CN105786857A - 一种提高视频聚合效率的方法及系统 - Google Patents

Abstract

本发明公开一种提高视频聚合效率的方法及系统，其中，方法包括步骤：A、选取一个视频网站作为主视频网站，获取其他视频网站与主视频网站同类视频之间的公共字段，所述公共字段包括视频名称、导演列表、演员列表或年代；B、对其他视频网站与主视频网站同类视频的所述公共字段进行比对，并将相同的视频进行聚合处理；其中，对于视频名称和年代的公共字段，采用文本内容相似性的方法处理，对于导演列表和演员列表采用相互包含的方法处理。本发明从而大大提高了聚合效率，其聚合更加准确。

Description

一种提高视频聚合效率的方法及系统

技术领域

本发明涉及视频聚合领域，尤其涉及一种提高视频聚合效率的方法及系统。

背景技术

在视频聚合领域中，云端需要抓取各大视频网站的视频资料、聚合并展示给用户。云端所需抓取的视频种类非常繁多：电影、电视剧、动漫、综艺等等；视频的数量也非常多。即使是同一个视频，因为来源于不同的视频网站，视频的标题、导演列表、演员列表以及年代也不尽相同，比如：同样是电视剧《特种兵之火凤凰》，在优酷网站它的标题名称是《特种兵之火凤凰TV版》，而在腾讯网站它的标题名称是《特种兵之火凤凰》。如果将这些未经聚合的视频原样展示给用户观看，同一个视频会出现很多次，会影响用户的观看体验，所以需采用一些方法将来自不同来源的视频，将有条件地聚合到一起，这就是“视频聚合”。

但是，仅仅简单地通过视频名称，其聚合的效率并不高，大约只能聚合30%左右，其余的大约70%的本来可能聚合的视频聚合不起来。

因此，现有技术还有待于改进和发展。

发明内容

鉴于上述现有技术的不足，本发明的目的在于提供一种提高视频聚合效率的方法及系统，旨在解决现有聚合方法聚合效率低的问题。

本发明的技术方案如下：

一种提高视频聚合效率的方法，其中，包括步骤：

A、选取一个视频网站作为主视频网站，获取其他视频网站与主视频网站同类视频之间的公共字段，所述公共字段包括视频名称、导演列表、演员列表或年代；

B、对其他视频网站与主视频网站同类视频的所述公共字段进行比对，并将相同的视频进行聚合处理；其中，对于视频名称和年代的公共字段，采用文本内容相似性的方法处理，对于导演列表和演员列表采用相互包含的方法处理。

所述的提高视频聚合效率的方法，其中，所述步骤A具体包括：

A01、创建两个基本视频库：原始视频库和聚合视频库；

A02、将各视频网站的视频资料采集到原始视频库中并独立的保存，并将其中一个视频网站作为主视频网站；

A03、将主视频网站的视频资料复制到聚合视频库中，作为视频比对资料。

所述的提高视频聚合效率的方法，其中，所述步骤B中，在按照视频名称和年代的公共字段进行聚合处理时：

若两视频的公共字段的相似度不小于50%，则两视频属于同一视频，对其进行聚合，否则两视频不可聚合。

所述的提高视频聚合效率的方法，其中，所述步骤B中，在按照导演列表和演员列表的公共字段进行聚合处理时：

若两视频的公共字段存在相互包含的关系，则两视频属于同一视频，对其聚合，否则两视频不可聚合。

所述的提高视频聚合效率的方法，其中，所述步骤B中，在进行聚合处理时，逐个对公共字段进行比对，在满足当前公共字段的聚合条件时，再对下一公共字段进行比对，在对所有公共字段进行比对处理时均可聚合，则判定比对的两视频属于同一视频。

一种提高视频聚合效率的系统，其中，包括：

公共字段获取模块，用于选取一个视频网站作为主视频网站，获取其他视频网站与主视频网站同类视频之间的公共字段，所述公共字段包括视频名称、导演列表、演员列表或年代；

视频聚合模块，用于对其他视频网站与主视频网站同类视频的所述公共字段进行比对，并将相同的视频进行聚合处理；其中，对于视频名称和年代的公共字段，采用文本内容相似性的方法处理，对于导演列表和演员列表采用相互包含的方法处理。

所述的提高视频聚合效率的系统，其中，所述公共字段获取模块具体包括：

创建单元，用于创建两个基本视频库：原始视频库和聚合视频库；

采集单元，用于将各视频网站的视频资料采集到原始视频库中并独立的保存，并将其中一个视频网站作为主视频网站；

复制单元，用于将主视频网站的视频资料复制到聚合视频库中，作为视频比对资料。

所述的提高视频聚合效率的系统，其中，所述视频聚合模块中，在按照视频名称和年代的公共字段进行聚合处理时：

若两视频的公共字段的相似度不小于50%，则两视频属于同一视频，对其进行聚合，否则两视频不可聚合。

所述的提高视频聚合效率的系统，其中，所述视频聚合模块中，在按照导演列表和演员列表的公共字段进行聚合处理时：

若两视频的公共字段存在相互包含的关系，则两视频属于同一视频，对其聚合，否则两视频不可聚合。

所述的提高视频聚合效率的系统，其中，所述视频聚合模块中，逐个对公共字段进行比对，在满足当前公共字段的聚合条件时，再对下一公共字段进行比对，在进行聚合处理时，在对所有公共字段进行比对处理时均可聚合，则判定比对的两视频属于同一视频。

有益效果：本发明根据各视频网站的不同特点，选择不同视频网站与主视频网站之间的公共字段，形成不同的聚合规则，然后按照不同的字段采用不同的处理方法，对于视频名称和年代采用文本内容相似性处理方法，对于导演列表和演员列表采用相互包含的处理方法，从而大大提高了聚合效率，其聚合更加准确。

附图说明

图1为本发明一种提高视频聚合效率的方法较佳实施例的流程图。

图2为图1所示方法中步骤S101的具体流程图。

图3为图1中各视频网站的电视剧信息的比较示意图。

图4为图1中各视频网站电视剧所具有的字段的列表示意图。

图5为图1中各视频网站电视剧的聚合规则的列表示意图。

图6为图1中采用本发明前后聚合效率对比示意图。

图7为本发明一种提高视频聚合效率的系统较佳实施例的结构框图。

图8为图7所示系统中公共字段获取模块的具体结构框图。

具体实施方式

本发明提供一种提高视频聚合效率的方法及系统，为使本发明的目的、技术方案及效果更加清楚、明确，以下对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

请参阅图1，图1为本发明一种提高视频聚合效率的方法较佳实施例的流程图，如图所示，其包括步骤：

S101、选取一个视频网站作为主视频网站，获取其他视频网站与主视频网站同类视频之间的公共字段，所述公共字段包括视频名称、导演列表、演员列表或年代；

S102、按照所述公共字段对其他视频网站与主视频网站同类视频进行比对，并将相同的视频进行聚合处理；其中，对于视频名称和年代的公共字段，采用文本内容相似性的方法处理，对于导演列表和演员列表采用相互包含的方法处理。

在本实施例中，其根据各视频网站之间的不同特点，选择主视频网站与其他视频网站之间的公共字段，根据这些公共字段对视频进行比对然后聚合，并且对于不同的公共字段采用不同的方法处理，即结合不同字段所具有的不同特点分类处理，从而最大限度地将视频聚合到一起，提高视频聚合的效率。

作为本发明更优选的实施例，如图2所示，所述步骤S101具体包括：

S201、创建两个基本视频库：原始视频库和聚合视频库；

S202、将各视频网站的视频资料采集到原始视频库中并独立的保存，并将其中一个视频网站作为主视频网站；

例如需要对优酷、腾讯、爱奇艺、pptv、搜狐、新浪这6个视频网站的电视剧聚合起来，那么需要将这6个视频网站的电视剧视频资料采集到原始视频库中各自独立的保存，同时确定一个主要的、资料比较完善的视频网站作为主视频网站（主视频源），例如以优酷作为主视频源。

S203、将主视频网站的视频资料复制到聚合视频库中，作为视频比对资料。主视频网站的视频资料将作为最基本的视频比对资料。

由于视频相关的信息很多，所以在聚合时，需要找到比较有代表性的字段信息，例如视频名称、年代、导演列表和演员列表。根据这几个字段来找到其他视频网站与主视频网站之间的规律，例如选取几个有代表性的电视剧视频信息进行比较，如图3所示。

通过该图可知，优酷和腾讯两个网站的“杜拉拉升职记”这个电视剧，相同点是都有视频名称和演员列表；优酷有年代信息，腾讯虽然有年代信息，但不全；优酷有导演列表，腾讯则没有；对于这两个电视剧，可通过视频名称和演员列表来进行比较聚合。不仅使这个电视剧，优酷和腾讯两个网站的电视剧信息均有此特点：在视频名称和演员列表中包含的信息比较多，而年代和导演列表则为空，所以对于这两个网站的电视剧，可采用视频名称和演员列表作为比较的依据。

对于这6个视频网站，其所具有的字段如图4所示。相应的，对于每个视频网站可制定一条聚合规则，那么这6个视频网站的电视剧聚合规则如图5所示。

以优酷和腾讯的电视剧为例：

规则1：表示视频名称：年代：演员列表。即：title:year:performer

规则2：表示视频名称：演员列表：演员列表。即：title:director:performer

那么在需要聚合处理时，只需选取其他视频网站与主视频网站之间的公共字段即可，例如对于优酷和腾讯的电视剧，只需比较视频名称和演员列表。

在步骤S102中，针对聚合视频的4个关键字段：视频名称、年代、导演列表和演员列表，不同的字段采用不同的处理方法，具体来说：

在按照视频名称和年代的公共字段进行聚合处理时：

若两视频的公共字段的相似度不小于50%，则两视频属于同一视频，对其进行聚合，否则两视频不可聚合。

以视频名称为例：

如果：视频A的名称与视频B的名称相同，那么这两个视频可能为同一视频，能够聚合。

如果：视频A的名称与视频B的名称不同，只是两个名称相似，即：视频A的名称部分字符包含视频B名称，或者视频B的名称部分字符包含视频A名称。

文本相似度X=视频A短标题与视频B长标题的相同部分长度/视频A长标题长度*100%，或者，文本相似度X=视频A短标题与视频B长标题的相同部分长度/视频B长标题长度*100%。

如果：文本相似度X>=50%，那么就认为这两个视频是相同的，能够聚合。

如果：文本相似度X<50%，那么就认为这两个视频是不同的，不能够聚合。

如果：视频A的名称与视频B的名称不同，且两个名称不相互包含。就认为是不同的，不能够聚合。

在按照导演列表和演员列表的公共字段进行聚合处理时：

若两视频的公共字段存在相互包含的关系，则两视频属于同一视频，对其聚合，否则两视频不可聚合。例如，视频A的演员列表为a和b，视频B的演员列表为a、b、c和d，那么将视频A的演员列表与视频B的演员列表进行比较，即可得出视频A和视频B是相互包含的，即视频B的演员列表包含视频A的演员列表。

以电影《杜拉拉升职记》为例来说明：

在优酷中的演员列表是：徐静蕾;莫文蔚

在腾讯中的演员列表是：吴佩慈;徐静蕾;莫文蔚;黄立行。

可见腾讯的演员列表包含了优酷的演员列表，就这个条件判断，这两个视频可聚合到一起。

进一步，在进行聚合处理时，逐个对公共字段进行比对，在满足当前公共字段的聚合条件时，再对下一公共字段进行比对，在对所有公共字段进行比对处理时均可聚合，则判定比对的两视频属于同一视频。例如先对视频名称进行比对，当满足聚合条件时，则再对年代进行比较，而如果不满足视频名称的聚合条件，则无需再对下一公共字段进行比较，这样可提高聚合效率，以及聚合准确率。

通过本发明的方法大大提高了视频聚合效率，以电视剧为例，采用本发明方法前后其聚合情况如图6所示，从该图可知，优酷聚合效率从原来的34.89%提高到90.15%；腾讯聚合效率从原来的29.45%提高到90.74%；PPTV聚合效率从原来的28.66%提高到91.11%；搜狐聚合效率从原来的29.85提高到90.26%；新浪的聚合效率从原来的28.66%提高到93.90%。综合聚合效率也大大提高，从原来的31.87%提高到90.56%。

例如，在采用视频名称和演员列表进行聚合处理时，则需要同时满足：通过视频名称判定可聚合和通过演员列表判定可聚合时，则两个视频可聚合到一起，虽然会稍许降低聚合效率，但可提高聚合准确性。

基于上述方法，本发明还提供提高视频聚合效率的系统较佳实施例，如图7所示，其包括：

公共字段获取模块100，用于选取一个视频网站作为主视频网站，获取其他视频网站与主视频网站同类视频之间的公共字段，所述公共字段包括视频名称、导演列表、演员列表或年代；

视频聚合模块200，用于对其他视频网站与主视频网站同类视频的所述公共字段进行比对，并将相同的视频进行聚合处理；其中，对于视频名称和年代的公共字段，采用文本内容相似性的方法处理，对于导演列表和演员列表采用相互包含的方法处理。

进一步，如图8所示，所述公共字段获取模块100具体包括：

创建单元110，用于创建两个基本视频库：原始视频库和聚合视频库；

采集单元120，用于将各视频网站的视频资料采集到原始视频库中并独立的保存，并将其中一个视频网站作为主视频网站；

复制单元130，用于将主视频网站的视频资料复制到聚合视频库中，作为视频比对资料。

进一步，所述视频聚合模块200中，在按照视频名称和年代的公共字段进行聚合处理时：

若两视频的公共字段的相似度不小于50%，则两视频属于同一视频，对其进行聚合，否则两视频不可聚合。

进一步，所述视频聚合模块200中，在按照导演列表和演员列表的公共字段进行聚合处理时：

若两视频的公共字段存在相互包含的关系，则两视频属于同一视频，对其聚合，否则两视频不可聚合。

进一步，所述视频聚合模块200中，在进行聚合处理时，逐个对公共字段进行比对，在满足当前公共字段的聚合条件时，再对下一公共字段进行比对，在对所有公共字段进行比对处理时均可聚合，则判定比对的两视频属于同一视频。

综上所述，本发明根据各视频网站的不同特点，选择不同视频网站与主视频网站之间的公共字段，形成不同的聚合规则，然后按照不同的字段采用不同的处理方法，对于视频名称和年代采用文本内容相似性处理方法，对于导演列表和演员列表采用相互包含的处理方法，从而大大提高了聚合效率，其聚合更加准确。

应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (10)

1.一种提高视频聚合效率的方法，其特征在于，包括步骤：

A、选取一个视频网站作为主视频网站，获取其他视频网站与主视频网站同类视频之间的公共字段，所述公共字段包括视频名称、导演列表、演员列表或年代；

B、对其他视频网站与主视频网站同类视频的所述公共字段进行比对，并将相同的视频进行聚合处理；其中，对于视频名称和年代的公共字段，采用文本内容相似性的方法处理，对于导演列表和演员列表采用相互包含的方法处理。

2.根据权利要求1所述的提高视频聚合效率的方法，其特征在于，所述步骤A具体包括：

A01、创建两个基本视频库：原始视频库和聚合视频库；

A02、将各视频网站的视频资料采集到原始视频库中并独立的保存，并将其中一个视频网站作为主视频网站；

A03、将主视频网站的视频资料复制到聚合视频库中，作为视频比对资料。

3.根据权利要求1所述的提高视频聚合效率的方法，其特征在于，所述步骤B中，在按照视频名称和年代的公共字段进行聚合处理时：

若两视频的公共字段的相似度不小于50%，则两视频属于同一视频，对其进行聚合，否则两视频不可聚合。

4.根据权利要求1所述的提高视频聚合效率的方法，其特征在于，所述步骤B中，在按照导演列表和演员列表的公共字段进行聚合处理时：

若两视频的公共字段存在相互包含的关系，则两视频属于同一视频，对其聚合，否则两视频不可聚合。

5.根据权利要求1所述的提高视频聚合效率的方法，其特征在于，所述步骤B中，在进行聚合处理时，逐个对公共字段进行比对，在满足当前公共字段的聚合条件时，再对下一公共字段进行比对，在对所有公共字段进行比对处理时均可聚合，则判定比对的两视频属于同一视频。

6.一种提高视频聚合效率的系统，其特征在于，包括：

公共字段获取模块，用于选取一个视频网站作为主视频网站，获取其他视频网站与主视频网站同类视频之间的公共字段，所述公共字段包括视频名称、导演列表、演员列表或年代；

视频聚合模块，用于对其他视频网站与主视频网站同类视频的所述公共字段进行比对，并将相同的视频进行聚合处理；其中，对于视频名称和年代的公共字段，采用文本内容相似性的方法处理，对于导演列表和演员列表采用相互包含的方法处理。

7.根据权利要求6所述的提高视频聚合效率的系统，其特征在于，所述公共字段获取模块具体包括：

创建单元，用于创建两个基本视频库：原始视频库和聚合视频库；

采集单元，用于将各视频网站的视频资料采集到原始视频库中并独立的保存，并将其中一个视频网站作为主视频网站；

复制单元，用于将主视频网站的视频资料复制到聚合视频库中，作为视频比对资料。

8.根据权利要求6所述的提高视频聚合效率的系统，其特征在于，所述视频聚合模块中，在按照视频名称和年代的公共字段进行聚合处理时：

若两视频的公共字段的相似度不小于50%，则两视频属于同一视频，对其进行聚合，否则两视频不可聚合。

9.根据权利要求6所述的提高视频聚合效率的系统，其特征在于，所述视频聚合模块中，在按照导演列表和演员列表的公共字段进行聚合处理时：

若两视频的公共字段存在相互包含的关系，则两视频属于同一视频，对其聚合，否则两视频不可聚合。

10.根据权利要求6所述的提高视频聚合效率的系统，其特征在于，所述视频聚合模块中，在进行聚合处理时，逐个对公共字段进行比对，在满足当前公共字段的聚合条件时，再对下一公共字段进行比对，在对所有公共字段进行比对处理时均可聚合，则判定比对的两视频属于同一视频。