间的乘积，再求和，作为原始分数，等等，本实施例对此不加以限制。另外，除了上述原始分数的计算方式外，本领域技术人员还可以根据实际需要采用其它原始分数的计算方式，本实施例对此也不加以限制。s208、对所述原始分数进行衰减，获得候选分数。在本实施例中，对于内容相同的多媒体数据，会因为不同的因素而引起质量的变化，因此，可按照该因素对对原始分数进行衰减，降低该原始分数，作为候选分数。进一步地，以时间作为因素的示例进行说明，在此示例中，可确定多媒体数据的发布时间。确定衰减系数，该衰减系数大于0、小于1，并且，该衰减系数与时间差值负相关，其中，时间差值为发布时间与当前时间之间的差值，即时间差值越大，衰减系数越小，反之，时间差值越小，衰减系数越大。在一个示例中，可以采用牛顿冷却定律，发布时间衰减系数，即设置指数函数作为衰减公式：y＝ax，其中，y为衰减系数，x为时间差值，a为基于半衰期确定的常数，若半衰期为30，则a≈0.977。此时，可计算原始分数对衰减系数之间的第七乘积，作为候选分数。当然，上述衰减的方式只是作为示例，在实施本实施例时，可以根据实际情况设置其他衰减的方式，例如，针对内容相同或相似的多个多媒体数据，可按照转发次数、点赞量、弹幕量中的至少一者确定衰减系数进行衰减，其中，转发次数、点赞量、弹幕量与衰减系数均正相关，从而减少推送相同内容相同或相似的多媒体数据给用户，等等，本发明实施例对此不加以限制。另外，除了上述判断处理方法外，本领域技术人员还可以根据实际需要采用其它判断处理方法，本实施例对此也不加以限制。s209、在所述候选分数的基础上加上预设的基础分数，作为所述多媒体数据表征质量的质量分数。在本实施例中，运营人员可以预先按照多媒体数据的类型、作者、主题等维度针对不同地区的多媒体数据设置基础分数，可以让运营人员通过人为干预，对多媒体数据的筛选进行人工导向。例如，在一次全球性的大型电子竞技赛事中，运营人员可对以该电子竞技赛事作为主题，设置一个较高的基础分数，从而增加以该电子竞技赛事作为主题的直播节目的推送量。又例如，对于直播节目、短视频，多媒体平台新签约一个优秀的主播用户、工作室，运营人员可以以该主播用户、工作室作为作者，设置一个较高的基础分数，从而增加该主播用户制作的直播节目、该工作室制作的短视频在初期的推送量。又例如，在全球性的公益性节日中，如3月12日的植树节、11月9日的消防宣传日等，运营人员可对以该公益性节日作为主题，设置一个较高的基础分数，从而增加以该公益性节日作为主题的直播节目、短视频的推送量。在本实施例中，对多媒体属性转换为属性系数，使用属性系数与属性权重对多媒体数据计算原始分数，原始分数与属性系数、属性权重均正相关，对原始分数进行衰减，获得候选分数，在候选分数的基础上加上预设的基础分数，作为多媒体数据表征质量的质量分数，多媒体属性表示多媒体数据原始的质量，在原始分数的基础上，按照不同的因素进行衰减、并添加运营人员可调配的基础分数，实现在不同维度对原始分数的调整，从而保证质量分数表征质量的准确性。s210、按照所述质量分数从每个地区中的多媒体数据确定目标多媒体数据。s211、将每个地区中的目标多媒体数据推送至所述地区中的用户。在本实施例中，对于每个地区中筛选出来的目标多媒体数据，可以直接推送给该地区中的用户，从而提供适合该地区的、质量较高的多媒体数据给用户。当然，除了直接推送之外，还可以通过其他维度再次对目标多媒体数据进进行筛选，如将目标多媒体数据与表征用户个性化的标签(如喜好、年龄、性别等)进行匹配等，将再次筛选之后的多媒体数据推送给用户，本实施例对此不加以限制。需要说明的是，用户是以用户标识表征，在用户注册时，该用户标识可以为用户id、用户账号等，在用户未注册时，该用户标识可以为设备标识等，所谓推送给用户，是推送给该用户标识所在的设备进行显示，如移动终端、个人电脑，等等。为使本领域技术人员更好地理解本实施例，以下通过具体的示例来说明本实施例中多媒体数据的处理方法。在本示例中，地区包括泰国th、越南vn、巴西br、日本ja、印度in、加拿大ca。多媒体属性包括标题、正向情感、作者、播放量、观看时长、长度。范围0-30秒关联的系数为1、范围31-60秒关联的系数为3、范围在61秒以上关联的系数为2。其中，标题的个体权重为3、正向情感的个体权重为5、作者的个体权重为1、播放量的个体权重为100、观看时长的个体权重为200、长度在0-30秒的个体权重为1、长度在31-60秒的个体权重为3、长度在61秒以上的个体权重为2。为了方便计算，对于播放量，可以使用对播放量进行离差标准化所获得的第一标准值进行统计，对于观看时长，可以使用对观看时长进行离差标准化所获得的第二标准值进行统计。对这些地区的多媒体数据统计属性占比并计算属性向量，如下表所示：其中，长度对应的三个属性占比依次为长度在0-30秒的属性占比、长度在31-60秒的属性占比、长度在61秒以上的属性占比。则第一矩阵如下：p1p2p3p4p5p6th0.30.750.12642.6vn0.061.250.1316444.76br0.3060.550.1360425.2ja0.270.0750.196.55.22.03in0.060.150.0456.12.40.834ca0.330.750.125653.56通过余弦相似度计算每两个地区之间多媒体属性的相似度，以th与vn为例：则第二矩阵如下：将第二矩阵乘以第一矩阵，获得各个地区的属性权重如下：p1p2p3p4p5p6th1.293.220.7094.4191.4617.68vn1.093.070.6384.4791.7316.28br1.273.210.7096.7594.0017.71ja1.303.300.7196.5294.9018.03in1.242.990.6792.3685.9116.71ca1.283.240.7092.7891.3817.62假设th中有一个多媒体数据，有标题、有正向情感、没有作者，对播放量进行离差标准化的第一标准值为0.012，对观看占比进行离差标准化的第二标准值为0.045，多媒体数据的长度为35秒，多媒体数据已发布30天。对标题赋予1作为第一系数，对正向情感赋予1作为第二系数、对作者赋予0作为第三系数，对长度35描述赋予范围31-60秒关联的系数3作为第四系数。将30天作为x代入衰减公式y＝ax中，其中，半衰期为30，则衰减系数y＝0.5。运用人员对该多媒体数据设置的基础分数为10000。因此，该多媒体数据的质量分数为：(1×1.29+1×3.22+0×0.70+94.41×0.012+91.46×0.045)×3×17.68×0.5+10000＝10258.8实施例三图3为本发明实施例三提供的一种多媒体数据的处理装置的结构示意图，该装置具体可以包括如下模块：多媒体数据确定模块301，用于确定在至少两个地区中发布的多媒体数据；多媒体属性查询模块302，用于查询所述多媒体数据的多媒体属性；属性权重确定模块303，用于以发布于同一个地区的多媒体数据作为整体进行对比、以确定每个地区中每项多媒体属性的属性权重；质量分数计算模块304，用于根据所述多媒体属性与所述属性权重计算对所述多媒体数据计算表征质量的质量分数；目标多媒体数据确定模块305，用于按照所述质量分数从每个地区中的多媒体数据确定目标多媒体数据。在本发明的一个实施例中，所述属性权重确定模块303包括：第一矩阵生成子模块，用于生成第一矩阵，所述第一矩阵包括每个地区表征每项多媒体属性的属性向量；第二矩阵生成子模块，用于生成第二矩阵，所述第二矩阵包括每两个地区之间在所有多媒体属性上的相似度；矩阵相乘子模块，用于将所述第二矩阵乘以所述第一矩阵，获得每个地区中每项多媒体属性的属性权重。在本发明的一个实施例中，所述第一矩阵生成子模块包括：属性占比确定单元，用于针对每个地区，确定所述地区中每项多媒体属性的属性占比；属性向量确定单元，用于针对每个地区，将所述属性占比乘以所述多媒体属性对应的个体权重，获得属性向量；第一矩阵组成单元，用于将至少两个所述地区的属性向量组成第一矩阵。在本发明的一个实施例中，所述第二矩阵生成子模块包括：相似度计算单元，用于针对每两个地区，计算所述属性向量之间的相似度；第二矩阵组成单元，用于将至少两个所述地区的相似度组成第二矩阵。在本发明的一个实施例中，所述质量分数计算模块304包括：属性系数转换子模块，用于对所述多媒体属性转换为属性系数；原始分数计算子模块，用于使用所述属性系数与所述属性权重对所述多媒体数据计算原始分数，所述原始分数与所述属性系数、所述属性权重均正相关；原始分数衰减子模块，用于对所述原始分数进行衰减，获得候选分数；基础分数添加子模块，用于在所述候选分数的基础上加上预设的基础分数，作为所述多媒体数据表征质量的质量分数。在本发明实施例的一个示例中，所述多媒体属性包括如下的至少一种：标题、正向情感、作者、播放量、观看时长、长度；所述属性系数转换子模块包括：第一转换单元，用于对所述标题赋予第一系数、对所述正向情感赋予第二系数、对所述作者赋予第三系数、对所述长度赋予第四系数，作为属性系数；第二转换单元，用于对所述播放量进行离差标准化，获得第一标准值，作为属性系数；第三转换单元，用于对所述观看时长进行离差标准化，获得第二标准值，作为属性系数。在此示例中，所述原始分数计算子模块包括：第一乘积计算单元，用于计算所述第一系数与所述标题对应的属性权重之间的第一乘积；第二乘积计算单元，用于计算所述第二系数与所述正向情感对应的属性权重之间的第二乘积；第三乘积计算单元，用于计算所述第三系数与所述作者对应的属性权重之间的第三乘积；第四乘积计算单元，用于计算所述第一标准值与所述播放量对应的属性权重之间的第四乘积；第五乘积计算单元，用于计算所述第二标准值与所述观看时长对应的属性权重之间的第五乘积；和值计算单元，用于计算所述第一乘积、所述第二乘积、所述第三乘积、所述第四乘积与所述第五乘积之间的和值；第六乘积计算单元，用于计算所述和值与所述第四系数之间的第六乘积，作为所述多媒体数据的原始分数。在本发明的一个实施例中，所述原始分数衰减子模块包括：发布时间确定单元，用于确定所述多媒体数据的发布时间；衰减系数确定单元，用于确定衰减系数，所述衰减系数小于1、且与时间差值负相关，所述时间差值为所述发布时间与当前时间之间的差值；第七乘积计算单元，用于计算所述原始分数对所述衰减系数之间的第七乘积，作为候选分数。在本发明的一个实施例中，所述目标多媒体数据确定模块305包括：降序排序子模块，用于在每个地区中，按照所述质量分数对所述多媒体数据进行降序排序；排序确定子模块，用于确定排序前n个的多媒体数据为所述地区中的目标多媒体数据。在本发明的一个实施例中，还包括：目标多媒体数据推送模块，用于将每个地区中的目标多媒体数据推送至所述地区中的用户。本发明实施例所提供的多媒体数据的处理装置可执行本发明任意实施例所提供的多媒体数据的处理方法，具备执行方法相应的功能模块和有益效果。实施例四图4为本发明实施例四提供的一种计算机设备的结构示意图。如图4所示，该计算机设备包括处理器400、存储器401、通信模块402、输入装置403和输出装置404；计算机设备中处理器400的数量可以是一个或多个，图4中以一个处理器400为例；计算机设备中的处理器400、存储器401、通信模块402、输入装置403和输出装置404可以通过总线或其他方式连接，图4中以通过总线连接为例。存储器401作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本实施例中的多媒体数据的处理方法对应的模块(例如，如图3所示的多媒体数据的处理装置中的多媒体数据确定模块301、多媒体属性查询模块302、属性权重确定模块303、质量分数计算模块304和目标多媒体数据确定模块305)。处理器400通过运行存储在存储器401中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述的多媒体数据的处理方法。存储器401可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储器401可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器401可进一步包括相对于处理器400远程设置的存储器，这些远程存储器可以通过网络连接至计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。通信模块402，用于与显示屏建立连接，并实现与显示屏的数据交互。输入装置403可用于接收输入的数字或字符信息，以及产生与计算机设备的用户设置以及功能控制有关的键信号输入，还可以是用于获取图像的摄像头以及获取音频数据的拾音设备。输出装置404可以包括扬声器等音频设备。需要说明的是，输入装置403和输出装置404的具体组成可以根据实际情况设定。处理器400通过运行存储在存储器401中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的电子白板的连接节点控制方法。本实施例提供的计算机设备，可执行本发明任一实施例提供的多媒体数据的处理方法，具体相应的功能和有益效果。实施例五本发明实施例五还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现一种多媒体数据的处理方法，该方法包括：确定在至少两个地区中发布的多媒体数据；查询所述多媒体数据的多媒体属性；以发布于同一个地区的多媒体数据作为整体进行对比、以确定每个地区中每项多媒体属性的属性权重；根据所述多媒体属性与所述属性权重计算对所述多媒体数据计算表征质量的质量分数；按照所述质量分数从每个地区中的多媒体数据确定目标多媒体数据。当然,本发明实施例所提供的计算机可读存储介质,其计算机程序不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的多媒体数据的处理方法中的相关操作。通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(read-onlymemory,rom)、随机存取存储器(randomaccessmemory,ram)、闪存(flash)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。值得注意的是，上述多媒体数据的处理装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。当前第1页12