实时互动网
·
基于流媒体点直播业务的算法赋能探索
💡
原文中文，约7000字，阅读约需17分钟。
📝
内容提要
本文探讨了通过算法提升B站流媒体点播和直播业务效率的方法，包括优化转码决策、资源预估和转码耗时预测。通过构建多种模型，成功筛选出高播放量稿件，提高了资源利用率和转码效果，从而优化了业务和用户体验。
🎯
关键要点
- 本文探讨了通过算法提升B站流媒体点播和直播业务效率的方法。
- 算法、数据和硬件三者共同促进人工智能在各个领域的广泛应用。
- 在点播业务中，优化转码决策可以有效节省存储空间和带宽。
- 需要在有限的算力情况下，尽可能选出播放量高的“头部稿件”进行优化转码。
- 构建多个子模型进行“头部稿件”的预测，提升模型决策的稳定性。
- 模型决策任务量约10%，其播放量占所有新稿件播放总量的90%。
- 资源预估模型通过动态调整策略实现资源均衡使用及提升资源利用率。
- 转码耗时预估模型使用xdeepfm模型，显著提高了预估准确率。
- 直播弹幕语义分析通过实时分析弹幕反馈，提升用户体验。
- 各个模型效果仍存在提升空间，需要持续迭代和优化。
❓
延伸问答
如何通过算法提升B站流媒体点播和直播业务的效率？
通过优化转码决策、资源预估和转码耗时预测等方法，提升业务效率。
什么是“头部稿件”，如何筛选？
“头部稿件”是指播放量占总播放量90%的前n个稿件，通过播放量排序进行筛选。
转码耗时预估模型使用了什么算法？
转码耗时预估模型使用了xdeepfm模型，能够提高预估准确率。
如何实现流媒体资源的均衡使用？
通过资源量化模型实时预测可用资源，动态调整任务投递，实现资源均衡使用。
直播弹幕语义分析的目的是什么？
旨在实时识别用户反馈的直播卡顿或画质问题，帮助技术人员及时排查问题。
模型决策任务量占所有新稿件播放总量的比例是多少？
模型决策任务量约占10%，其播放量占所有新稿件播放总量的90%。
➡️
