[發(fā)明專利]視頻起播的優(yōu)化方法、裝置、設(shè)備以及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011578020.9
• 申請(qǐng)日: 2020-12-28
• 公開（公告）號(hào): CN112752148A
• 公開（公告）日: 2021-05-04
• 發(fā)明（設(shè)計(jì)）人: 高遠(yuǎn)飛
• 申請(qǐng)（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號(hào): H04N21/44
• 分類號(hào): H04N21/44;G06N20/00
• 代理公司: 北京英賽嘉華知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11204
• 代理人: 王達(dá)佐;馬曉亞

1.一種視頻起播的優(yōu)化方法，包括：

獲取視頻起播時(shí)影響視頻起播速度的特征數(shù)據(jù)；

將所述特征數(shù)據(jù)輸入預(yù)先訓(xùn)練好的梯度提升決策樹GBDT回歸模型，輸出預(yù)測(cè)的視頻緩存幀的值，記為第一預(yù)測(cè)值；

基于所述第一預(yù)測(cè)值確定是否開始播放視頻。

2.根據(jù)權(quán)利要求1所述的方法，其中，在所述獲取視頻起播時(shí)影響視頻起播速度的特征數(shù)據(jù)之前，所述方法還包括：

由播放器在視頻起播前加載所述GBDT回歸模型。

3.根據(jù)權(quán)利要求2所述的方法，其中，在所述由播放器在視頻起播前加載所述GBDT回歸模型之前，所述方法還包括：

由播放器啟動(dòng)預(yù)測(cè)線程，以判斷所述播放器是否已經(jīng)下載所述GBDT回歸模型；

若所述播放器沒有下載所述GBDT回歸模型，則在預(yù)測(cè)線程中下載所述GBDT回歸模型，下載成功時(shí)加載所述GBDT回歸模型。

4.根據(jù)權(quán)利要求1所述的方法，其中，所述方法還包括：

獲取影響視頻起播速度的樣本特征數(shù)據(jù)；

基于所述樣本特征數(shù)據(jù)進(jìn)行GBDT回歸訓(xùn)練，得到所述GBDT回歸模型。

5.根據(jù)權(quán)利要求4所述的方法，其中，所述基于所述樣本特征數(shù)據(jù)進(jìn)行GBDT回歸訓(xùn)練，得到所述GBDT回歸模型，包括：

對(duì)所述樣本特征數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，選取優(yōu)化的樣本特征數(shù)據(jù)進(jìn)行GBDT回歸訓(xùn)練，得到所述GBDT回歸模型。

6.根據(jù)權(quán)利要求5所述的方法，其中，所述影響視頻起播速度的特征包括以下至少一項(xiàng)：網(wǎng)絡(luò)速度、視頻碼率、視頻幀率、視頻流格式、編碼類型、解碼模式、往返時(shí)延。

7.根據(jù)權(quán)利要求1所述的方法，其中，所述基于所述第一預(yù)測(cè)值確定是否開始播放視頻，包括：

將所述播放器實(shí)際緩存視頻幀的值與所述第一預(yù)測(cè)值進(jìn)行比較；

若所述播放器實(shí)際緩存視頻幀的值大于所述第一預(yù)測(cè)值，開始播放視頻。

8.一種視頻起播的優(yōu)化裝置，包括：

第一獲取模塊，被配置成獲取視頻起播時(shí)影響視頻起播速度的特征數(shù)據(jù)；

預(yù)測(cè)模塊，被配置成將所述特征數(shù)據(jù)輸入預(yù)先訓(xùn)練好的梯度提升決策樹GBDT回歸模型，輸出預(yù)測(cè)的視頻緩存幀的值，記為第一預(yù)測(cè)值；

確定模塊，被配置成基于所述第一預(yù)測(cè)值確定是否開始播放視頻。

9.根據(jù)權(quán)利要求8所述的裝置，其中，所述裝置還包括：

加載模塊，被配置成由播放器在視頻起播前加載所述GBDT回歸模型。

10.根據(jù)權(quán)利要求9所述的裝置，其中，所述加載模塊進(jìn)一步配置成：

由播放器啟動(dòng)預(yù)測(cè)線程，以判斷所述播放器是否已經(jīng)下載所述GBDT回歸模型；

若所述播放器沒有下載所述GBDT回歸模型，則在預(yù)測(cè)線程中下載所述GBDT回歸模型，下載成功時(shí)加載所述GBDT回歸模型。

11.根據(jù)權(quán)利要求8所述的裝置，其中，所述裝置還包括：

第二獲取模塊，被配置成獲取影響視頻起播速度的樣本特征數(shù)據(jù)；

訓(xùn)練模塊，被配置成基于所述樣本特征數(shù)據(jù)進(jìn)行GBDT回歸訓(xùn)練，得到所述GBDT回歸模型。

12.根據(jù)權(quán)利要求11所述的裝置，其中，所述訓(xùn)練模塊進(jìn)一步配置成：

對(duì)所述樣本特征數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，選取優(yōu)化的樣本特征數(shù)據(jù)進(jìn)行GBDT回歸訓(xùn)練，得到所述GBDT回歸模型。

13.根據(jù)權(quán)利要求12所述的裝置，其中，所述影響視頻起播速度的特征包括以下至少一項(xiàng)：網(wǎng)絡(luò)速度、視頻碼率、視頻幀率、視頻流格式、編碼類型、解碼模式、往返時(shí)延。