新媒體視頻開放平臺發展現狀與關鍵技術研究

于蓉蓉，張 儉，袁 潮，田 卉，溫建偉，楊 蕾，黃曉偉

（中國移動通信有限公司研究院 北京100053）

1 引言

隨著科技的飛速發展，人們對媒介的需求從文字、聲音、圖像到視頻不斷前進，當今社會也從報紙、廣播、電視等傳統媒體時代進入新媒體時代，其中網絡視頻的發展最為迅速[1]。

無論是在互聯網還是在移動互聯網時代，視頻無處不在，聚集了龐大的人氣資源，2011年底我國的網絡視頻用戶達到了3.25億人，2012年網絡視頻市場規模已經達到了126億人。目前美國和日本的網絡視頻用戶滲透率超過了50%，日本的手機視頻用戶滲透率超過了70%，一些咨詢機構的統計報告顯示，2011年全球網絡視頻用戶達到8億人，預計2015年將達到16億人，同時全球移動領域視頻應用和流量增長迅猛，2011年上半年全球移動應用流量中視頻占39%，視頻流量增長率高達93%，遠遠高于平均數據流量增長率，預計2016年將占據數據流量的70.5%，如圖1所示，可見新媒體視頻行業在有線和無線領域市場的發展潛力巨大，社會對視頻元素內容的需求將呈現爆炸式增長[1～3]。

2 新媒體網絡視頻行業發展現狀

2.1 新媒體視頻行業產業鏈

新媒體視頻產業鏈由內容提供、內容運營、內容分發、內容展現4個環節組成，如圖2所示。內容提供環節提供和匯聚視頻內容，主要參與者有影視制作公司、個人UGC等；內容運營環節對視頻內容進行管理、編輯、生產，主要參與者有傳媒公司、電視臺、視頻網站等；內容分發環節將視頻內容分發傳輸到用戶終端，主要參與者有電信運營商、CDN公司等；內容展現環節在用戶端展現播放，主要參與者有終端廠商、互聯網公司等。新媒體視頻內容的高效匯聚、管理、加工、分發和展現都影響業務運營，產業鏈4個環節當前都處于激烈的競爭狀態，各方參與者都在向上下游滲透，試圖構建端到端的一體化服務。

2.2 新媒體視頻行業傳統模式面臨的主要問題

新媒體視頻行業傳統的商業模式有C2C和B2C模式，其經典代表有Youtube、優酷、土豆、搜狐視頻、騰訊視頻等專業視頻網站，此類網站受到網絡視頻業務發展的制約，具有以下問題。

（1）視頻內容獲取受制于版權和資質

視頻內容的豐富程度是視頻業務的競爭力之一，內容版權購買費用高漲，近年來翻了幾倍，大多數視頻網站版權費用占到成本費用的30%～50%，同時UGC內容資質要求嚴格，使得視頻行業內容獲取環節的門檻提高，業務發展受到制約。

（2）視頻內容管理和運營受制于加工組織

內容的智能加工能在有限的成本下最大限度地挖掘內容價值，智能加工包括內容分析、分類編目、智能檢索和推薦等技術支撐，使得內容分析碎片化、分類更詳細、檢索更精確、推薦更精準。

（3）視頻內容帶寬、存儲、運維受制于成本投資

帶寬在視頻網站方面的成本投資占比為30%～60%，優酷、土豆等一線視頻網站的帶寬成本占比超過50%，達到幾億元的投入，在點播高峰時流量占全國骨干網帶寬的比重高達10%。海量級的內容需要存儲和計算資源，很多視頻網站的存儲資源達到PB級，使得服務器成本加大，同時研發和技術運維成本也制約著視頻網站業務的發展。

（4）視頻業務質量體驗受制于呈現和適配

內容加工的細節影響內容呈現方式，內容的轉碼和適配影響內容的流暢性和清晰度，若組織不夠精細、緩沖長、不流暢、清晰度低，則影響用戶體驗。

2.3 B2B視頻商業模式成為視頻行業新藍海

近年來隨著新媒體時代視頻元素需求的增加，各領域企業如政企客戶、教育機構、中小企業等都急切需要進行視頻在線化管理，但各企業自建網站的帶寬成本、硬件投入以及技術維護費用較高，其對托管式需求較大，由此催生出B2B（business to business）的商業模式，即通過打造視頻開放平臺，向企業用戶提供上傳、轉碼、存儲、管理、發布“一站式”管理服務，使其用較少的費用獲取全面的服務。

B2B模式潛在的用戶空間和市場空間巨大，以政企客戶為例，據艾瑞咨詢報道，2009年我國中小企業用戶為4 292萬戶，2012年達到5 651萬戶[2]，假設平均以萬元單位作為每家企業的服務費用，即使以1%作為潛在企業用戶，在我國政企領域也有百億元的潛在市場規模，B2B模式將成為視頻行業的新藍海。

3 B2B視頻開放平臺發展現狀

3.1 B2B視頻平臺面向的企業用戶需求

表1對B2B模式面向的有視頻元素管理需求的企業用戶進行需求分析。

各領域企業用戶對視頻元素都有管理需求，視頻類網站如新媒體類和網絡視頻類企業需要專業或準專業級視頻生命周期管理服務，非視頻類網站如政企、垂直行業類、社交類企業需要輕量級一體化管理服務。B2B模式對企業用戶本身來說具有強烈的吸引力，若企業自建運營系統，將投入流媒體服務器、存儲服務器、租用帶寬、CDN服務、軟件開發和運維支出費用，大型視頻運營企業每年投入百萬元，中小型企業投入十幾萬到幾十萬元不等；而采用B2B模式租用的視頻管理服務，企業將節省50%～70%甚至更多的開支。

3.2 B2B視頻開放平臺發展情況

根據IDC數據，2010-2015年全球視頻平臺市場規模正以每年27%的增速發展，互聯網企業和電信運營商紛紛進入B2B市場，打造視頻開放平臺，為用戶提供一體化視頻管理服務。國外有上百家在線視頻平臺企業，主要集中在北美和西歐，如Brightvove、Ooyala等，而Google、HTC、Cisco、Motorola等巨頭也通過并購視頻平臺企業積極進入該市場領域，電信運營商如Verizon、AT&T、NTT等紛紛部署該業務，將其納入公司戰略規劃。國內仍處于起步階段，發展空間巨大，互聯網企業如CC視頻、激動網、視訊天下2010年開始進入市場，運營商如中國移動開始研發平臺核心技術，布局該業務領域[2～6]。

3.3 B2B視頻平臺典型企業

互聯網企業的典型代表有Brightcove和CC視頻，電信運營商的典型代表有Verizon和中國移動。

3.3.1 典型的互聯網企業：Brightcove/CC視頻

（1）國外代表 Brightcove

Brightcove為企業用戶管理在線視頻，為內容上傳、管理、分析、廣告計費、發布提供一整套生命周期管理服務。Brightcove于2005年推出全球第一個視頻云平臺，在全球50多個國家擁有4 500家客戶，2010年年收入達5 000萬美元，同比增長50%，自2011年4月起月傳輸視頻流高達7億MB。2012年2月在納斯達克上市，公司共獲得風險投資1.5億美元。Brightcove公司的服務區域主要分布在美國和歐洲，客戶涵蓋網絡電視臺、視頻網站、品牌公司、媒體公司、出版公司等高端客戶和微型企業市場[7]，包括紐約時報、Showtime、環球音樂、AMC、AOL 和 Weather Channel、路透社、MTV音樂網、甲骨文、飛利浦電子、美國銀行和本田等。Brightcove公司的客戶增長情況和營收分布如圖3所示。

針對不同客戶群，Brightcove推出了視頻云極速版、高級版和企業版3個版本。極速版主要面向中小企業，包含了最基本的專業視頻分銷功能，在視頻傳輸量和用戶數量方面有限制；高級版主要針對需要定制服務的客戶，包含更多更全的服務和功能以及視頻傳輸量和容量，訂閱周期一般都在一年以上。

（2）國內代表CC視頻

CC視頻的主要服務內容是為用戶提供視頻托管、發布、多終端播放、廣告插播、視頻觀看統計等托管服務。通過CC視頻云管理平臺，網站不需要購置任何硬件設備，所有的視頻文件都可以通過CC視頻云管理平臺上傳至云服務器，再將視頻文件引入網站前端進行播放，為網站用戶提供高清流暢的視頻播放服務，用戶可以根據視頻平均大小、日均播放量等選購適合自己的包月套餐，流量不夠時可以在線充值。這種付費模式相比用戶自行開發可以節省70%～80%的成本。

表1 有視頻元素管理需求的企業用戶B2B需求

2010年CC視頻投入成本1 000萬元，營收3 000萬元，同比增長200%。其中，廣告模式收入2 400萬元，付費模式收入600萬元。2011年獲得2 000萬美元投資。2011年2月，已經有超過12萬家網站接入其視頻服務平臺，日播放量超過5 000萬次，視頻存儲量超過1.3億MB。CC視頻的營收靠廣告分成和企業用戶租用，主要客戶涵蓋教育網站、新聞傳媒、垂直行業和企業網站[8]。

3.3.2 典型的電信運營商代表：Verizon/中國移動

（1）國外代表 Verizon

以Verizon為代表的歐美運營商，正依托自身基礎設施優勢和云計算整體戰略，推出“一站式”數字媒體服務（verizon digital media service，VDMS）平臺，如圖 4 所示，面向內容所有者提供PaaS云服務，通過端到端互聯網視頻服務平臺，提供內容上傳、管理、制作、發布的“一站式”服務。

到2011年底，Verizon累計投資3.7億美元，其中人力成本占比高達60%。于2011年4月啟動了“三步走”戰略，即面向內容提供商提供托管服務，面向內容零售商提供加工和分發服務，進而提供端到端多屏業務管理和發布服務。

（2）國內代表中國移動

中國移動于2010年開始視頻云平臺技術研發，基于云計算打造視頻云開放平臺，為有視頻元素需求的企業客戶提供基于云計算的視頻上傳、存儲、轉碼、加工、發布的“一站式”端到端服務，如圖5所示。面向的客戶有新媒體網站、政企網站、教育行業、垂直行業等，可根據其需求提供專業生命周期、輕量級、定制化的托管服務，為客戶降低了硬件和技術投入成本，加快了上線時間，提高了網站帶寬利用率，降低了運維難度。

中國移動等電信運營商打造視頻開放平臺，并提供B2B服務，相比互聯網企業具有以下優勢：

·具有IDC和帶寬的基礎優勢，具有帶動效應，可極大地帶動數據增值服務（如IDC、CDN、帶寬服務等）能力的跨越式發展，引領視頻產業新秩序的建立和發展[7,8]；

·具有較強的認證、鑒權與計費能力；

·對用戶具有品牌影響力與公信力；

·客戶資源優勢明顯。

由此，可激勵有視頻管理需求的企業將內容托管到電信運營商，企業用戶可從設備和技術投資中解放出來，將有限的資源和精力聚集于業務邏輯設計和運營管理，創造最大的企業價值。

4 新媒體視頻開放平臺特點和關鍵技術

4.1 新媒體視頻開放平臺特點

以中國移動新媒體視頻開放平臺為例，基于云存儲和云計算基礎設施搭建視頻云平臺，向有視頻元素管理需求的企業用戶開放，包括視頻上傳、云轉碼、云存儲、視頻切片、內容分析、內容檢索、推薦和發布，如圖6所示。

新媒體視頻開放平臺具有以下特點。

·多樣化的內容匯聚方式：支持各類型的視頻信號上傳，支持不同類型網絡的視頻文件，支持來自DVD/VCD/移動硬盤等各種物理存儲介質、不同類型手機終端的文件；同時兼容各類壓縮格式和文件封裝方式的文件，支持斷點續傳功能。

·支持快速部署和上線應用：平臺級的服務提供全面的應用上線、部署模塊，自動化程度高，降低了應用開發的成本，極大地縮短了應用的上線和部署時間。

·挖掘內容價值、業務質量體驗好：視頻開放平臺通過視頻切片、內容分析進行加工處理，精細組織內容，挖掘內容價值。平臺通過云轉碼提高時效性，通過自適應碼率適配保證視頻播放的流暢性和清晰度。

·降低用戶運營成本：用戶投入網絡帶寬、硬件、技術研發、運維的成本大大降低，從而運營成本大大降低。

4.2 視頻云關鍵技術

新媒體視頻云平臺涉及的關鍵技術有視頻的云轉碼技術、云存儲技術、動態碼率適配技術、基于瀏覽器的視頻播放技術、內容分析技術、智能檢索技術、內容推薦技術等。

4.2.1 視頻云轉碼技術

為了解決視頻數據增大給傳統視頻處理方法帶來的時間開銷問題，以有效地轉碼成設備分辨率相匹配的視頻，采用云計算進行視頻轉碼，不僅能提高轉碼效率，且具有較強的容錯性和擴展性，使轉碼處理更可靠和實用。

視頻云轉碼通過視頻切片模塊從分布式文件系統（HDFS）中讀取需轉碼的文件，分成大小不同的視頻片段，并將片段名稱傳遞給任務調度模塊，任務調度模塊接收視頻片段并為每個片段分配一個Map任務，Map任務調用轉碼程序進行轉碼，轉碼后傳給視頻合并模塊，由Reduce任務對所有轉碼的片段進行排序合并，輸出完整的視頻文件。

針對視頻進行云轉碼處理，需要先進行預處理，即實現視頻文件切片，視頻分片模塊將輸入的視頻文件分成大小不同的視頻片段，基于GOP（group of picture，畫面組）進行轉碼，可以保證視頻流和音頻流是同步的，不用再進行分割。根據視頻編解碼的特點設定切片大小，估算切片所需計算資源時需綜合考慮編解碼算法、分辨率和幀率參數，方能得到不同輸入輸出配置下每個切片的大小。

基于切片的云轉碼方案，相比傳統的轉碼方法具有以下優點，如圖7所示。

·CPU可均衡使用，解決了傳統轉碼方法中CPU閑忙使用不均衡的問題。

·長視頻作業可加速完成。

·高優先級作業可搶占低優先級作業，原作業可中斷，并在以后繼續。

針對任務調度，利用了MapReduce的調度算法，MapReduce具有計算資源全局共享的特點。作業優先級可指定且可動態調整，高優先級的轉碼作業能搶占低優先級作業并執行，計算資源能得到充分利用，在一定程度上滿足了計算資源動態分配的需求。

MapReduce的原理是利用輸入對集合產生輸出對集合，由Map階段和Reduce階段組成。Map階段，從輸入數據解析出對，經過自定義Map函數輸出中間對，MapReduce系統根據鍵值對對所有中間值進行分組歸并，輸出鍵值對，并傳給Reduce階段。Reduce階段，接受鍵值對，進行代碼處理并將這些值合并，最后將結果寫入最終輸出文件。

4.2.2 視頻云存儲技術

視頻數據量大且呈現爆炸性增長，傳統使用NAS的方案擴展能力有限，只能購置獨立的NAS，兼容性差，為管理造成了不便，且越來越多的應用對數據訪問帶寬和響應時間提出明確的需求，數據并行訪問的需求越來越普遍[9]。云存儲突破了傳統存儲方式性能和容量的限制，能使得網絡中各種不同類型的存儲設備形成強大的存儲能力，在性能與容量上容易擴展，企業不用管實際的存儲方式，從而可以解決存儲難題。近年來國內外IT廠商陸續推出云存儲產品，如Amazon推出Elastic Compute Cloud（彈性計算云，EC2）云存儲產品，為用戶提供互聯網服務和存儲計算功能；微軟推出Window Live Sky Drie產品，提供網絡移動硬盤服務等。

云存儲通過集群應用或分布式文件系統等功能，將網絡中大量不同類型的存儲設備通過虛擬化軟件集合起來協同工作，共同對外提供數據存儲和業務訪問功能。與傳統的方式相比，云存儲是一個復雜的系統，包括網絡設備、存儲設備、應用軟件、服務器等，一般由存儲層、基礎管理層、應用接口層和訪問層組成，存儲層包括對存儲設備（如IP存儲或光纖設備）進行管理以及存儲虛擬化，基礎管理層對分布式文件系統進行集群管理以及數據備份加密等，應用接口層提供API、Web服務和網絡接入，應用程序通過訪問層訪問基礎管理層對外的應用接口，提供存儲能力。

云存儲具有以下特性：容量大，支持平滑擴展；并發高，支持大量用戶訪問不同文件的需求；支持數據靈活性變化，不同的視頻文件體積差別很大、數據存儲的物理位置可實時獲??；可節約存儲資源，減少成本，根據需求設定訪問權限與他人共享數據，節約存儲設備。

4.2.3 動態碼率適配技術

目前互聯網上大部分視頻都是通過HTTP進行傳輸的，但其較大的開銷、重傳引起的時延、長時間緩沖造成的帶寬浪費等，隨著基礎網絡的飛速發展使得適用性變窄，欠實時性是HTTP技術的弱點，劇烈的帶寬波動常常致使網絡的瞬時帶寬降低至不足以承載正在傳輸的媒體的比特率，此時，大量重傳加重了帶寬的負載，導致媒體播放發生頻繁中斷，嚴重影響用戶的主觀感受。

為了使發布的視頻能清晰流暢地在終端上進行展示，需要解決網絡適配和終端適配兩大問題。網絡適配需要針對多種類型網絡（包括2G/3G/4G/Wi-Fi和寬帶有線等），加上無線網絡的帶寬和質量受環境變化影響極大，通過合適的機制實現傳輸對帶寬的動態自適應。終端適配技術針對多種視頻播放的終端類型，如智能手機、平板電腦、筆記本電腦、臺式電腦、高清電視等，實現以最接近屏幕分辨率的視頻分辨率播放視頻。

視頻云的動態自適應的碼流同時考慮各種接入網絡的情況和終端屏幕大小，如主要的分辨率和碼率，以滿足不同用戶的需求，動態碼率適配如圖8所示。

視頻云采用基于HTTP的自適應流技術，包括HLS（HTTP live streaming）技 術 和 DASH （dynamic adaptive streaming over HTTP）技術，實現動態碼率適配。

HLS技術在服務器端提供了內容相同但比特率不同的多個視頻流，每一個視頻流都被分割為大量小文件，在傳輸時客戶端不再請求大的媒體文件，而是不斷地請求分割開來的片段文件，當帶寬發生波動時，客戶端還可以選擇更合適的流，以降低帶寬的負載。

DASH技術是由MPEG和3GPP（3rdgenerationpartnership project）支持的國際標準[10]，DASH的基礎是3GPP和 OIPF（open IPTV forum）提出的 AHS（adaptive HTTP streaming）和HAS（HTTP adaptive streaming）技術。DASH同時支持MP4和MPEG2 TS兩種文件格式，也提供更多文件格式的擴展。DASH規定了內容準備所用格式和快速高效的內容自適應工具，支持特技模式、多語言字幕及聲道、廣告插播以及保護內容的數字權限管理技術，兼容標準網絡服務器和視頻緩沖技術。

4.2.4 基于瀏覽器的視頻播放技術

當前的視頻網站大都要求用戶安裝播放器客戶端才能觀看視頻內容，這無形中提高了用戶的觀看門檻。造成這一現象的原因主要有以下兩個方面。

·受本身的技術能力限制，制作某種或有限的特定格式的碼流，要求客戶安裝特定的播放器。

·通過開發自有的播放器客戶端試圖吸引用戶使用，提高用戶黏性和企業知名度。

視頻云平臺側通過制作多種視頻發布格式解決多終端適配的問題，使用HTML5開發可定制的播放器界面，使用瀏覽器內核實現視頻解碼播放。用戶只需使用終端操作系統內置的瀏覽器（如 Safari、Firefox、Chrome、IE、Opera 等）即可實現視頻收看，極大地降低了用戶使用門檻，同時大大消除客戶端播放器適配不同終端的研發投入，視頻云平臺通過界面和解碼播放分離的技術，既實現了終端適配，減少研發成本，又提高了用戶使用黏性。

4.2.5 視頻內容分析技術

視頻內容分析通過模式識別等技術，實現計算機的自動化內容分析和理解，對海量視頻數據進行快速智能處理，為視頻內容分類、搜索、推薦提供智能化的技術支撐，挖掘視頻內容價值。視頻智能分析結合內容分析模塊和用戶分析模塊，為視頻分類、搜索和推薦提供技術支撐。

內容分析模塊對視頻進行結構化分析，首先通過鏡頭檢測方法對視頻鏡頭進行分割，提取鏡頭的關鍵幀，分析鏡頭相似度，進而構造視頻場景信息，形成結構化視頻特征描述信息。同時結合話音和文本特征分析，多維度對視頻內容進行碎片化分析，提取關鍵特征信息，輔助視頻進行編目分類，為基于內容的精確搜索提供索引信息，從而實現內容深度挖掘。

鏡頭分割技術主要針對鏡頭切變檢測，包括圖像像素差法、模板比較法、顏色直方圖差法等，關鍵幀反映組鏡頭中主要信息內容的若干幀圖像，關鍵幀提取算法有基于鏡頭的方法、基于內容分析的方法、基于運動分析的方法、基于聚類的方法等?；阽R頭的方法為每個鏡頭選一個關鍵幀，如經典的又幀平均型和直方圖平均法，運算量小，適合于內容活動性小或保持不變的鏡頭。

圖像和視頻的視覺特征提取是分析的重點[11]，視覺特征有顏色、紋理、形狀等底層特征。顏色特征簡單，尺寸、方向、視角的依賴性較小，具有較好的緊致性，應用最為廣泛。顏色特征提取方法包括顏色直方圖、顏色矩、顏色集、顏色聚合向量、顏色相關圖等。紋理特征包含了物體表面結構排列的重要信息以及它們與周圍環境的聯系，是一種同質性視覺模式。紋理特征提取方法有共生矩陣表法、視覺性紋理描述法（粗細度、對比度、方向性等）、小波方法、Gabor小波方法等。形狀有一定的語義含義，但描述復雜得多，常需要先對圖像進行分割。形狀特征方法包括輪廓表示方法和區域表示方法，前者適用于對形狀邊界的描述，最典型的方法是傅立葉描述符，而后者則適用于表達形狀包含的整個區域，最典型方法是形狀無關矩。為了使從不同視角獲取的目標圖像互相匹配，形狀特征還應具有平移、旋轉和縮放變換不變性。近年來在形狀表示和匹配方面的工作還有有限元法、旋轉函數、波描述符等方法。

用戶分析模塊包括用戶屬性、行為、社交關系分析等，其中用戶屬性包括年齡、性別、愛好等，行為包括點播內容、觀看時長、觀看頻次等，通過構造用戶信息庫，對用戶數據進行分析，為智能推薦提供精準依據。視頻內容分析如圖9所示。

4.2.6 視頻智能檢索技術

傳統的文本檢索漏檢誤檢率高、查詢方式不夠智能，基于內容的視頻檢索融合語義分析、人機交互、知識管理等技術，提供靈活、智能、多樣化的內容查詢和檢索方式，深入挖掘視頻內容資產價值[12]。

內容檢索通過內容智能分析結果構造多維度索引模塊，經過感興趣內容、文本、話音的相似性匹配，輸出多模態的檢索結果，支持多層次搜索，如目錄檢索、同音字查詢、模糊查詢、基于內容搜索等。

建立索引是實現海量視頻數據快速檢索的前提，基于視頻內容分析的結果形成對視頻內容的邏輯描述，將各層次分析的內容特征存入特征索引庫，按照關鍵幀集、鏡頭集、場景集建立自動化索引，同時考慮非結構化需求，結合手工標注（如對標題選取、字幕和畫面的文字描述等）建立多維度索引，計算查詢視頻和庫中視頻的相似距離，相似距離法將其看作特征空間的點，相似度通過計算查詢特征和庫特征的距離來匹配，檢索出相似的視頻。

開放性視頻平臺的智能內容檢索具有以下技術特性，如圖10所示。

（1）非結構化多維度索引

多維度索引包括視頻關鍵幀的提取、視頻畫面文字和字幕的提取、某個時間點上Tag的描述、話音提取、用戶針對視頻某個時間點的點評。

（2）對感興趣內容進行搜索

感興趣區域是最能表現圖像內容或用戶感興趣的區域，可通過手工選取或視覺自動化方式提取，后者利用認知心理學的視覺注意模型，選取注視焦點模型來提取興趣點，通過聚類算法把感興趣點聚類為感興趣區域，再基于該區域利用內容分析算法進行特征提取。

內容分析特征提取算法對感興趣目標任意性變化包括大小、位置、角度、光照及背景變化具有頑健性和穩定性，能精確描述不同背景下的相同內容，針對多種維度索引通過相似性距離進行匹配，實現對感興趣內容的搜索。

（3）開源索引技術

通過開源技術Lucene搭建搜索引擎，可支持索引字段定制、異構索引結構，適合開放式環境，接口函數靈活，數據源靈活多樣。

4.2.7 視頻內容推薦技術

傳統的推薦方法根據大眾行為進行視頻推薦，很多用戶得不到個性化的推薦結果，而隨著用戶多樣化需求的增長，以用戶為中心的個性化推薦技術在一些電子商務和社交網站中廣泛應用，如亞馬遜、豆瓣網等，個性化推薦方法分為3種：基于關聯規則的推薦算法、基于內容的推薦算法以及協同過濾算法。基于關聯規則的方法是挖掘出關聯規則，也就是那些同時被很多用戶關聯的集合，該方法較成熟，但具有數據稀疏性問題。

視頻云平臺采用混合推薦方法，將基于內容的方法和協同過濾的方法結合，基于內容的推薦方法通過分析特定用戶的屬性以及項目的屬性來過濾項目信息，對該用戶最近操作過項目屬性相似的項目進行推薦，該方法不需要用戶歷史數據。協同過濾推薦方法根據用戶相似性推薦相似用戶感興趣的事物，其思路是喜歡相同項目的用戶更有可能具有相同的興趣，該方法依賴大量用戶數據。混合推薦方法根據用戶信息和內容語義特性計算相似性，緩解協同過濾方法中用戶評分的稀疏性問題，實現個性化的智能推薦。

5 結束語

新媒體時代視頻飛速發展，有視頻元素管理需求的各領域企業對面向B2B的視頻開放平臺需求強烈，B2B模式成為視頻行業的新藍海，發展潛力巨大，新媒體視頻云開放平臺為各視頻管理需求企業用戶提供了一體化B2B視頻服務，為企業用戶降低了硬件投入、開發和運維費用，從而降低視頻管理門檻，使其更好地聚集于業務邏輯設計和運營管理，創造最大的企業價值。電信運營商利用其IDC、帶寬、用戶及品牌等優勢，打造視頻開放平臺，具有帶動效應，B2B業務可帶動數據增值服務的跨越式發展，引領視頻產業新模式發展。

1 嵇正鵬,趙新寧,汪敏娟.全業務運營下視頻業務綜合服務模型的研究.電信科學,2007(9)

2 艾瑞咨詢.http://www.iresearch.cn/

3 易觀智庫.http://www.enfodesk.com

4 王積龍.Brightcove,融合媒介的新亮點.中國記者,2007(8)

5 鐘萍,李鵬.CC視頻:做互聯網幕后技術英雄.中國高新技術企業,2010(10)

6 張小東.Verizon:建設超級云計算IDC中心.通信世界,2011(7)

7 羅承,劉亮.云計算對IDC發展的影響分析.電信工程技術與標準化,2010(12)

8 孫少陵.云計算在移動通信領域的應用前景.中國新通信,2011(17)

9 匡松,周啟海.數據云技術發展的若干關鍵問題.計算機科學,2009(4)

10 Liu C H,Bouazizi I.Rate adaptation for dynamic adaptive streaming over HTTP in content distribution network.Signal Processing,Image Communication,2012(4)

11 田卉,覃團發,梁琳.綜合顏色、紋理、形狀和相關反饋的圖像檢索.計算機應用研究,2007(11)

12 王利卿.視頻內容檢索統計系統的研究與設計.微電子學與計算機,2005(9)