CN103942328B - 一种视频检索方法及视频装置 - Google Patents

一种视频检索方法及视频装置 Download PDF

Info

Publication number
CN103942328B
CN103942328B CN201410180892.8A CN201410180892A CN103942328B CN 103942328 B CN103942328 B CN 103942328B CN 201410180892 A CN201410180892 A CN 201410180892A CN 103942328 B CN103942328 B CN 103942328B
Authority
CN
China
Prior art keywords
video
user
subclassification
comentropy
unit
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.)
Active
Application number
CN201410180892.8A
Other languages
English (en)
Other versions
CN103942328A (zh
Inventor
杨香斌
王勇进
王峰
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.)
Hisense Group Co Ltd
Original Assignee
Hisense Group 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 Hisense Group Co Ltd filed Critical Hisense Group Co Ltd
Priority to CN201810095506.3A priority Critical patent/CN108133058B/zh
Priority to CN201410180892.8A priority patent/CN103942328B/zh
Publication of CN103942328A publication Critical patent/CN103942328A/zh
Application granted granted Critical
Publication of CN103942328B publication Critical patent/CN103942328B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明实施例公开了一种视频检索方法及视频装置，涉及电子信息技术领域，可以实现视频的快速检索，提高视频检索效率。具体方案为：获得第一视频集合；计算第一视频集合中的至少两种属性分类的信息熵，每种属性分类包括至少两个子分类；提示用户在信息熵最大的属性分类的子分类中进行选择。本发明用于视频的检索过程中。

Description

一种视频检索方法及视频装置
技术领域
本发明涉及电子信息技术领域，尤其涉及一种视频检索方法及视频装置。
背景技术
随着多媒体技术的发展，多媒体技术领域涌现出了很多能够为用户提供视频检索功能的多媒体网页、多媒体应用以及客户端。
现有技术中的多媒体网页、多媒体应用以及客户端中的视频装置一般采用在检索界面上以固定的顺序为用户显示各个属性分类中的视频，以供用户选择，然后接收用户对罗列在检索界面上的属性分类的选择，为用户在检索界面上展示该属性分类中的子分类，而后接收用户对该属性分类中的子分类的选择，检索用户选择的子分类中包含的所有视频。例如，属性分类为视频按照属性进行的分类，如按照类型属性可以将视频分为动作片、喜剧片和科幻片等，按照地区属性可以将视频分为大陆片、港台片和日韩片等。其中，每一个属性分类中包含多个子分类，如类型属性中至少可以包括动作片、喜剧片和科幻片。
在实现上述树视频检索的过程中，当用户的检索目标不明确(即用户不确定)时，用户可能会随机选择一个属性分类，然后再在随机选择的属性分类中选择合适的子分类，检索用户选择的子分类中包含的所有视频。当用户选择的子分类中包含的所有视频中不包括用户想要观看的视频时，再返回属性分类选择界面，直至用户检索到想要观看的视频。
但是，视频装置采用固定的顺序为用户显示各个属性分类中的视频，并根据用户的随机选择的属性分类检索视频时，可能需要多次接收用户对属性分类的选择，为该用户检索视频，不能够快速找到用户检索到想要观看的视频，视频检索效率较低。
发明内容
本发明的实施例提供一种视频检索方法及视频装置，可以实现视频的快速检索，提高视频检索效率。
为达到上述目的，本发明的实施例采用如下技术方案：
本发明实施例的第一方面，提供一种视频检索方法，包括：
获得第一视频集合；
计算所述第一视频集合中的至少两种属性分类的信息熵，所述每种属性分类包括至少两个子分类；
提示用户在信息熵最大的属性分类的子分类中进行选择。
结合第一方面，在一种可能的实现方式中，所述计算所述第一视频集合中的至少两种属性分类的信息熵，包括：
根据所述属性分类中各子分类所包含的视频数量，计算所述属性分类的信息熵。
结合第一方面和上述可能的实现方式，在另一种可能的实现方式中，所述根据所述属性分类中各子分类所包含的视频数量，计算所述属性分类的信息熵，包括：
根据所述属性分类中各子分类所包含的视频数量，确定所述属性分类中各个子分类中的视频分布率；
根据所述分布率，计算所述属性分类的信息熵。
结合第一方面和上述可能的实现方式，在另一种可能的实现方式中，所述计算所述第一视频集合中的至少两种属性分类的信息熵，包括：
结合当前场景信息和/或用户行为参数，计算所述第一视频集合中的至少两种属性分类的信息熵。
结合第一方面和上述可能的实现方式，在另一种可能的实现方式中，所述方法，还包括：
根据所述用户的选择获得第二视频集合；
计算所述第二视频集合的至少两种属性分类的信息熵，所述每种属性分类包括至少两个子分类；
提示用户在信息熵最大的属性分类的子分类中进行选择。
结合第一方面和上述可能的实现方式，在另一种可能的实现方式中，所述方法，还包括：
根据所述用户的选择，更新用户行为参数。
结合第一方面和上述可能的实现方式，在另一种可能的实现方式中，所述获得第一视频集合，包括：
根据所述用户输入的检索词进行检索，以获得所述第一视频集合；
或者，根据所述用户当前选择的视频进行相关度检索，以获得所述第一视频集合；
或者，根据所述用户的语音输入信息进行检索，以获得所述第一视频集合。
结合第一方面和上述可能的实现方式，在另一种可能的实现方式中，所述提示用户在信息熵最大的属性分类的子分类中进行选择，包括：
显示信息熵最大的属性分类的子分类标示提示用户进行选择；
或者，通过语音提示所述用户在所述信息熵最大的属性分类的子分类中进行选择。
本发明实施例的第二方面，还提供一种视频装置，包括：
第一获取单元，用于获得第一视频集合；
第一计算单元，用于计算所述第一获取单元获得的所述第一视频集合中的至少两种属性分类的信息熵，所述每种属性分类包括至少两个子分类；
第一提示单元，用于提示用户在所述第一计算单元计算得到的信息熵最大的属性分类的子分类中进行选择。
结合第二方面，在一种可能的实现方式中，所述第一计算单元，还用于根据所述属性分类中各子分类所包含的视频数量，计算所述属性分类的信息熵。
结合第二方面和上述可能的实现方式，在另一种可能的实现方式中，所述第一计算单元，包括：
确定模块，用于根据所述属性分类中各子分类所包含的视频数量，确定所述属性分类中各个子分类中的视频分布率；
计算模块，用于根据所述分布率，计算所述属性分类的信息熵。
结合第二方面和上述可能的实现方式，在另一种可能的实现方式中，所述第一计算单元，还用于结合当前场景信息和/或用户行为参数，计算所述第一视频集合中的至少两种属性分类的信息熵。
结合第二方面和上述可能的实现方式，在另一种可能的实现方式中，所述视频装置，还包括：
第二获取单元，用于根据所述用户的选择获得第二视频集合；
第二计算单元，用于计算所述第二获取单元获得的所述第二视频集合的至少两种属性分类的信息熵，所述每种属性分类包括至少两个子分类；
第二提示单元，用于提示用户在所述第二计算单元计算得到的信息熵最大的属性分类的子分类中进行选择。
结合第二方面和上述可能的实现方式，在另一种可能的实现方式中，所述视频装置，还包括：
更新单元，用于根据所述用户的选择，更新用户行为参数。
结合第二方面和上述可能的实现方式，在另一种可能的实现方式中，所述第一获取单元，还用于根据所述用户输入的检索词进行检索，以获得所述第一视频集合；或者，根据所述用户当前选择的视频进行相关度检索，以获得所述第一视频集合；或者，根据所述用户的语音输入信息进行检索，以获得所述第一视频集合。
结合第二方面和上述可能的实现方式，在另一种可能的实现方式中，所述第一提示单元，还用于显示信息熵最大的属性分类的子分类标示提示用户进行选择；或者，通过语音提示所述用户在所述信息熵最大的属性分类的子分类中进行选择；
所述第二提示单元，还用于显示信息熵最大的属性分类的子分类标示提示用户进行选择；或者，通过语音提示所述用户在所述信息熵最大的属性分类的子分类中进行选择。
本发明实施例提供的视频检索方法及视频装置，获得第一视频集合；计算第一视频集合中的至少两种属性分类的信息熵，每种属性分类包括至少两个子分类；提示用户在信息熵最大的属性分类的子分类中进行选择。
其中，一个系统的信息熵可以体现该系统中信息的概率分布，体现系统中信息的收敛情况，在进行信息检索时，结合系统中信息的概率分布和收敛情况可以有效缩小检索范围，提高检索效率。在本方案中，计算得到的属性分类的信息熵可以体现第一视频集合中的视频按照不同属性分类进行分类时视频的概率分布和收敛情况，结合不同属性分类中视频的概率分布和收敛情况可以有效视频的缩小检索范围，提高检索效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例1中的一种视频检索方法流程图；
图2为本发明实施例2中的一种视频检索方法流程图；
图3为本发明实施例3中的一种视频装置的组成流程图；
图4为本发明实施例3中的另一种视频装置的组成流程图；
图5为本发明实施例3中的另一种视频装置的组成流程图；
图6为本发明实施例3中的另一种视频装置的组成流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
另外，本文中术语“系统”和“网络”在本文中常被可互换使用。本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
实施例1
本发明实施例提供一种视频检索方法，如图1所示，包括：
S101、视频装置获得第一视频集合。
其中，第一视频集合中包含至少两个视频。
具体的，视频装置可以根据用户输入的检索词进行检索，以获得第一视频集合；或者，可以根据用户当前选择的视频进行相关度检索，以获得第一视频集合；或者，还可以根据用户的语音输入信息进行检索，以获得第一视频集合。
示例性的，视频装置可以根据用户的检索信息(包括用户输入的检索词、用户当前选择的视频所对应的检索词或者用户的语音输入信息)，确定用户的输入关键字，并根据输入关键字进行检索，确定第一视频集合。其中，第一视频集合中包含至少两个视频，所述第一视频集合中的视频与输入关键字相匹配。
例如，视频装置可以接收用户的检索信息(包括用户输入的检索词、用户当前选择的视频所对应的检索词或者用户的语音输入信息)，然后对检索信息进行自然语言理解，以获得输入关键字。视频装置可以通过实体命名标注确定与输入关键字对应的匹配关键字，视频信息库中的视频采用不同的匹配关键字进行预分类，然后根据输入关键字，在已确定的匹配关键字所对应的视频分类所包含的视频中，确定第一视频资集合。
需要说明的是，本实施例中视频装置对检索信息进行自然语言理解的具体方法可以参考本发明其他方法实施例或者现有技术中的相关描述，本发明实施例这里不再赘述；本实施例中视频装置通过实体命名标注确定与输入关键字对应的匹配关键字的具体方法可以参考本发明其他方法实施例或者现有技术中的相关描述，本发明实施例这里不再赘述。
其中，本发明实施例中的视频装置可以为具备根据用户的检索信息检索视频的功能的检索引擎，或者还可以为具备根据用户的检索信息检索视频的功能的检索设备或者此类检索设备中的检索模块。
S102、视频装置计算第一视频集合中的至少两种属性分类的信息熵，每种属性分类包括至少两个子分类。
具体的，视频装置可以分别确定第一视频集合中的视频按照每个属性分类进行分类时，每个属性分类中各个子分类所包含的视频的个数；根据属性分类中各个子分类所包含的视频的个数，计算属性分类的信息熵。
S103、视频装置提示用户在信息熵最大的属性分类的子分类中进行选择。
具体的，视频装置可以为用户展示信息熵最大的属性分类中的所有子分类，以供用户选择；每种属性分类包含至少两个子分类；接收用户对视频装置所展示的属性分类中的子分类的选择；根据所述用户数的选择第二视频集合。其中，第二视频集合为视频装置根据用户在信息熵最大的属性分类的子分类中选择的子分类，从第一视频集合中查询到的归属于所述用户选择的子分类的视频所组成的视频集合。
本发明实施例提供的视频检索方法，获得第一视频集合；计算第一视频集合中的至少两种属性分类的信息熵，每种属性分类包括至少两个子分类；提示用户在信息熵最大的属性分类的子分类中进行选择。
其中，一个系统的信息熵可以体现该系统中信息的概率分布，体现系统中信息的收敛情况，在进行信息检索时，结合系统中信息的概率分布和收敛情况可以有效缩小检索范围，提高检索效率。在本方案中，计算得到的属性分类的信息熵可以体现第一视频集合中的视频按照不同属性分类进行分类时视频的概率分布和收敛情况，结合不同属性分类中视频的概率分布和收敛情况可以有效视频的缩小检索范围，提高检索效率。
实施例2
本发明实施例提供一种视频检索方法，如图2所示，包括：
S201、视频装置获得第一视频集合。
具体的，S201可以为S201a、S201b或者S201c中的任意一项。
S201a、视频装置根据用户输入的检索词进行检索，以获得第一视频集合。
S201b、视频装置根据用户当前选择的视频进行相关度检索，以获得第一视频集合。
S201c、视频装置根据用户的语音输入信息进行检索，以获得第一视频集合。
示例性的，在本发明实施例中，视频装置中设置有检索框，视频装置可以通过检索框接收用户的检索信息，然后根据用户的检索信息进行检索确定第一视频集合。
需要说明的是，用户的检索信息可以是汉字、汉语拼音或者英文字母等等，本发明实施例对检索信息的语言和格式不做限定。
其中，视频装置可以对检索信息进行自然语言理解，以获得输入关键字，然后通过实体命名标注确定与输入关键字对应的匹配关键字，最后在该视频装置所维护的视频信息库的所有视频中，检索匹配关键字所对应的视频分类所包含的视频，确定第一视频集合。
其中，自然语言理解，即Natural Language Understanding，是一种可以实现人与计算机之间采用自然语言进行有效通信的新兴技术，俗称人机对话，指的就是使计算机按照人类社会的自然语言所表达的意义做出相应反应的机制。主要研究采用计算机模拟人的语言交际过程，使计算机能理解和运用人类社会的自然语言如汉语、英语等，实现人机之间的自然语言通信，以代替人的部分脑力劳动，包括查询资料、解答问题、摘录文献、汇编资料以及一切有关自然语言信息的加工处理。
需要说明的是，本发明实施例中，视频装置可以采用“自然语言理解”技术，对检索信息进行理解和分析，以获得可用于进行视频检索的输入关键字。
示例性的，若用户的检索信息为“刘某某的片子”，则视频装置对该检索信息：“刘某某的片子”进行自然语言理解后，则可以获得的输入关键字为“刘某某”和“片子”。
需要说明的是，上述仅以举例方式说明自然语言理解的基本原理和过程，本发明实施例中的“自然语言理解”技术的详细描述可以参考现有技术中的相关描述，本实施例这里不再赘述。
其中，实体命名标注是信息提取、问答系统、句法分析、机器翻译、面向SemanticWeb的元数据标注等应用领域的重要基础工具，在自然语言处理技术走向实用化的过程中占有重要地位。一般来说，实体命名标注的任务就是识别出待处理文本中三大类(实体类、时间类和数字类)、七小类(人名、机构名、地名、时间、日期、货币和百分比)命名实体。
具体的，视频装置在获得输入关键字后，可以采用实体命名标注确定与输入关键字对应的匹配关键字。
示例性的，若输入关键字为“刘某某”和“片子”，则视频装置可以通过实体命名标注识别出“刘某某”对应的匹配关键字为“演员”，识别出“片子”对应的匹配关键字为“电影”。
需要说明的是，上述仅以举例方式说明实体命名标注的基本原理和过程，本发明实施例中的“实体命名标注”技术的详细描述可以参考现有技术中的相关描述，本实施例这里不再赘述。
在本发明实施例中，视频装置维护有一个视频信息库，该视频信息库中保存了现有的所有视频，即已上映并获得播放版权的所有视频或者视频的链接。
其中，匹配关键字可以为预设的关键字。视频信息库中的视频采用不同的匹配关键字进行预分类。
示例性的，视频信息库中预设的匹配关键字可以包括：演员、视频类型(包括：喜剧片、爱情片、动作片等)、地区(包括欧美、内陆、日韩、港台等)、导演等。
具体的，视频装置根据输入关键字，在已确定的匹配关键字所对应的视频分类所包含的视频中，确定第一视频集合的方法可以包括：视频装置确定已确定的匹配关键字所对应的视频分类方式；根据输入关键字确定该视频分类方式中的子分类；确定视频信息库中该子分类中包含的所有视频所组成的资源集合为所述第一视频集合。
示例性的，若输入关键字为“刘某某”，视频装置通过实体命名标注识别出“刘某某”对应的匹配关键字为“演员”；则视频装置确定“演员”所对应的视频分类方式为根据不同的演员将视频信息库中的视频进行分类的方式；视频装置在根据不同的演员将视频信息库中的视频进行分类时，确定“刘某某”所对应的子分类中包含的所有视频，即“刘某某”所饰演过的所有影片(视频)所组成的资源集合为所述第一视频集合。
需要说明的是，本发明实施例中视频装置根据用户检索信息获取到的输入关键字可能不止一个，相应的，视频装置通过实体命名标注识别出输入关键字对应的匹配关键字也可能不止一个。
当视频装置获取到至少两个输入关键字，识别到至少两个匹配关键字时，视频装置可以确定已确定的至少两个匹配关键字分别所对应的视频分类方式；分别根据至少两个输入关键字中的每个输入关键字确定该输入关键字所对应的匹配关键字所对应的视频分类方式中的子分类；确定视频信息库中已确定的所有子分类中包含的所有视频中与至少两个输入关键字中的所有输入关键字均对应的视频所组成的资源集合为所述第一视频集合。
示例性的，若输入关键字为“刘某某”和“片子”，视频装置通过实体命名标注识别出“刘某某”对应的匹配关键字为“演员”，识别出“片子”对应的匹配关键字为“电影”；则视频装置可以确定“演员”所对应的视频分类方式为根据不同的演员将视频信息库中的视频进行分类的方式；确定“电影”所对应的视频分类方式为视频信息库中的所有电影；视频装置在根据不同的演员将视频信息库中的视频进行分类时，确定“刘某某”所对应的子分类中包含的所有电影(视频)，即“刘某某”所饰演过的所有电影(视频)所组成的资源集合为第一视频集合。
进一步需要说明的是，本发明实施例中视频装置根据输入关键字，在已确定的匹配关键字所对应的视频分类所包含的视频中，确定第一视频集合的方法包括但不限于本发明实施例上述所列举的实现方法，视频装置获取第一视频集合的其他方法本发明实施例这里不再赘述。
具体的，视频装置计算所述第一视频集合中的视频按照不同属性分类进行划分时至少两种属性分类的信息熵，所述每种属性分类包括至少两个子分类的方法可以包括S202-S204：
S202、视频装置分别确定第一视频集合中的至少两种每种属性分类中各个子分类所包含的视频的数量。
其中，视频可以按照不同的属性分类进行划分，如视频可以按照类型属性划分为动作片、喜剧片、爱情片、惊悚片等，属性分类为视频按照不同的属性进行分类的分类集合。
示例性的，本发明实施例中的属性分类至少可以为：类型属性、年代属性、地区属性和评分属性等。每一个属性分类中包含至少两个子分类。
例如，类型属性中的子分类至少可以包括：动作片、喜剧片、爱情片、惊悚片等。其中，类型属性中根据视频的影片类型将视频划分至不同的类型。
示例性的，视频装置可以确定第一视频集合中的视频按照类型属性进行分类时，类型属性中各个子分类所包含的视频的个数。例如，若第一视频集合中共包含200部视频，第一视频集合中的200部视频按照类型属性进行分类时，200个视频中包含动作片30部、喜剧片80部、爱情片50部和惊悚片40部。
例如，年代属性中的子分类至少可以包括：60年代、70年代、80年代、90年代等。其中，年代属性中根据视频的影片拍摄时间或者首映时间将视频划分至不同的年代。
视频装置可以确定第一视频集合中的视频按照年代属性进行分类时，年代属性中各个子分类所包含的视频的个数。例如，若第一视频集合中共包含200部视频，第一视频集合中的200部视频按照年代属性进行分类时，200个视频中包含60年代的视频10部、70年代的视频120部、80年代的视频60部和90年代的视频10部。
例如，地区属性中的子分类至少可以包括：欧美片、港台片、内陆片、日韩片等。其中，年代属性中根据视频的影片拍摄时间或者首映时间将视频划分至不同的地区。
视频装置可以确定第一视频集合中的视频按照地区属性进行分类时，地区属性中各个子分类所包含的视频的个数。例如，若第一视频集合中共包含200部视频，第一视频集合中的200部视频按照地区属性进行分类时，欧美片6部、港台片70部、内陆片120部、日韩片4部。
例如，若视频评分在0分—10分之间，且10分为最高评分，评分属性中的子分类至少可以包括：获得第一预设数个8-10视频评分的视频、获得第二预设数个6-7视频评分的视频以及获得第三预设数个0-5视频评分的视频等。其中，本实施例中的第一预设数、第二预设数和第三预设数为系统预置或者用户设置的数量阈值。
视频装置可以确定第一视频集合中的视频按照评分属性进行分类时，评分属性中各个子分类所包含的视频的个数。例如，若第一视频集合中共包含200部视频，第一视频集合中的200部视频按照地区属性进行分类时获得第一预设数个8-10视频评分的视频100部、获得第二预设数个6-7视频评分的视频80部、获得第三预设数个0-5视频评分的视频20部。
S203、视频装置根据属性分类中各子分类所包含的视频数量，确定属性分类中各个子分类中的视频分布率。
其中，视频装置可以分别根据每一个属性分类中各个子分类所包含的视频的个数，确定第一视频集合中的视频在每一个属性分类中各个子分类中的分布率。
示例性的，假设类型属性中的子分类包括：动作片、喜剧片、爱情片、惊悚片。第一视频集合中共包含200部视频，这200个视频中包含动作片30部、喜剧片80部、爱情片50部和惊悚片40部。
视频装置可以计算得到第一视频集合中的视频在类型属性中的子分类中的分布率分别为：动作片15％、喜剧片40％、爱情片25％、惊悚片20％。
示例性的，假设年代属性中的子分类包括：60年代、70年代、80年代、90年代。第一视频集合中共包含200部视频，这200个视频中包含200个视频中包含60年代的视频10部、70年代的视频120部、80年代的视频60部和90年代的视频10部。
视频装置可以计算得到第一视频集合中的视频在类型属性中的子分类中的分布率分别为：60年代的视频5％、70年代的视频60％、80年代的视频30％、90年代的视频5％。
需要说明的是，视频装置根据其他属性分类中各个子分类所包含的视频的个数，确定第一视频集合中的视频在其他属性分类中各个子分类中的分布率的方法可以参考上述实例中视频装置确定第一视频集合中的视频在年代属性或者类型属性中各个子分类中的分布率的方法，视频装置确定第一视频集合中的视频在其他属性分类中各个子分类中的分布率的方法本发明实施例这里不再赘述。
S204、视频装置根据分布率，计算属性分类的信息熵。
示例性的，假设类型属性S中的包含n个子分类x，即S＝{x1,x2,...xi,...xn}，类型属性S中的子分类x的机率分布(分布率)为P＝{P(x1),P(x2),...P(xi),...P(xn)}，则视频装置可以采用公式1计算属性分类的信息熵。
公式1：
其中，H(X)为属性分类的信息熵，P(xi)为该属性分类中第i个子分类的分布率。
示例性的，第一视频集合中的视频在类型属性中的子分类中的分布率分别为：动作片15％＝0.15、喜剧片40％＝0.4、爱情片25％＝0.25、惊悚片20％＝0.2，即P＝{P(x1),P(x2),P(x3),P(x4)}＝{0.15,0.4,0.25,0.2}，视频装置可以采用公式1计算类型属性的信息熵。
公式2：
其中，上述公式中的x1表示动作片，P(x1)表示子分类-动作片在类型属性中的分布率；x2表示喜剧片，P(x2)表示子分类-喜剧片在类型属性中的分布率；x3表示爱情片，P(x3)表示子分类-爱情片在类型属性中的分布率；x4表示惊悚片，P(x4)表示子分类-惊悚片在类型属性中的分布率。
示例性的，第一视频集合中的视频在年代属性中的子分类中的分布率分别为：60年代的视频5％＝0.05、70年代的视频60％＝0.6、80年代的视频30％＝0.3、90年代的视频5％＝0.05，即P＝{P(x1),P(x2),P(x3),P(x4)}＝{0.05,0.6,0.3,0.05}，视频装置可以采用公式1计算类型属性的信息熵。
公式3：
其中，上述公式中的x1表示60年代的视频，P(x1)表示子分类-60年代的视频在年代属性中的分布率；x2表示70年代的视频，P(x2)表示子分类-70年代的视频在年代属性中的分布率；x3表示80年代的视频，P(x3)表示子分类-80年代的视频在年代属性中的分布率；x4表示90年代的视频，P(x4)表示子分类-90年代的视频在年代属性中的分布率。
需要说明的是，视频装置根据其他属性分类中子分类的分布率，计算其他属性分类的信息熵的方法可以参考上述实例中的计算方法，本发明实施例这里不再赘述。
进一步可选的，视频装置计算属性分类的信息熵的方法具体还可以包括：视频装置结合当前场景信息和/或用户行为参数，计算所述第一视频集合按照不同属性分类进行划分时至少两种属性分类的信息熵。
示例性的，当前场景信息可以为用户检索视频的时间信息(如，可以分为上午、下午、傍晚、夜间等)。
视频装置可以根据用户检索视频的时间信息设置当前场景信息的加权权重。例如，若用户检索视频的时间为夜间，类型属性中包含惊悚片，则视频装置将当前场景信息的加权权重设置为第一权重阈值A，第一权重阈值A小于1，并在计算类型属性的信息熵时，可以给惊悚片的信息量-P(x4)log2P(x4)乘以第一权重阈值A，以使惊悚片的信息量为-P(x4)log2P(x4)×A。
示例性的，第一视频集合中的视频在类型属性中的子分类中的分布率分别为：动作片15％＝0.15、喜剧片40％＝0.4、爱情片25％＝0.25、惊悚片20％＝0.2，即P＝{P(x1),P(x2),P(x3),P(x4)}＝{0.15,0.4,0.25,0.2}，假设A＝0.8，视频装置可以采用公式1计算类型属性的信息熵。
公式4：
H(X)＝-(P(x1)log2P(x1)+P(x2)log2P(x2)+P(x3)log2P(x3)+P(x4)log2P(x4)×0.8)＝-(0.15×log20.15+0.4×log20.4+0.25×log20.25+0.2×log20.2×0.8)＝0.545
根据公式2和公式4可以得出，用户在夜间检索视频时，视频装置计算得到类型属性的信息熵和用户在白天检索视频时，视频装置计算得到类型属性的信息熵的大小是不同的，而信息熵的大小可能会决定该属性分类是否为信息熵最大的属性分类。公式4中用户在夜间检索视频时，类型属性的信息熵相比于用户在白天检索视频时，类型属性的信息熵较低，则视频装置优先向用户展示类型属性的所有属性子类型的可能性则会降低，则可以向用户提供更加符合当前场景的视频以供用户选择，可以提高用户体验。
其中，用户行为参数可以为视频装置统计用户的视频检索记录以及视频装置或者视频装置所在的视频终端为用户播放视频的记录得到的用户对各个属性分类中的子分类的视频的偏好程度。
视频装置可以根据用户对各个属性分类中的子分类的视频的偏好程度设置用户行为参数的加权权重。例如，若统计得到用户对类型属性中，动作片的偏好程度为70％、喜剧片的偏好程度为15％、爱情片的偏好程度为10％、惊悚片的偏好程度为5％；则视频装置为用户对每一个子分类的偏好程度乘以第二权重阈值B，第二权重阈值B一般大于1，将偏好程度乘以第二权重阈值B的到的乘积作为每一个子分类所对应的用户行为参数的加权权重。
视频装置在计算类型属性的信息熵时，可以给每一个子分类的信息量乘以该子分类的偏好程度与第二权重阈值B的乘积。例如，动作片的信息量-P(x1)log2P(x1)乘以该子分类的偏好程度与第二权重阈值B的乘积后，其信息量为-P(x1)log2P(x1)×(70％×B)；喜剧片的信息量-P(x2)log2P(x2)乘以该子分类的偏好程度与第二权重阈值B的乘积后，其信息量为-P(x2)log2P(x2)×(15％×B)；爱情片的信息量-P(x3)log2P(x3)乘以该子分类的偏好程度与第二权重阈值B的乘积后，其信息量为-P(x3)log2P(x3)×(10％×B)；惊悚片的信息量-P(x4)log2P(x4)乘以该子分类的偏好程度与第二权重阈值B的乘积后，其信息量为-P(x4)log2P(x4)×(5％×B)。
示例性的，假设第二权重阈值B等于2，视频装置可以采用公式1计算类型属性的信息熵。
公式5：
根据公式2和公式5可以得出，视频装置根据分布率，结合用户行为参数计算得到的类型属性的信息熵和视频装置仅根据分布率计算得到的类型属性的信息熵的大小是不同的，而信息熵的大小可能影响属性分类在第一属性分类集合中的优先级的高低。公式5中结合用户行为参数计算得到的类型属性的信息熵相比于仅根据分布率计算得到的类型属性的信息熵较低，则视频装置优先向用户展示类型属性的所有属性子类型的可能性则会降低，则可以向用户提供更加符合用户偏好的视频以供用户选择，可以提高用户体验。
S205、视频装置提示用户在信息熵最大的属性分类的子分类中进行选择。
其中，由于属性分类的信息熵可以体现视频按照该属性分类进行分类时视频的概率分布和收敛情况，而用户若采用信息熵最大的属性分类中的各个子分类作为检索条件进行视频检索，则可以有效视频的缩小检索范围，提高检索效率；因此视频装置在计算得到至少两种属性分类的信息熵后，可以提示用户在信息熵最大的属性分类的子分类中进行选择。
示例性的，视频装置可以显示信息熵最大的属性分类的子分类标示提示用户进行选择；或者，通过语音提示所述用户在所述信息熵最大的属性分类的子分类中进行选择。
需要说明的是，在本发明实施例中，视频装置在提示用户在信息熵最大的属性分类的子分类中进行选择后，可以直接为用户展示该用户所选择的子分类中的所有视频的标识信息，以供用户通过对已展示的子分类中的所有视频的标识信息的选择，确定待检索的视频。
进一步可选的，为了进一步通过信息熵的计算缩小检索范围，提高检索效率，视频装置可以在提示用户在信息熵最大的属性分类的子分类中进行选择后，根据用户的选择获得用户选择的子分类中的所有视频(第二视频集合)，并计算第二视频集合中的视频按照不同属性分类进行划分时至少两种属性分类的信息熵，并继续提示用户在信息熵最大的属性分类的子分类中进行选择。具体的，本发明实施例的方法还可以包括S206-S208：
S206、视频装置根据用户的选择获得第二视频集合。
具体的，第一视频集合中的视频可以按照任意一种属性分类进行子属性划分，将第一视频集合中的视频划分至不同的子属性。
视频装置可以接收用户对信息熵最大的属性分类中的子分类的选择，将第一视频集合中的视频按照信息熵最大的属性分类进行子属性划分时，可划分至该用户选择的子分类的视频所组成的视频集合确定为第二视频集合。
S207、视频装置计算第二视频集合中的视频按照不同属性分类进行划分时至少两种属性分类的信息熵，每种属性分类包括至少两个子分类。
需要说明的是，视频装置计算第二视频集合中的视频按照不同属性分类进行划分时至少两种属性分类的信息熵的方法，可以参考本发明实施例中视频装置计算第一视频集合中的视频按照不同属性分类进行划分时至少两种属性分类的信息熵的方法，本发明这里哦不再赘述。
S208、视频装置提示用户在信息熵最大的属性分类的子分类中进行选择。
其中，由于属性分类的信息熵可以体现视频按照该属性分类进行分类时视频的概率分布和收敛情况，而用户若采用信息熵最大的属性分类中的各个子分类作为检索条件进行视频检索，则可以有效视频的缩小检索范围，提高检索效率；因此视频装置在计算得到至少两种属性分类的信息熵后，可以提示用户在信息熵最大的属性分类的子分类中进行选择。
示例性的，视频装置可以显示信息熵最大的属性分类的子分类标示提示用户进行选择；或者，通过语音提示所述用户在所述信息熵最大的属性分类的子分类中进行选择。
需要说明的是，本发明实施例中，视频装置可以计算第一视频集合、第二视频集合或者第N视频集合中的视频按照不同属性分类进行划分时每种属性分类的信息熵；也可以仅计算第一视频集合、第二视频集合或者第N视频集合中的视频按照不同属性分类进行划分时，用户习惯使用的属性分类的信息熵。
进一步可选的，本发明实施例的方法还可以包括：视频装置根据用户的选择，更新用户行为参数。其中，视频装置可以根据用户每一次对视频装置所提示的信息熵最大的属性分类的子分类的选择，更新用户行为参数。
需要说明的是，在本发明实施例中，视频装置在提示用户在信息熵最大的属性分类的子分类中进行选择后，可以直接为用户展示该用户所选择的子分类中的所有视频的标识信息，以供用户通过对已展示的子分类中的所有视频的标识信息的选择，确定待检索的视频。
进一步可选的，为了进一步通过信息熵的计算缩小检索范围，提高检索效率，视频装置可以在提示用户在信息熵最大的属性分类的子分类中进行选择后，根据用户的选择获得用户选择的子分类中的所有视频(第三视频集合)，并计算第三视频集合中的视频按照不同属性分类进行划分时至少两种属性分类的信息熵，并继续提示用户在信息熵最大的属性分类的子分类中进行选择。
需要说明的是，视频装置获得第三视频集合，计算第三视频集合中的视频按照不同属性分类进行划分时至少两种属性分类的信息熵，并提示用户在信息熵最大的属性分类的子分类中进行选择的方法可以参考本发明实施例中的相关描述，本实施例这里不再赘述。
本发明实施例提供的视频检索方法，获得第一视频集合；计算第一视频集合中的至少两种属性分类的信息熵，每种属性分类包括至少两个子分类；提示用户在信息熵最大的属性分类的子分类中进行选择。
其中，一个系统的信息熵可以体现该系统中信息的概率分布，体现系统中信息的收敛情况，在进行信息检索时，结合系统中信息的概率分布和收敛情况可以有效缩小检索范围，提高检索效率。在本方案中，计算得到的属性分类的信息熵可以体现第一视频集合中的视频按照不同属性分类进行分类时视频的概率分布和收敛情况，结合不同属性分类中视频的概率分布和收敛情况可以有效视频的缩小检索范围，提高检索效率。
实施例3
本发明实施例提供一种视频装置，如图3所示，包括：第一获取单元31、第一计算单元32和第一提示单元33。
第一获取单元31，用于获得第一视频集合。
第一计算单元32，用于计算所述第一获取单元31获得的所述第一视频集合中的至少两种属性分类的信息熵，所述每种属性分类包括至少两个子分类。
第一提示单元33，用于提示用户在所述第一计算单元32计算得到的信息熵最大的属性分类的子分类中进行选择。
进一步的，所述第一计算单元32，还用于根据所述属性分类中各子分类所包含的视频数量，计算所述属性分类的信息熵。
进一步的，如图4所示，所述第一计算单元32，包括：确定模块321和计算模块322。
确定模块321，用于根据所述属性分类中各子分类所包含的视频数量，确定所述属性分类中各个子分类中的视频分布率。
计算模块322，用于根据所述分布率，计算所述属性分类的信息熵。
进一步的，所述第一计算单元32，还用于结合当前场景信息和/或用户行为参数，计算所述第一视频集合中的至少两种属性分类的信息熵。
进一步的，如图5所示，所述视频装置，还包括：第二获取单元34、第二计算单元35和第二提示单元36。
第二获取单元34，用于根据所述用户的选择获得第二视频集合。
第二计算单元35，用于计算所述第二获取单元34获得的所述第二视频集合中的至少两种属性分类的信息熵，所述每种属性分类包括至少两个子分类。
第二提示单元36，用于提示用户在所述第二计算单元35计算得到的信息熵最大的属性分类的子分类中进行选择。
进一步的，如图6所示，所述视频装置，还包括：更新单元37。
更新单元37，用于根据所述用户的选择，更新用户行为参数。
进一步的，所述第一获取单元31，还用于根据所述用户输入的检索词进行检索，以获得所述第一视频集合；或者，根据所述用户当前选择的视频进行相关度检索，以获得所述第一视频集合；或者，根据所述用户的语音输入信息进行检索，以获得所述第一视频集合。
进一步的，所述第一提示单元33，还用于显示信息熵最大的属性分类的子分类标示提示用户进行选择；或者，通过语音提示所述用户在所述信息熵最大的属性分类的子分类中进行选择。
所述第二提示单元36，还用于显示信息熵最大的属性分类的子分类标示提示用户进行选择；或者，通过语音提示所述用户在所述信息熵最大的属性分类的子分类中进行选择。
需要说明的是，本发明实施例提供的视频装置中部分功能模块的具体描述可以参考方法实施例中的对应内容，本实施例这里不再详细赘述。
本发明实施例提供的视频装置，获得第一视频集合；计算第一视频集合中的至少两种属性分类的信息熵，每种属性分类包括至少两个子分类；提示用户在信息熵最大的属性分类的子分类中进行选择。
其中，一个系统的信息熵可以体现该系统中信息的概率分布，体现系统中信息的收敛情况，在进行信息检索时，结合系统中信息的概率分布和收敛情况可以有效缩小检索范围，提高检索效率。在本方案中，计算得到的属性分类的信息熵可以体现第一视频集合中的视频按照不同属性分类进行分类时视频的概率分布和收敛情况，结合不同属性分类中视频的概率分布和收敛情况可以有效视频的缩小检索范围，提高检索效率。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (14)

1.一种视频检索方法，其特征在于，包括：
获得第一视频集合；
结合当前场景信息和/或用户行为参数，根据所述当前场景信息的加权权重和/或所述用户行为参数的加权权重，计算所述第一视频集合中的至少两种属性分类的信息熵，每种属性分类包括至少两个子分类，所述当前场景信息为用户检索视频的时间信息，所述用户行为参数为用户的视频检索记录、用户对每种属性分类中的子分类的视频的偏好程度；
提示用户在信息熵最大的属性分类的子分类中进行选择。
2.根据权利要求1所述的视频检索方法，其特征在于，所述计算所述第一视频集合中的至少两种属性分类的信息熵，包括：
根据所述属性分类中各子分类所包含的视频数量，计算所述属性分类的信息熵。
3.根据权利要求2所述的视频检索方法，其特征在于，所述根据所述属性分类中各子分类所包含的视频数量，计算所述属性分类的信息熵，包括：
根据所述属性分类中各子分类所包含的视频数量，确定所述属性分类中各个子分类中的视频分布率；
根据所述分布率，计算所述属性分类的信息熵。
4.根据权利要求1所述的视频检索方法，其特征在于，还包括：
根据所述用户的选择获得第二视频集合；
计算所述第二视频集合中的至少两种属性分类的信息熵，所述每种属性分类包括至少两个子分类；
提示用户在信息熵最大的属性分类的子分类中进行选择。
5.根据权利要求4所述的视频检索方法，其特征在于，还包括:
根据所述用户的选择，更新用户行为参数。
6.根据权利要求1-5任一项所述的视频检索方法，其特征在于，所述获得第一视频集合，包括：
根据所述用户输入的检索词进行检索，以获得所述第一视频集合；
或者，根据所述用户当前选择的视频进行相关度检索，以获得所述第一视频集合；
或者，根据所述用户的语音输入信息进行检索，以获得所述第一视频集合。
7.根据权利要求1或4任一项所述的视频检索方法，其特征在于，所述提示用户在信息熵最大的属性分类的子分类中进行选择，包括：
显示信息熵最大的属性分类的子分类标示提示所述用户进行选择；
或者，通过语音提示所述用户在所述信息熵最大的属性分类的子分类中进行选择。
8.一种视频装置，其特征在于，包括：
第一获取单元，用于获得第一视频集合；
第一计算单元，用于结合当前场景信息和/或用户行为参数，根据所述当前场景信息的加权权重和/或所述用户行为参数的加权权重，计算所述第一视频集合中的至少两种属性分类的信息熵，每种属性分类包括至少两个子分类，所述当前场景信息为用户检索视频的时间信息，所述用户行为参数为用户的视频检索记录、用户对每种属性分类中的子分类的视频的偏好程度；
第一提示单元，用于提示用户在所述第一计算单元计算得到的信息熵最大的属性分类的子分类中进行选择。
9.根据权利要求8所述的视频装置，其特征在于，所述第一计算单元，还用于根据所述属性分类中各子分类所包含的视频数量，计算所述属性分类的信息熵。
10.根据权利要求9所述的视频装置，其特征在于，所述第一计算单元，包括：
确定模块，用于根据所述属性分类中各子分类所包含的视频数量，确定所述属性分类中各个子分类中的视频分布率；
计算模块，用于根据所述分布率，计算所述属性分类的信息熵。
11.根据权利要求8所述的视频装置，其特征在于，还包括：
第二获取单元，用于根据所述用户的选择获得第二视频集合；
第二计算单元，用于计算所述第二获取单元获得的所述第二视频集合中的至少两种属性分类的信息熵，所述每种属性分类包括至少两个子分类；
第二提示单元，用于提示用户在所述第二计算单元计算得到的信息熵最大的属性分类的子分类中进行选择。
12.根据权利要求11所述的视频装置，其特征在于，还包括:
更新单元，用于根据所述用户的选择，更新用户行为参数。
13.根据权利要求8-12任一项所述的视频装置，其特征在于，所述第一获取单元，还用于根据所述用户输入的检索词进行检索，以获得所述第一视频集合；或者，根据所述用户当前选择的视频进行相关度检索，以获得所述第一视频集合；或者，根据所述用户的语音输入信息进行检索，以获得所述第一视频集合。
14.根据权利要求11所述的视频装置，其特征在于，所述第一提示单元，还用于显示信息熵最大的属性分类的子分类标示提示用户进行选择；或者，通过语音提示所述用户在所述信息熵最大的属性分类的子分类中进行选择；
所述第二提示单元，还用于显示信息熵最大的属性分类的子分类标示提示用户进行选择；或者，通过语音提示所述用户在所述信息熵最大的属性分类的子分类中进行选择。
CN201410180892.8A 2014-04-30 2014-04-30 一种视频检索方法及视频装置 Active CN103942328B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201810095506.3A CN108133058B (zh) 2014-04-30 2014-04-30 一种视频检索方法
CN201410180892.8A CN103942328B (zh) 2014-04-30 2014-04-30 一种视频检索方法及视频装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410180892.8A CN103942328B (zh) 2014-04-30 2014-04-30 一种视频检索方法及视频装置

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN201810095506.3A Division CN108133058B (zh) 2014-04-30 2014-04-30 一种视频检索方法

Publications (2)

Publication Number Publication Date
CN103942328A CN103942328A (zh) 2014-07-23
CN103942328B true CN103942328B (zh) 2018-05-04

Family

ID=51189996

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201410180892.8A Active CN103942328B (zh) 2014-04-30 2014-04-30 一种视频检索方法及视频装置
CN201810095506.3A Active CN108133058B (zh) 2014-04-30 2014-04-30 一种视频检索方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201810095506.3A Active CN108133058B (zh) 2014-04-30 2014-04-30 一种视频检索方法

Country Status (1)

Country Link
CN (2) CN103942328B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107333149A (zh) * 2017-06-30 2017-11-07 环球智达科技（北京）有限公司 节目信息的聚合处理方法
CN109286833A (zh) * 2018-09-30 2019-01-29 湖南机电职业技术学院 一种应用于网络直播中的信息处理方法及系统
CN109614517B (zh) * 2018-12-04 2023-08-01 广州市百果园信息技术有限公司 视频的分类方法、装置、设备及存储介质
CN110543862B (zh) * 2019-09-05 2022-04-22 北京达佳互联信息技术有限公司 数据获取方法、装置及存储介质
CN111079015B (zh) * 2019-12-17 2021-08-31 腾讯科技（深圳）有限公司 一种推荐方法、装置、计算机设备和存储介质
CN114697748B (zh) * 2020-12-25 2024-05-03 深圳Tcl新技术有限公司 一种基于语音识别的视频推荐方法和计算机设备
CN114120180B (zh) * 2021-11-12 2023-07-21 北京百度网讯科技有限公司 一种时序提名的生成方法、装置、设备及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101059814A (zh) * 2006-04-17 2007-10-24 株式会社理光 图像处理设备与图像处理方法
JP2010055431A (ja) * 2008-08-28 2010-03-11 Toshiba Corp 表示処理装置および表示処理方法
CN103686236A (zh) * 2013-11-19 2014-03-26 乐视致新电子科技（天津）有限公司 推荐视频资源的方法及系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007293602A (ja) * 2006-04-25 2007-11-08 Nec Corp 映像検索システム、映像検索方法およびプログラム
US20080120328A1 (en) * 2006-11-20 2008-05-22 Rexee, Inc. Method of Performing a Weight-Based Search
CN102521321B (zh) * 2011-12-02 2013-07-31 华中科技大学 基于检索词歧义性和用户偏好的视频搜索方法
CN102682132B (zh) * 2012-05-18 2013-12-04 合一网络技术(北京)有限公司 一种基于词频、播放量和创建时间检索信息的方法及系统
CN102982153B (zh) * 2012-11-29 2016-03-23 北京亿赞普网络技术有限公司 一种信息检索方法及其装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101059814A (zh) * 2006-04-17 2007-10-24 株式会社理光 图像处理设备与图像处理方法
JP2010055431A (ja) * 2008-08-28 2010-03-11 Toshiba Corp 表示処理装置および表示処理方法
CN103686236A (zh) * 2013-11-19 2014-03-26 乐视致新电子科技（天津）有限公司 推荐视频资源的方法及系统

Also Published As

Publication number Publication date
CN108133058A (zh) 2018-06-08
CN108133058B (zh) 2022-02-18
CN103942328A (zh) 2014-07-23

Similar Documents

Publication Publication Date Title
CN103942328B (zh) 一种视频检索方法及视频装置
CN107832437B (zh) 音/视频推送方法、装置、设备及存储介质
CN103268339B (zh) 微博消息中命名实体识别方法及系统
WO2021042826A1 (zh) 一种视频播放完整度预测方法及装置
US8725717B2 (en) System and method for identifying topics for short text communications
CN108363821A (zh) 一种信息推送方法、装置、终端设备及存储介质
US9122680B2 (en) Information processing apparatus, information processing method, and program
CN109408665A (zh) 一种信息推荐方法及装置、存储介质
CN106919575B (zh) 应用程序搜索方法及装置
CN108256119A (zh) 一种资源推荐模型的构建方法及基于该模型的资源推荐方法
CN106294830A (zh) 多媒体资源的推荐方法及装置
CN105426514A (zh) 个性化的移动应用app推荐方法
CN111046225B (zh) 音频资源处理方法、装置、设备及存储介质
CN106294473B (zh) 一种实体词挖掘方法、信息推荐方法及装置
CN108228745A (zh) 一种基于协同过滤优化的推荐算法和装置
JP2013061756A (ja) 情報処理システム、情報処理方法、プログラム及び情報記憶媒体
CN106777282A (zh) 相关搜索的排序方法和装置
CN107885717A (zh) 一种关键词提取方法及装置
CN109284389A (zh) 一种文本数据的信息处理方法、装置
CN113779381A (zh) 资源推荐方法、装置、电子设备和存储介质
KR20130022075A (ko) 감성 어휘 정보 구축 방법 및 장치
Qu et al. A novel approach based on multi-view content analysis and semi-supervised enrichment for movie recommendation
CN108021619A (zh) 一种事件描述对象推荐方法及装置
CN107357781B (zh) 用于鉴别网页标题与正文关联度的系统及方法
CN108804491A (zh) 项目推荐方法、装置、计算设备及存储介质

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