CN111258435A - 多媒体资源的评论方法、装置、电子设备及存储介质 - Google Patents

多媒体资源的评论方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN111258435A
CN111258435A CN202010044367.9A CN202010044367A CN111258435A CN 111258435 A CN111258435 A CN 111258435A CN 202010044367 A CN202010044367 A CN 202010044367A CN 111258435 A CN111258435 A CN 111258435A
Authority
CN
China
Prior art keywords
expression
target
data
resource
multimedia resource
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010044367.9A
Other languages
English (en)
Other versions
CN111258435B (zh
Inventor
艾书明
刘付家
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Reach Best Technology Co Ltd
Original Assignee
Reach Best Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Reach Best Technology Co Ltd filed Critical Reach Best Technology Co Ltd
Priority to CN202010044367.9A priority Critical patent/CN111258435B/zh
Publication of CN111258435A publication Critical patent/CN111258435A/zh
Priority to US17/123,507 priority patent/US11394675B2/en
Priority to EP21151561.4A priority patent/EP3852044A1/en
Application granted granted Critical
Publication of CN111258435B publication Critical patent/CN111258435B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/02—Input arrangements using manually operated switches, e.g. using keyboards or dials
    • G06F3/023—Arrangements for converting discrete items of information into a coded form, e.g. arrangements for interpreting keyboard generated codes as alphanumeric codes, operand codes or instruction codes
    • G06F3/0233—Character input methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/07—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail characterised by the inclusion of specific contents
    • H04L51/10—Multimedia information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/54—Browsing; Visualisation therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/55—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
    • G06F16/68—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/686—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title or artist information, time, location or usage information, user ratings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282—Rating or review of business operators or products
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/04—Real-time or near real-time messaging, e.g. instant messaging [IM]
    • H04L51/046—Interoperability with other network applications or services

Abstract

本申请提供了一种多媒体资源的评论方法、装置、电子设备及存储介质，包括：响应于用户账户对目标多媒体资源实施的评论触发操作，获取与目标多媒体资源对应的目标表情包数据；展示目标表情包数据，供用户账户从目标表情包数据中选取目标表情数据，对目标多媒体资源进行评论。本申请中，在响应于用户账户对目标多媒体资源实施的评论触发操作的情况下，针对目标多媒体资源展示对应的目标表情包数据，供用户进行选取表情数据，对目标多媒体资源进行评论，无需用户搜索或查找等繁琐操作，就能为用户快捷提供更适用于评论多媒体资源的表情数据，提升用户的评论体验。

Description

多媒体资源的评论方法、装置、电子设备及存储介质
技术领域
本申请实施例涉及通信技术领域，尤其涉及一种多媒体资源的评论方法、装置、电子设备及存储介质。
背景技术
在互联网社交中，表情包作社交对象之间最直接，最活跃的社交形态，已经成为跟文字、图片、语音、视频同一个级别的信息传递载体。
相关技术中，在用户观看多媒体资源时，用户对多媒体资源的内容进行评论。具体为：用户可以在多媒体资源的评论窗口，通过文字或简单的绘文字，对多媒体资源的内容进行评论。
但是，目前方案中，仅通过文字或绘文字对多媒体资源进行评论，使得评论窗口中的内容过于单调，导致用户与多媒体资源之间的互动积极度较低。
发明内容
本申请实施例提供一种多媒体资源的评论方法、装置、电子设备及存储介质，以解决相关技术中仅通过文字或绘文字对多媒体资源进行评论，导致用户与多媒体资源之间的互动积极度较低的问题。
第一方面，本申请实施例提供了一种多媒体资源的评论方法，该方法包括：
响应于用户账户对目标多媒体资源实施的评论触发操作，获取与所述目标多媒体资源对应的目标表情包数据；
展示所述目标表情包数据，供所述用户账户从所述目标表情包数据中选取目标表情数据，对所述目标多媒体资源进行评论。
可选的，所述获取与所述目标多媒体资源对应的目标表情包数据的步骤，包括：
获取所述目标多媒体资源的资源类型；
根据所述目标多媒体资源的资源类型，选取对应的目标表情包数据。
可选的，所述根据所述目标多媒体资源的资源类型，选取对应的目标表情包数据的步骤，包括：
从预设的对应关系列表中，确定与所述目标多媒体资源的资源类型对应的目标表情包类别，所述对应关系列表中包括资源类型与表情包类别之间的对应关系；
从预设的表情包数据库中，选取与所述目标表情包类别对应的目标表情包数据，所述表情包数据库中包括的每个表情包数据都具有对应的表情包类别。
可选的，所述从预设的表情包数据库中，选取与所述目标表情包类别对应的目标表情包数据的步骤，包括：
从所述表情包数据库中，选取与所述目标表情包类别对应的所有表情包数据作为候选表情包数据；
根据所述候选表情包数据的第一历史使用记录，从所述候选表情包数据中，选取使用次数大于或等于第一预设阈值的候选表情包数据作为所述目标表情包数据，所述第一历史使用记录包括所述用户账户对每个所述候选表情包数据的使用次数。
可选的，所述方法还包括：
获取所述用户账户的当前用户画像数据，以及除所述当前用户之外的其他用户账户的其他用户画像数据，所述当前用户画像数据至少包括所述用户账户的年龄、性别、地域、职业标签、兴趣标签其中之一，所述其他用户画像数据至少包括所述其他用户账户的年龄、性别、地域、职业标签、兴趣标签其中之一；
将与所述当前用户画像数据之间的相似度大于或等于预设相似度阈值的其他用户画像数据对应的其他用户账户，确定为所述用户账户的相似用户账户；
根据所述候选表情包数据的第二历史使用记录，从所述候选表情包数据中，选取使用次数大于或等于第二预设阈值的候选表情包数据作为所述目标表情包数据，所述第二历史使用记录包括所述相似用户账户对每个所述候选表情包数据的使用次数。
可选的，所述方法还包括：
根据所述表情包数据库中每个表情包数据的第三历史使用记录，确定每个表情包数据对应的热门资源类型；所述热门资源类型是对应的表情包数据被用于评论次数最多的一类多媒体资源所具有的资源类型；所述第三历史使用记录包括所述表情包数据被用于评论的评论次数；
在所述对应关系列表中，所述表情包数据对应的资源类型与所述热门资源类型不一致的情况下，将所述热门资源类型替换所述对应关系列表中所述表情包数据对应的资源类型。
可选的，所述方法还包括：
提取所述表情包数据库中的每个表情包数据的表情包标签，得到表情包标签集合；
对所述表情包标签集合进行进行语义聚类，确定表情包类别以及不同的所述表情包标签与所述表情包类别之间的对应关系，对应得到所述表情包数据库中的每个表情包数据所具有的表情包类别。
可选的，所述获取所述目标多媒体资源的资源类型的步骤，包括：
对所述目标多媒体资源包括的每个资源图像帧进行识别，确定目标多媒体资源中呈现的目标对象以及所述目标对象之间的关联关系；
根据所述目标对象的对象属性、所述目标对象之间的关联关系以及所述多媒体资源的资源属性信息，确定所述多媒体资源的资源类型；所述对象属性至少包括对象类型或者对象名称，所述资源属性信息中至少包括所述多媒体资源的资源标题或者资源描述其中之一。
可选的，所述获取所述目标多媒体资源的资源类型的步骤，包括：
提取所述目标多媒体资源的资源属性信息，所述资源属性信息中至少包括所述多媒体资源的资源标题或者资源描述其中之一；
对所述资源信息进行分析，得到对应的资源标签；
根据所述资源标签，从预设的候选资源类型集合中，选取与所述资源标签的语义相似度大于相似度阈值的候选资源类型，作为所述目标多媒体资源的资源类型。
可选的，所述获取所述目标多媒体资源的资源类型的步骤，包括：
提取所述目标多媒体资源的目标描述文本，所述目标描述文本包括所述目标多媒体资源的内容表述文本、标题中的一种或多种；
提取所述目标描述文本的分词，并将所述分词作为描述标签；
获取所述描述标签与所述预设的分类类别之间的语义相似度；
将与所述描述标签之间的语义相似度大于或等于预设相似度阈值的分类类别，确定为所述目标多媒体资源的资源类型。
第二方面，本申请实施例提供了一种多媒体资源的评论装置，该装置包括：
获取模块，被配置为响应于用户账户对目标多媒体资源实施的评论触发操作，获取与所述目标多媒体资源对应的目标表情包数据；
展示模块，被配置为展示所述目标表情包数据，供所述用户账户从所述目标表情包数据中选取目标表情数据，对所述目标多媒体资源进行评论。
第三方面，本申请实施例还提供了一种电子设备，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如本申请提供的多媒体资源的评论方法的步骤。
第四方面，本申请实施例还提供了一种存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如本申请提供的多媒体资源的评论方法的步骤。
第五方面，本申请实施例还提供了一种应用程序，所述应用程序由电子设备的处理器执行时，实现如本申请提供的多媒体资源的评论方法的步骤。
在本申请实施例中，响应于用户账户对目标多媒体资源实施的评论触发操作，获取与目标多媒体资源对应的目标表情包数据；展示目标表情包数据，供用户账户从目标表情包数据中选取目标表情数据，对目标多媒体资源进行评论。本申请中，在响应于用户账户对目标多媒体资源实施的评论触发操作的情况下，针对目标多媒体资源展示对应的目标表情包数据，供用户进行选取表情数据，对目标多媒体资源进行评论，无需用户搜索或查找等繁琐操作，就能为用户快捷提供更适用于评论多媒体资源的表情数据，提升用户的评论体验。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1是本申请实施例提供的一种多媒体资源的评论方法的步骤流程图；
图2是本申请实施例提供的一种多媒体资源的评论方法的界面图；
图3是本申请实施例提供的另一种多媒体资源的评论方法的步骤流程图；
图4是本申请实施例提供的一种多媒体资源的评论装置的框图；
图5是本申请一个实施例的电子设备的逻辑框图；
图6是本申请另一个实施例的电子设备的逻辑框图。
具体实施方式
下面将参照附图更详细地描述本申请的示例性实施例。虽然附图中显示了本申请的示例性实施例，然而应当理解，可以以各种形式实现本申请而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本申请，并且能够将本申请的范围完整的传达给本领域的技术人员。
图1是本申请实施例提供的一种多媒体资源的评论方法的步骤流程图，如图1所示，该方法可以包括：
步骤101，响应于用户账户对目标多媒体资源实施的评论触发操作，获取与所述目标多媒体资源对应的目标表情包数据。
在本申请实施例中，目标多媒体资源可以为浏览器播放界面中待播放的视频文件，目标多媒体资源可以来源于远端的业务服务器，也可以为存储在本地的视频文件，另外，目标多媒体资源也可以为其他格式的多媒体文件，如音频、图像文件等。
具体的，用户账户可以为用户当前登录的账户，用户可以通过用户账户对目标多媒体资源实施的评论操作。
例如，参照图2，示出了本申请实施例提供的一种多媒体资源的评论方法的界面图，针对主题为“家乡美食吃喝”的视频，在进入播放该视频的播放界面10时，用户可以在播放界面10中点击“评论”按钮，以触发对目标多媒体资源实施的评论操作，使得用户可以在触发后产生的评论区域20进行评论内容的生成，实现对视频内容的评论。
在该步骤中，在响应于用户账户对目标多媒体资源实施的评论触发操作之后，可以获取与目标多媒体资源对应的目标表情包数据，通过获取与目标多媒体资源对应的目标表情包数据，可以有选择性的选取与目标多媒体资源的内容匹配的表情包供用户进行选取使用，提高了多媒体资源评论的针对性。
具体的，与目标多媒体资源对应的目标表情包数据，可以为与目标多媒体资源所关联的表情包数据，或预先建立有与目标多媒体资源之间的对应关系的表情包数据。
另外，表情包数据可以预先存储在终端设备中，也可由终端设备向对应的业务服务器发送表情包数据获取请求，从而在业务服务器针对表情包数据获取请求的响应中获取表情包数据。
例如，视频网站可以预先对视频和表情包数据进行分类，将所有内容为旅游玩乐的视频划分至旅游”视频类别，将所有内容为风景游玩的表情包数据划分至“旅游”表情包类别，当响应于用户账户对“旅游”类视频实施的评论触发操作时，可以进一步将“旅游”类表情包数据确定为与“旅游”类视频对应的目标表情包数据。
步骤102，展示所述目标表情包数据，供所述用户账户从所述目标表情包数据中选取目标表情数据，对所述目标多媒体资源进行评论。
在该步骤中，在获取到与目标多媒体资源对应的目标表情包数据的情况下，可以展示目标表情包数据，以供用户从中选取目标表情数据进行使用，让多媒体资源更有趣的同时，也通过与目标多媒体资源的内容匹配的表情包，丰富了多媒体资源的评论多样性。
例如，参照图2，示在进入播放该视频的播放界面10时，若用户触发了评论操作，用户可以在播放界面10中的评论区域20对视频内容进行评论，其中，用户可以在文本输入框21输入文本评论内容，也可以在播放界面10展示的表情包展示区域22中选取表情包进行评论，表情包展示区域202中展示有与视频的视频类别相对应的美食类别的表情包，用户可以在表情包展示区域22中选取相应的表情包内容，实现对视频的评论。
综上所述，本申请实施例提供的一种多媒体资源的评论方法，包括：响应于用户账户对目标多媒体资源实施的评论触发操作，获取与目标多媒体资源对应的目标表情包数据；展示目标表情包数据，供用户账户从目标表情包数据中选取目标表情数据，对目标多媒体资源进行评论。本申请中，在响应于用户账户对目标多媒体资源实施的评论触发操作的情况下，针对目标多媒体资源展示对应的目标表情包数据，供用户进行选取表情数据，对目标多媒体资源进行评论，无需用户搜索或查找等繁琐操作，就能为用户快捷提供更适用于评论多媒体资源的表情数据，提升用户的评论体验。
图3是本申请实施例提供的另一种多媒体资源的评论方法的步骤流程图，如图3所示，该方法可以包括：
步骤201、响应于用户账户对目标多媒体资源实施的评论触发操作，获取所述目标多媒体资源的资源类型。
在本申请实施例中，目标多媒体资源的资源类型可以用于反映目标多媒体资源的类别，如，内容为人物吃喝的视频，可以确定其资源类型为“吃播”。内容为人物旅游玩乐的视频，可以确定其资源类型为“旅游”。
具体的，可以对目标多媒体资源的描述文本或标题进行分析，确定该目标多媒体资源的资源类型。也可以对目标多媒体资源的连续帧的内容进行分析，从而确定该目标多媒体资源的资源类型。
可选的，在本申请实施例的一种具体实现方式中，步骤201具体可以包括：
子步骤2011、对所述目标多媒体资源包括的每个资源图像帧进行识别，确定目标多媒体资源中呈现的目标对象以及所述目标对象之间的关联关系。
在本申请实施例中，可以通过深度学习算法模型，对目标多媒体资源包括的每个资源图像帧进行识别，从而确定目标多媒体资源中呈现的目标对象以及目标对象之间的关联关系。深度学习算法模型基于深度学习算法，可以用于实现基于资源图像帧的图像识别技术以及特征分类技术。本申请实施例可以具体采用深度学习算法中的卷积神经网络算法，对目标多媒体资源的资源图像帧进行分析和分类，实时输出目标多媒体资源中呈现的目标对象以及目标对象之间的关联关系。
其中，深度学习模型能够在实际应用中通过不断的训练学习，完善模型的参数精度，具有较强的自适应性和自动更新迭代的能力，提高了处理的效率。
子步骤2012、根据所述目标对象的对象属性、所述目标对象之间的关联关系以及所述多媒体资源的资源属性信息，确定所述多媒体资源的资源类型。
其中，所述对象属性至少包括对象类型或者对象名称，所述资源属性信息中至少包括所述多媒体资源的资源标题或者资源描述其中之一。
具体的，目标多媒体资源的本质是由多个连续资源图像帧组合得到的，每个资源图像帧可以看做一个图像文件，基于神经网络的特征提取算法，可以提取得到每个资源图像帧对应的图像特征。特征是某一类对象区别于其他类对象的相应特点或特性，或是这些特点和特性的集合，特征是通过测量或处理能够抽取的数据，特征提取的主要目的是降维，且其主要思想是将原始图像样本投影到一个低维特征空间，得到最能反应图像样本本质或进行图像样本区分的低维图像样本特征。
通过对资源图像帧对应的图像特征的分析，可以进一步识别出每个资源图像帧中包括的目标对象以及目标对象的对象属性。
在实际应用中，可以通过区域候选网络(RPN，Region Proposal Networks)对图像特征进行处理，生成每一个资源图像帧的图像特征中包含的类别区域。通过经过成熟训练得到的区域候选网络，可以精确的确定每个图像特征中的目标对象所处的类别区域，提高了视频分类的效率。
在本申请实施例中，卷积神经网络模型以及目前技术成熟的分类器，已经可以实现对图像特征的分类。如，一个人物图像，其图像特征中可以具有人物目标对象在画面中所处的类别区域，将该类别区域输入分类器，可以得到该人物目标对象的对象属性为人物，因此，进一步可以通过分类器，对图像特征中的目标对象所处的类别区域进行分类，确定得到类别区域对应的对象属性，对象属性可以包括但不限于：人、食物、风景、衣服、动物等。
例如，针对一帧视频帧，其内容为人在用碗吃饭，则对该帧视频帧的图像特征进行区域候选网络处理，可以得到视频帧中人物、碗、食物所处的区域，之后再将这些区域单独输入分类器，可以得到视频帧中包括的对象属性为人物、碗、食物。
在本申请实施例中，可以通过对连续多帧资源图像帧中目标对象之间的关联关系进行行为分析，从而得到连续多帧资源图像帧中具有的完整的行为属性，并根据完整的行为属性确定其目标多媒体的资源类别，这种基于行为分析的分析方法，能够在无监督的情况下，通过深度学习，自动且准确的确定得到多媒体资源的资源类型。
具体的，可以使用循环神经网络(RNN，Recurrent Neural Network)对连续多帧资源图像帧中目标对象之间的关联关系进行行为分析，得到目标多媒体资源的行为属性。具体的，可以采用长短期记忆网络(LSTM，Long Short-Term Memory)进行连续帧图像的图像特征之间的时序运动学行为关系分析，得到目标多媒体资源的行为属性。
例如，一个完整的跳跃动作具有屈膝、起跳、下落、着地四个动作流程，每个动作流程可以基于一个固定的动作姿态实现，假设一个视频包括四帧画面，并确定了每帧画面的类别特征，其中，按照视频时间序列对四帧画面的图像特征进行排序，第一帧画面的图像特征可以为人物对象属性，该人物对象属性的动作姿态为屈膝；第二帧画面的图像特征可以为人物对象属性，该人物对象属性的动作姿态为起跳；第三帧画面的图像特征可以为人物对象属性，该人物对象属性的动作姿态为下落；第四帧画面的图像特征可以为人物对象属性，该人物对象属性的动作姿态为着地。由于该视频包含了一个完整的跳跃动作行为属性，则根据目标对象的对象属性，目标对象之间的关联关系得到的行为属性、以及多媒体资源的资源标题或者资源描述等，可以将该视频的资源类别确定为人物跳跃运动相关的类别，如，运动、舞蹈等。
例如，可以从内容为美食吃播的目标多媒体资源中提取连续的几帧视频帧，并使用深度学习算法，确定这几帧视频帧的画面中均存在人、碗、食物等核心物体对象。之后通过识别连续几帧视频帧中物体对象的动作特征变化，可以获得人物对象的嘴唇的张开和闭合动作，并配合食物和碗，可以确定该目标多媒体资源的资源类别为吃播、美食。
又例如，可以从内容为旅游记录的目标多媒体资源中提取连续的几帧视频帧，并使用深度学习算法，确定这几帧视频帧的画面中均存在人、景物、交通工具等核心物体对象。之后通过识别连续几帧视频帧中物体对象的动作特征变化，可以获得人物对象与交通工具结合的移动变化，以及景物的变化，从而可以确定该目标多媒体资源的资源类别为旅游。
又例如，针对人物直播类作品，识别的核心物体包括人物、衣物加上表演道具(麦克风、吉他、钢琴之类)、进一步识别人物的脸部图像，与预设的明星样本库里的图像比对，确定人物标识信息属于明星库里的明星，并进一步结合衣物和表演道具，确定目标多媒体资源的资源类别为表演。
可选的，在本申请实施例的另一种具体实现方式中，步骤201具体可以包括：
子步骤2013、提取所述目标多媒体资源的资源属性信息，所述资源属性信息中至少包括所述多媒体资源的资源标题或者资源描述其中之一。
在本申请实施例的另一种具体实现方式中，目标多媒体资源在生成之后，一般会由工作人员对目标多媒体资源进行内容标定，即根据目标多媒体资源的内容为目标多媒体资源添加标题或资源描述。
子步骤2014、对所述资源信息进行分析，得到对应的资源标签。
在该步骤中，对资源信息进行分析，可以为对资源信息进行自然语义理解，从而将自然语义理解操作得到的结果确定为资源信息对应的资源标签。
例如，运动题材的视频的资源标题为：“足球小将”，资源描述为：“讲述了一个具有运动天赋的贫民窟小孩成为足球巨星的故事”，通过对资源标题和资源描述的语义理解，可以得到资源标签包括：“足球”、“励志”，“运动”。
子步骤2015、根据所述资源标签，从预设的候选资源类型集合中，选取与所述资源标签的语义相似度大于相似度阈值的候选资源类型，作为所述目标多媒体资源的资源类型。
在本申请实施例中，可以预先建立候选资源类型集合，以便在获取了资源信息对应的资源标签之后，通过将资源信息对应的资源标签与该候选资源类型集合中的候选资源类型进行语义相似度计算，从而将与资源标签的语义相似度大于相似度阈值的候选资源类型，作为所述目标多媒体资源的资源类型。
例如，结合上述步子步骤2014中的示例，假设候选资源类型集合包括：“吃播”、“旅游”、“运动”三个候选资源类型，可以将资源标签：“足球”、“励志”，“运动”，与候选资源类型集合中的各个候选资源类型进行语义相似度计算，从而确定候选资源类型“运动”与资源标签“运动”之间的语义相似度最大，从而将“运动”确定为多媒体资源的资源类型。
综上，通过对目标多媒体资源的目标描述文本进行快速的语义理解分析处理和语义相似度计算处理，可以直接通过分析结果，快速确定的得到目标多媒体资源的资源类型，提升了处理效率。
可选的，在本申请实施例的另一种具体实现方式中，步骤201具体可以包括：
子步骤2016、提取所述目标多媒体资源的目标描述文本，所述目标描述文本包括所述目标多媒体资源的内容表述文本、标题中的一种或多种。
该步骤具体可以参照上述子步骤2013，此处不再赘述。
子步骤2017、提取所述目标描述文本的分词，并将所述分词作为描述标签。
在该步骤中，可以对目标描述文本进行分词处理，得到多个分词，并将分词作为描述标签，例如，运动题材的视频的资源标题为：“足球小将”，资源描述为：“讲述了一个具有运动天赋的贫民窟小孩成为足球巨星的故事”，通过对资源标题和资源描述进行分词，可以得到分词包括：“足球”、“励志”，“运动”等。
子步骤2018、获取所述描述标签与所述预设的分类类别之间的语义相似度。
子步骤2019、将与所述描述标签之间的语义相似度大于或等于预设相似度阈值的分类类别，确定为所述目标多媒体资源的资源类型。
在本申请实施例中，可以预先建立分类类别，以便在获取了资源信息对应的资源标签之后，通过将资源信息对应的资源标签与该分类类别进行相似度阈值的计算，从而将与资源标签的语义相似度大于相似度阈值的分类类别，作为所述目标多媒体资源的资源类型。
综上，通过对目标多媒体资源的目标描述文本进行快速的分词处理和语义相似度计算处理，可以直接通过分析结果，快速确定的得到目标多媒体资源的资源类型，提升了处理效率。
步骤202，根据所述目标多媒体资源的资源类型，选取对应的目标表情包数据。
在本申请实施例中，可以预先建立表情包数据与资源类型之间的对应关系。并根据该对应关系，为目标多媒体资源选取对应的目标表情包数据。
例如，视频网站可以预先对视频和表情包数据进行分类，将所有内容为旅游玩乐的视频划分至“旅游”视频类别，将所有内容为风景游玩的表情包数据划分至“旅游”表情包类别，当响应于用户账户对“旅游”类视频实施的评论触发操作时，可以进一步将“旅游”类表情包数据确定为与“旅游”类视频对应的目标表情包数据。
可选的，在本申请实施例的一种具体实现方式中，步骤202具体可以包括：
子步骤2021，从预设的对应关系列表中，确定与所述目标多媒体资源的资源类型对应的目标表情包类别，所述对应关系列表中包括资源类型与表情包类别之间的对应关系。
在本申请实施例中，可以预先建立包括资源类型与表情包类别之间的对应关系的对应关系列表，并从对应关系列表中，确定与目标多媒体资源的资源类型对应的目标表情包类别。
例如，视频网站可以预先对视频和表情包数据进行分类，将所有内容为旅游玩乐的视频划分至“旅游”视频类别，将所有内容为风景游玩的表情包数据划分至“旅游”表情包类别，建立“旅游”视频类别与“旅游”表情包类别之间的对应关系，并将该对应关系导入对应关系列表，当目标多媒体资源为该“旅游”视频类别中的视频时，可以将“旅游”表情包类别确定为目标表情包类别。
子步骤2022，从预设的表情包数据库中，选取与所述目标表情包类别对应的目标表情包数据，所述表情包数据库中包括的每个表情包数据都具有对应的表情包类别。
在该步骤中，可以根据目标表情包类别，从表情包数据库中选取与目标表情包类别对应的目标表情包数据。例如，参照上述子步骤2022提供的示例，表情包数据库中可以存储有“旅游”表情包类别以及“旅游”表情包类别对应的表情包数据，根据目标表情包类别“旅游”，可以得到该分类下的所有目标表情包数据。
通过预先建立资源类型与表情包类别之间的对应关系，可以在实际应用中，通过分类算法，快速且无监督的完成目标表情包数据的确定和获取，提升了处理效率。
可选的，在本申请实施例的一种具体实现方式中，子步骤2022具体可以包括：
子步骤20221、从所述表情包数据库中，选取与所述目标表情包类别对应的所有表情包数据作为候选表情包数据；
子步骤20222、根据所述候选表情包数据的第一历史使用记录，从所述候选表情包数据中，选取使用次数大于或等于第一预设阈值的候选表情包数据作为所述目标表情包数据。
其中，所述第一历史使用记录包括所述用户账户对每个所述候选表情包数据的使用次数。
在本申请实施例中，可以从终端的存储数据库或业务服务器的存储数据库中，获取包括用户账户对每个所述候选表情包数据的使用次数的第一历史使用记录，并从中统计用户账户对每个候选表情包数据的使用次数，将使用次数大于或等于第一预设阈值的候选表情包数据作为所述目标表情包数据，使用次数大于或等于第一预设阈值的候选表情包数据可以当做该用户账号常用的表情包数据，以达到根据用户对表情包数据的历史使用习惯，为用户提供符合其历史使用习惯的表情包数据的目的，提高了用户体验。
可选的，在本申请实施例的另一种具体实现方式中，子步骤2022还可以包括：
子步骤20223、获取所述用户账户的当前用户画像数据，以及除所述当前用户之外的其他用户账户的其他用户画像数据。
其中，所述当前用户画像数据至少包括所述用户账户的年龄、性别、地域、职业标签、兴趣标签其中之一，所述其他用户画像数据至少包括所述其他用户账户的年龄、性别、地域、职业标签、兴趣标签其中之一。
在该步骤中，可以向业务服务器请求获取所有用户账户的用户画像数据，其中，用户画像又称用户角色，作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，用户画像在各领域得到了广泛的应用。
在实际操作的过程中，可以将用户的属性、行为与期待联结起来，例如，用户注册账号所填写的年龄、性别、地域、职业标签、兴趣标签等信息，用户在该应用中所产生的浏览记录信息等，通过收集这些信息，可以建立针对该用户的用户画像数据。以视频应用为例，若某一用户在视频应用中观看动作片的频率比较高，则会在该用户对应的用户画像数据添加“动作”标签，在之后进行对该用户的个性化推荐时，可以依据用户画像数据中的“动作”标签，为该用户推荐其他带有“动作”标签的视频，使得推荐的效果更佳精确。
需要说明的是，若用户画像数据存储在本地，则可以直接从本地提取用户画像数据。
子步骤20224、将与所述当前用户画像数据之间的相似度大于或等于预设相似度阈值的其他用户画像数据对应的其他用户账户，确定为所述用户账户的相似用户账户。
具体的，用户画像数据的内容可以为文本内容，因此，可以将当前用户画像数据与其他用户画像数据进行文本相似度计算，并将与所述当前用户画像数据之间的相似度大于或等于预设相似度阈值的其他用户画像数据对应的其他用户账户，确定为所述用户账户的相似用户账户。
用户账户的相似用户账户，可以理解为用户账户的关联用户，在推荐业务中，将相似用户账户的用户习惯与当前用户的用户账户所关联，能够大大提高推荐业务的推荐范围和推荐丰富度。
子步骤20225、根据所述候选表情包数据的第二历史使用记录，从所述候选表情包数据中，选取使用次数大于或等于第二预设阈值的候选表情包数据作为所述目标表情包数据。
其中，所述第二历史使用记录包括所述相似用户账户对每个所述候选表情包数据的使用次数。
在该步骤中，可以从终端的存储数据库或业务服务器的存储数据库中，获取包括相似用户账户对每个所述候选表情包数据的使用次数的第二历史使用记录，并从中统计相似用户账户对每个候选表情包数据的使用次数，将使用次数大于或等于第二预设阈值的候选表情包数据作为所述目标表情包数据，使用次数大于或等于第二预设阈值的候选表情包数据可以当做相似用户账号常用的表情包数据，以达到根据相似用户对表情包数据的历史使用习惯，为当前用户提供更广泛的表情包数据的目的，提高了用户体验。
可选的，在本申请实施例的另一种具体实现方式中，步骤202还可以包括：
子步骤2023、根据所述表情包数据库中每个表情包数据的第三历史使用记录，确定每个表情包数据对应的热门资源类型。
其中，所述热门资源类型是对应的表情包数据被用于评论次数最多的一类多媒体资源所具有的资源类型；所述第三历史使用记录包括所述表情包数据被用于评论的评论次数。
在该步骤中，第三历史使用记录中可以统计每个表情包数据被用于评论的评论次数，如，第三历史使用记录中一类热点多媒体资源1被A表情包评论100次，一类热点多媒体资源2被B表情包评论1000次，一类热点多媒体资源3被C表情包评论700次，则其中被用于评论的评论次数最多的A表情包对应的热点多媒体资源1的资源类型确定为热门资源类型X。
子步骤2024、在所述对应关系列表中，所述表情包数据对应的资源类型与所述热门资源类型不一致的情况下，将所述热门资源类型替换所述对应关系列表中所述表情包数据对应的资源类型。
在该步骤中参照上述子步骤2023中的示例，假设当前对应关系列表中，记录有A表情包对应的表情包类别对应的资源类型为Y，此时可以认为资源类型存储的对应关系并不符合实际应用情况，因此可以将原对应关系中A表情包对应的资源类型为Y，修改为热门资源类型X，另外，若当前对应关系列表中，不包含A表情包与资源类型的对应关系，则可以新建立A表情包与热门资源类型X的对应关系。
通过对历史记录中表情包数据被用于评论的评论次数的实时统计，可以实时的对对应关系列表进行更新，以提高其中包括的对应关系的时效性，提升对应关系列表的数据精度。
可选的，在本申请实施例的另一种具体实现方式中，步骤202还可以包括：
子步骤2025、提取所述表情包数据库中的每个表情包数据的表情包标签，得到表情包标签集合。
在本申请实施例中，在表情包数据库中的每个表情包数据生成之后，一般会由工作人员对表情包数据进行内容标定，即根据表情包数据的内容为目标多媒体资源添加表情包标签。表情包标签可以包括：表情包风格标签、表情包主题标签等。
因此，通过提取表情包数据库中的每个表情包数据的表情包标签，可以得到表情包标签集合。
子步骤2026、对所述表情包标签集合进行进行语义聚类，确定表情包类别以及不同的所述表情包标签与所述表情包类别之间的对应关系，对应得到所述表情包数据库中的每个表情包数据所具有的表情包类别。
在该步骤中，对所述表情包标签集合进行进行语义聚类，可以确定每个表情包标签与表情包类别之间的对应关系。
具体的，语义聚类过程可以包括：根据表情包标签，对表情包数据进行聚类，聚类的方式可以为语义聚类算法，即将语义相近的表情包标签聚类为一个聚类簇，从而得到各个表情包数据对应的表情包类别，每个聚类簇为一个表情包类别，其中包含所属于该表情包类别的多个表情包数据。
如，语义聚类算法可以将吃喝动作、食物图案等表情包划分至美食类别。将风景、飞机、游艇等表情包划分至旅游类别。
由于语义聚类算法可以在无监督的情况下进行实现，因此，只要通过训练数据，实现完成语义聚类算法模型的无监督训练，即可实现由该语义聚类算法得到表情包标签与所述表情包类别之间的对应关系的目的。
步骤203，展示所述目标表情包数据，供所述用户账户从所述目标表情包数据中选取目标表情数据，对所述目标多媒体资源进行评论。
本步骤的实现方式与上述步骤102的实现过程类似，本申请实施例在此不再详述。
综上所述，本申请实施例提供的一种多媒体资源的评论方法，包括：响应于用户账户对目标多媒体资源实施的评论触发操作，获取与目标多媒体资源对应的目标表情包数据；展示目标表情包数据，供用户账户从目标表情包数据中选取目标表情数据，对目标多媒体资源进行评论。本申请中，在响应于用户账户对目标多媒体资源实施的评论触发操作的情况下，针对目标多媒体资源展示对应的目标表情包数据，供用户进行选取表情数据，对目标多媒体资源进行评论，无需用户搜索或查找等繁琐操作，就能为用户快捷提供更适用于评论多媒体资源的表情数据，提升用户的评论体验。
图4是本申请实施例提供的一种多媒体资源的评论装置的框图，如图4所示，包括：
获取模块301，被配置为响应于用户账户对目标多媒体资源实施的评论触发操作，获取与所述目标多媒体资源对应的目标表情包数据。
可选的，所述获取模块301，包括：
获取子模块，被配置为获取所述目标多媒体资源的资源类型；
可选的，所述获取子模块，包括：
第二提取单元，被配置为提取所述目标多媒体资源的资源属性信息，所述资源属性信息中至少包括所述多媒体资源的资源标题或者资源描述其中之一；
分析单元，被配置为对所述资源信息进行分析，得到对应的资源标签；
第二选取单元，被配置为根据所述资源标签，从预设的候选资源类型集合中，选取与所述资源标签的语义相似度大于相似度阈值的候选资源类型，作为所述目标多媒体资源的资源类型。
可选的，所述获取子模块，包括：第三提取单元，被配置为提取所述目标多媒体资源的目标描述文本，所述目标描述文本包括所述目标多媒体资源的内容表述文本、标题中的一种或多种；
第四提取单元，被配置为提取所述目标描述文本的分词，并将所述分词作为描述标签；
相似度获取单元，被配置为获取所述描述标签与所述预设的分类类别之间的语义相似度；
第五确定单元，被配置为将与所述描述标签之间的语义相似度大于或等于预设相似度阈值的分类类别，确定为所述目标多媒体资源的资源类型。
可选的，所述获取子模块，包括：
第三确定单元，被配置为对所述目标多媒体资源包括的每个资源图像帧进行识别，确定目标多媒体资源中呈现的目标对象以及所述目标对象之间的关联关系；
第四确定单元，被配置为根据所述目标对象的对象属性、所述目标对象之间的关联关系以及所述多媒体资源的资源属性信息，确定所述多媒体资源的资源类型；所述对象属性至少包括对象类型或者对象名称，所述资源属性信息中至少包括所述多媒体资源的资源标题或者资源描述其中之一。
选取子模块，被配置为根据所述目标多媒体资源的资源类型，选取对应的目标表情包数据。
可选的，所述选取子模块，包括：
第一确定单元，被配置为从预设的对应关系列表中，确定所述目标多媒体资源的资源类型对应的目标表情包类别，所述对应关系列表中包括资源类型与表情包类别之间的对应关系；
第一选取单元，被配置为从预设的表情包数据库中，选取与所述目标表情包类别对应的目标表情包数据，所述表情包数据库中包括的每个表情包数据都具有对应的表情包类别。
可选的，所述第一选取单元，包括：
第一选取子单元，被配置为从所述表情包数据库中，选取与所述目标表情包类别对应的所有表情包数据作为候选表情包数据；
第二选取子单元，被配置为根据所述候选表情包数据的第一历史使用记录，从所述候选表情包数据中，选取使用次数大于或等于第一预设阈值的候选表情包数据作为所述目标表情包数据，所述第一历史使用记录包括所述用户账户对每个所述候选表情包数据的使用次数。
可选的，所述第一选取单元还包括：
获取子单元，被配置为获取所述用户账户的当前用户画像数据，以及除所述当前用户之外的其他用户账户的其他用户画像数据，所述当前用户画像数据至少包括所述用户账户的年龄、性别、地域、职业标签、兴趣标签其中之一，所述其他用户画像数据至少包括所述其他用户账户的年龄、性别、地域、职业标签、兴趣标签其中之一；
确定子单元，被配置为将与所述当前用户画像数据之间的相似度大于或等于预设相似度阈值的其他用户画像数据对应的其他用户账户，确定为所述用户账户的相似用户账户；
第三选取子单元，被配置为根据所述候选表情包数据的第二历史使用记录，从所述候选表情包数据中，选取使用次数大于或等于第二预设阈值的候选表情包数据作为所述目标表情包数据，所述第二历史使用记录包括所述相似用户账户对每个所述候选表情包数据的使用次数。
可选的，所述选取子模块还包括：
第二确定单元，被配置为根据所述表情包数据库中每个表情包数据的第三历史使用记录，确定每个表情包数据对应的热门资源类型；所述热门资源类型是对应的表情包数据用于评论次数最多的一类多媒体资源所具有的资源类型；所述第三历史使用记录包括所述表情包数据被用于评论的评论次数；
替换单元，被配置为在所述对应关系列表中，所述表情包数据对应的资源类型与所述热门资源类型不一致的情况下，将所述热门资源类型替换所述对应关系列表中所述表情包数据对应的资源类型。
选取子模块，被配置为根据所述目标多媒体资源的资源类型，选取对应的目标表情包数据。
可选的，所述选取子模块还包括：
第一提取单元，被配置为提取所述表情包数据库中的每个表情包数据的表情包标签，得到表情包标签集合；
聚类单元，被配置为对所述表情包标签集合进行进行语义聚类，确定表情包类别以及不同的所述表情包标签与所述表情包类别之间的对应关系，对应得到表情包数据库中的每个表情包数据所具有的表情包类别。
展示模块302，被配置为展示所述目标表情包数据，供所述用户账户从所述目标表情包数据中选取目标表情数据，对所述目标多媒体资源进行评论。
综上所述，本申请实施例提供的一种多媒体资源的评论装置，包括：获取模块，被配置为响应于用户账户对目标多媒体资源实施的评论触发操作，获取与所述目标多媒体资源对应的目标表情包数据；展示模块，被配置为展示所述目标表情包数据，供所述用户账户从所述目标表情包数据中选取目标表情数据，对所述目标多媒体资源进行评论。本申请中，在响应于用户账户对目标多媒体资源实施的评论触发操作的情况下，针对目标多媒体资源展示对应的目标表情包数据，供用户进行选取表情数据，对目标多媒体资源进行评论，无需用户搜索或查找等繁琐操作，就能为用户快捷提供更适用于评论多媒体资源的表情数据，提升用户的评论体验。
图5是根据一示例性实施例示出的一种电子设备600的框图。例如，电子设备600可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图5，电子设备600可以包括以下一个或多个组件：处理组件602，存储器604，电力组件606，多媒体组件608，音频组件610，输入/输出(I/O)的接口612，传感器组件614，以及通信组件616。
处理组件602通常控制电子设备600的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件602可以包括一个或多个处理器620来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件602可以包括一个或多个模块，便于处理组件602和其他组件之间的交互。例如，处理组件602可以包括多媒体模块，以方便多媒体组件608和处理组件602之间的交互。
存储器604用于存储各种类型的数据以支持在电子设备600的操作。这些数据的示例包括用于在电子设备600上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器604可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件606为电子设备600的各种组件提供电力。电源组件606可以包括电源管理系统，一个或多个电源，及其他与为电子设备600生成、管理和分配电力相关联的组件。
多媒体组件608包括在所述电子设备600和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件608包括一个前置摄像头和/或后置摄像头。当电子设备600处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件610用于输出和/或输入音频信号。例如，音频组件610包括一个麦克风(MIC)，当电子设备600处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器604或经由通信组件616发送。在一些实施例中，音频组件610还包括一个扬声器，用于输出音频信号。
I/O接口612为处理组件602和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件614包括一个或多个传感器，用于为电子设备600提供各个方面的状态评估。例如，传感器组件614可以检测到电子设备600的打开/关闭状态，组件的相对定位，例如所述组件为电子设备600的显示器和小键盘，传感器组件614还可以检测电子设备600或电子设备600一个组件的位置改变，用户与电子设备600接触的存在或不存在，电子设备600方位或加速/减速和电子设备600的温度变化。传感器组件614可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件614还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件614还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件616用于便于电子设备600和其他设备之间有线或无线方式的通信。电子设备600可以接入基于通信标准的无线网络，如WiFi，运营商网络(如2G、3G、4G或5G)，或它们的组合。在一个示例性实施例中，通信组件616经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件616还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，电子设备600可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于实现上述多媒体资源的评论方法。
在示例性实施例中，还提供了一种包括指令的非临时性存储介质，例如包括指令的存储器604，上述指令可由电子设备600的处理器620执行以完成上述方法。例如，所述非临时性存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
图6是根据一示例性实施例示出的一种电子设备700的框图。例如，电子设备700可以被提供为一服务器。参照图6，电子设备700包括处理组件722，其进一步包括一个或多个处理器，以及由存储器732所代表的存储器资源，用于存储可由处理组件722的执行的指令，例如应用程序。存储器732中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件722被配置为执行指令，以执行上述多媒体资源的评论方法。
电子设备700还可以包括一个电源组件726被配置为执行电子设备700的电源管理，一个有线或无线网络接口750被配置为将电子设备700连接到网络，和一个输入输出(I/O)接口758。电子设备700可以操作基于存储在存储器732的操作系统，例如WindowsServerTM，Mac OS XTM，UnixTM，LinuxTM，FreeBSDTM或类似。
本申请实施例还提供一种应用程序，所述应用程序由电子设备的处理器执行时，实现如本申请提供的多媒体资源的评论方法。
本领域技术人员在考虑说明书及实践这里公开的申请后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。

Claims (10)

1.一种多媒体资源的评论方法，其特征在于，所述方法包括：
响应于用户账户对目标多媒体资源实施的评论触发操作，获取与所述目标多媒体资源对应的目标表情包数据；
展示所述目标表情包数据，供所述用户账户从所述目标表情包数据中选取目标表情数据，对所述目标多媒体资源进行评论。
2.根据权利要求1所述的方法，其特征在于，所述获取与所述目标多媒体资源对应的目标表情包数据的步骤，包括：
获取所述目标多媒体资源的资源类型；
根据所述目标多媒体资源的资源类型，选取对应的目标表情包数据。
3.根据权利要求2所述的方法，其特征在于，所述根据所述目标多媒体资源的资源类型，选取对应的目标表情包数据的步骤，包括：
从预设的对应关系列表中，确定与所述目标多媒体资源的资源类型对应的目标表情包类别，所述对应关系列表中包括资源类型与表情包类别之间的对应关系；
从预设的表情包数据库中，选取与所述目标表情包类别对应的目标表情包数据，所述表情包数据库中包括的每个表情包数据都具有对应的表情包类别。
4.根据权利要求3所述的方法，其特征在于，所述从预设的表情包数据库中，选取与所述目标表情包类别对应的目标表情包数据的步骤，包括：
从所述表情包数据库中，选取与所述目标表情包类别对应的所有表情包数据作为候选表情包数据；
根据所述候选表情包数据的第一历史使用记录，从所述候选表情包数据中，选取使用次数大于或等于第一预设阈值的候选表情包数据作为所述目标表情包数据，所述第一历史使用记录包括所述用户账户对每个所述候选表情包数据的使用次数。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
获取所述用户账户的当前用户画像数据，以及除所述当前用户之外的其他用户账户的其他用户画像数据，所述当前用户画像数据至少包括所述用户账户的年龄、性别、地域、职业标签、兴趣标签其中之一，所述其他用户画像数据至少包括所述其他用户账户的年龄、性别、地域、职业标签、兴趣标签其中之一；
将与所述当前用户画像数据之间的相似度大于或等于预设相似度阈值的其他用户画像数据对应的其他用户账户，确定为所述用户账户的相似用户账户；
根据所述候选表情包数据的第二历史使用记录，从所述候选表情包数据中，选取使用次数大于或等于第二预设阈值的候选表情包数据作为所述目标表情包数据，所述第二历史使用记录包括所述相似用户账户对每个所述候选表情包数据的使用次数。
6.根据权利要求3所述的方法，其特征在于，所述方法还包括：
根据所述表情包数据库中每个表情包数据的第三历史使用记录，确定每个表情包数据对应的热门资源类型；所述热门资源类型是对应的表情包数据被用于评论次数最多的一类多媒体资源所具有的资源类型；所述第三历史使用记录包括所述表情包数据被用于评论的评论次数；
在所述对应关系列表中，所述表情包数据对应的资源类型与所述热门资源类型不一致的情况下，将所述热门资源类型替换所述对应关系列表中所述表情包数据对应的资源类型。
7.根据权利要求3所述的方法，其特征在于，所述方法还包括：
提取所述表情包数据库中的每个表情包数据的表情包标签，得到表情包标签集合；
对所述表情包标签集合进行进行语义聚类，确定表情包类别以及不同的所述表情包标签与所述表情包类别之间的对应关系，对应得到所述表情包数据库中的每个表情包数据所具有的表情包类别。
8.一种多媒体资源的评论装置，其特征在于，所述装置包括：
获取模块，被配置为响应于用户账户对目标多媒体资源实施的评论触发操作，获取与所述目标多媒体资源对应的目标表情包数据；
展示模块，被配置为展示所述目标表情包数据，供所述用户账户从所述目标表情包数据中选取目标表情数据，对所述目标多媒体资源进行评论。
9.一种电子设备，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的多媒体资源的评论方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的多媒体资源的评论方法的步骤。
CN202010044367.9A 2020-01-15 2020-01-15 多媒体资源的评论方法、装置、电子设备及存储介质 Active CN111258435B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010044367.9A CN111258435B (zh) 2020-01-15 2020-01-15 多媒体资源的评论方法、装置、电子设备及存储介质
US17/123,507 US11394675B2 (en) 2020-01-15 2020-12-16 Method and device for commenting on multimedia resource
EP21151561.4A EP3852044A1 (en) 2020-01-15 2021-01-14 Method and device for commenting on multimedia resource

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010044367.9A CN111258435B (zh) 2020-01-15 2020-01-15 多媒体资源的评论方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN111258435A true CN111258435A (zh) 2020-06-09
CN111258435B CN111258435B (zh) 2024-05-07

Family

ID=70948915

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010044367.9A Active CN111258435B (zh) 2020-01-15 2020-01-15 多媒体资源的评论方法、装置、电子设备及存储介质

Country Status (3)

Country Link
US (1) US11394675B2 (zh)
EP (1) EP3852044A1 (zh)
CN (1) CN111258435B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111782968A (zh) * 2020-07-02 2020-10-16 北京字节跳动网络技术有限公司 内容推荐方法、装置、可读介质及电子设备
CN111783013A (zh) * 2020-06-28 2020-10-16 百度在线网络技术（北京）有限公司 评论信息发布的方法、装置、设备及计算机可读存储介质
CN112541120A (zh) * 2020-12-21 2021-03-23 北京百度网讯科技有限公司 推荐评论生成方法、装置、设备、介质和计算机程序产品
CN113127628A (zh) * 2021-04-23 2021-07-16 北京达佳互联信息技术有限公司 用于生成评论的方法、装置、设备及计算机可读存储介质
CN113342221A (zh) * 2021-05-13 2021-09-03 北京字节跳动网络技术有限公司 评论信息引导方法、装置、存储介质及电子设备
CN113377975A (zh) * 2021-06-18 2021-09-10 北京字节跳动网络技术有限公司 多媒体资源的处理方法、装置、计算机设备及存储介质
CN113821574A (zh) * 2021-08-31 2021-12-21 北京达佳互联信息技术有限公司 用户行为分类方法和装置及存储介质
CN114338587A (zh) * 2021-12-24 2022-04-12 北京达佳互联信息技术有限公司 一种多媒体数据处理方法、装置、电子设备及存储介质

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109873756B (zh) * 2019-03-08 2020-04-03 百度在线网络技术（北京）有限公司 用于发送信息的方法和装置
CN115292600A (zh) * 2022-08-15 2022-11-04 北京字跳网络技术有限公司 一种信息显示方法、装置、设备及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140279418A1 (en) * 2013-03-15 2014-09-18 Facebook, Inc. Associating an indication of user emotional reaction with content items presented by a social networking system
CN104933113A (zh) * 2014-06-06 2015-09-23 北京搜狗科技发展有限公司 一种基于语义理解的表情输入方法和装置
CN106484139A (zh) * 2016-10-19 2017-03-08 北京新美互通科技有限公司 表情符号推荐方法及装置
CN107729917A (zh) * 2017-09-14 2018-02-23 北京奇艺世纪科技有限公司 一种标题的分类方法及装置
CN108073671A (zh) * 2017-04-12 2018-05-25 北京市商汤科技开发有限公司 业务对象推荐方法、装置和电子设备
CN110519617A (zh) * 2019-07-18 2019-11-29 平安科技（深圳）有限公司 视频评论处理方法、装置、计算机设备及存储介质

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9043196B1 (en) 2014-07-07 2015-05-26 Machine Zone, Inc. Systems and methods for identifying and suggesting emoticons
US20160306438A1 (en) * 2015-04-14 2016-10-20 Logitech Europe S.A. Physical and virtual input device integration
US11025565B2 (en) * 2015-06-07 2021-06-01 Apple Inc. Personalized prediction of responses for instant messaging
US20170185581A1 (en) 2015-12-29 2017-06-29 Machine Zone, Inc. Systems and methods for suggesting emoji
WO2018128214A1 (en) 2017-01-05 2018-07-12 Platfarm Inc. Machine learning based artificial intelligence emoticon service providing method
WO2019117923A1 (en) * 2017-12-14 2019-06-20 Rovi Guides, Inc. Systems and methods for aggregating related media content based on tagged content
US20200073485A1 (en) * 2018-09-05 2020-03-05 Twitter, Inc. Emoji prediction and visual sentiment analysis
US11140099B2 (en) * 2019-05-21 2021-10-05 Apple Inc. Providing message response suggestions
US11416539B2 (en) * 2019-06-10 2022-08-16 International Business Machines Corporation Media selection based on content topic and sentiment

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140279418A1 (en) * 2013-03-15 2014-09-18 Facebook, Inc. Associating an indication of user emotional reaction with content items presented by a social networking system
CN104933113A (zh) * 2014-06-06 2015-09-23 北京搜狗科技发展有限公司 一种基于语义理解的表情输入方法和装置
CN106484139A (zh) * 2016-10-19 2017-03-08 北京新美互通科技有限公司 表情符号推荐方法及装置
CN108073671A (zh) * 2017-04-12 2018-05-25 北京市商汤科技开发有限公司 业务对象推荐方法、装置和电子设备
CN107729917A (zh) * 2017-09-14 2018-02-23 北京奇艺世纪科技有限公司 一种标题的分类方法及装置
CN110519617A (zh) * 2019-07-18 2019-11-29 平安科技（深圳）有限公司 视频评论处理方法、装置、计算机设备及存储介质

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111783013A (zh) * 2020-06-28 2020-10-16 百度在线网络技术（北京）有限公司 评论信息发布的方法、装置、设备及计算机可读存储介质
CN111782968A (zh) * 2020-07-02 2020-10-16 北京字节跳动网络技术有限公司 内容推荐方法、装置、可读介质及电子设备
CN111782968B (zh) * 2020-07-02 2022-02-18 北京字节跳动网络技术有限公司 内容推荐方法、装置、可读介质及电子设备
CN112541120A (zh) * 2020-12-21 2021-03-23 北京百度网讯科技有限公司 推荐评论生成方法、装置、设备、介质和计算机程序产品
CN112541120B (zh) * 2020-12-21 2023-06-27 北京百度网讯科技有限公司 推荐评论生成方法、装置、设备和介质
CN113127628A (zh) * 2021-04-23 2021-07-16 北京达佳互联信息技术有限公司 用于生成评论的方法、装置、设备及计算机可读存储介质
CN113127628B (zh) * 2021-04-23 2024-03-19 北京达佳互联信息技术有限公司 用于生成评论的方法、装置、设备及计算机可读存储介质
CN113342221A (zh) * 2021-05-13 2021-09-03 北京字节跳动网络技术有限公司 评论信息引导方法、装置、存储介质及电子设备
CN113377975A (zh) * 2021-06-18 2021-09-10 北京字节跳动网络技术有限公司 多媒体资源的处理方法、装置、计算机设备及存储介质
CN113821574A (zh) * 2021-08-31 2021-12-21 北京达佳互联信息技术有限公司 用户行为分类方法和装置及存储介质
CN114338587A (zh) * 2021-12-24 2022-04-12 北京达佳互联信息技术有限公司 一种多媒体数据处理方法、装置、电子设备及存储介质
CN114338587B (zh) * 2021-12-24 2024-03-12 北京达佳互联信息技术有限公司 一种多媒体数据处理方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
EP3852044A1 (en) 2021-07-21
US20210218696A1 (en) 2021-07-15
CN111258435B (zh) 2024-05-07
US11394675B2 (en) 2022-07-19

Similar Documents

Publication Publication Date Title
CN111258435B (zh) 多媒体资源的评论方法、装置、电子设备及存储介质
EP3488618B1 (en) Live video streaming services with machine-learning based highlight replays
CN111638832A (zh) 信息展示方法、装置、系统、电子设备及存储介质
KR20160054392A (ko) 전자 장치 및 그 동작 방법
CN108227950B (zh) 一种输入方法和装置
CN109819288B (zh) 广告投放视频的确定方法、装置、电子设备及存储介质
CN111556366A (zh) 一种多媒体资源的展示方法、装置、终端、服务器及系统
CN109257645A (zh) 视频封面生成方法及装置
CN110147467A (zh) 一种文本描述的生成方法、装置、移动终端及存储介质
CN111309940A (zh) 一种信息展示方法、系统、装置、电子设备及存储介质
CN112672208A (zh) 视频播放方法、装置、电子设备、服务器及系统
CN112464031A (zh) 交互方法、装置、电子设备以及存储介质
CN112069951A (zh) 视频片段提取方法、视频片段提取装置及存储介质
CN110110204A (zh) 一种信息推荐方法、装置和用于信息推荐的装置
CN113157972B (zh) 视频封面文案的推荐方法、装置、电子设备及存储介质
CN112328809A (zh) 实体分类方法、装置及计算机可读存储介质
CN112015277A (zh) 信息显示方法、装置及电子设备
CN112685641A (zh) 一种信息处理方法及装置
CN112000266A (zh) 页面展示方法、装置、电子设备及存储介质
CN111615007A (zh) 视频展示方法、装置和系统
US11922725B2 (en) Method and device for generating emoticon, and storage medium
CN114302231A (zh) 视频处理方法及装置、电子设备和存储介质
CN110662103B (zh) 多媒体对象重构方法及装置、电子设备、可读存储介质
CN110730382B (zh) 一种视频交互方法、装置、终端及存储介质
CN112000877A (zh) 一种数据处理方法、装置和介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant