CN103488787A - 一种基于视频搜索的在线播放入口对象的推送方法和装置 - Google Patents
一种基于视频搜索的在线播放入口对象的推送方法和装置 Download PDFInfo
- Publication number
- CN103488787A CN103488787A CN201310462768.6A CN201310462768A CN103488787A CN 103488787 A CN103488787 A CN 103488787A CN 201310462768 A CN201310462768 A CN 201310462768A CN 103488787 A CN103488787 A CN 103488787A
- Authority
- CN
- China
- Prior art keywords
- participles
- video
- participle
- resource data
- video 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000011218 segmentation Effects 0.000 claims description 91
- 238000013507 mapping Methods 0.000 claims description 20
- 150000001875 compounds Chemical class 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 4
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 27
- 241000607059 Solidago Species 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005065 mining Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 238000004873 anchoring Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/73—Querying
- G06F16/738—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/954—Navigation, e.g. using categorised browsing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Library & Information Science (AREA)
- Computational Linguistics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于视频搜索的在线播放入口对象的推送方法,包括:接收视频搜索字符串;将所述视频搜索字符串映射为一个或多个第一分词;查找与所述一个或多个第一分词的同现率高于预设阈值的关联第二分词;所述同现率为当前一个或多个第一分词与第二分词在同一视频资源数据中共同出现的概率;获取与所述一个或多个第一分词和所述关联第二分词匹配的一个或多个视频数据资源的网络地址;根据所述一个或多个视频数据资源网络地址构造在线播放所述视频数据资源的入口对象;推送所述一个或多个在线播放视频数据资源的入口对象。本发明实现深度挖掘视频库中的优质资源,提高了资源挖掘的效率,有利于扩大召回率。
Description
技术领域
本发明涉及互联网的技术领域,具体涉及一种基于视频搜索的在线播放入口对象的推送方法和一种基于视频搜索的在线播放入口对象的推送装置。
背景技术
视频搜索引擎是有别于综合搜索的一种垂直搜索技术。视频搜索引擎抓取互联网中的视频类的结果并建立索引,由于它可以向搜索者提供纯粹的视频类结果,从而可以大大节省网民寻找视频的时间。
根据视频搜索的相关统计数据显示,娱乐、游戏、影视、新闻、动漫等类型的视频是用户的主要搜索对象。这表明用户对于视频搜索本身具有泛需求的性质。用户往往不带有很强的目的性,搜索结果并非“非彼不可”,而是带有一定扩展性,只要目标在用户所喜欢的范畴内即可。因此,往往会在搜索结果之外对用户进行相关推荐是。
但是,现有的视频搜索引擎在相关推荐方面做得还有不足:部分视频搜索引擎没有相关推荐,有相关推荐的视频搜索引擎只是根据用户的搜索历史数据、通过人工整理得到关联体系等简单方式实现推荐。这种推荐系统基于用户已有的搜索习惯,召回率较低,另外由于用户的搜索范围一般会比现有互联网中的资源范围要小很多,不能充分挖掘互联网中的优质视频。
另一种搜索推荐方法是依靠人工整理出一个资源关联体系或从其他知识体系中得到这样的体系,应用到推荐系统中。例如在某搜索引擎搜索”广场舞”时,会得到“交谊舞”、“肚皮舞”、“健身操”等的推荐词,搜索“dota”时会得到“穿越火线”、“魔兽世界”等的推荐词,但是这种体系召回率较低,在长尾的搜索中一般不能给出推荐。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于视频搜索的在线播放入口对象的推送方法和相应的一种基于视频搜索的在线播放入口对象的推送装置。
依据本发明的一个方面,提供了一种基于视频搜索的在线播放入口对象的推送方法,包括:
接收视频搜索字符串;
将所述视频搜索字符串映射为一个或多个第一分词;
查找与所述一个或多个第一分词的同现率高于预设阈值的关联第二分词;所述同现率为当前一个或多个第一分词与第二分词在同一视频资源数据中共同出现的概率;
获取与所述一个或多个第一分词和所述关联第二分词匹配的一个或多个视频数据资源的网络地址;
根据所述一个或多个视频数据资源网络地址构造在线播放所述视频数据资源的入口对象;
推送所述一个或多个在线播放视频数据资源的入口对象。
可选地,所述将所述视频搜索字符串映射为一个或多个第一分词的步骤包括:
提取所述视频搜索字符串所映射的一个分词;
或者,
当接收到的视频搜索字符串为复合词时,将所述视频搜索字符串拆分为多个搜索子词;提取所述多个搜索子词所映射的多个分词。
可选地,所述查找与所述一个或多个第一分词的同现率高于预设阈值的关联第二分词的步骤包括:
当所述视频搜索字符串被映射为一个第一分词时,提取所述第一分词对应的预置索引表;其中,所述索引表包括所述第一分词所属的视频资源数据的信息,以及,所述视频资源数据中的所有分词;所述视频资源数据中的所有分词为通过抓取视频资源数据,提取所述视频资源数据的特征文本信息,对所述特征文本信息进行分词生成;
计算所述第一分词与所述索引表中各个第二分词的同现率,所述同现率为所述索引表中各个第二分词出现的次数与所述索引表中视频资源数据的信息总数的比值;其中,所述第二分词为所述视频资源数据中的所有分词中除所述第一分词以外的分词;
提取所述同现率高于预设阈值的第二分词作为关联第二分词。
可选地,所述查找与所述一个或多个第一分词的同现率高于预设阈值的关联第二分词的步骤包括:
当所述视频搜索字符串被映射为多个第一分词时,分别提取所述多个第一分词对应的多个预置索引表;各个索引表中包括所述第一分词所属的视频资源数据的信息,以及,所述视频资源数据中的所有分词;所述视频资源数据中的所有分词为通过抓取视频资源数据,提取所述视频资源数据的特征文本信息,对所述特征文本信息进行分词生成;
提取与所述多个第一分词共同出现的第二分词作为候选分词;其中,所述第二分词为所述视频资源数据中的所有分词中除所述第一分词以外的分词;
分别在各个索引表中计算所述第一分词与所述候选分词的同现率,所述同现率为所述索引表中候选分词出现的次数与所述索引表中视频资源数据的信息总数的比值;
分别为所述多个第一分词与所述候选分词的同现率配置对应的多个权重;
分别计算多个配置了权重的同现率的平均值,作为所述多个第一分词与所述候选分词的同现率;
提取所述同现率高于预设阈值的候选分词作为关联第二分词。
可选地,所述查找与所述一个或多个第一分词的同现率高于预设阈值的关联第二分词的步骤包括:
当所述视频搜索字符串被映射为多个第一分词时,分别提取所述多个第一分词对应的多个预置索引表;其中,各个索引表中包括所述第一分词所属的视频资源数据的信息,以及,所述视频资源数据中的所有分词;所述视频资源数据中的所有分词为通过抓取视频资源数据,提取所述视频资源数据的特征文本信息,对所述特征文本信息进行分词生成;
采用所述多个索引表确定主分词,所述主分词为视频资源数据的信息总数最多的索引表对应的第一分词;
计算所述主分词与其对应的索引表中各个第二分词的同现率,所述同现率为所述索引表中各个第二分词出现的次数与所述索引表中视频资源数据的信息总数的比值;其中,所述第二分词为所述视频资源数据中的所有分词中除所述第一分词以外的分词;
提取所述同现率高于预设阈值的第二分词作为关联第二分词。
可选地,所述特征文本信息包括视频标题、视频关键词和/或视频描述。
可选地,所述获取与所述一个或多个第一分词和所述关联第二分词匹配的一个或多个视频数据资源的网络地址的步骤包括:
获取与所述主分词和所述关联第二分词匹配的一个或多个视频数据资源的网络地址。
根据本发明的另一方面,提供了一种基于视频搜索的在线播放入口对象的推送装置,包括:
视频搜索字符串接收模块,适于接收视频搜索字符串;
第一分词映射模块,适于将所述视频搜索字符串映射为一个或多个第一分词;
第二分词查找模块,适于查找与所述一个或多个第一分词的同现率高于预设阈值的关联第二分词;所述同现率为当前一个或多个分词与第二分词在同一视频资源数据中共同出现的概率;
网络地址获取模块,适于获取与所述一个或多个第一分词和所述关联第二分词匹配的一个或多个视频数据资源的网络地址;
入口对象构造模块,适于根据所述一个或多个视频数据资源网络地址构造在线播放所述视频数据资源的入口对象;
入口对象推送模块,适于推送所述一个或多个在线播放视频数据资源的入口对象。
可选地,所述第一分词映射模块还适于:
提取所述视频搜索字符串所映射的一个分词;
或者,
当接收到的视频搜索字符串为复合词时,将所述视频搜索字符串拆分为多个搜索子词;提取所述多个搜索子词所映射的多个分词。
可选地,所述第二分词查找模块还适于:
当所述视频搜索字符串被映射为一个第一分词时,提取所述第一分词对应的预置索引表;其中,所述索引表包括所述第一分词所属的视频资源数据的信息,以及,所述视频资源数据中的所有分词;所述视频资源数据中的所有分词为通过抓取视频资源数据,提取所述视频资源数据的特征文本信息,对所述特征文本信息进行分词生成;
计算所述第一分词与所述索引表中各个第二分词的同现率,所述同现率为所述索引表中各个第二分词出现的次数与所述索引表中视频资源数据的信息总数的比值;其中,所述第二分词为所述视频资源数据中的所有分词中除所述第一分词以外的分词;
提取所述同现率高于预设阈值的第二分词作为关联第二分词。
可选地,所述第二分词查找模块还适于:
当所述视频搜索字符串被映射为多个第一分词时,分别提取所述多个第一分词对应的多个预置索引表;各个索引表中包括所述第一分词所属的视频资源数据的信息,以及,所述视频资源数据中的所有分词;所述视频资源数据中的所有分词为通过抓取视频资源数据,提取所述视频资源数据的特征文本信息,对所述特征文本信息进行分词生成;
提取与所述多个第一分词共同出现的第二分词作为候选分词;其中,所述第二分词为所述视频资源数据中的所有分词中除所述第一分词以外的分词;
分别在各个索引表中计算所述第一分词与所述候选分词的同现率,所述同现率为所述索引表中候选分词出现的次数与所述索引表中视频资源数据的信息总数的比值;
分别为所述多个第一分词与所述候选分词的同现率配置对应的多个权重;
分别计算多个配置了权重的同现率的平均值,作为所述多个第一分词与所述候选分词的同现率;
提取所述同现率高于预设阈值的候选分词作为关联第二分词。
可选地,所述第二分词查找模块还适于:
当所述视频搜索字符串被映射为多个第一分词时,分别提取所述多个第一分词对应的多个预置索引表;其中,各个索引表中包括所述第一分词所属的视频资源数据的信息,以及,所述视频资源数据中的所有分词;所述视频资源数据中的所有分词为通过抓取视频资源数据,提取所述视频资源数据的特征文本信息,对所述特征文本信息进行分词生成;
采用所述多个索引表确定主分词,所述主分词为视频资源数据的信息总数最多的索引表对应的第一分词;
计算所述主分词与其对应的索引表中各个第二分词的同现率,所述同现率为所述索引表中各个第二分词出现的次数与所述索引表中视频资源数据的信息总数的比值;其中,所述第二分词为所述视频资源数据中的所有分词中除所述第一分词以外的分词;
提取所述同现率高于预设阈值的第二分词作为关联第二分词。
可选地,所述特征文本信息包括视频标题、视频关键词和/或视频描述。
可选地,所述网络地址获取模块还适于:
获取与所述主分词和所述关联第二分词匹配的一个或多个视频数据资源的网络地址。
本发明可以根据现有已发布内容进行推送,使搜索引擎摆脱对用户搜索习惯的依赖,将虽然比较少有用户搜索的但视频库汇总已有较多相关资源的视频资源数据推送出来,从而实现深度挖掘视频库中的优质资源,提高了资源挖掘的效率;此外,索引表会随着互联网视频内容的不断积累而不断扩大,各大视频站生产出来的内容数量和广度会远远超过用户已经搜索过的词数,有利于扩大召回率。
本发明通过推送在线播放视频数据资源的入口对象,用户可以基于此入口对象直接进行获取更多的视频搜索结果,使用户简单搜索即可获得更多的结果,无需多次提交搜索,从而减轻了访问服务器的负担,减少了网络资源的占用,并提升了用户体验。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
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,而并不认为是对本发明的限制。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示出了根据本发明一个实施例的一种基于视频搜索的在线播放入口对象的推送方法实施例的步骤流程图;
图2示出了根据本发明一个实施例的一种入口对象的示例图;以及,
图3示出了根据本发明一个实施例的一种基于视频搜索的在线播放入口对象的推送装置实施例的结构框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开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公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
参照图1,示出了根据本发明一个实施例的一种基于视频搜索的在线播放入口对象的推送方法实施例的步骤流程图,具体可以包括如下步骤:
步骤101,接收视频搜索字符串;
需要说明的是,视频搜索字符串可以是用户输入的视频搜索信息,可以用于请求搜索与之相关的视频数据资源。
在实际应用中,视频搜索字符串可以是单词,即包括一个语义独立的词,例如中秋、端午、国庆等等;视频搜索字符串也可以是复合词,即包括两个或两个以上语义独立的词,例如中秋月饼、端午粽子、国庆西藏旅游等等。
步骤102,将所述视频搜索字符串映射为一个或多个第一分词;
需要说明的是,被映射的分词可以是预先设置的,可以用于计算不同分词之间的同现率。
映射的规则也可以是预先设置的一个或多个,可以包括去除视频搜索字符的脏词、修饰词、语气助词、宽泛词等无实际意义的词语;可以包括设定停止词,即一些常见的词,为拆分词组时停止的标准,例如的、我、你等等;还可以包括关联关系的对应,将同一事物的多种表达对应为一种表达,例如将八月十五、中秋节、月饼节等关联为中秋;还可以包括其他映射规则,本发明实施例对此不加以限制。
英文是以词为单位的,词和词之间是靠空格隔开,而中文是以字为单位,句子中所有的字连起来才能描述一个意思。例如,英文句子I ama student,用中文则为:“我是一个学生”。计算机可以很简单通过空格知道student是一个单词,但是不能很容易明白“学”、“生”两个字合起来才表示一个词。把中文的汉字序列切分成有意义的词,就是中文分词。例如,我是一个学生,分词的结果是:我、是、一个、学生。
下面介绍一些常用的分词方法:
1、基于字符串匹配的分词方法:是指按照一定的策略将待分析的汉字串与一个预置的机器词典中的词条进行匹配,若在词典中找到某个字符串,则匹配成功(识别出一个词)。实际使用的分词系统,都是把机械分词作为一种初分手段,还需通过利用各种其它的语言信息来进一步提高切分的准确率。
2、基于特征扫描或标志切分的分词方法:是指优先在待分析字符串中识别和切分出一些带有明显特征的词,以这些词作为断点,可将原字符串分为较小的串再来进机械分词,从而减少匹配的错误率;或者将分词和词类标注结合起来,利用丰富的词类信息对分词决策提供帮助,并且在标注过程中又反过来对分词结果进行检验、调整,从而提高切分的准确率。
3、基于理解的分词方法:是指通过让计算机模拟人对句子的理解,达到识别词的效果。其基本思想就是在分词的同时进行句法、语义分析,利用句法信息和语义信息来处理歧义现象。它通常包括三个部分:分词子系统、句法语义子系统、总控部分。在总控部分的协调下,分词子系统可以获得有关词、句子等的句法和语义信息来对分词歧义进行判断,即它模拟了人对句子的理解过程。这种分词方法需要使用大量的语言知识和信息。
4、基于统计的分词方法:是指,中文信息中由于字与字相邻共现的频率或概率能够较好的反映成词的可信度,所以可以对语料中相邻共现的各个字的组合的频度进行统计,计算它们的互现信息,以及计算两个汉字X、Y的相邻共现概率。互现信息可以体现汉字之间结合关系的紧密程度。当紧密程度高于某一个阈值时,便可认为此字组可能构成了一个词。这种方法只需对语料中的字组频度进行统计,不需要切分词典。
在本发明的一种优选实施例中,所述步骤102具体可以包括如下子步骤:
子步骤S11,提取所述视频搜索字符串所映射的一个分词;
对于视频搜索字符串为单词的情形,可以按照预设的映射规则直接提取其对应的分词。例如,视频搜索字符串为“中秋节”、“我的中秋节”或者“中秋节了”等,映射的第一分词都可以为“中秋”。当然,视频搜索字符串也可以与其映射的第一分词是同一个词,例如视频搜索字符串为“中秋”,映射的第一分词也可以“中秋”。
或者,
子步骤S12,当接收到的视频搜索字符串为复合词时,将所述视频搜索字符串拆分为多个搜索子词;
子步骤S13,提取所述多个搜索子词所映射的多个分词。
对于视频搜索字符串为复合词的情形,可以按照预设的映射规则进行分词,得到搜索子词,然后分别提取搜索子词对应的分词。例如,接收到的视频搜索字符串为“中秋节月饼”,可以将其拆分为“中秋节”和“月饼”两个搜索子词,然后将“中秋节”映射为“中秋”,将“月饼”映射为“月饼”,得到“中秋”和“月饼”两个第一分词。
步骤103,查找与所述一个或多个第一分词的同现率高于预设阈值的关联第二分词;
所述同现率为当前一个或多个第一分词与第二分词在同一视频资源数据中共同出现的概率;
需要说明的是,第二分词可以是在全部预设的分词中,除第一分词以外的分词。关联第二分词可以是与第一分词的同现率高于预设阈值的第二分词。
在实际应用中,视频资源数据可以包括特征文本信息,该特征文本信息可以用于记载该视频资源数据的相关信息,也可以用于提取分词。
在本发明的一种优选实施例中,所述特征文本信息可以包括视频标题、视频关键词和/或视频描述。
例如,在一段名为《【拍客】东莞暴雨后变威尼斯,千余辆车水浸抛锚—在线播放—XX网,视频高清在线观看》的视频资源数据中,其特征文本信息可以如下:
视频标题(Title):【拍客】东莞暴雨后变威尼斯,千余辆车水浸抛锚—在线播放—XX网,视频高清在线观看;
视频关键词(Keywords):YY记者生活资讯东莞水浸;
视频描述(Description):昨天上午的一场暴雨,让东莞部分地区的街坊瞬间感到好像来到了威尼斯。行驶中的小车在暴雨中遭到水浸抛锚,有的街坊家中也是一片汪洋。
具体而言,同现率可以为当前一个或多个分词与第二分词在同一视频资源数据的特征文本信息中共同出现的概率,具体可以包括一个第一分词和第二分词的同现率,多个分词和第二分词的同现率。
在本发明的一种优选实施例中,所述步骤103具体可以包括如下子步骤:
子步骤S21,当所述视频搜索字符串被映射为一个第一分词时,提取所述第一分词对应的预置索引表;其中,所述索引表包括所述第一分词所属的视频资源数据的信息,以及,所述视频资源数据中的所有分词;所述视频资源数据中的所有分词为通过抓取视频资源数据,提取所述视频资源数据的特征文本信息,对所述特征文本信息进行分词生成;
在具体实现中,可以预先采用搜索引擎通过爬虫抓取各个网站平台上的视频资源数据,然后建立索引库:提取视频资源数据的特征文本信息进行分词处理,并建立每个分词对应的索引表,该索引表中可以存储视频资源数据的信息(可以是ID、内网地址、外网地址等等视频标识,也可以是一条由当前分词和其他分词所组成的记录)、视频资源数据中的所有分词(包括第一分词和除第一分词外的第二分词)。
在本发明的一种优选实施例中,所述特征文本信息可以包括视频标题、视频关键词和/或视频描述。
例如,“中秋”的索引表可以如下:
其中,第一分词为“中秋”,视频资源数据的信息包括视频标识。当然,视频资源数据的信息也可以不包括视频标识,而只有第一分词和第二分词所成的记录(即每一行的第二分词作为一条记录)。
当然,上述索引表只是作为示例,在实施本发明实施例时,可以根据实际情况设置其他索引表,本发明实施例对此不加以限制。另外,除了上述索引表外,本领域技术人员还可以根据实际需要采用其他索引表,本发明实施例对此也不加以限制。
需要说明的是,可以周期或者不定时抓取各个平台上的视频资源数据,然后更新索引建库,即更新各索引表。
子步骤S22,计算所述第一分词与所述索引表中各个第二分词的同现率,所述同现率为所述索引表中各个第二分词出现的次数与所述索引表中视频资源数据的信息总数的比值;其中,所述第二分词为所述视频资源数据中的所有分词中除所述第一分词以外的分词;
由于索引表中各个第二分词出现的次数与其所属的视频资料数据的数量一样,同现率也可以表示为所述索引表中各个第二分词所属的视频资料数据的数量与所述索引表中视频资源数据的信息总数的比值。
例如,分词“广场舞”的索引表中总共有100条视频资源数据的信息,分词“兵哥哥”的索引表中总共有200条视频资源数据的信息,“广场舞”和“兵哥哥”同时出现在这两个索引表中的视频资源数据的信息共10条,则对于“广场舞”而言,“广场舞”与“兵哥哥”的同现率为10/100=10%,而对于“兵哥哥”而言,“兵哥哥”与“广场舞”的同现率为10/200=5%。
子步骤S23,提取所述同现率高于预设阈值的第二分词作为关联第二分词。
具体实现中,预设阈值可以由本领域技术人员根据实际情况而设定的,本发明实施例对此不加以限制。本发明实施例中所提取的关联第二分词可以为空,也可以为一个或多个。
在本发明的一种优选实施例中,所述步骤103具体可以包括如下子步骤:
子步骤S31,当所述视频搜索字符串被映射为多个第一分词时,分别提取所述多个第一分词对应的多个预置索引表;各个索引表中包括所述第一分词所属的视频资源数据的信息,以及,所述视频资源数据中的所有分词;所述视频资源数据中的所有分词为通过抓取视频资源数据,提取所述视频资源数据的特征文本信息,对所述特征文本信息进行分词生成;
在具体实现中,可以预先采用搜索引擎通过爬虫抓取各个平台上的视频资源数据,然后建立索引建库:提取视频资源数据的特征文本信息进行分词处理,并建立每个分词对应的索引表,该索引表中可以存储视频资源数据的信息(可以是ID、内网地址、外网地址等等视频标识,也可以是一条由当前分词和其他分词所组成的记录)、视频资源数据中的所有分词(包括第一分词和除第一分词外的第二分词)。
在本发明的一种优选实施例中,所述特征文本信息可以包括视频标题、视频关键词和/或视频描述。
子步骤S32,提取与所述多个第一分词共同出现的第二分词作为候选分词;其中,所述第二分词为所述视频资源数据中的所有分词中除所述第一分词以外的分词;
具体而言,当前有多个第一分词,即有多个数量对应的索引表,候选分词需要在各个索引表中出现,即候选分词分别与当前各第一分词都共同在同一索引表中出现。
子步骤S33,分别在各个索引表中计算所述第一分词与所述候选分词的同现率,所述同现率为所述索引表中候选分词出现的次数与所述索引表中视频资源数据的信息总数的比值;
例如,可以将视频搜索字符串“中秋节月饼”映射为第一分词“中秋”和“月饼”,提取了其中一个候选分词为“月亮”,则可以分别计算“中秋”和“月亮”的同现率(假设为70%)、“月饼”和“月亮”同现率(假设为60%)。
子步骤S34,分别为所述多个第一分词与所述候选分词的同现率配置对应的多个权重;
权重可以根据各第一分词间的索引表中视频资源数据的信息总数比例的进行确定,其中,索引表中视频资源数据的信息总数越多其权重越大。例如,在“中秋”的索引表中视频资源数据的信息总数为900,而在“月饼”的索引表中视频资源数据的信息总数为100,则“中秋”和“月亮”的同现率的权重可以为0.9,“月饼”和“月亮”同现率的权重可以为0.1。
当然,上述权重只是作为示例,在实施本发明实施例时,可以根据实际情况设置其他权重,例如按照当前社会热点(新闻排名、微博排名等)设置对应的权重、按照用户的本地和/或网上操作行为(视频播放、新闻阅读等)设置对应的权重等等,本发明实施例对此不加以限制。另外,除了上述权重外,本领域技术人员还可以根据实际需要采用其他权重,本发明实施例对此也不加以限制。
子步骤S35,分别计算多个配置了权重的同现率的平均值,作为所述多个第一分词与所述候选分词的同现率;
本发明实施例中,可以以多个同现率的加权平均值作为最终的同现率。
例如,中秋”、“月饼”和“月亮”的同现率可以为(70%*0.9+60%*0.1)/2=34.5%。
子步骤S36,提取所述同现率高于预设阈值的候选分词作为关联第二分词。
具体实现中,预设阈值可以由本领域技术人员根据实际情况而设定的,本发明实施例对此不加以限制。本发明实施例中所提取的关联第二分词可以为空,也可以为一个或多个。
在本发明的一种优选实施例中,所述步骤103具体可以包括如下子步骤:
子步骤S41,当所述视频搜索字符串被映射为多个第一分词时,分别提取所述多个第一分词对应的多个预置索引表;其中,各个索引表中包括所述第一分词所属的视频资源数据的信息,以及,所述视频资源数据中的所有分词;所述视频资源数据中的所有分词为通过抓取视频资源数据,提取所述视频资源数据的特征文本信息,对所述特征文本信息进行分词生成;
在具体实现中,可以预先采用搜索引擎通过爬虫抓取各个平台上的视频资源数据,然后建立索引建库:提取视频资源数据的特征文本信息进行分词处理,并建立每个分词对应的索引表,该索引表中可以存储视频资源数据的信息(可以是ID、内网地址、外网地址等等视频标识,也可以是一条由当前分词和其他分词所组成的记录)、视频资源数据中的所有分词(包括第一分词和除第一分词外的第二分词)。
在本发明的一种优选实施例中,所述特征文本信息可以包括视频标题、视频关键词和/或视频描述。
子步骤S42,采用所述多个索引表确定主分词,所述主分词为视频资源数据的信息总数最多的索引表对应的第一分词;
为了提高用户体验,对于视频资源数据相差比较悬殊的多个第一分词,可以忽略视频资源数据的信息总量少的第一分词。例如,对于视频搜索字符串“中秋节月饼”所映射的第一分词“中秋”和“月饼”,在“中秋”的索引表中视频资源数据的信息总数为900,而在“月饼”的索引表中视频资源数据的信息总数为100,则可以设置“中秋”作为主分词。
子步骤S43,计算所述主分词与其对应的索引表中各个第二分词的同现率,所述同现率为所述索引表中各个第二分词出现的次数与所述索引表中视频资源数据的信息总数的比值;其中,所述第二分词为所述视频资源数据中的所有分词中除所述第一分词以外的分词;
本发明实施例中,可以以主分词的同现率的作为最终的同现率。
子步骤S44,提取所述同现率高于预设阈值的第二分词作为关联第二分词。
具体实现中,预设阈值可以由本领域技术人员根据实际情况而设定的,本发明实施例对此不加以限制。本发明实施例中所提取的关联第二分词可以为空,也可以为一个或多个。
步骤104,获取与所述一个或多个第一分词和所述关联第二分词匹配的一个或多个视频数据资源的网络地址;
在子步骤S23之后,可以获得当前一个第一分词与一个或多个分词的组合。例如视频搜索字符串为“dota”,与其同现率较高的词为:“搞笑”、“蛋疼”、“2009”、“海涛”、“第一视角”和“经典”,同现率分别为40%、35%、30%、25%、20%和10%,则获得的组合依次为“dota搞笑”、“dota蛋疼”、“dota2009”、“dota海涛”、“dota第一视角”和“dota经典”。
在子步骤S36之后,可以获得当前多个第一分词与一个或多个分词的组合。例如视频搜索字符串为“广场舞兵哥哥”,将其映射为第一分词“广场舞”和“兵哥哥”,提取与这两个第一分词同时出现的第二分词,例如第二分词“教学”,其可以作为关联第二分词,则得到最终的组合“广场舞兵哥哥教学”。
在本发明的一种优选实施例中,步骤104具体可以包括如下子步骤:
子步骤S51,获取与所述主分词和所述关联第二分词匹配的一个或多个视频数据资源的网络地址。
在子步骤S44之后,可以获得当前主分词与一个或多个分词的组合。例如,对于视频搜索字符串“中秋节月饼”所映射的第一分词“中秋”和“月饼”,可以设置“中秋”作为主分词,得到关联第二分词“月亮”,则最终获得组合“中秋月亮”。
本发明实施例中,可以基于一个或多个第一分词和第二分词的组合进行匹配的视频数据资源的搜索,当搜索到时,记录其网络地址,具体可以是内网地址,也可以是外网地址。
步骤105,根据所述一个或多个视频数据资源网络地址构造在线播放所述视频数据资源的入口对象;
入口对象可以为网页中链接到在线播放URL的图标或按钮。具体实现中,可以在当前页面中配置一个图标或按钮,在扩展窗口中与该视频数据资源网络地址相关联,当用户点击该图标或按钮,该视频数据资源网络地址被触发时,可以从数据库的URL下加载对应的视频数据资源。
步骤106,推送所述一个或多个在线播放视频数据资源的入口对象。
实际应用中,入口对象可以放置在当前页面的任一位置,用户可以通过触发入口对象而触发该入口对象对应的视频数据资源的网络地址,进而加载所述视频数据资源。
参照图2,示出了根据本发明一个实施例的一种入口对象的示例图,用户在搜索框中输入视频搜索字符串“钢铁”,其本身可以作为第一分词,获取第一分词和关联第二分词的组合“钢铁侠3”匹配的视频数据资源,该视频资源的入口对象为圈中的图标,该图标上写有“立即观看”提示用户,当用户点击该图标时,可以转到“钢铁侠3”的播放页面。
本发明可以根据现有已发布内容进行推送,使搜索引擎摆脱对用户搜索习惯的依赖,将虽然比较少有用户搜索的但视频库汇总已有较多相关资源的视频资源数据推送出来,从而实现深度挖掘视频库中的优质资源,提高了资源挖掘的效率;此外,索引表会随着互联网视频内容的不断积累而不断扩大,各大视频站生产出来的内容数量和广度会远远超过用户已经搜索过的词数,有利于扩大召回率。
本发明通过推送在线播放视频数据资源的入口对象,用户可以基于此入口对象直接进行获取更多的视频搜索结果,使用户简单搜索即可获得更多的结果,无需多次提交搜索,从而减轻了访问服务器的负担,减少了网络资源的占用,并提升了用户体验。
对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
参照图3,示出了根据本发明一个实施例的一种基于视频搜索的分词的在线播放入口对象的推送装置实施例的结构框图,具体可以包括如下模块:
视频搜索字符串接收模块301,适于接收视频搜索字符串;
第一分词映射模块302,适于将所述视频搜索字符串映射为一个或多个第一分词;
第二分词查找模块303,适于查找与所述一个或多个第一分词的同现率高于预设阈值的关联第二分词;所述同现率为当前一个或多个分词与第二分词在同一视频资源数据中共同出现的概率;
网络地址获取模块304,适于获取与所述一个或多个第一分词和所述关联第二分词匹配的一个或多个视频数据资源的网络地址;
入口对象构造模块305,适于根据所述一个或多个视频数据资源网络地址构造在线播放所述视频数据资源的入口对象;
入口对象推送模块306,适于推送所述一个或多个在线播放视频数据资源的入口对象。
在本发明的一种优选实施例中,所述第一分词映射模块还可以适于:
提取所述视频搜索字符串所映射的一个分词;
或者,
当接收到的视频搜索字符串为复合词时,将所述视频搜索字符串拆分为多个搜索子词;提取所述多个搜索子词所映射的多个分词。
在本发明的一种优选实施例中,所述第二分词查找模块还可以适于:
当所述视频搜索字符串被映射为一个第一分词时,提取所述第一分词对应的预置索引表;其中,所述索引表包括所述第一分词所属的视频资源数据的信息,以及,所述视频资源数据中的所有分词;所述视频资源数据中的所有分词为通过抓取视频资源数据,提取所述视频资源数据的特征文本信息,对所述特征文本信息进行分词生成;
计算所述第一分词与所述索引表中各个第二分词的同现率,所述同现率为所述索引表中各个第二分词出现的次数与所述索引表中视频资源数据的信息总数的比值;其中,所述第二分词为所述视频资源数据中的所有分词中除所述第一分词以外的分词;
提取所述同现率高于预设阈值的第二分词作为关联第二分词。
在本发明的一种优选实施例中,所述第二分词查找模块还可以适于:
当所述视频搜索字符串被映射为多个第一分词时,分别提取所述多个第一分词对应的多个预置索引表;各个索引表中包括所述第一分词所属的视频资源数据的信息,以及,所述视频资源数据中的所有分词;所述视频资源数据中的所有分词为通过抓取视频资源数据,提取所述视频资源数据的特征文本信息,对所述特征文本信息进行分词生成;
提取与所述多个第一分词共同出现的第二分词作为候选分词;其中,所述第二分词为所述视频资源数据中的所有分词中除所述第一分词以外的分词;
分别在各个索引表中计算所述第一分词与所述候选分词的同现率,所述同现率为所述索引表中候选分词出现的次数与所述索引表中视频资源数据的信息总数的比值;
分别为所述多个第一分词与所述候选分词的同现率配置对应的多个权重;
分别计算多个配置了权重的同现率的平均值,作为所述多个第一分词与所述候选分词的同现率;
提取所述同现率高于预设阈值的候选分词作为关联第二分词。
在本发明的一种优选实施例中,所述第二分词查找模块还可以适于:
当所述视频搜索字符串被映射为多个第一分词时,分别提取所述多个第一分词对应的多个预置索引表;其中,各个索引表中包括所述第一分词所属的视频资源数据的信息,以及,所述视频资源数据中的所有分词;所述视频资源数据中的所有分词为通过抓取视频资源数据,提取所述视频资源数据的特征文本信息,对所述特征文本信息进行分词生成;
采用所述多个索引表确定主分词,所述主分词为视频资源数据的信息总数最多的索引表对应的第一分词;
计算所述主分词与其对应的索引表中各个第二分词的同现率,所述同现率为所述索引表中各个第二分词出现的次数与所述索引表中视频资源数据的信息总数的比值;其中,所述第二分词为所述视频资源数据中的所有分词中除所述第一分词以外的分词;
提取所述同现率高于预设阈值的第二分词作为关联第二分词。
在本发明的一种优选实施例中,所述特征文本信息包括视频标题、视频关键词和/或视频描述。
在本发明的一种优选实施例中,所述网络地址获取模块还适于:
获取与所述主分词和所述关联第二分词匹配的一个或多个视频数据资源的网络地址。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的基于视频搜索的在线播放入口对象的推送设备中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
本发明公开了A1、一种基于视频搜索的的在线播放入口对象的推送方法,包括:
接收视频搜索字符串;
将所述视频搜索字符串映射为一个或多个第一分词;
查找与所述一个或多个第一分词的同现率高于预设阈值的关联第二分词;所述同现率为当前一个或多个第一分词与第二分词在同一视频资源数据中共同出现的概率;
获取与所述一个或多个第一分词和所述关联第二分词匹配的一个或多个视频数据资源的网络地址;
根据所述一个或多个视频数据资源网络地址构造在线播放所述视频数据资源的入口对象;
推送所述一个或多个在线播放视频数据资源的入口对象。
A2、如A1所述的方法,所述将所述视频搜索字符串映射为一个或多个第一分词的步骤包括:
提取所述视频搜索字符串所映射的一个分词;
或者,
当接收到的视频搜索字符串为复合词时,将所述视频搜索字符串拆分为多个搜索子词;提取所述多个搜索子词所映射的多个分词。
A3、如A1所述的方法,所述查找与所述一个或多个第一分词的同现率高于预设阈值的关联第二分词的步骤包括:
当所述视频搜索字符串被映射为一个第一分词时,提取所述第一分词对应的预置索引表;其中,所述索引表包括所述第一分词所属的视频资源数据的信息,以及,所述视频资源数据中的所有分词;所述视频资源数据中的所有分词为通过抓取视频资源数据,提取所述视频资源数据的特征文本信息,对所述特征文本信息进行分词生成;
计算所述第一分词与所述索引表中各个第二分词的同现率,所述同现率为所述索引表中各个第二分词出现的次数与所述索引表中视频资源数据的信息总数的比值;其中,所述第二分词为所述视频资源数据中的所有分词中除所述第一分词以外的分词;
提取所述同现率高于预设阈值的第二分词作为关联第二分词。
A4、如A1所述的方法,所述查找与所述一个或多个第一分词的同现率高于预设阈值的关联第二分词的步骤包括:
当所述视频搜索字符串被映射为多个第一分词时,分别提取所述多个第一分词对应的多个预置索引表;各个索引表中包括所述第一分词所属的视频资源数据的信息,以及,所述视频资源数据中的所有分词;所述视频资源数据中的所有分词为通过抓取视频资源数据,提取所述视频资源数据的特征文本信息,对所述特征文本信息进行分词生成;
提取与所述多个第一分词共同出现的第二分词作为候选分词;其中,所述第二分词为所述视频资源数据中的所有分词中除所述第一分词以外的分词;
分别在各个索引表中计算所述第一分词与所述候选分词的同现率,所述同现率为所述索引表中候选分词出现的次数与所述索引表中视频资源数据的信息总数的比值;
分别为所述多个第一分词与所述候选分词的同现率配置对应的多个权重;
分别计算多个配置了权重的同现率的平均值,作为所述多个第一分词与所述候选分词的同现率;
提取所述同现率高于预设阈值的候选分词作为关联第二分词。
A5、如A1所述的方法,所述查找与所述一个或多个第一分词的同现率高于预设阈值的关联第二分词的步骤包括:
当所述视频搜索字符串被映射为多个第一分词时,分别提取所述多个第一分词对应的多个预置索引表;其中,各个索引表中包括所述第一分词所属的视频资源数据的信息,以及,所述视频资源数据中的所有分词;所述视频资源数据中的所有分词为通过抓取视频资源数据,提取所述视频资源数据的特征文本信息,对所述特征文本信息进行分词生成;
采用所述多个索引表确定主分词,所述主分词为视频资源数据的信息总数最多的索引表对应的第一分词;
计算所述主分词与其对应的索引表中各个第二分词的同现率,所述同现率为所述索引表中各个第二分词出现的次数与所述索引表中视频资源数据的信息总数的比值;其中,所述第二分词为所述视频资源数据中的所有分词中除所述第一分词以外的分词;
提取所述同现率高于预设阈值的第二分词作为关联分词。
A6、如A3或A4或A5所述的方法,所述特征文本信息包括视频标题、视频关键词和/或视频描述。
A7、如A5所述的方法,所述获取与所述一个或多个第一分词和所述关联第二分词匹配的一个或多个视频数据资源的网络地址的步骤包括:
获取与所述主分词和所述关联第二分词匹配的一个或多个视频数据资源的网络地址。
本发明还公开了B8、一种基于视频搜索的的在线播放入口对象的推送装置,包括:
视频搜索字符串接收模块,适于接收视频搜索字符串;
第一分词映射模块,适于将所述视频搜索字符串映射为一个或多个第一分词;
第二分词查找模块,适于查找与所述一个或多个第一分词的同现率高于预设阈值的关联第二分词;所述同现率为当前一个或多个分词与第二分词在同一视频资源数据中共同出现的概率;
网络地址获取模块,适于获取与所述一个或多个第一分词和所述关联第二分词匹配的一个或多个视频数据资源的网络地址;
入口对象构造模块,适于根据所述一个或多个视频数据资源网络地址构造在线播放所述视频数据资源的入口对象;
入口对象推送模块,适于推送所述一个或多个在线播放视频数据资源的入口对象。
B9、如B8所述的装置,所述第一分词映射模块还适于:
提取所述视频搜索字符串所映射的一个分词;
或者,
当接收到的视频搜索字符串为复合词时,将所述视频搜索字符串拆分为多个搜索子词;提取所述多个搜索子词所映射的多个分词。
B10、如B8所述的装置,所述第二分词查找模块还适于:
当所述视频搜索字符串被映射为一个第一分词时,提取所述第一分词对应的预置索引表;其中,所述索引表包括所述第一分词所属的视频资源数据的信息,以及,所述视频资源数据中的所有分词;所述视频资源数据中的所有分词为通过抓取视频资源数据,提取所述视频资源数据的特征文本信息,对所述特征文本信息进行分词生成;
计算所述第一分词与所述索引表中各个第二分词的同现率,所述同现率为所述索引表中各个第二分词出现的次数与所述索引表中视频资源数据的信息总数的比值;其中,所述第二分词为所述视频资源数据中的所有分词中除所述第一分词以外的分词;
提取所述同现率高于预设阈值的第二分词作为关联第二分词。
B11、如B8所述的装置,所述第二分词查找模块还适于:
当所述视频搜索字符串被映射为多个第一分词时,分别提取所述多个第一分词对应的多个预置索引表;各个索引表中包括所述第一分词所属的视频资源数据的信息,以及,所述视频资源数据中的所有分词;所述视频资源数据中的所有分词为通过抓取视频资源数据,提取所述视频资源数据的特征文本信息,对所述特征文本信息进行分词生成;
提取与所述多个第一分词共同出现的第二分词作为候选分词;其中,所述第二分词为所述视频资源数据中的所有分词中除所述第一分词以外的分词;
分别在各个索引表中计算所述第一分词与所述候选分词的同现率,所述同现率为所述索引表中候选分词出现的次数与所述索引表中视频资源数据的信息总数的比值;
分别为所述多个第一分词与所述候选分词的同现率配置对应的多个权重;
分别计算多个配置了权重的同现率的平均值,作为所述多个第一分词与所述候选分词的同现率;
提取所述同现率高于预设阈值的候选分词作为关联第二分词。
B12、如B8所述的装置,所述第二分词查找模块还适于:
当所述视频搜索字符串被映射为多个第一分词时,分别提取所述多个第一分词对应的多个预置索引表;其中,各个索引表中包括所述第一分词所属的视频资源数据的信息,以及,所述视频资源数据中的所有分词;所述视频资源数据中的所有分词为通过抓取视频资源数据,提取所述视频资源数据的特征文本信息,对所述特征文本信息进行分词生成;
采用所述多个索引表确定主分词,所述主分词为视频资源数据的信息总数最多的索引表对应的第一分词;
计算所述主分词与其对应的索引表中各个第二分词的同现率,所述同现率为所述索引表中各个第二分词出现的次数与所述索引表中视频资源数据的信息总数的比值;其中,所述第二分词为所述视频资源数据中的所有分词中除所述第一分词以外的分词;
提取所述同现率高于预设阈值的第二分词作为关联第二分词。
B13、如B10或B11或B12所述的装置,所述特征文本信息包括视频标题、视频关键词和/或视频描述。
B14、如B12所述的装置,所述网络地址获取模块还适于:
获取与所述主分词和所述关联第二分词匹配的一个或多个视频数据资源的网络地址。
Claims (10)
1.一种基于视频搜索的在线播放入口对象的推送方法,包括:
接收视频搜索字符串;
将所述视频搜索字符串映射为一个或多个第一分词;
查找与所述一个或多个第一分词的同现率高于预设阈值的关联第二分词;所述同现率为当前一个或多个第一分词与第二分词在同一视频资源数据中共同出现的概率;
获取与所述一个或多个第一分词和所述关联第二分词匹配的一个或多个视频数据资源的网络地址;
根据所述一个或多个视频数据资源网络地址构造在线播放所述视频数据资源的入口对象;
推送所述一个或多个在线播放视频数据资源的入口对象。
2.如权利要求1所述的方法,其特征在于,所述将所述视频搜索字符串映射为一个或多个第一分词的步骤包括:
提取所述视频搜索字符串所映射的一个分词;
或者,
当接收到的视频搜索字符串为复合词时,将所述视频搜索字符串拆分为多个搜索子词;提取所述多个搜索子词所映射的多个分词。
3.如权利要求1所述的方法,其特征在于,所述查找与所述一个或多个第一分词的同现率高于预设阈值的关联第二分词的步骤包括:
当所述视频搜索字符串被映射为一个第一分词时,提取所述第一分词对应的预置索引表;其中,所述索引表包括所述第一分词所属的视频资源数据的信息,以及,所述视频资源数据中的所有分词;所述视频资源数据中的所有分词为通过抓取视频资源数据,提取所述视频资源数据的特征文本信息,对所述特征文本信息进行分词生成;
计算所述第一分词与所述索引表中各个第二分词的同现率,所述同现率为所述索引表中各个第二分词出现的次数与所述索引表中视频资源数据的信息总数的比值;其中,所述第二分词为所述视频资源数据中的所有分词中除所述第一分词以外的分词;
提取所述同现率高于预设阈值的第二分词作为关联第二分词。
4.如权利要求1所述的方法,其特征在于,所述查找与所述一个或多个第一分词的同现率高于预设阈值的关联第二分词的步骤包括:
当所述视频搜索字符串被映射为多个第一分词时,分别提取所述多个第一分词对应的多个预置索引表;各个索引表中包括所述第一分词所属的视频资源数据的信息,以及,所述视频资源数据中的所有分词;所述视频资源数据中的所有分词为通过抓取视频资源数据,提取所述视频资源数据的特征文本信息,对所述特征文本信息进行分词生成;
提取与所述多个第一分词共同出现的第二分词作为候选分词;其中,所述第二分词为所述视频资源数据中的所有分词中除所述第一分词以外的分词;
分别在各个索引表中计算所述第一分词与所述候选分词的同现率,所述同现率为所述索引表中候选分词出现的次数与所述索引表中视频资源数据的信息总数的比值;
分别为所述多个第一分词与所述候选分词的同现率配置对应的多个权重;
分别计算多个配置了权重的同现率的平均值,作为所述多个第一分词与所述候选分词的同现率;
提取所述同现率高于预设阈值的候选分词作为关联第二分词。
5.如权利要求1所述的方法,其特征在于,所述查找与所述一个或多个第一分词的同现率高于预设阈值的关联第二分词的步骤包括:
当所述视频搜索字符串被映射为多个第一分词时,分别提取所述多个第一分词对应的多个预置索引表;其中,各个索引表中包括所述第一分词所属的视频资源数据的信息,以及,所述视频资源数据中的所有分词;所述视频资源数据中的所有分词为通过抓取视频资源数据,提取所述视频资源数据的特征文本信息,对所述特征文本信息进行分词生成;
采用所述多个索引表确定主分词,所述主分词为视频资源数据的信息总数最多的索引表对应的第一分词;
计算所述主分词与其对应的索引表中各个第二分词的同现率,所述同现率为所述索引表中各个第二分词出现的次数与所述索引表中视频资源数据的信息总数的比值;其中,所述第二分词为所述视频资源数据中的所有分词中除所述第一分词以外的分词;
提取所述同现率高于预设阈值的第二分词作为关联第二分词。
6.如权利要求3或4或5所述的方法,其特征在于,所述特征文本信息包括视频标题、视频关键词和/或视频描述。
7.如权利要求5所述的方法,其特征在于,所述获取与所述一个或多个第一分词和所述关联第二分词匹配的一个或多个视频数据资源的网络地址的步骤包括:
获取与所述主分词和所述关联第二分词匹配的一个或多个视频数据资源的网络地址。
8.一种基于视频搜索的在线播放入口对象的推送装置,包括:
视频搜索字符串接收模块,适于接收视频搜索字符串;
第一分词映射模块,适于将所述视频搜索字符串映射为一个或多个第一分词;
第二分词查找模块,适于查找与所述一个或多个第一分词的同现率高于预设阈值的关联第二分词;所述同现率为当前一个或多个分词与第二分词在同一视频资源数据中共同出现的概率;
网络地址获取模块,适于获取与所述一个或多个第一分词和所述关联第二分词匹配的一个或多个视频数据资源的网络地址;
入口对象构造模块,适于根据所述一个或多个视频数据资源网络地址构造在线播放所述视频数据资源的入口对象;
入口对象推送模块,适于推送所述一个或多个在线播放视频数据资源的入口对象。
9.如权利要求8所述的装置,其特征在于,所述第一分词映射模块还适于:
提取所述视频搜索字符串所映射的一个分词;
或者,
当接收到的视频搜索字符串为复合词时,将所述视频搜索字符串拆分为多个搜索子词;提取所述多个搜索子词所映射的多个分词。
10.如权利要求8所述的装置,其特征在于,所述第二分词查找模块还适于:
当所述视频搜索字符串被映射为一个第一分词时,提取所述第一分词对应的预置索引表;其中,所述索引表包括所述第一分词所属的视频资源数据的信息,以及,所述视频资源数据中的所有分词;所述视频资源数据中的所有分词为通过抓取视频资源数据,提取所述视频资源数据的特征文本信息,对所述特征文本信息进行分词生成;
计算所述第一分词与所述索引表中各个第二分词的同现率,所述同现率为所述索引表中各个第二分词出现的次数与所述索引表中视频资源数据的信息总数的比值;其中,所述第二分词为所述视频资源数据中的所有分词中除所述第一分词以外的分词;
提取所述同现率高于预设阈值的第二分词作为关联第二分词。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310462768.6A CN103488787B (zh) | 2013-09-30 | 2013-09-30 | 一种基于视频搜索的在线播放入口对象的推送方法和装置 |
PCT/CN2014/086519 WO2015043389A1 (zh) | 2013-09-30 | 2014-09-15 | 一种基于视频搜索的分词信息推送方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310462768.6A CN103488787B (zh) | 2013-09-30 | 2013-09-30 | 一种基于视频搜索的在线播放入口对象的推送方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103488787A true CN103488787A (zh) | 2014-01-01 |
CN103488787B CN103488787B (zh) | 2017-12-19 |
Family
ID=49829013
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310462768.6A Expired - Fee Related CN103488787B (zh) | 2013-09-30 | 2013-09-30 | 一种基于视频搜索的在线播放入口对象的推送方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103488787B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104462552A (zh) * | 2014-12-25 | 2015-03-25 | 北京奇虎科技有限公司 | 问答页面核心词提取方法和装置 |
WO2015043389A1 (zh) * | 2013-09-30 | 2015-04-02 | 北京奇虎科技有限公司 | 一种基于视频搜索的分词信息推送方法和装置 |
CN104598630A (zh) * | 2015-02-05 | 2015-05-06 | 北京航空航天大学 | 一种事件索引与检索的方法及装置 |
CN108140212A (zh) * | 2015-08-14 | 2018-06-08 | 电子湾有限公司 | 用于确定搜索种子的系统和方法 |
CN111680189A (zh) * | 2020-04-10 | 2020-09-18 | 北京百度网讯科技有限公司 | 影视剧内容检索方法和装置 |
CN112989118A (zh) * | 2021-02-04 | 2021-06-18 | 北京奇艺世纪科技有限公司 | 视频召回方法及装置 |
CN113268982A (zh) * | 2021-06-03 | 2021-08-17 | 湖南四方天箭信息科技有限公司 | 一种网络表格结构的识别方法及装置、计算机装置及计算机可读取存储介质 |
US11308174B2 (en) | 2014-06-09 | 2022-04-19 | Ebay Inc. | Systems and methods to identify a filter set in a query comprised of keywords |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040064447A1 (en) * | 2002-09-27 | 2004-04-01 | Simske Steven J. | System and method for management of synonymic searching |
CN101236567A (zh) * | 2008-02-04 | 2008-08-06 | 上海升岳电子科技有限公司 | 一种实现在线网络多媒体应用的方法和终端设备 |
CN101364239A (zh) * | 2008-10-13 | 2009-02-11 | 中国科学院计算技术研究所 | 一种分类目录自动构建方法及相关系统 |
WO2010068931A1 (en) * | 2008-12-12 | 2010-06-17 | Atigeo Llc | Providing recommendations using information determined for domains of interest |
CN101770499A (zh) * | 2009-01-07 | 2010-07-07 | 上海聚力传媒技术有限公司 | 搜索引擎中的信息检索方法及相应搜索引擎 |
CN101957828A (zh) * | 2009-07-20 | 2011-01-26 | 阿里巴巴集团控股有限公司 | 一种对搜索结果进行排序的方法和装置 |
-
2013
- 2013-09-30 CN CN201310462768.6A patent/CN103488787B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040064447A1 (en) * | 2002-09-27 | 2004-04-01 | Simske Steven J. | System and method for management of synonymic searching |
CN101236567A (zh) * | 2008-02-04 | 2008-08-06 | 上海升岳电子科技有限公司 | 一种实现在线网络多媒体应用的方法和终端设备 |
CN101364239A (zh) * | 2008-10-13 | 2009-02-11 | 中国科学院计算技术研究所 | 一种分类目录自动构建方法及相关系统 |
WO2010068931A1 (en) * | 2008-12-12 | 2010-06-17 | Atigeo Llc | Providing recommendations using information determined for domains of interest |
CN101770499A (zh) * | 2009-01-07 | 2010-07-07 | 上海聚力传媒技术有限公司 | 搜索引擎中的信息检索方法及相应搜索引擎 |
CN101957828A (zh) * | 2009-07-20 | 2011-01-26 | 阿里巴巴集团控股有限公司 | 一种对搜索结果进行排序的方法和装置 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015043389A1 (zh) * | 2013-09-30 | 2015-04-02 | 北京奇虎科技有限公司 | 一种基于视频搜索的分词信息推送方法和装置 |
US11308174B2 (en) | 2014-06-09 | 2022-04-19 | Ebay Inc. | Systems and methods to identify a filter set in a query comprised of keywords |
CN104462552A (zh) * | 2014-12-25 | 2015-03-25 | 北京奇虎科技有限公司 | 问答页面核心词提取方法和装置 |
CN104462552B (zh) * | 2014-12-25 | 2018-07-17 | 北京奇虎科技有限公司 | 问答页面核心词提取方法和装置 |
CN104598630A (zh) * | 2015-02-05 | 2015-05-06 | 北京航空航天大学 | 一种事件索引与检索的方法及装置 |
CN108140212A (zh) * | 2015-08-14 | 2018-06-08 | 电子湾有限公司 | 用于确定搜索种子的系统和方法 |
CN111680189A (zh) * | 2020-04-10 | 2020-09-18 | 北京百度网讯科技有限公司 | 影视剧内容检索方法和装置 |
CN111680189B (zh) * | 2020-04-10 | 2023-07-25 | 北京百度网讯科技有限公司 | 影视剧内容检索方法和装置 |
CN112989118A (zh) * | 2021-02-04 | 2021-06-18 | 北京奇艺世纪科技有限公司 | 视频召回方法及装置 |
CN112989118B (zh) * | 2021-02-04 | 2023-08-18 | 北京奇艺世纪科技有限公司 | 视频召回方法及装置 |
CN113268982A (zh) * | 2021-06-03 | 2021-08-17 | 湖南四方天箭信息科技有限公司 | 一种网络表格结构的识别方法及装置、计算机装置及计算机可读取存储介质 |
CN113268982B (zh) * | 2021-06-03 | 2024-05-28 | 湖南四方天箭信息科技有限公司 | 一种网络表格结构的识别方法及装置、计算机装置及计算机可读取存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103488787B (zh) | 2017-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103491205B (zh) | 一种基于视频搜索的关联资源地址的推送方法和装置 | |
CN103488787B (zh) | 一种基于视频搜索的在线播放入口对象的推送方法和装置 | |
CN109657054B (zh) | 摘要生成方法、装置、服务器及存储介质 | |
CN106874378B (zh) | 基于规则模型的实体抽取与关系挖掘构建知识图谱的方法 | |
US9679558B2 (en) | Language modeling for conversational understanding domains using semantic web resources | |
CN108733766B (zh) | 一种数据查询方法、装置和可读介质 | |
CN103544266B (zh) | 一种搜索建议词生成的方法以及装置 | |
CN110569496B (zh) | 实体链接方法、装置及存储介质 | |
US10152478B2 (en) | Apparatus, system and method for string disambiguation and entity ranking | |
WO2015149533A1 (zh) | 一种基于网页内容分类进行分词处理的方法和装置 | |
CN102549603A (zh) | 基于相关性的图像选择 | |
US8825620B1 (en) | Behavioral word segmentation for use in processing search queries | |
CN103631794A (zh) | 一种用于对搜索结果进行排序的方法、装置与设备 | |
CN111506831A (zh) | 一种协同过滤的推荐模块、方法、电子设备及存储介质 | |
CN106649823A (zh) | 基于综合主题词垂直搜索和聚焦爬虫的网页分类识别方法 | |
CN112883182A (zh) | 一种基于机器阅读的问答匹配方法及装置 | |
CN113821592A (zh) | 一种数据处理方法、装置、设备以及存储介质 | |
CN103500214B (zh) | 一种基于视频搜索的分词信息推送方法和装置 | |
EP3905060A1 (en) | Artificial intelligence for content discovery | |
CN108268443B (zh) | 确定话题点转移以及获取回复文本的方法、装置 | |
CN117473078A (zh) | 一种基于跨领域命名实体识别的长篇文学可视阅读系统 | |
CN107609094B (zh) | 数据消歧方法、装置及计算机设备 | |
WO2015043389A1 (zh) | 一种基于视频搜索的分词信息推送方法和装置 | |
CN109284364B (zh) | 一种用于语音连麦互动的互动词汇更新方法及装置 | |
Pasca | Queries as a source of lexicalized commonsense knowledge |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171219 Termination date: 20210930 |
|
CF01 | Termination of patent right due to non-payment of annual fee |