“吴己强”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]文件置换方法及装置-CN201510707932.4有效
发明人：朱子荣;吴己强 -专利权人：腾讯科技（北京）有限公司
申请日： 2015-10-27 - 公布日： 2021-04-27 - 主分类号： H04L29/08 文献下载
摘要：本发明公开了一种文件置换方法及装置，属于互联网技术领域。所述方法包括：获取待存储文件的标识信息；根据待存储文件的标识信息和本地已存储文件的标识信息，从待存储文件和本地已存储文件中，确定目标置换文件，目标置换文件为待存储文件和本地已存储文件中系统分享率最大的文件；如果目标置换文件为本地已存储文件中的任一个文件，删除目标置换文件，并对待存储文件进行存储。本发明将待存储文件及终端本地已存储文件中系统分享率最大的文件作为目标置换文件，并将该目标置换文件与待存储文件进行置换，在保证了其他终端对目标置换文件下载速度的前提下，提高了其他终端对待存储文件的下载速度，有利于系统整体性能的优化。
文件置换方法装置

[发明专利]一种预测视频观看时长的方法及装置-CN201611249506.1有效
发明人： 吴己强 -专利权人： TCL科技集团股份有限公司
申请日： 2016-12-29 - 公布日： 2020-06-12 - 主分类号： H04N21/442 文献下载
摘要：本发明公开了一种预测视频观看时长的方法及装置，涉及视频播放领域。其中方法包括：若检测到触发预测视频观看时长的预设操作，获取当前视频观看用户的标识信息和当前播放的视频的属性信息；其中，所述属性信息包括标识信息和类型信息；根据所述当前视频观看用户的标识信息和所述视频的属性信息获取初步观看时长预测值；根据所述视频的类型信息以及视频的类型信息与误差调整比例之间的预设对应关系，获取所述视频对应的误差调整比例；根据所述初步观看时长预测值和所述误差调整比例计算最终观看时长预测值，从而能够准确预测用户对某个视频的观看时长，以为各个服务提供商优化资源分配提供依据。
一种预测视频观看方法装置

[发明专利]客流量聚类方法及终端设备-CN201810950041.5在审
发明人： 吴己强;李嘉音;刘冰 -专利权人： TCL集团股份有限公司
申请日： 2018-08-20 - 公布日： 2020-02-28 - 主分类号： G06Q30/02 文献下载
摘要：本发明适用于数据处理技术领域，提供了一种客流量聚类方法及终端设备，所述方法包括：对多个门店在预设时间段内客流量的曲线进行归一化处理；对归一化处理后的多个门店的客流量曲线进行时间序列模型拟合；根据拟合后多个门店的客流量曲线，确定任意两个门店的客流量曲线的模型相似度；根据归一化处理后的多个门店的客流量曲线，确定任意两个门店的客流量曲线的形状相似度；根据模型相似度和形状相似度，获得多个门店的客流量曲线中任意两个门店的客流量曲线的混合相似度；根据混合相似度对多个门店的客流量曲线进行聚类，不仅考虑客流量曲线形状的相似性，还考虑产生曲线形状的潜在因素，聚集出有效类别，为门店销售、经营和管理提供决策依据。
客流量方法终端设备

[发明专利]视频热度预测方法、装置、终端设备及介质-CN201711461764.0在审
发明人： 吴己强 -专利权人： TCL集团股份有限公司
申请日： 2017-12-28 - 公布日： 2019-07-16 - 主分类号： G06F16/73 文献下载
摘要：本发明适用于数据挖掘技术领域，提供了一种视频热度预测方法、装置、终端设备及介质，该方法包括：获取视频文件中的多个图像帧；分别提取每一所述图像帧的场景特征；将所述多个图像帧的所述场景特征输入训练好的神经网络模型，以得到所述神经网络模型输出的视频热度值。本发明在视频热度的预测过程中加入了场景特征这一考量因子，达到了基于多维度因子的视频热度预测效果，避免了考虑因子仅局限于视频文件的元信息的问题；由于场景特征相对于视频文件的元信息来说，对视频热度的影响程度更高，且本发明实施例结合了视频文件的场景特征以及基于深度学习的神经网络模型来输出视频热度值，因而使得视频热度的预测准确率得到了进一步地提高。
视频热度场景特征视频文件神经网络模型图像帧预测终端设备元信息数据挖掘技术输出视频多维度准确率热度局限输出学习

[发明专利]对网络视频流行度的演化分析方法及系统-CN201610460266.3在审
发明人：周义朋;程华峥;张胜利;吴己强 -专利权人：深圳大学
申请日： 2016-06-22 - 公布日： 2016-10-12 - 主分类号： H04N21/466 文献下载
摘要：本发明提供了一种对网络视频流行度的演化分析方法及系统，视频扩散的过程被直接推荐和口碑推荐所驱动。本发明的有益效果是：在本发明中，我们建立了一个动态的模型来描述视频流行度的演化。尤其是，两种推荐机制：直接推荐和口碑推荐，它们作为视频信息扩散过程的驱动力被纳入在我们的模型中。我们的模型提供了一个系统化的方法去量化视频推荐驱动力和其他因素，同时，我们的模型对于表征用户的行为和评估推荐测量都很有用。
网络视频流行演化分析方法系统