CN103226569A - 一种视频提供方法、装置和系统 - Google Patents

Abstract

本发明公开了一种视频提供方法、装置和系统，涉及视频处理技术领域。该方法包括：将新闻视频分类到各个新闻话题；根据各个新闻话题之间的相关度确定新闻话题间的链接关系；根据新闻话题的流行程度和重要性确定新闻话题的感兴趣度；根据新闻话题的感兴趣度将新闻话题的视频和新闻话题间的链接关系提供给用户。本发明中的方法和系统，将新闻视频按话题进行分类，并根据话题的感兴趣度和话题间的相关性提供给用户，从而使得新闻视频的提供更有针对性，使用户更容易获得感兴趣的新闻视频，并方便了用户获得感兴趣视频的相关视频。

Description

一种视频提供方法、装置和系统

技术领域

本发明涉及视频处理技术领域，特别涉及一种视频提供方法、装置和系统。

背景技术

随着互联网和电视节目中的新闻节目日趋丰富，新闻视频数量快速增长。如何使得用户迅速访问到感兴趣的话题越来越难。

目前，新闻内容搜索系统被用来帮助用户搜索想看的视频。现有的新闻内容搜索系统通常是基于文本关键词搜索，用户使用关键词搜索感兴趣的新闻进行观看，其主要应用场景是：用户希望观看某些视频节目，在搜索引擎面主动输入某些搜索文本“关键词”，系统返回用户想看的相关的视频。

目前搜索视频的方式存在一些问题。例如，目前的新闻搜索系统需要用户首先对搜索的内容了解，需要用户去输入”关键词”，也就是需要用户首先对搜索的内容了解才能查找，但是对于新闻视频而言，用户并不事先知道发生了什么新闻事件。而且，用户有的时候很难描述他想观看的新闻节目的类型。此外，目前的新闻搜索系统主要基于文本模态的元信息，搜索的结果可能存在歧义，准确率有待进一步提高。有时，用户输入的关键词可能不够明确的，返回的视频和关键词信息可能不能准确的反应用户的搜索意图。现有的新闻推荐系统中各个新闻话题间相互独立，没有使用话题之间的上下文信息。目前的很多的搜索系统对认为每个用户都是一样的，忽略了用户的个性化的特征。

发明内容

本发明的发明人发现上述现有技术中存在问题，并因此针对所述问题中的至少一个问题提出了一种新的技术方案。

本发明的一个目的是提供一种新闻视频推荐的技术方案。

根据本发明的第一方面，提供了一种视频提供方法，包括：将新闻视频分类到各个新闻话题；根据各个新闻话题之间的相关度确定新闻话题间的链接关系；根据新闻话题的流行程度和重要性确定新闻话题的感兴趣度；根据新闻话题的感兴趣度将新闻话题的视频和新闻话题间的链接关系提供给用户。

可选地，将新闻视频分类到各个新闻话题包括：根据新闻视频中的音频流、视频流和文本流将新闻视频分类到各个新闻话题。

可选地，该方法还包括：将新闻话题内的视频按照时新性或/和代表性进行排序；将新闻话题内的视频按照排序提供给用户。

可选地，根据新闻话题的流行程度和重要性确定新闻话题的感兴趣度包括：根据新闻话题的流行程度、重要性和用户的偏好程度确定新闻话题的对于用户的感兴趣度。

可选地，该方法还包括：根据播放新闻话题的新闻节目的数目和新闻节目播放新闻话题的时间确定新闻话题的流行程度；和/或根据其他新闻话题与该新闻话题的链接数量确定新闻话题的重要性；和/或根据用户观看该新闻话题的数量确定用户的偏好程度。

可选地，根据各个新闻话题之间的相关度确定新闻话题间的链接关系包括：根据两个新闻话题间的语义相关度和话题共现度确定两个新闻话题间相关度，根据新闻话题间的相关度确定新闻话题间的链接关系。

可选地，将新闻话题和新闻话题间的链接关系提供给用户包括：根据新闻话题间的链接关系生成视频推荐网络；将视频推荐网络以图的形式呈现给用户，图中的每个节点表示为推荐给用户的一个新闻话题，图中节点间的边连接表示对应新闻话题之间存在链接关系，而且两个新闻话题的相关度越高，图中与新闻话题对应的节点的位置越近。

可选地，该方法还包括：捕捉用户的交互式的输入；如果用户点击其他感兴趣的话题，则以捕捉到的新闻话题为中心重新调整视频推荐网络的拓扑，将将捕捉的新闻话题展示在视频推荐网络的中央。

根据本发明的另一方面，提供一种视频提供装置，包括：话题分类模块，用于将新闻视频分类到各个新闻话题；话题链接确定模块，用于根据各个新闻话题之间的相关度确定新闻话题间的链接关系；感兴趣度确定模块，用于根据新闻话题的流行程度和重要性确定新闻话题的感兴趣度；视频话题提供模块，用于根据新闻话题的感兴趣度将新闻话题的视频和新闻话题间的链接关系提供给用户。

可选地，话题分类模块根据新闻视频中的音频流、视频流和文本流将新闻视频分类到各个新闻话题。

可选地，话题分类模块包括：视频解析单元，用于将新闻视频解析为音频流、视频流和文本流；音频识别单元，用于对音频流进行自动语音识别，将音频流转为带有时间戳的文本；视频分类单元，用于对视频流进行视频帧的分类获得带分类结果的视频流；文本解析单元，用于对文本流进行自然语言处理，进行文本关键词抽取和文本相关性分析；多信息融合单元，用于从自动语音识别文本流中检测话题相关的关键词，从文本流中检测话题相关的关键词，根据时间信息产生多信息的融合；多模态分类单元，用于根据融合的多信息进行视频话题分类。

可选地，该装置还包括：视频排序模块，用于将新闻话题内的视频按照时新性或/和代表性进行排序；视频话题提供模块还用于将新闻话题内的视频按照排序提供给用户。

可选地，感兴趣度确定模块根据新闻话题的流行程度、重要性和用户的偏好程度确定新闻话题的对于用户的感兴趣度。

可选地，感兴趣度确定模块包括：流行程度确定单元，用于根据播放新闻话题的新闻节目的数目和新闻节目播放新闻话题的时间确定新闻话题的流行程度；重要性确定单元，用于根据其他新闻话题与该新闻话题的链接数量确定新闻话题的重要性；用户偏好确定单元，用于根据用户观看该新闻话题的数量确定用户的偏好程度；感兴趣度融合单元，用于根据新闻话题的流行程度、重要性和用户的偏好程度确定新闻话题的对于用户的感兴趣度。

可选地，话题链接确定模块根据两个新闻话题间的语义相关度和话题共现度确定两个新闻话题间的链接关系。

可选地，视频话题提供模块根据新闻话题间的链接关系生成视频推荐网络，将视频推荐网络以图的形式呈现给用户，图中的每个节点表示为推荐给用户的一个新闻话题，图中节点间的边连接表示对应新闻话题之间存在链接关系，而且两个新闻话题的相关度越高，图中与新闻话题对应的节点的位置越近。

可选地，视频话题提供模块还用于捕捉用户的交互式的输入；如果用户点击其他感兴趣的话题，则以捕捉到的新闻话题为中心重新调整视频推荐网络的拓扑，将将捕捉的新闻话题展示在视频推荐网络的中央。

根据本发明的另一方面，提供一种视频推荐系统，包括上述的视频提供装置。

本发明的一个优点在于，将新闻视频按话题进行分类，并根据话题的感兴趣度和话题间的相关性提供给用户，从而使得新闻视频的提供更有针对性，使用户更容易获得感兴趣的新闻视频。

通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。

附图说明

构成说明书的一部分的附图描述了本发明的实施例，并且连同说明书一起用于解释本发明的原理。

参照附图，根据下面的详细描述，可以更加清楚地理解本发明，其中：

图1示出根据本发明的视频提供方法的一个实施例的流程图。

图2示出根据本发明的视频提供方法的另一个实施例的流程图。

图3示出根据本发明的视频话题分类的一个实施例的流程图。

图4示出根据本发明的视频推荐网络生成的一个实施例的流程图。

图5示出根据本发明的一个视频推荐网络的图示。

图6示出根据本发明的交互式视频推荐网络实现的一个实施例的流程图。

图7示出根据本发明的视频推荐网络和用户的交互一个实施例的流程图。

图8示出根据本发明的视频提供装置的一个实施例的结构图。

图9示出根据本发明的视频提供装置的另一个实施例的结构图。

图10示出根据本发明的视频提供装置的中话题分类模块的一个实施例的结构图。

图11示出根据本发明的视频提供装置的中感兴趣度确定模块的一个实施例的结构图。

具体实施方式

现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，技术、方法和设备应当被视为授权说明书的一部分。

在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

图1示出根据本发明的视频提供方法的一个实施例的流程图。

如图1所示，步骤102，将新闻视频分类到各个新闻话题。可以将新闻视频按照常用的新闻话题进行分类，或者按照预置的新闻话题进行分类，或者按照用户个性化的新闻话题进行分类。

步骤104，根据各个新闻话题之间的相关度确定新闻话题间的链接关系。新闻话题之间的相关度可以考虑一个或者多个因素，这些因素例如包括话题之间的语义相关度、话题间的话题共现度、话题之间的阅读相关度等。通过建立新闻话题间的链接关系，使用话题之间的上下文信息和新闻话题之间的相关信息，利用了新闻之间内容的相互关联性，有助于新闻视频的搜索决策，特别是用户对话题本身不够熟悉的情况下很有用。

步骤106，根据新闻话题的流行程度和重要性确定新闻话题的感兴趣度。例如，确定新闻话题对于公众的感兴趣度，或者新闻话题对于部分人群的感兴趣度、或者新闻话题对于个人的感兴趣度。

步骤108，根据新闻话题的感兴趣度将新闻话题的视频和新闻话题间的链接关系提供给用户。可以将感兴趣度高的新闻话题优先提供给用户，并且提供新闻话题间的链接关系，从而有助于用户方便地获得相关新闻信息。

上述实施例中，将新闻视频按话题进行分类，并根据话题的感兴趣度和话题间的相关性提供给用户，从而使得新闻视频的提供更有针对性，使用户更容易获得感兴趣的新闻视频，并方便了用户获得感兴趣视频的相关视频。

每个人或者群组的兴趣可能是不同，因此，针对个人或者群组的新闻视频的推荐是受欢迎的。图2示出根据本发明的视频提供方法的另一个实施例的流程图，在该实施例中，结合用户的偏好程度确定用户对于视频的感兴趣度。

如图2所示，步骤202，将新闻视频基于多模态信息进行话题分类。例如，根据新闻视频中的视频流、音频流、和/或文本流信息对新闻视频进行基于多模态的话题分类。

步骤204，根据各个新闻话题之间的相关度确定新闻话题间的链接关系。稍后将介绍一个确定新闻话题间相关度的例子。

步骤206，根据新闻话题的流行程度、重要性和用户偏好程度确定对用户的新闻话题的感兴趣度。下文中将通过一个具体的例子介绍根据新闻话题的流行程度、重要性和用户偏好程度确定对用户的新闻话题的感兴趣度。

步骤208，根据新闻话题和新闻话题间的链接关系生成视频推荐网络。各个新闻话题作为视频推荐网络的节点，新闻话题间的链接关系作为视频推荐网络中的边，从而形成视频推荐网络。

步骤210，根据新闻话题的感兴趣度将视频推荐网络呈现给用户。视频推荐网络例如通过图、树状列表中方式提供给用户，并将感兴趣度高的新闻话题优先或者突出提供给用户，从而方便用户的阅读。

上述实施例中，通过多模态的知识源的整合(如语音，文本，视频等)，而不是仅仅使用单个模态的文本信息进行视频分类，提高视频推荐的精度；根据用户的个人信息确定用户对于视频的感兴趣度，能够实现个性化的视频推荐，从而使得视频推荐更有针对性；以视频推荐网络的方式向用户呈现视频信息，将感兴趣度高的新闻话题优先或者突出提供给用户，方便用户获得和阅读感兴趣视频。

在一个实施例中，按照用户对话题的感兴趣程度将所有的新闻话题进行排序，将用户最感兴趣的话题作为推荐结果，使得用户能够迅速浏览到感兴趣的话题。例如，用户对话题C_i的感兴趣程度L(C_i)根据话题的流行程度P(C_i)，话题的重要性I(C_i)以及用户的偏好程度H(C_i)对话题进行了排序：

L(C_i)＝α·P(C_i)+β·I(C_i)+γ·H(C_i)，α+β+γ＝1    (1)

其中，上式(1)，话题的流行程度P(C_i)可以定义为：

$P\left(C_i\right)=\mathrm{\η}\·\frac{e^{n\left(C_i\right)}-e^{-n\left(C_i\right)}}{e^{n\left(C_i\right)}+e^{-n\left(C_i\right)}}+\mathrm{\γ}\·\frac{e^{t\left(C_i\right)}-e^{-t\left(C_i\right)}}{e^{t\left(C_i\right)}+e^{-t\left(C_i\right)}}---\left(2\right)$

其中n(C_i)是同时播放话题C_i的新闻节目的数目，t(C_i)是同一个新闻节目反复播放同一个话题C_i的时间长度。

从该定义可以看出：如果一个新闻话题同时讨论的节目越多，关于这个话题的节目长度越长，说明这个话题越流行。

话题的重要性程度I(C_i)可以定义为：

$I\left(C_i\right)=\frac{e^{k\left(C_i\right)}-e^{-k\left(C_i\right)}}{e^{k\left(C_i\right)}+e^{-k\left(C_i\right)}}---\left(3\right)$

其中k(C_i)是在整个话题网络中跟话题C_i相链接的话题的数目。

这个定义说明，跟这个话题相关的话题越多，那么这个话题越重要。

用户的偏好程度H(C_i)可以定义为：

$H\left(C_i\right)=\frac{e^{w\left(C_i\right)}-e^{-w\left(C_i\right)}}{e^{w\left(C_i\right)}+e^{-w\left(C_i\right)}}---\left(4\right)$

其中w(C_i)是用户曾经观看过话题C_i相关的视频的次数。

这个定义说明，用户曾经看过这个话题相关的节目数越多，用户对这个新闻话题越喜欢。

需要指出，上述例子中提供了话题的流行程度P(C_i)，话题的重要性I(C_i)以及用户的偏好程度H(C_i)的一种定义，上述例子只是用于说明一种具体实现的例子，并不对本发明进行限定。本领域的技术人员应当理解，话题的上述属性也存在其他的一些定义形式或者不同的表示。例如，用户的偏好程度可以根据用户观看该话题的视频次数占总的观看视频次数的比例来确定。

为了构建图结构，需要在视频推荐网络中相关的话题节点之间建立链接关系。在一个实施例中，计算每两个话题C_i和C_j之间的相似度γ(C_i，C_j)，并在选取相似度较高的话题对之间建立链接关系。

话题相关度的计算公式如下：

γ(C_i，C_j)＝α·Φ(C_i，C_j)+β·Ψ(C_i，C_j)，α+β＝1    (5)

第一项Φ(C_i，C_j)是两个话题的语义相关度，第二项Ψ(C_i，C_j)是话题共现度。第一项用各个话题的关键词之间的词权重的余弦距离。第二项Ψ(C_i，C_j)是根据两个话题的共现度计算出来的话题相似度。

话题的语义相似度Φ(C_i，C_j)计算如下：

$\mathrm{\Φ}(C_i,C_j)=\frac{{\mathrm{\Σ}}_{l=}^N{w}_l\left(C_i\right)\·w_l\left(C_j\right)}{\sqrt{{\mathrm{\Σ}}_{l=}^N{w}_l{\left(C_i\right)}^2}\sqrt{{\mathrm{\Σ}}_{l=}^N{w}_l{\left(C_j\right)}^2}}---\left(6\right)$

其中w_l(C_i)是话题C_i相关的关键词在第1个视频对应的文本中的相对频率，N是所有视频个数。

话题的共现度Ψ(C_i，C_j)表示为：

$\mathrm{\Ψ}(C_i,C_j)=\frac{p(C_i,C_j)}{p\left(C_i\right)p\left(C_j\right)}---\left(7\right)$

其中p(C_i，C_j)是两个新闻话题共同出现在一个新闻节目中的概率，p(C_i)是话题C_i出现在新闻节目中的概率。

图3示出根据本发明的视频话题分类的一个实施例的流程图。

如图3所示，步骤302，对视频进行解析获得视频流、音频流和文本流。例如，通过视频解析器或者视频解码器对新闻视频进行解码，从中提取出视频流、音频流和文本流。

步骤304a，对音频流进行自动语音识别，得到与音频流对应的文本，根据音频流的时间信息将音频流转为带有时间戳的文本。对于音频流的语音识别可以通过现有的语音识别技术进行。采用的语音识别引擎可以对新闻视频的语音进行适应性训练。

步骤304b，对视频流根据预先定义的话题进行视频帧的分类获得带分类结果的视频流。可以根据视频的色彩、运动矢量等特征进行视频帧的分类。

步骤304c，对文本流进行自然语言处理，进行文本关键词抽取和文本相关性分析，如文本相似性分析或文本聚类等，获得需要的关键词或者话题相关信息。可以基于多种算法进行文本关键词抽取，例如基于语义的统计语言模型的关键词抽取、基于多维聚类技术的关键词提取、基于贝叶斯模型的关键词提取算法等。

步骤306，从自动语音识别文本流中检测话题相关的关键词，从文本流中检测话题相关的关键词；可以通过例如根据时间点上关键词信息进行投票等方式，根据时间信息产生多信息的融合。

步骤308，根据融合的多信息进行视频话题分类。对新闻视频x计算对预先定义好的话题C_i的相关度P(x|C_i)，并分类到某个特定的新闻话题。

上述实施例中，对视频中的各个信息流进行解析处理，获得其中的分类信息，对视频进行话题分类，使得视频话题分类不仅依赖于文本信息，分类可靠性高，能够更准确、精细分类。

图4示出根据本发明的视频推荐网络生成的一个实施例的流程图。对于该实施例，新闻视频已经分类到各个新闻话题中。

步骤402，计算各个新闻话题间的话题相似度，在话题间建立相似度关系。

步骤404，计算新闻话题的感兴趣度，根据话题的感兴趣度选出推荐的新闻话题。

步骤406，确定各个新闻话题中的代表性视频。例如，在每个话题内部，需要根据需要视频的时新性和代表性进行排序，选取最重要的视频，对选定的视频展示视频预览，方便用户能够快速浏览到感兴趣的视频。

步骤408，根据推荐话题、话题间的相似度关系、话题的代表性视频构建并展示交互式的视频推荐网络。

上述实施例中，根据推荐话题、话题间的相似度关系、话题的代表性视频构建并展示交互式的视频推荐网络，使得视频推荐网络的信息呈现更具有针对性。

下面介绍新闻话题内视频的时新性的一种表示：

在给定的一个新闻话题C_i中，某个视频x的时新性计算公式为：

ρ(x|C_i)＝e^-Δt    (8)

其中，Δt是节目播出时间和用户提交查询的时间差，该公式表示系统倾向于推荐比较新的节目。

关于新闻话题内视频的代表性的一个例子的定义为：

υ(x|C_j)是所有用户访问这个视频的次数，γ(x|C_j)是所有用户对这个视频的打分，q(x|C_j)是视频的质量，定义为视频的分辨率和视频长度的函数。

在展示的视频推荐网络中，所有推荐的视频表示为一个图的形式。图中的每个节点表示为推荐给用户的一个新闻话题，每个节点上可以显示相应的话题的名称，并可以显示每个话题中用户可能最感兴趣的几个视频的截图和视频名称。在视频推荐网络的图中，相关的话题之间有边连接，而且两个话题的相关度越高，对应的图节点的位置越近。使用户能够迅速浏览到感兴趣的话题，需要将用户最感兴趣的话题显示在网络中间位置，以便用户能够迅速的找到他们可能感兴趣的话题。

图5示出根据本发明的一个视频推荐网络例子的图示。在图5中，该视频推荐网络包括多个话题，如娱乐、体育、旅游、游戏、科技、财经和房产等。部分话题间具有连线，如“娱乐”话题和体育、旅游、游戏以及房产话题相连，说明这些话题之间具有一定的相关度。相关话题之间距离越近，说明两个话题的相关度越高，如娱乐和游戏话题之间的相关度，高于娱乐和地产话题之间的相关度。

图6示出根据本发明的交互式视频推荐网络实现的一个实施例的流程图。

如图6所示，步骤602，系统预先定义好的新闻话题库，输入来自于视频数据库的新闻节目的片段和相应的元信息。对于输入的新闻节目片段，进行基于多模态的新闻话题分类，为生成交互式的视频推荐网络做准备。

步骤604，系统根据用户的历史信息和来自于其他来自于视频数据库的信息，为用户生成推荐的视频话题。推荐的结果以交互式的视频话题网络的形式进行呈现。

步骤606，用户可以在系统产生的推荐结果构成的网络上进行视频的浏览，导航，或者进行视频的播放。

图7示出根据本发明的视频推荐网络和用户的交互一个实施例的流程图。

如图7所示，步骤702，捕捉用户的交互式的输入。

步骤704，判断用户是否点击视频？如果是，则播放相应的视频(步骤706)；否则，继续步骤708。

步骤708，判断用户是否点击其他话题，如果是，则继续步骤710，否则，继续步骤712。

步骤710，如果是针对其他感兴趣的话题C_j，则交互式网络将以捕捉到的新闻话题为中心重新调整网络的拓扑，将自动将捕捉的话题展示在交互式网络的中央。

步骤712，记录用户的浏览历史，以便未来优化视频的推荐结果。

图8示出根据本发明的视频提供装置的一个实施例的结构图。如图8所示，该视频提供装置包括：话题分类模块81，用于将新闻视频分类到各个新闻话题；话题链接确定模块82，用于根据各个新闻话题之间的相关度确定新闻话题间的链接关系；感兴趣度确定模块83，用于根据新闻话题的流行程度和重要性确定新闻话题的感兴趣度；视频话题提供模块83，用于根据新闻话题的感兴趣度将新闻话题的视频和新闻话题间的链接关系提供给用户。例如，话题链接确定模块根据两个新闻话题间的语义相关度和话题共现度确定两个新闻话题间的链接关系。

上述实施例中，话题分类模块将新闻视频按话题进行分类，视频话题提供模块根据话题的感兴趣度和话题间的相关性提供给用户，从而使得新闻视频的提供更有针对性，使用户更容易获得感兴趣的新闻视频，并方便了用户获得感兴趣视频的相关视频。

图9示出根据本发明的视频提供装置的另一个实施例的结构图。如图9所示，该视频提供装置包括话题分类模块81、话题链接确定模块82、感兴趣度确定模块83、视频排序模块95和视频话题提供模块94。话题分类模块81、话题链接确定模块82和感兴趣度确定模块83可以参见上述实施例中的对应描述，为简洁起见不再详细描述。视频排序模块95，用于将新闻话题内的视频按照时新性或/和代表性进行排序；视频话题提供模块94根据新闻话题的感兴趣度将新闻话题的视频和新闻话题间的链接关系提供给用户，还用于将新闻话题内的视频按照排序提供给用户

在一个实施例中，视频话题提供模块根据新闻话题间的链接关系生成视频推荐网络，将视频推荐网络以图的形式呈现给用户，图中的每个节点表示为推荐给用户的一个新闻话题，在图中相关的新闻话题之间有边连接，而且两个新闻话题的相关度越高，与新闻话题对应的图节点的位置越近。此外，视频话题提供模块还可以用于捕捉用户的交互式的输入；如果用户点击其他感兴趣的话题，则以捕捉到的新闻话题为中心重新调整视频推荐网络的拓扑，将将捕捉的新闻话题展示在视频推荐网络的中央。该实施例中，以视频推荐网络的方式向用户呈现视频信息，将感兴趣度高的新闻话题优先或者突出提供给用户，方便用户获得和阅读感兴趣视频。

在一个实施例中，话题分类模块根据新闻视频中的音频流、视频流和文本流将新闻视频分类到各个新闻话题。

图10示出根据本发明的视频提供装置的中话题分类模块的一个实施例的结构图。如图10所示，话题分类模块1000包括：视频解析单元1001，用于将新闻视频解析为音频流、视频流和文本流；音频识别单元1002，用于对音频流进行自动语音识别，将音频流转为带有时间戳的文本；视频分类单元1003，用于对视频流进行视频帧的分类获得带分类结果的视频流；文本解析单元1004，用于对文本流进行自然语言处理，进行文本关键词抽取和文本相关性分析，获得需要的关键词或者话题相关信息；多信息融合单元1005，用于从自动语音识别文本流中检测话题相关的关键词，从文本流中检测话题相关的关键词，根据时间信息产生多信息的融合；多模态分类单元1006，用于根据融合的多信息进行视频话题分类。上述实施例中，话题分类模块通过多模态的知识源的整合(如语音，文本，视频等)，而不是仅仅使用单个模态的文本信息进行视频分类，提高视频推荐的精度。

在一个实施例中，感兴趣度确定模块根据新闻话题的流行程度、重要性和用户的偏好程度确定新闻话题的对于用户的感兴趣度。根据用户的个人信息确定用户对于视频的感兴趣度，能够实现个性化的视频推荐，从而使得视频推荐更有针对性。

图11示出根据本发明的视频提供装置的中感兴趣度确定模块的一个实施例的结构图。如图11所示，该感兴趣度确定模块1100包括：流行程度确定单元1101，用于根据播放新闻话题的新闻节目的数目和新闻节目播放新闻话题的时间确定新闻话题的流行程度；重要性确定单元1102，用于根据其他新闻话题与该新闻话题的链接数量确定新闻话题的重要性；用户偏好确定单元1103，用于根据用户观看该新闻话题的数量确定用户的偏好程度；感兴趣度融合单元1104，用于根据新闻话题的流行程度、重要性和用户的偏好程度确定新闻话题的对于用户的感兴趣度。

需要指出，图8至图11中模块和单元可以参见上文中各个方法实施例中对应部分的描述和内容，为简洁起见，在此不再详细描述。

本发明提出了一种主动推送的形式的视频提供方法和系统。实施例中实现了一种基于多模态信息的、个性化的、交互式的视频推荐系统。该视频推荐系统主动推荐视频，而不是用户搜索方式；通过多模态的知识源的整合(语音，文本，视频)，提高视频推荐的精度而不是仅仅使用单个模态的文本信息；将视频根据话题信息构建成为交互式的，可浏览的网络；解决了“关键词”搜索不够准确的问题，用户可以进行交互式的新闻视频浏览和观看；使用交互式的网络展示推荐结果，可以充分利用新闻话题之间的相关性；使用用户的个性化信息(搜索关键词，上下文，浏览话题网络的交互过程)对推荐结果进行进一步的优化，构建了个性化的推荐系统。

采用本发明的技术方案，可以实现主动推送式的，更加准确的、更加个性化的、更加易用的新闻视频推荐系统。

至此，已经详细描述了根据本发明的视频提供方法、装置和系统。为了避免遮蔽本发明的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。

可能以许多方式来实现本发明的方法和系统。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和系统。用于所述方法的步骤的上述顺序仅是为了进行说明，本发明的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本发明实施为记录在记录介质中的程序，这些程序包括用于实现根据本发明的方法的机器可读指令。因而，本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。

虽然已经通过示例对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员应该理解，可在不脱离本发明的范围和精神的情况下，对以上实施例进行修改。本发明的范围由所附权利要求来限定。

Claims (18)

1.一种视频提供方法，其特征在于，包括：

将新闻视频分类到各个新闻话题；

根据各个新闻话题之间的相关度确定新闻话题间的链接关系；

根据新闻话题的流行程度和重要性确定新闻话题的感兴趣度；

根据新闻话题的感兴趣度将新闻话题和新闻话题间的链接关系提供给用户。

2.根据权利要求1所述的方法，其特征在于，所述将新闻视频分类到各个新闻话题包括：

根据新闻视频中的音频流、视频流和文本流将新闻视频分类到各个新闻话题。

3.根据权利要求1所述的方法，其特征在于，还包括：

将新闻话题内的视频按照时新性或/和代表性进行排序；

将新闻话题内的视频按照排序提供给用户。

4.根据权利要求1所述的方法，其特征在于，所述根据新闻话题的流行程度和重要性确定新闻话题的感兴趣度包括：

根据所述新闻话题的流行程度、重要性和用户的偏好程度确定新闻话题的对于用户的感兴趣度。

5.根据权利要求4所述的方法，其特征在于，还包括：

根据播放新闻话题的新闻节目的数目和新闻节目播放新闻话题的时间确定新闻话题的流行程度；

和/或

根据其他新闻话题与该新闻话题的链接数量确定新闻话题的重要性；

和/或

根据用户观看该新闻话题的数量确定新闻话题的用户的偏好程度。

6.根据权利要求1所述的方法，其特征在于，

所述根据各个新闻话题之间的相关度确定新闻话题间的链接关系包括：

根据两个新闻话题间的语义相关度和话题共现度确定两个新闻话题间相关度；

根据新闻话题间的相关度确定新闻话题间的链接关系。

7.根据权利要求1所述的方法，其特征在于，将新闻话题和新闻话题间的链接关系提供给用户包括：

根据新闻话题间的链接关系生成视频推荐网络；

将视频推荐网络以图的形式呈现给用户，图中的每个节点表示为推荐给用户的一个新闻话题；图中节点间的边连接表示对应新闻话题之间存在链接关系，而且两个新闻话题的相关度越高，图中与新闻话题对应的节点的位置越近。

8.根据权利要求7所述的方法，其特征在于，还包括：

捕捉用户的交互式的输入；

如果用户点击其他感兴趣的话题，则以捕捉到的新闻话题对应的节点为中心重新调整视频推荐网络的拓扑，将将捕捉的新闻话题展示在视频推荐网络的中央。

9.一种视频提供装置，其特征在于，包括：

话题分类模块，用于将新闻视频分类到各个新闻话题；

话题链接确定模块，用于根据各个新闻话题之间的相关度确定新闻话题间的链接关系；

感兴趣度确定模块，用于根据新闻话题的流行程度和重要性确定新闻话题的感兴趣度；

视频话题提供模块，用于根据新闻话题的感兴趣度将新闻话题的视频和新闻话题间的链接关系提供给用户。

10.根据权利要求9所述的装置，其特征在于，所述话题分类模块根据新闻视频中的音频流、视频流和文本流将新闻视频分类到各个新闻话题。

11.根据权利要求10所述的装置，其特征在于，所述话题分类模块包括：

视频解析单元，用于将新闻视频解析为音频流、视频流和文本流；

音频识别单元，用于对音频流进行自动语音识别，将音频流转为带有时间戳的文本；

视频分类单元，用于对视频流进行视频帧的分类获得带分类结果的视频流；

文本解析单元，用于对文本流进行自然语言处理，进行文本关键词抽取和文本相关性分析；

多信息融合单元，用于从自动语音识别文本流中检测话题相关的关键词，从文本流中检测话题相关的关键词，根据时间信息产生多信息的融合；

多模态分类单元，用于根据融合的多信息进行视频话题分类。

12.根据权利要求9所述的装置，其特征在于，还包括：

视频排序模块，用于将新闻话题内的视频按照时新性或/和代表性进行排序；

所述视频话题提供模块还用于将新闻话题内的视频按照排序提供给用户。

13.根据权利要求9所述的装置，其特征在于，所述感兴趣度确定模块根据所述新闻话题的流行程度、重要性和用户的偏好程度确定新闻话题的对于用户的感兴趣度。

14.根据权利要求9所述的装置，其特征在于，所述感兴趣度确定模块包括：

流行程度确定单元，用于根据播放新闻话题的新闻节目的数目和新闻节目播放新闻话题的时间确定新闻话题的流行程度；

重要性确定单元，用于根据其他新闻话题与该新闻话题的链接数量确定所述新闻话题的重要性；

用户偏好确定单元，用于根据用户观看该新闻话题的数量确定所述用户的偏好程度；

感兴趣度融合单元，用于根据所述新闻话题的流行程度、重要性和用户的偏好程度确定新闻话题的对于用户的感兴趣度。

15.根据权利要求9所述的装置，其特征在于，所述话题链接确定模块根据两个新闻话题间的语义相关度和话题共现度确定两个新闻话题间的链接关系。

16.根据权利要求9所述的装置，其特征在于，所述视频话题提供模块根据新闻话题间的链接关系生成视频推荐网络，将所述视频推荐网络以图的形式呈现给用户，图中的每个节点表示为推荐给用户的一个新闻话题；图中节点间的边连接表示对应新闻话题之间存在链接关系，而且两个新闻话题的相关度越高，图中与新闻话题对应的节点的位置越近。

17.根据权利要求16所述的装置，其特征在于，所述视频话题提供模块还用于捕捉用户的交互式的输入；如果用户点击其他感兴趣的话题，则以捕捉到的新闻话题为中心重新调整视频推荐网络的拓扑，将将捕捉的新闻话题展示在视频推荐网络的中央。

18.一种视频推荐系统，其特征在于，包括如权利要求9至17中任意一项所述的视频提供装置。

Images