基于人工智能的新媒体资源处理方法、服务器及存储介质与流程

本申请实施例涉及人工智能和新媒体技术领域，具体涉及一种基于人工智能的新媒体资源处理方法、服务器及存储介质。

背景技术：

新媒体（newmedia）是利用数字技术，通过计算机网络、无线通信网、卫星等渠道，以及电脑、手机、数字电视机等终端，向用户提供信息和服务的传播形态。

换言之，“新媒体”特指当下与“传统媒体”相对应的，以数字压缩和无线网络技术为支撑，利用其大容量、实时性和交互性，可以跨越地理界线最终得以实现全球化的媒体。

新媒体业务能够便于用户之间进行进行更快、更充分的资源交互，比如音视频交互，伴随着人工智能的发展，新媒体资源的共享技术还能够提高新媒体资源的利用率。然而，发明人在实际实施过程中发现，相关的新媒体资源共享技术存在资源共享优化效率低下的问题。

技术实现要素：

有鉴于此，本申请实施例提供了一种基于人工智能的新媒体资源处理方法、服务器及存储介质。

本申请实施例提供了一种基于人工智能的新媒体资源处理方法，应用于媒体业务服务器，包括：

将原始新媒体业务资源导入业务资源优化线程；

通过所述业务资源优化线程获取所述原始新媒体业务资源中的第一可调用对象集；

通过所述业务资源优化线程基于所述第一可调用对象集获取所述原始新媒体业务资源中的第一热门状态信息和第一热门状态信息描述分布，其中，所述第一热门状态信息为所述第一可调用对象集在所述原始新媒体业务资源中对应的状态信息；

通过所述业务资源优化线程将所述第一热门状态信息划分为多个资源状态片段，通过所述业务资源优化线程基于所述第一热门状态信息描述分布识别所述第一热门状态信息中每个所述资源状态片段对应的资源调用情况，通过所述业务资源优化线程获取所述第一热门状态信息中每个资源状态节点的互动资源调用情况，其中，所述资源状态片段对应的资源调用情况为所述资源状态片段中存在可调用对象的可能性；

基于所述第一热门状态信息中每个所述资源状态片段的资源调用情况、所述第一可调用对象集的信息和所述第一热门状态信息中每个资源状态节点的互动资源调用情况，获取资源共享优化内容。

可选的，所述第一可调用对象集的信息包括第一可调用对象集的类型，所述基于所述第一热门状态信息中每个所述资源状态片段的资源调用情况、所述第一可调用对象集的信息和所述第一热门状态信息中每个资源状态节点的互动资源调用情况，获取资源共享优化内容，包括：

基于所述第一热门状态信息中每个所述资源状态片段对应的资源调用情况确定所述第一热门状态信息中存在所述可调用对象的状态信息，基于所述第一热门状态信息中每个资源状态节点的互动资源调用情况，确定所述第一热门状态信息中对应所述资源状态节点的类型，其中，所述存在可调用对象的状态信息对应的所述资源状态片段对应的资源调用情况大于预设可能性阈值；

基于所述第一热门状态信息中每个所述资源状态节点的类型，确定所述存在可调用对象的状态信息中属于所述第一可调用对象集的类型的资源状态节点，作为所述资源共享优化内容。

可选的，所述通过所述业务资源优化线程获取所述原始新媒体业务资源中的第一可调用对象集，包括：

通过所述业务资源优化线程获取所述原始新媒体业务资源中的第一初始描述分布；

通过所述业务资源优化线程基于所述第一初始描述分布获取所述原始新媒体业务资源中的第一可调用对象集。

可选的，所述第一可调用对象集的信息包括所述第一可调用对象集的对象属性，所述通过所述业务资源优化线程获取所述第一热门状态信息中每个资源状态节点的互动资源调用情况，包括：

通过所述业务资源优化线程对所述第一初始描述分布进行互动优化，得到所述原始新媒体业务资源中所述各资源状态节点对应的第一互动优化描述分布；

基于所述第一可调用对象集的对象属性确定所述第一热门状态信息中每个资源状态节点在所述第一互动优化描述分布中对应的资源调用情况，作为对应所述第一热门状态信息中所述资源状态节点的互动资源调用情况。

可选的，所述通过所述业务资源优化线程基于所述第一初始描述分布获取所述原始新媒体业务资源中的第一可调用对象集，包括：

通过所述业务资源优化线程基于所述第一初始描述分布，获取所述原始新媒体业务资源中的第一候选对象集；

通过所述业务资源优化线程基于所述第一候选对象集和所述第一初始描述分布，获取所述原始新媒体业务资源中的第二热门状态信息描述分布；

通过所述业务资源优化线程基于所述第二热门状态信息描述分布，获取所述第一可调用对象集。

可选的，所述通过所述业务资源优化线程基于所述第二热门状态信息描述分布，获取所述第一可调用对象集，包括：

通过所述业务资源优化线程获取所述第二热门状态信息描述分布对应的对象分类描述分布和对象关联描述分布，其中，所述对象分类描述分布用于表示所述第一候选对象集属于各类型的可能性，所述对象关联描述分布用于表示所述第一可调用对象集相对于所述第一候选对象集的比对结果；

基于所述第二热门状态信息描述分布对应的对象分类描述分布和所述第二热门状态信息描述分布对应的对象关联描述分布获取所述第一可调用对象集的信息；

相应的，所述第一可调用对象集的信息还包括所述第一可调用对象集的对象属性和所述第一可调用对象集的类型，所述基于所述第二热门状态信息描述分布对应的对象分类描述分布和所述第二热门状态信息描述分布对应的对象关联描述分布获取所述第一可调用对象集的信息，包括：

对所述第二热门状态信息描述分布对应的对象分类描述分布进行描述筛分处理，得到所述第一可调用对象集的类型；

对所述第二热门状态信息描述分布对应的对象关联描述分布与所述第一候选对象集的对象属性进行比对结果调整，得到所述第一可调用对象集的对象属性。

可选的，在所述通过所述业务资源优化线程获取所述原始新媒体业务资源中的第一可调用对象集之前，包括：对所述业务资源优化线程进行配置。

可选的，所述对所述业务资源优化线程进行配置，包括：

将配置新媒体业务资源导入所述业务资源优化线程；

通过所述业务资源优化线程获取所述配置新媒体业务资源的第二初始描述分布；

通过所述业务资源优化线程基于所述第二初始描述分布获取所述配置新媒体业务资源中的第二热门状态信息和第三热门状态信息描述分布；

通过所述业务资源优化线程将所述第二热门状态信息划分为多个所述资源状态片段，通过所述业务资源优化线程基于所述第三热门状态信息描述分布识别所述第二热门状态信息中每个所述资源状态片段对应的资源调用情况，通过所述业务资源优化线程对所述第二初始描述分布进行互动优化，以得到第二互动优化描述分布；

基于所述第二热门状态信息中每个所述资源状态片段对应的资源调用情况和第一真实调用情况之间的分析结果获取所述业务资源优化线程的第一线程性能指标，基于所述第二互动优化描述分布与第二真实调用情况之间的分析结果获取所述业务资源优化线程的第二线程性能指标；

基于所述第一线程性能指标和所述第二线程性能指标调整所述业务资源优化线程的线程参数；

其中，所述通过所述业务资源优化线程基于所述第二初始描述分布获取所述原始新媒体业务资源中的第二热门状态信息和第三热门状态信息描述分布，包括：

通过所述业务资源优化线程基于所述第二初始描述分布获取所述配置新媒体业务资源的第二候选对象集，将所述第二候选对象集在所述配置新媒体业务资源中对应的状态信息作为所述第二热门状态信息；

通过所述业务资源优化线程基于所述第二候选对象集和所述第二初始描述分布，获取所述第三热门状态信息描述分布；

相应的，在所述通过所述业务资源优化线程基于所述第二候选对象集和所述第二初始描述分布，获取所述第三热门状态信息描述分布之后，包括：

通过所述业务资源优化线程获取所述第三热门状态信息描述分布对应的对象分类描述分布和对象关联描述分布，其中，所述第三热门状态信息描述分布对应的对象分类描述分布用于表示所述第二候选对象集属于各类型的可能性，所述第三热门状态信息描述分布对应的对象关联描述分布用于表示第二可调用对象集相对于所述第二候选对象集的比对结果；

基于所述第三热门状态信息描述分布对应的对象分类描述分布和第三真实调用情况之间的分析结果，获取所述业务资源优化线程的第三线程性能指标，基于所述第三热门状态信息描述分布对应的所述对象关联描述分布与第四真实调用情况之间的分析结果，获取所述业务资源优化线程的第四线程性能指标；

基于所述第三线程性能指标和所述第四线程性能指标调整所述业务资源优化线程的线程参数。

本申请实施例还提供了一种媒体业务服务器，包括处理器、通信总线和存储器；所述处理器和所述存储器通过所述通信总线通信，所述处理器从所述存储器中读取计算机程序并运行，以执行上述的方法。

本申请实施例还提供了一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序在运行时实现上述的方法。

相较于现有技术，本申请实施例提供的基于人工智能的新媒体资源处理方法、服务器及存储介质具有以下技术效果：通过上述方式，本申请通过业务资源优化线程获取原始新媒体业务资源中的的第一可调用对象集，基于第一可调用对象集获取原始新媒体业务资源的第一初始描述分布和第一热门状态信息描述分布，对第一热门状态信息进行资源状态片段化的可调用对象选定，从而能够快速实现对第一热门状态信息中可调用对象的范围性选定，并通过业务资源优化线程获取第一热门状态信息中每个资源状态节点的互动资源调用情况，从而能够结合第一热门状态信息中可调用对象的范围性选定内容和每个资源状态节点的互动资源调用情况获取资源共享优化内容。相比于相关的通过优化路径对第一热门状态信息描述分布进行资源共享优化的方式，本申请提高了资源共享优化的效率，减少了媒体业务服务器的资源开销。

并且，由于相关技术的优化路径需要获取其对应的第一热门状态信息描述分布中各资源调用情况点属于各类型的可能性，因此其输出的描述分布会占用大量的服务器空间，而本申请中的业务资源优化线程只是对各资源状态片段是否存在可调用对象进行识别，进而有效减少服务器空间的占用，因此能够减少新媒体业务资源优化所需占用的资源开销，减少业务资源共享优化的耗时。

在后面的描述中，将部分地陈述其他的特征。在检查后面内容和附图时，本领域的技术人员将部分地发现这些特征，或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面，当前申请中的特征可以被实现和获得。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本申请实施例所提供的一种媒体业务服务器的方框示意图。

图2为本申请实施例所提供的一种基于人工智能的新媒体资源处理方法的流程图。

图3为本申请实施例所提供的一种基于人工智能的新媒体资源处理装置的框图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本申请的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，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他实施例，都属于本申请保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

图1示出了本申请实施例所提供的一种媒体业务服务器10的方框示意图。本申请实施例中的媒体业务服务器10可以为具有数据存储、传输、处理功能的服务端，如图1所示，媒体业务服务器10包括：存储器11、处理器12、通信总线13和基于人工智能的新媒体资源处理装置20。

存储器11、处理器12和通信总线13之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件互相之间可以通过一条或多条通讯总线或信号线实现电性连接。存储器11中存储有基于人工智能的新媒体资源处理装置20，所述基于人工智能的新媒体资源处理装置20包括至少一个可以软件或固件（firmware）的形式储存于所述存储器11中的软件功能模块，所述处理器12通过运行存储在存储器11内的软件程序以及模块，例如本申请实施例中的基于人工智能的新媒体资源处理装置20，从而执行各种功能应用以及数据处理，即实现本申请实施例中的基于人工智能的新媒体资源处理方法。

其中，所述存储器11可以是，但不限于，随机存取存储器（randomaccessmemory，ram），只读存储器（readonlymemory，rom），可编程只读存储器（programmableread-onlymemory，prom），可擦除只读存储器（erasableprogrammableread-onlymemory，eprom），电可擦除只读存储器（electricerasableprogrammableread-onlymemory，eeprom）等。其中，存储器11用于存储程序，所述处理器12在接收到执行指令后，执行所述程序。

所述处理器12可能是一种集成电路芯片，具有数据的处理能力。上述的处理器12可以是通用处理器，包括中央处理器(centralprocessingunit，cpu)、网络处理器(networkprocessor，np)等。可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

通信总线13用于通过网络建立媒体业务服务器10与其他通信终端设备之间的通信连接，实现网络信号及数据的收发操作。上述网络信号可包括无线信号或者有线信号。

可以理解，图1所示的结构仅为示意，媒体业务服务器10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。

本申请实施例还提供了一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序在运行时实现上述的方法。

图2示出了本申请实施例所提供的一种基于人工智能的新媒体资源处理的流程图。所述方法有关的流程所定义的方法步骤应用于媒体业务服务器10，可以由所述处理器12实现，所述方法包括以下s21-s23。

s21：媒体业务服务器将原始新媒体业务资源导入业务资源优化线程。

例如，原始新媒体业务资源可以是文本媒体资源、音频媒体资源或者视频媒体资源等，业务资源优化线程可以是用于进行新媒体资源共享优化的相关机器学习模型/人工智能神经网络。

s22：媒体业务服务器通过所述业务资源优化线程获取所述原始新媒体业务资源中的第一可调用对象集。

例如，第一可调用对象集可以是处于可共享状态的业务资源的集合。

在一些可能的实施例中，s22所描述的通过所述业务资源优化线程获取所述原始新媒体业务资源中的第一可调用对象集，可以通过以下s221和s222所描述的方案实现。

s221：通过所述业务资源优化线程获取所述原始新媒体业务资源中的第一初始描述分布。

例如，初始描述分布可以理解为原始新媒体业务资源对应的基础特征图或者基础特征向量集。

s222：通过所述业务资源优化线程基于所述第一初始描述分布获取所述原始新媒体业务资源中的第一可调用对象集。

在相关的实施例中，s222所描述的通过所述业务资源优化线程基于所述第一初始描述分布获取所述原始新媒体业务资源中的第一可调用对象集，可以通过以下s2221-s2223所描述的技术方案实现。

s2221：通过所述业务资源优化线程基于所述第一初始描述分布，获取所述原始新媒体业务资源中的第一候选对象集。

s2222：通过所述业务资源优化线程基于所述第一候选对象集和所述第一初始描述分布，获取所述原始新媒体业务资源中的第二热门状态信息描述分布。

s2223：通过所述业务资源优化线程基于所述第二热门状态信息描述分布，获取所述第一可调用对象集。

例如，热门状态信息可以理解为用户较为关注的业务状态。

在一些可能的实施例中，上述s2223所描述的通过所述业务资源优化线程基于所述第二热门状态信息描述分布，获取所述第一可调用对象集，可以包括以下s22231和s22232。

s22231：通过所述业务资源优化线程获取所述第二热门状态信息描述分布对应的对象分类描述分布和对象关联描述分布。

在本申请实施例中，所述对象分类描述分布用于表示所述第一候选对象集属于各类型的可能性（概率），所述第一对象关联描述分布用于表示所述第一可调用对象集相对于所述第一候选对象集的比对结果（偏移量）。

s22232：基于所述第二热门状态信息描述分布对应的对象分类描述分布和所述第二热门状态信息描述分布对应的对象关联描述分布获取所述第一可调用对象集的信息。

进一步地，所述第一可调用对象集的信息还包括所述第一可调用对象集的对象属性和所述第一可调用对象集的类型。基于此，s22232所描述的基于所述第二热门状态信息描述分布对应的对象分类描述分布和所述第二热门状态信息描述分布对应的对象关联描述分布获取所述第一可调用对象集的信息，可以包括：对所述第二热门状态信息描述分布对应的对象分类描述分布进行描述筛分处理，得到所述第一可调用对象集的类型；对所述第二热门状态信息描述分布对应的对象关联描述分布与所述第一候选对象集的对象属性进行比对结果调整，得到所述第一可调用对象集的对象属性。例如，对象属性可以是对象的各类特征，这样一来，能够确保第一可调用对象集的信息与实际新媒体业务场景之间的高相关性。

通过上述s2221-s2223，能够将热门状态信息考虑在内，从而准确可靠地确定出第一可调用对象集。

可以理解的是，通过上述s221和s222，能够对原始新媒体业务资源进行特征精简处理，从而在确保准确确定第一可调用对象集的前提下减少获取第一可调用对象集的耗时。

在一些可选的实施例中，在s22所描述的通过所述业务资源优化线程获取所述原始新媒体业务资源中的第一可调用对象集之前，还可以包括s30：对所述业务资源优化线程进行配置。

可以理解，对所述业务资源优化线程进行配置对应于对相关的网络模型进行训练。相应的，s30所描述的对所述业务资源优化线程进行配置，可以包括s31-s36。

s31：将配置新媒体业务资源导入所述业务资源优化线程。

s32：通过所述业务资源优化线程获取所述配置新媒体业务资源的第二初始描述分布。

s33：通过所述业务资源优化线程基于所述第二初始描述分布获取所述配置新媒体业务资源中的第二热门状态信息和第三热门状态信息描述分布。

s34：通过所述业务资源优化线程将所述第二热门状态信息划分为多个所述资源状态片段，通过所述业务资源优化线程基于所述第三热门状态信息描述分布识别所述第二热门状态信息中每个所述资源状态片段对应的资源调用情况，通过所述业务资源优化线程对所述第二初始描述分布进行互动优化，以得到第二互动优化描述分布。

s35：基于所述第二热门状态信息中每个所述资源状态片段对应的资源调用情况和第一真实调用情况之间的分析结果获取所述业务资源优化线程的第一线程性能指标，基于所述第二互动优化描述分布与第二真实调用情况之间的分析结果获取所述业务资源优化线程的第二线程性能指标。

例如，线程性能指标可以是网络模型的损失函数。

s36：基于所述第一线程性能指标和所述第二线程性能指标调整所述业务资源优化线程的线程参数。

例如，线程参数可以是网络模型的模型参数或者网络参量。

这样一来，通过s31-s36，能够对业务资源优化线程进行全局性的配置，从而确保业务资源优化线程在后续使用过程中的稳定性和运行质量。

在一些相关的实施例中，所述通过所述业务资源优化线程基于所述第二初始描述分布获取所述原始新媒体业务资源中的第二热门状态信息和第三热门状态信息描述分布，可以包括以下内容：通过所述业务资源优化线程基于所述第二初始描述分布获取所述配置新媒体业务资源的第二候选对象集，将所述第二候选对象集在所述配置新媒体业务资源中对应的状态信息作为所述第二热门状态信息；通过所述业务资源优化线程基于所述第二候选对象集和所述第二初始描述分布，获取所述第三热门状态信息描述分布。

进一步地，在所述通过所述业务资源优化线程基于所述第二候选对象集和所述第二初始描述分布，获取所述第三热门状态信息描述分布之后，可以包括以下内容：通过所述业务资源优化线程获取所述第三热门状态信息描述分布对应的对象分类描述分布和对象关联描述分布，其中，所述第三热门状态信息描述分布对应的对象分类描述分布用于表示所述第二候选对象集属于各类型的可能性，所述第三热门状态信息描述分布对应的对象关联描述分布用于表示第二可调用对象集相对于所述第二候选对象集的比对结果；基于所述第三热门状态信息描述分布对应的对象分类描述分布和第三真实调用情况之间的分析结果，获取所述业务资源优化线程的第三线程性能指标，基于所述第三热门状态信息描述分布对应的所述对象关联描述分布与第四真实调用情况之间的分析结果，获取所述业务资源优化线程的第四线程性能指标；基于所述第三线程性能指标和所述第四线程性能指标调整所述业务资源优化线程的线程参数。

可以理解，第一线程性能指标、第二线程性能指标、第三线程性能指标和第四线程性能指标分别从不同角度反映业务资源优化线程的性能，如此设计，能够尽可能结合更多层面的线程性能指标实现对业务资源优化线程的线程参数的调整，从而提高业务资源优化线程的抗干扰能力。

s23：媒体业务服务器通过所述业务资源优化线程基于所述第一可调用对象集获取所述原始新媒体业务资源中的第一热门状态信息和第一热门状态信息描述分布。

在本申请实施例中，所述第一热门状态信息为所述第一可调用对象集在所述原始新媒体业务资源中对应的状态信息。

s24：媒体业务服务器通过所述业务资源优化线程将所述第一热门状态信息划分为多个资源状态片段，通过所述业务资源优化线程基于所述第一热门状态信息描述分布识别所述第一热门状态信息中每个所述资源状态片段对应的资源调用情况，通过所述业务资源优化线程获取所述第一热门状态信息中每个资源状态节点的互动资源调用情况。

在本申请实施例中，所述资源状态片段对应的资源调用情况为所述资源状态片段中存在可调用对象的可能性。资源调用情况还可以理解为资源状态片段的特征信息。

在一些示例中，所述第一可调用对象集的信息包括所述第一可调用对象集的对象属性。基于此，s24所描述的通过所述业务资源优化线程获取所述第一热门状态信息中每个资源状态节点的互动资源调用情况，可以包括以下s241和s242所描述的技术方案。

s241：通过所述业务资源优化线程对所述第一初始描述分布进行互动优化，得到所述原始新媒体业务资源中所述各资源状态节点对应的第一互动优化描述分布。

例如，互动优化可以理解为基于新媒体业务互动状态对描述分布进行调整。

s242：基于所述第一可调用对象集的对象属性确定所述第一热门状态信息中每个资源状态节点在所述第一互动优化描述分布中对应的资源调用情况，作为对应所述第一热门状态信息中所述资源状态节点的互动资源调用情况。

可以理解，通过s241和s242，能够将新媒体业务互动状态考虑在内，从而确保第一热门状态信息中每个资源状态节点（可以按照时序特征进行划分）的互动资源调用情况的完整性。

s25：媒体业务服务器基于所述第一热门状态信息中每个所述资源状态片段的资源调用情况、所述第一可调用对象集的信息和所述第一热门状态信息中每个资源状态节点的互动资源调用情况，获取资源共享优化内容。

例如，资源共享优化内容可以是资源共享的调整结果或者更新结果，用于进行指导后续的新媒体业务资源的共享，从而提高新媒体业务资源的共享效率，提升新媒体业务资源的利用率。

在一些示例中，所述第一可调用对象集的信息包括第一可调用对象集的类型。基于此，s25所描述的基于所述第一热门状态信息中每个所述资源状态片段的资源调用情况、所述第一可调用对象集的信息和所述第一热门状态信息中每个资源状态节点的互动资源调用情况，获取资源共享优化内容，可以包括s251和s252。

s251：基于所述第一热门状态信息中每个所述资源状态片段对应的资源调用情况确定所述第一热门状态信息中存在所述可调用对象的状态信息，基于所述第一热门状态信息中每个资源状态节点的互动资源调用情况，确定所述第一热门状态信息中对应所述资源状态节点的类型。

在本申请实施例中，所述存在可调用对象的状态信息对应的所述资源状态片段对应的资源调用情况大于预设可能性阈值；

s252：基于所述第一热门状态信息中每个所述资源状态节点的类型，确定所述存在可调用对象的状态信息中属于所述第一可调用对象集的类型的资源状态节点，作为所述资源共享优化内容。

例如，所述存在可调用对象的状态信息中属于所述第一可调用对象集的类型的资源状态节点可以包括相关的业务资源的关联情况，通过所述存在可调用对象的状态信息中属于所述第一可调用对象集的类型的资源状态节点，能够从全局层面分析资源共享需求，从而准确、可靠地得到资源共享优化内容。

通过上述方式，本申请通过业务资源优化线程获取原始新媒体业务资源中的的第一可调用对象集，基于第一可调用对象集获取原始新媒体业务资源的第一初始描述分布和第一热门状态信息描述分布，对第一热门状态信息进行资源状态片段化的可调用对象选定，从而能够快速实现对第一热门状态信息中可调用对象的范围性选定，并通过业务资源优化线程获取第一热门状态信息中每个资源状态节点的互动资源调用情况，从而能够结合第一热门状态信息中可调用对象的范围性选定内容和每个资源状态节点的互动资源调用情况获取资源共享优化内容。相比于相关的通过优化路径对第一热门状态信息描述分布进行资源共享优化的方式，本申请提高了资源共享优化的效率，减少了媒体业务服务器的资源开销。

并且，由于相关技术的优化路径需要获取其对应的第一热门状态信息描述分布中各资源调用情况点属于各类型的可能性，因此其输出的描述分布会占用大量的服务器空间，而本申请中的业务资源优化线程只是对各资源状态片段是否存在可调用对象进行识别，进而有效减少服务器空间的占用，因此能够减少新媒体业务资源优化所需占用的资源开销，减少业务资源共享优化的耗时。

基于上述同样的发明构思，还提供了一种基于人工智能的新媒体资源处理装置20，应用于媒体业务服务器10，所述装置包括：

资源导入模块21，用于将原始新媒体业务资源导入业务资源优化线程。

对象获取模块22，用于通过所述业务资源优化线程获取所述原始新媒体业务资源中的第一可调用对象集。

描述获取模块23，用于通过所述业务资源优化线程基于所述第一可调用对象集获取所述原始新媒体业务资源中的第一热门状态信息和第一热门状态信息描述分布，其中，所述第一热门状态信息为所述第一可调用对象集在所述原始新媒体业务资源中对应的状态信息。

调用分析模块24，用于通过所述业务资源优化线程将所述第一热门状态信息划分为多个资源状态片段，通过所述业务资源优化线程基于所述第一热门状态信息描述分布识别所述第一热门状态信息中每个所述资源状态片段对应的资源调用情况，通过所述业务资源优化线程获取所述第一热门状态信息中每个资源状态节点的互动资源调用情况，其中，所述资源状态片段对应的资源调用情况为所述资源状态片段中存在可调用对象的可能性。

共享优化模块25，用于基于所述第一热门状态信息中每个所述资源状态片段的资源调用情况、所述第一可调用对象集的信息和所述第一热门状态信息中每个资源状态节点的互动资源调用情况，获取资源共享优化内容。

在本申请实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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，媒体业务服务器10，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器（rom，read-onlymemory）、随机存取存储器（ram，randomaccessmemory）、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。