【解读白皮书】Ulord的内容分发机制是什么?

互联网数字内容产业市场潜力巨大,各个领域的数字内容都在快速增长。Juniper Research最近的一份报告表明,到2019年,全球数字内容市场的价值将达到每年1540亿美元,比2016年增长近60%。TechNavio分析师预测2014年-2019年全球数字内容市场以13.73%的复合年增长率增长。

事实上,目前互联网仅仅是一个信息传递者的角色,并没有将信息的价值发挥出来,所以数字内容产业的价值还有很大的想象空间。随着区块链技术的兴起,信息的价值传递有了更好的解决方案。Ulord 就是一条点对点的价值传递公链,通过搭建区块链的底层架构和数字资源分发协议,致力于打造一个开放、平等、尊重创造的区块链数字资源分发平台。

在Ulord平台中主要有四种角色:版权者(版权所有者)、传播者(作品的推广者)、消费者(作品的受众)、记账者(矿工)。

作者可以将自己的作品上传、设置分类,填写简介、设置内容时效,并可自行定价。消费者可在平台中搜索自己喜欢的作品及作者,根据分类浏览内容,查看作品简介及用户评论,购买作品,并给购买的作品打分和评论。Ulord 将对数字内容进行加密,通过记账系统,查找发布者,分发消费者付出的费用,当利益分发得到确认后,可以下载获得作品,并将相关数据记录在区块链上,通过Ulord的区块链和数据分发体系,资源不仅能被直接提供给消费者,还能根据其本身的质量和受欢迎程度而得到推荐传播,传播者通过存储、转发、推广作品等,按照合约分配各方所得。

内容分发流程


Ulord内容分发机制

1. 作品发布

作品发布是指作者制作资源并上传至网络的过程,流程如下:

  • a. 作者创建作品;
  • b. Ulord根据作者的发布申请,生成AES秘钥,并对非免费阅读部分的内容进行加密,同时发命令至记账者节点;
  • c. Ulord根据作者的发布申请生成作品,提交交易;
  • d. 记账者下载发布作品,并发起一个可恢复凭证交易,确认作品已成功发布。

为了净化环境,让Ulord生态健康发展,采用了基于人工智能算法进行内容控制和引入了共识评判机制,对Ulord网络进行智能维护。

  • 人工智能算法:通过向量空间建模技术综合知识结构特征、主题特征、语义特征等,对敏感信息进行自动审查。
  • 共识评判机制:用户在Ulord上发布的资源都有唯一的160bit的hash值,所有主节点都可以对Ulord上用户发布的站点资源进行投票表决,表明自己的立场。当一定时间内反对的票数超过某一阈值时,网络将会自动禁止资源的传播,并给出时间让发布者整改,若规定时间内资源没有整改,网络将使资源不可访问。

2. 购买作品

购买是指消费者决定购买某些已发布的作品的过程,购买采取合同形式,以消费者的支付承诺开始,以确认记账者已分发作品且消费者向作者完成支付为止。流程如下:

  • a. 消费者选择想要购买的作品,提出购买申请;
  • b. 购买申请在平台上生成一个购买请求交易,该交易将有效冻结消费者账户相应数量的数字货币;
  • c. 记账者节点在区块链中发现购买申请后,将使用私钥进行解密,并通过消费者公钥进行重新加密,同时生成分发密钥交易,包含消费者密钥加密的份额和交易凭证;
  • d. 消费者以消费者账户冻结的金额向作者付款;
  • e. 消费者将会使用其私钥对密钥份额进行解密,获得作品;
  • f. 消费者可在区块链中提交一次评级交易,对发布作品进行评论和打分,不同的评级和分类引擎收集这些评级交易,可根据消费者的行为习惯智能推荐作品。

3. 挖矿

挖矿主要记录用户发布资源和消费资源的情况,将关键信息记录到区块链账本中。

4.传播

就版权作品而言,只有被传播、使用的频率增加了,其作品的价值才有可能会提高,一个没有人使用的作品是不具任何价值的。在互联网时代,每个人都是内容的传播者,大家都有权利表达自己的任何观点,给内容评论,分发或者转载,而由此付出的时间精力在Ulord中,同样可以得到报酬,鼓励提供和传播优质内容。

为了让用户更快地找到优质内容,Ulord为用于提供了人工智能算法智能推送功能:

  • 针对特征数据纬度高,类型混杂,时效性强等特点,设计了一种基于深度神经网络的多源知识抽取和关联方法,实现针对站点、内容、作者等要素信息的实体名称识别、实体属性抽取等功能。
  • 通过混合模型方法、基于知识嵌入的协同推荐方法以及基于在线实时反馈的推荐方法等,实现对不同用户不同维度的内容智能推荐。
  • 基于领域知识的混合推荐方法,通过内容向量空间建模技术综合知识结构特征、主题特征、语义特征等,实现基于内容的推荐方法与协同推荐方法的混合推荐。

参考资料


Ulord白皮书

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,684评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,143评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,214评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,788评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,796评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,665评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,027评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,679评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 41,346评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,664评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,766评论 1 331
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,412评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,015评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,974评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,203评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,073评论 2 350
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,501评论 2 343

推荐阅读更多精彩内容