CN107493467B - 一种视频质量评估方法及装置 - Google Patents
一种视频质量评估方法及装置 Download PDFInfo
- Publication number
- CN107493467B CN107493467B CN201710547616.4A CN201710547616A CN107493467B CN 107493467 B CN107493467 B CN 107493467B CN 201710547616 A CN201710547616 A CN 201710547616A CN 107493467 B CN107493467 B CN 107493467B
- Authority
- CN
- China
- Prior art keywords
- video
- parameter
- smoothing parameter
- classification
- determined
- 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
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/004—Diagnosis, testing or measuring for television systems or their details for digital television systems
Abstract
本发明提供了一种视频质量评估方法及装置,属于视频处理技术领域。本发明提供的视频质量评估方法及装置,在确定点击率的时候,通过视频的平滑参数,确定视频的点击率。由于该平滑参数是根据该视频所属的类别中的每个视频的点击次数以及展示次数确定的,即就是根据该视频的同类视频被用户点击以及展示的行为,确定平滑参数。由于同类视频被用户点击以及展示的行为具有相似性,因此平滑参数能够对视频的点击次数以及展示次数起到修正作用,根据平滑参数确定的视频点击率可以更加贴近实际,以该点击率为依据,对视频进行质量评估时,能够更准确的评估该视频的质量。
Description
技术领域
本发明属于视频处理技术领域,特别是涉及一种视频质量评估方法及装置。
背景技术
在通过关键词进行视频搜索的时候,通常会将与搜索关键词相关联的视频按照一定的顺序展示给用户。为了能够更合理的对视频搜索结果排序,需要将与搜索词关联度高且质量好的视频排在靠前的位置。因此,如何对视频进行质量评估,成为人们广泛关注的问题。
现有技术中,通常是利用视频本身的点击次数以及展示次数,确定点击率,根据该点击率对视频进行质量评估。
在实现本发明的过程中,发明人发现现有技术中存在至少如下问题:
视频本身的点击次数以及展示次数,受进入视频系统的时长影响较大,例如,进入视频系统时间越长的视频,展示次数以及点击次数越接近实际,根据该点击次数以及展示次数确定的点击率,会更加贴近实际。而进入视频系统时间越短的视频,展示次数以及点击次数非常少,根据该点击次数以及展示次数确定的点击率,会不太贴近实际。因此,仅通过视频本身的点击次数以及展示次数确定的点击率,不能准确的反映视频本身的质量,容易出现质量评估不准确的情况。示例的,对于进入视频系统时间很短的视频A,它的展示次数为1,点击次数为1,根据该展示次数以及点击次数确定出来的点击率为100%,随着视频A进入视频系统时间的增加,展示次数为20,点击次数为2,此时点击率为10%。由此可见,进入视频系统的时长,对视频 A本身的点击次数以及展示次数影响较大。因此,将利用视频本身的点击次数以及展示次数确定的点击率,作为视频A质量评估的依据,会导致质量评估不准确。同时,对于刚进入视频系统的视频,本身没有点击次数以及展示次数,会导致无法对该视频进行质量评估。
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视频质量评估方法及装置。
依据本发明的第一方面,提供了一种视频质量评估方法,包括:
确定视频所属的类别;
根据所述视频所属的类别确定所述视频的平滑参数;所述平滑参数包括第一平滑参数以及第二平滑参数,所述第一平滑参数以及所述第二平滑参数是根据所述视频所属的类别中每个视频的点击次数以及展示次数确定的;
根据所述平滑参数,确定所述视频的点击率;
根据所述点击率,对视频进行质量评估。
可选的,所述视频包括第一视频;所述根据所述平滑参数,确定所述视频的点击率的步骤,包括:
当所述视频为第一视频时,分析行为日志,确定所述第一视频的展示次数、点击次数以及长点击次数;
将所述第一视频的点击次数和第一平滑参数之和与所述第一视频的展示次数与第二平滑参数之和的比值,确定为所述第一视频的点击率;
或,将所述第一视频的长点击次数和第一平滑参数之和与所述第一视频的展示次数与第二平滑参数之和的比值,确定为所述第一视频的点击率。
可选的,所述视频还包括第二视频;所述根据所述平滑参数,确定所述视频的点击率的步骤,包括:
当所述视频为第二视频时,将第一平滑参数与第二平滑参数的比值,确定为所述第二视频的点击率。
可选的,所述确定视频所属的类别的步骤,包括:
根据视频的特征,与预设库中的至少一个视频类别进行匹配,将匹配成功的视频类别确定为所述视频所属的类别;
所述预设库中包括至少一个视频类别以及与所述至少一个视频类别对应的平滑参数。
可选的,所述视频所属的类别中包含与所述视频属性相同的多个同类视频;在所述根据所述视频所属的类别确定所述视频的平滑参数的步骤之前,所述方法还包括:
根据所述视频所属的类别中每个同类视频的展示次数以及点击次数计算所述视频所属的类别的似然函数;
对所述似然函数做对数运算,得到所述视频所属的类别的对数似然函数;
分别对所述对数似然函数进行第一求导运算以及第二求导运算,得到第一参数迭代式以及第二参数迭代式;
对所述第一参数迭代式以及所述第二参数迭代式进行迭代,得到第一参数以及第二参数;
将所述第一参数确定为所述视频所属的类别第一平滑参数,将所述第一参数与所述第二参数之和确定为所述视频所属的类别第二平滑参数。
依据本发明的第二方面,提供了一种视频质量评估装置方法,包括:
第一确定模块,用于确定视频所属的类别;
第二确定模块,用于根据所述视频所属的类别确定所述视频的平滑参数;所述平滑参数包括第一平滑参数以及第二平滑参数,所述第一平滑参数以及所述第二平滑参数是根据所述视频所属的类别中每个视频的点击次数以及展示次数确定的;
第三确定模块,用于根据所述平滑参数,确定所述视频的点击率;
质量评估模块,用于根据所述点击率,对视频进行质量评估。
可选的,所述第三确定模块,包括:
第一确定子模块,用于当所述视频为第一视频时,分析行为日志,确定所述第一视频的展示次数、点击次数以及长点击次数;
第二确定子模块,用于将所述第一视频的点击次数和第一平滑参数之和与所述第一视频的展示次数与第二平滑参数之和的比值,确定为所述第一视频的点击率;
或,第三确定子模块,用于将所述第一视频的长点击次数和第一平滑参数之和与所述第一视频的展示次数与第二平滑参数之和的比值,确定为所述第一视频的点击率。
可选的,所述第三确定模块,包括:
第四确定子模块,用于当所述视频为第二视频时,将第一平滑参数与第二平滑参数的比值,确定为所述第二视频的点击率。
可选的,所述第一确定模块,包括:
匹配子模块,用于根据视频的特征,与预设库中的至少一个视频类别进行匹配,将匹配成功的视频类别确定为所述视频所属的类别;
所述预设库中包括至少一个视频类别以及与所述至少一个视频类别对应的平滑参数。
可选的,所述装置,还包括:
计算模块,用于根据所述视频所属的类别中每个同类视频的展示次数以及点击次数计算所述视频所属的类别的似然函数;
运算模块,用于对所述似然函数做对数运算,得到所述视频所属的类别的对数似然函数;
求导模块,用于分别对所述对数似然函数进行第一求导运算以及第二求导运算,得到第一参数迭代式以及第二参数迭代式;
迭代模块,用于对所述第一参数迭代式以及所述第二参数迭代式进行迭代,得到第一参数以及第二参数;
第四确定模块,用于将所述第一参数确定为所述视频所属的类别第一平滑参数,将所述第一参数与所述第二参数之和确定为所述视频所属的类别第二平滑参数。
针对现有技术,本发明具备如下优点:
本发明实施例提供的视频质量评估方法及装置,在确定点击率的时候,通过视频的平滑参数,确定视频的点击率。由于该平滑参数是根据该视频所属的类别中的每个视频的点击次数以及展示次数确定的,即就是根据该视频的同类视频被用户点击以及展示的行为,确定平滑参数。由于同类视频被用户点击以及展示的行为具有相似性,因此平滑参数能够对视频的点击次数以及展示次数起到修正作用,根据平滑参数确定的视频点击率可以更加贴近实际,以该点击率为依据,对视频进行质量评估时,能够更准确的评估该视频的质量。
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是本发明实施例提供的一种视频质量评估方法的步骤流程图;
图2是本发明实施例提供的另一种视频质量评估方法的步骤流程图;
图3是本发明实施例提供的一种视频质量评估装置的框图;
图4是本发明实施例提供的另一种视频质量评估装置的框图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明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发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
图1是本发明实施例提供的一种视频质量评估方法的步骤流程图,如图 1所示,该方法可以包括:
步骤101、确定视频所属的类别。
本发明实施例中视频所属的类别可以是多个视频类别中的一种。其中,该视频类别可以是根据视频系统中当前所有视频的特征预先设置的,每一个视频类别中包括特征相同的至少一个视频,本发明实施例对于一个视频类别中包括的具体视频个数不做限定。
步骤102、根据所述视频所属的类别确定所述视频的平滑参数。
该平滑参数可以包括第一平滑参数以及第二平滑参数,该第一平滑参数以及第二平滑参数是根据视频所属的类别中每个视频的点击次数以及展示次数确定的
视频所属的类别中包括了多个和该视频具有相同特征的同类视频,由于同类视频被用户点击以及展示的行为具有相似性,根据该视频的同类视频的点击次数以及展示次数确定的第一平滑参数以及第二平滑参数,可以作为先验信息,修正由进入视频系统时长影响产生的视频质量评估偏差。需要说明的是,视频类别中包括的视频个数越多,该视频类别对应的平滑参数就更加具有代表性。
步骤103、根据所述平滑参数,确定所述视频的点击率。
根据该平滑参数确定视频的点击率时,由于平滑参数是根据和该视频具有相同特征的同类视频的点击次数以及展示次数确定的,作为先验信息,该平滑参数可以对该视频的点击率起到修正作用,使得确定出的视频的点击率更加贴近实际,进而使得视频的质量评估更加准确。
步骤104、根据所述点击率,对视频进行质量评估。
示例的,在对视频进行质量评估的时候,可以是按照点击率越高,视频质量越高的原则来进行评估。
综上所述,本发明实施例提供的视频质量评估方法,在确定点击率的时候,通过视频的平滑参数,确定视频的点击率。由于该平滑参数是根据该视频所属的类别中的每个视频的点击次数以及展示次数确定的,即就是根据该视频的同类视频被用户点击以及展示的行为,确定平滑参数。由于同类视频被用户点击以及展示的行为具有相似性,因此平滑参数能够对视频的点击次数以及展示次数起到修正作用,根据平滑参数确定的视频点击率可以更加贴近实际,以该点击率为依据,对视频进行质量评估时,能够更准确的评估该视频的质量。
图2是本发明实施例提供的另一种视频质量评估方法的步骤流程图,如图2所示,该方法可以包括:
步骤201、根据视频的特征,与预设库中的至少一个视频类别进行匹配,将匹配成功的视频类别确定为所述视频所属的类别。
该视频的特征可以为多个特征,本发明实施例中的视频特征可以包括:视频时长、视频类型、视频频道以及视频来源网站。该预设库是预先设置的,存储有视频类别以及视频类别对应的平滑参数的数据库,该预设库中包括了至少一个视频类别以及与该至少一个视频类别对应的平滑参数。每一个视频类别都有各自对应的平滑参数,在每一个视频类别包括特征相同的至少一个视频,该视频类别可以是根据视频的特征对视频系统中当前所有视频进行分类,得到的视频类别。在根据视频特征对视频系统中当前所有视频进行分类的时候,可以是根据视频时长、视频类型、视频频道以及视频来源网站这四个特征来分类。
其中,视频时长表示视频的时间长度,一般为实数值;视频类型一般可以包括专辑,直播视频,用户原创内容视频(User Generated Content,UGC)、专业原创内容视频(Professional Generated Content,PGC)等;视频频道可以包括电影,电视剧,记录片,动漫,综艺,游戏等;视频来源网站可以包括某奇艺,某酷,某狐,某哔哩哔哩等。
示例的,在进行分类的时候,可以将视频时长、视频类型、视频频道以及视频来源网站这四个特征都一致的视频划分为一类、例如,可以将视频系统中视频时长小于等于120秒、视频类型为直播视频、视频频道为游戏以及视频来源网站为某酷的所有视频分为第一类,记作视频类别I;将视频时长大于120秒小于等于300秒、视频类型为UGC视频、视频频道为综艺以及视频来源网站为某哔哩哔哩的所有视频分为第二类,记作视频类别II,以此类推,来进行视频分类,得到视频类别。
实际应用中,该预设库可以是以配置文件的形式存储在本地客户端中,还可以是存储在视频服务器中,本发明实施例对此不做限定。
由于视频类别是根据视频特征设置的,即就是,每一个视频类别都有对应的特征,在确定视频所属的类别的时候,可以将该视频的特征和每个视频类别对应的特征,进行匹配,确定视频所属的类别。
例如,预设库中包含视频类别I,视频类别II以及视频类别III。其中,视频类别I对应的特征为:A1、B1、C1、D1视频类别II对应的特征为:A2、 B2、C2、D2视频类别III对应的特征为:A3、B3、C3、D3。
视频a的特征为:A2、B2、C2、D2,利用该视频a的特征和预设库中的三个视频类别的特征分别进行匹配,由于视频类别II的特征和该视频a的特征相同,即就是,视频类别II为匹配成功的视频类别。因此可以确定该视频a所属的视频类别为:视频类别II。
步骤202、根据所述视频所属的类别中每个同类视频的展示次数以及点击次数计算所述视频所属的类别的似然函数。
示例的,假设视频所属的类别为视频类别I,该视频类别I中包括了N 个视频(1,2,3,…,N),该N个视频的展示次数为(I1,I2,…,IN),该N个视频的点击次数为(C1,C2,…,CN),以计算视频类别I对应的第一平滑参数以及第二平滑参数为例,对确定第一平滑参数以及第二平滑参数的过程进行说明。
首先,假设视频i的点击次数Ci服从伯努利分布Binomial(Ii,ri),其中, Ii表示视频i的展示次数,ri表示视频i的点击率;视频i的点击率满足贝塔分布Beta(α,β),该贝塔分布的参数为第一参数α和第二参数β。
通过计算得到该视频所属类别的似然函数为:
步骤203、对所述似然函数做对数运算,得到所述视频所属的类别的对数似然函数。
具体的,可以对上述视频似然函数取对数,可以得到视频所属的类别的对数似然函数为:
步骤204、分别对所述对数似然函数进行第一求导运算以及第二求导运算,得到第一参数迭代式以及第二参数迭代式。
示例的,可以将上述对数似然函数对第一参数α求导,可以得到:
然后将上述对数似然函数对第二参数β求导,可以得到:
根据上述对第一参数α和第二参数β求导的结果,可以得到第一参数迭代式以及第二参数迭代式分别为:
步骤205、对所述第一参数迭代式以及所述第二参数迭代式进行迭代,得到第一参数以及第二参数。
示例的,可以对上述得到的第一参数迭代式αnew以及第二参数迭代式βnew,进行迭代求解,得到第一参数α和第二参数β的值。
步骤C、根据参数α和β的值,确定第一平滑参数以及第二平滑参数。
步骤206、将所述第一参数确定为所述视频所属的类别第一平滑参数,将所述第一参数与所述第二参数之和确定为所述视频所属的类别第二平滑参数。
具体的,可以将参数α的值确定为视频类别I的第一平滑参数的值,将α+β确定为视频类别I的第二平滑参数的值。
步骤207、根据所述视频所属的类别确定所述视频的平滑参数。
示例的,可以将上述步骤206中确定出来的视频所属的类别的平滑参数确定为该视频的平滑参数。实际应用中,可以在对视频系统中的视频完成分类后,可以计算每个视频分类对应的平滑参数,然后将每个视频分类以及对应的平滑参数存入预设数据库中。这样,在确定出来视频所属的类别之后,可以采用查找的方式,直接从该预设库中查找该视频所属类别对应的平滑参数,这样可以省略确定过程中的计算步骤,进而节省了时间。
步骤208、根据所述平滑参数,确定所述视频的点击率。
该视频可以包括第一视频以及第二视频。其中,该第一视频为进入视频系统时间较长,存在点击次数以及展示次数的视频,第二视频为新进入视频系统,不存在点击次数以及展示次数的视频。
当该视频为第一视频时,可以通过如下步骤计算第一视频的点击率,具体的,步骤208可以包括:
步骤2081、当所述视频为第一视频时,分析行为日志,确定所述第一视频的展示次数、点击次数以及长点击次数。
该行为日志是对用户的各种操作的记录,一般由多条行为记录组成,它没有固定的格式,通常是文本文件,可以用记事本打开以查看内容。示例的,该行为日志可以为log文件,该行为日志可以是由视频服务器记录的。
其中,展示次数是通过对用户对视频的展示行为的次数进行统计获得的,点击次数是通过对用户对视频的点击行为的次数进行统计获得的,长点击次数是通过对用户对视频的长点击行为的次数进行统计获得的。
用户对于视频的点击行为可以划分为长点击行为和短点击行为。相应的,视频的点击次数可以分为长点击次数以及短点击次数。本发明实施例中的长点击行为可以是根据视频的时长以及视频被点击观看的时长信息确定的。示例的,长点击行为可以是指观看时长大于长观看阈值或者观看时长与视频时长的比值大于长比值阈值的点击行为,短点击行为是指观看时长小于短观看阈值或观看时长与视频时长的比值小于短比值阈值的点击行为。一个视频的长点击次数越多,可以认为该视频对于用户的吸引力更大,该视频的质量越高。
上述公式为点击行为划分公式,其中,click表示点击行为,longclick 表示长点击行为,shortclick表示短点击行为,clickduration,表示观看时长, duration表示视频时长,LC表示长观看阈值,LR表示长比值阈值,SC表示短观看阈值,SR表示短比值阈值。
长观看阈值LC、长比值阈值LR、短观看阈值SC以及短比值阈值SR 可以是基于视频系统中当前所有视频的观看时长分布和观看时长比值分布来设置。在设置阈值的时候,可以设置相同的长观看阈值LC和短观看阈值 SC,以及相同的长比值阈值LR和短比值阈值SR,例如,LC=SC=80秒、 LR=SR=0.5,将观看时长大于80秒或者观看时长与视频时长比值大于0.5的点击行为,确定为长点击行为,将观看时长小于80秒或者观看时长与视频时长比值小于0.5的点击行为,确定为短点击行为;同时,也可以设置不相同的长观看阈值和短观看阈值,以及不相同的长比值阈值和短比值阈值,例如,LC=120s、LR=0.8、SC=40s、SR=0.2,将观看时长大于120秒或者观看时长与视频时长比值大于0.8的点击行为,确定为长点击行为,将观看时长小40秒或者观看时长与视频时长比值小于0.2的点击行为,确定为短点击行为,本发明实施例对于长观看阈值LC、长比值阈值LR、短观看阈值SC以及短比值阈值SR的具体设置,不作限定。
在确定展示次数以及点击次数时,可以通过分析行为记录中的统一资源定位符(Uniform Resource Locator,URL)来确定,URL也被称为网页地址,是因特网上标准的资源的地址。用户可以通过URL请求网络上的相应资源。当某个视频被展示或者点击的时候,该次展示操作或者点击操作会对应生成一条行为记录,该条行为记录中的URL会包括该视频的展示链接或者点击链接。例如,行为记录1中的URL包括某视频的展示链接,那么可将该视频的展示次数加1,行为记录2中的URL包括某视频的点击链接,那么可将该视频的点击次数加1,以此类推,就可以确定出展示次数以及点击次数。
在确定展示次数以及点击次数时,可以通过分析行为记录中的统一资源定位符(Uniform Resource Locator,URL)以及时间戳来确定,其中,时间戳可以指示该条行为记录的产生时间。示例的,通过分析行为记录3发现,用户“张三”在2017:04:24:12:10:03时,打开了视频a,通过分析行为记录4发现,用户“张三”在2017:04:24:12:20:03时,关闭了视频a。两者的时间之差为600秒,该时间之差即为视频的观看时长。以长观看阈值为120 秒为例,由于观看时长600s大于长观看阈值120秒。因此,可以确定该点击行为是长点击行为,对应的,可以将该视频a对应的长点击次数加1,以此类推,统计长点击次数。
步骤2082、将所述第一视频的点击次数和第一平滑参数之和与所述第一视频的展示次数与第二平滑参数之和的比值,确定为所述第一视频的点击率。
示例的,可以通过下述点击率确定公式来确定第一视频的点击率
Ctr=(Clk+α)/(Imp+α+β)
其中,Ctr表示点击率,Imp表示展示次数,Clk表示点击次数,α表示第一平滑参数,α+β表示第二平滑参数。
以该第一视频的点击次数为30、第一平滑参数为160、展示次数为400 以及第二平滑参数为1800为例进行说明,可以将点击次数和第一平滑参数之和190与展示次数与第二平滑参数之和2200的比值190/2200=8.6%确定为点击率。
当视频进入视频系统的时间不是很长的时候,根据每个视频本身的点击次数以及展示次数计算出来的点击率与实际点击率相差会比较很大,不能准确的反映视频的质量。例如,一个视频进入视频系统一天,被展示了1次,点击了1次,那么点击率就是100%,当这个视频进入视频系统一个月时候,被展示了1000,点击了300次,点击率就是30%,可以看出数据有明显的差异,在进行质量评估的时候,以该100%的点击率作为评估依据和以该30%的点击率作为评估依据,评估出来的视频质量会有较大的偏差。本发明实施例在确定视频点击率时,根据和该视频具有相同特征的同类视频确定出平滑参数,作为先验信息。通过平滑参数,来确定点击率,即就是,根据先验信息,为视频的本身的点击次数以及展示次数都加上一个比较大的常数,缓解由进行视频系统的时长,带来的不准确性,这样根据点击率进行质量评估时,就不会有较大的偏差,能更准确的评估视频的质量。
本发明实施例,还可以通过下述可实现方式来确定第一视频的点击率:
步骤A、将所述第一视频的长点击次数和第一平滑参数之和与所述第一视频的展示次数与第二平滑参数之和的比值,确定为所述第一视频的点击率。
视频的长点击次数可以更好的体现视频的质量,一个视频的长点击次数越高,可以认为该视频对于用户的吸引力更大,该视频的质量越高。在计算视频的点击率来对视频进行评估的时候,根据长点击次数确定视频的点击率,可以使得确定出来的点击率更加贴近实际,能够更好的反应视频的实际质量,使得视频质量评估的准确率更高。
以该第一视频的长点击次数为20、第一平滑参数为160展示次数为400 以及第二平滑参数为1800为例进行说明,可以将长点击次数和第一平滑参数之和180与展示次数与第二平滑参数之和2200的比值180/2200=8.2%确定为点击率。
当该视频为第二视频时,即就是,该视频为新进入系统的视频,可以通过如下步骤计算第二视频的点击率:
步骤B、当所述视频为第二视频时,将第一平滑参数与第二平滑参数的比值,确定为所述第二视频的点击率。
由于新进入系统的视频,还没有展示次数以及点击次数,可以直接将该第二视频的第一平滑参数以及第二平滑参数的比值,确定为该第二视频的点击率,由于第一平滑参数以及第二平滑参数是根据和该第二视频具有相同特征的同类视频确定出来的,由于同类视频被用户点击的行为具有相似性,因此根据用户点击行为评估的视频质量也就相似,因此可以将该第二视频的第一平滑参数以及第二平滑参数的比值,确定为该第二视频的点击率,利用该点击率对第二视频进行质量评估,也可以准确的体现该第二视频的质量。
以该第二视频的第一平滑参数为160,第二平滑参数为1800为例进行说明,可以将第一平滑参数与第二平滑参数的比值160/1800=8.8%确定为该第二视频的点击率。
步骤209、根据所述点击率,对视频进行质量评估。
示例的,在对视频进行质量评估的时候,可以是按照点击率越高,视频质量越高的原则来进行评估。
例如,视频a的点击率为6.7%、视频b的点击率为9.8%,由于 9.8%>>6.7%,因此可以确定,视频b的质量高于视频a的质量。在完成质量评估之后,可以根据视频的质量来对搜索结果排序,在根据用户键入的搜索关键词将相关联的视频展示给用户的时候,可以将这些关联视频中质量高的视频排在视频搜索结果靠前的位置,将质量较低的视频排在视频搜索结果靠后的位置,以此提高搜索效率以及用户搜索体验。
综上所述,本发明实施例提供的视频质量评估方法,在确定点击率的时候,通过视频的平滑参数,确定视频的点击率。由于该平滑参数是根据该视频所属的类别中的每个视频的点击次数以及展示次数确定的,即就是根据该视频的同类视频被用户点击以及展示的行为,确定平滑参数。由于同类视频被用户点击以及展示的行为具有相似性,因此平滑参数能够对视频的点击次数以及展示次数起到修正作用,根据平滑参数确定的视频点击率可以更加贴近实际,以该点击率为依据,对视频进行质量评估时,能够更准确的评估该视频的质量;同时还可以利用长点击次数来确定点击率,由于视频的长点击次数可以更好的体现视频的质量,因此,可以使得确定出来的点击率更加贴近实际,能够更好的反应视频的实际质量,使得视频质量评估的准确率更高。
图3是本发明实施例提供的一种视频质量评估装置的框图,如图3所示,该装置30可以包括:
第一确定模块301,用于确定视频所属的类别。
第二确定模块302,用于根据所述视频所属的类别确定所述视频的平滑参数;所述平滑参数包括第一平滑参数以及第二平滑参数,所述第一平滑参数以及所述第二平滑参数是根据所述视频所属的类别中每个视频的点击次数以及展示次数确定的;
第三确定模块303,用于根据所述平滑参数,确定所述视频的点击率。
质量评估模块304,用于根据所述点击率,对视频进行质量评估。
综上所述,本发明实施例提供的视频质量评估装置,在确定点击率的时候,通过视频的平滑参数,确定视频的点击率。由于该平滑参数是根据该视频所属的类别中的每个视频的点击次数以及展示次数确定的,即就是根据该视频的同类视频被用户点击以及展示的行为,确定平滑参数。由于同类视频被用户点击以及展示的行为具有相似性,因此平滑参数能够对视频的点击次数以及展示次数起到修正作用,根据平滑参数确定的视频点击率可以更加贴近实际,以该点击率为依据,对视频进行质量评估时,能够更准确的评估该视频的质量。
图4是本发明实施例提供的另一种视频质量评估装置的框图,如图4所示,该装置40可以包括:
第一确定模块401,用于确定视频所属的类别。
第二确定模块402,用于根据所述视频所属的类别确定所述视频的平滑参数;所述平滑参数包括第一平滑参数以及第二平滑参数,所述第一平滑参数以及所述第二平滑参数是根据所述视频所属的类别中每个视频的点击次数以及展示次数确定的。
第三确定模块403,用于根据所述平滑参数,确定所述视频的点击率。
质量评估模块404,用于根据所述点击率,对视频进行质量评估。
计算模块405,用于根据所述视频所属的类别中每个同类视频的展示次数以及点击次数计算所述视频所属的类别的似然函数。
运算模块406,用于对所述似然函数做对数运算,得到所述视频所属的类别的对数似然函数。
求导模块407,用于分别对所述对数似然函数进行第一求导运算以及第二求导运算,得到第一参数迭代式以及第二参数迭代式。
迭代模块408,用于对所述第一参数迭代式以及所述第二参数迭代式进行迭代,得到第一参数以及第二参数。
第四确定模块409,用于将所述第一参数确定为所述视频所属的类别第一平滑参数,将所述第一参数与所述第二参数之和确定为所述视频所属的类别第二平滑参数。
可选的,上述第三确定模块403,可以包括:
第一确定子模块,用于当所述视频为第一视频时,分析行为日志,确定所述第一视频的展示次数、点击次数以及长点击次数;
第二确定子模块,用于将所述第一视频的点击次数和第一平滑参数之和与所述第一视频的展示次数与第二平滑参数之和的比值,确定为所述第一视频的点击率;
或,第三确定子模块,用于将所述第一视频的长点击次数和第一平滑参数之和与所述第一视频的展示次数与第二平滑参数之和的比值,确定为所述第一视频的点击率。
可选的,上述第三确定模块403,还可以包括:
第四确定子模块,用于当所述视频为第二视频时,将第一平滑参数与第二平滑参数的比值,确定为所述第二视频的点击率。
可选的,上述第一确定模块401,可以包括:
匹配子模块,用于根据视频的特征,与预设库中的至少一个视频类别进行匹配,将匹配成功的视频类别确定为所述视频所属的类别;
所述预设库中包括至少一个视频类别以及与所述至少一个视频类别对应的平滑参数。
综上所述,本发明实施例提供的视频质量评估装置,在确定点击率的时候,通过视频的平滑参数,确定视频的点击率。由于该平滑参数是根据该视频所属的类别中的每个视频的点击次数以及展示次数确定的,即就是根据该视频的同类视频被用户点击以及展示的行为,确定平滑参数。由于同类视频被用户点击以及展示的行为具有相似性,因此平滑参数能够对视频的点击次数以及展示次数起到修正作用,根据平滑参数确定的视频点击率可以更加贴近实际,以该点击率为依据,对视频进行质量评估时,能够更准确的评估该视频的质量;同时还可以利用长点击次数来确定点击率,由于视频的长点击次数可以更好的体现视频的质量,因此,可以使得确定出来的点击率更加贴近实际,能够更好的反应视频的实际质量,使得视频质量评估的准确率更高。
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,上述描述的装置、模块和子模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
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权利要求的保护范围为准。
Claims (6)
1.一种视频质量评估方法,其特征在于,包括:
确定视频所属的类别;
根据所述视频所属的类别确定所述视频的平滑参数;其中,所述平滑参数包括第一平滑参数以及第二平滑参数,所述第一平滑参数以及所述第二平滑参数是根据所述视频所属的类别中每个同类视频的点击次数以及展示次数确定的;
其中,确定所述第一平滑参数以及第二平滑参数的步骤包括:所述视频所属的类别中包含与所述视频属性相同的多个同类视频;根据所述视频所属的类别中每个同类视频的展示次数以及点击次数计算所述视频所属的类别的似然函数;对所述似然函数做对数运算,得到所述视频所属的类别的对数似然函数;分别对所述对数似然函数进行第一求导运算以及第二求导运算,得到第一参数迭代式以及第二参数迭代式;对所述第一参数迭代式以及所述第二参数迭代式进行迭代,得到第一参数以及第二参数;将所述第一参数确定为所述视频所属的类别第一平滑参数,将所述第一参数与所述第二参数之和确定为所述视频所属的类别第二平滑参数;
根据所述平滑参数,确定所述视频的点击率;所述视频包括第一视频;所述第一视频为进入视频系统时间较长,存在点击次数以及展示次数的视频;所述根据所述平滑参数,确定所述视频的点击率的步骤,包括:当所述视频为第一视频时,分析行为日志,确定所述第一视频的展示次数、点击次数以及长点击次数;将所述第一视频的点击次数和第一平滑参数之和与所述第一视频的展示次数与第二平滑参数之和的比值,确定为所述第一视频的点击率;或,将所述第一视频的长点击次数和第一平滑参数之和与所述第一视频的展示次数与第二平滑参数之和的比值,确定为所述第一视频的点击率;
根据所述点击率,对视频进行质量评估。
2.根据权利要求1所述的方法,其特征在于,所述视频还包括第二视频;所述第二视频为新进入视频系统,不存在点击次数以及展示次数的视频;所述根据所述平滑参数,确定所述视频的点击率的步骤,包括:
当所述视频为第二视频时,将第一平滑参数与第二平滑参数的比值,确定为所述第二视频的点击率。
3.根据权利要求1所述的方法,其特征在于,所述确定视频所属的类别的步骤,包括:
根据视频的特征,与预设库中的至少一个视频类别进行匹配,将匹配成功的视频类别确定为所述视频所属的类别。
4.一种视频质量评估装置,其特征在于,包括:
第一确定模块,用于确定视频所属的类别;
第二确定模块,用于根据所述视频所属的类别确定所述视频的平滑参数;所述平滑参数包括第一平滑参数以及第二平滑参数,所述第一平滑参数以及所述第二平滑参数是根据所述视频所属的类别中每个视频的点击次数以及展示次数确定的;
计算模块,用于根据所述视频所属的类别中每个同类视频的展示次数以及点击次数计算所述视频所属的类别的似然函数;
运算模块,用于对所述似然函数做对数运算,得到所述视频所属的类别的对数似然函数;
求导模块,用于分别对所述对数似然函数进行第一求导运算以及第二求导运算,得到第一参数迭代式以及第二参数迭代式;
迭代模块,用于对所述第一参数迭代式以及所述第二参数迭代式进行迭代,得到第一参数以及第二参数;
第四确定模块,用于将所述第一参数确定为所述视频所属的类别第一平滑参数,将所述第一参数与所述第二参数之和确定为所述视频所属的类别第二平滑参数;
第三确定模块,用于根据所述平滑参数,确定所述视频的点击率;所述视频包括第一视频;所述第一视频为进入视频系统时间较长,存在点击次数以及展示次数的视频;
所述第三确定模块,包括:
第一确定子模块,用于当所述视频为第一视频时,分析行为日志,确定所述第一视频的展示次数、点击次数以及长点击次数;
第二确定子模块,用于将所述第一视频的点击次数和第一平滑参数之和与所述第一视频的展示次数与第二平滑参数之和的比值,确定为所述第一视频的点击率;
或,第三确定子模块,用于将所述第一视频的长点击次数和第一平滑参数之和与所述第一视频的展示次数与第二平滑参数之和的比值,确定为所述第一视频的点击率;质量评估模块,用于根据所述点击率,对视频进行质量评估。
5.根据权利要求4所述的装置,其特征在于,所述第三确定模块,包括:
第四确定子模块,用于当所述视频为第二视频时,将第一平滑参数与第二平滑参数的比值,确定为所述第二视频的点击率;所述第二视频为新进入视频系统,不存在点击次数以及展示次数的视频。
6.根据权利要求4所述的装置,其特征在于,所述第一确定模块,包括:
匹配子模块,用于根据视频的特征,与预设库中的至少一个视频类别进行匹配,将匹配成功的视频类别确定为所述视频所属的类别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710547616.4A CN107493467B (zh) | 2017-07-06 | 2017-07-06 | 一种视频质量评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710547616.4A CN107493467B (zh) | 2017-07-06 | 2017-07-06 | 一种视频质量评估方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107493467A CN107493467A (zh) | 2017-12-19 |
CN107493467B true CN107493467B (zh) | 2019-04-19 |
Family
ID=60644357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710547616.4A Active CN107493467B (zh) | 2017-07-06 | 2017-07-06 | 一种视频质量评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107493467B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108259939B (zh) * | 2017-12-25 | 2020-08-07 | 广州华多网络科技有限公司 | 新视频推送控制方法、装置及服务器 |
CN108984722A (zh) * | 2018-07-10 | 2018-12-11 | 北京奇艺世纪科技有限公司 | 一种视频搜索方法及装置 |
CN109218770B (zh) * | 2018-10-19 | 2021-08-10 | 深圳市轱辘车联数据技术有限公司 | 一种汽修视频的评估方法、装置及设备 |
CN109753601B (zh) * | 2018-11-28 | 2021-10-22 | 北京奇艺世纪科技有限公司 | 推荐信息点击率确定方法、装置及电子设备 |
CN110347781B (zh) * | 2019-07-18 | 2023-10-20 | 深圳市雅阅科技有限公司 | 文章倒排方法、文章推荐方法、装置、设备及存储介质 |
CN110457560B (zh) * | 2019-08-05 | 2022-02-25 | 北京搜狗科技发展有限公司 | 一种获得点击率的方法及相关装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2092420B1 (en) * | 2006-10-18 | 2018-08-01 | Google LLC | Generic online ranking system and method suitable for syndication |
US9294577B2 (en) * | 2012-04-11 | 2016-03-22 | Taboola.Com Ltd | Click through rate estimation in varying display situations |
CN104216879A (zh) * | 2013-05-29 | 2014-12-17 | 酷盛(天津)科技有限公司 | 视频质量挖掘系统及方法 |
CN106504011B (zh) * | 2015-09-06 | 2019-11-05 | 阿里巴巴集团控股有限公司 | 一种业务对象的展示方法和装置 |
CN105183897B (zh) * | 2015-09-29 | 2018-09-11 | 北京奇艺世纪科技有限公司 | 一种视频搜索排序的方法和系统 |
CN105701226A (zh) * | 2016-01-18 | 2016-06-22 | 合网络技术(北京)有限公司 | 多媒体资源评估方法和装置 |
CN106294775A (zh) * | 2016-08-11 | 2017-01-04 | 合智能科技(深圳)有限公司 | 内容推送方法及装置 |
CN106844446A (zh) * | 2016-12-16 | 2017-06-13 | 飞狐信息技术(天津)有限公司 | 基于用户观影行为的视频评分方法、装置及视频系统 |
-
2017
- 2017-07-06 CN CN201710547616.4A patent/CN107493467B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107493467A (zh) | 2017-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107493467B (zh) | 一种视频质量评估方法及装置 | |
US20230281663A1 (en) | System and method of providing a platform for managing data content campaign on social networks | |
Zhou et al. | How YouTube videos are discovered and its impact on video views | |
Zhou et al. | The impact of YouTube recommendation system on video views | |
Vallet et al. | Characterizing and predicting viral-and-popular video content | |
CN106528884B (zh) | 一种信息展示图片生成方法及装置 | |
US8712831B2 (en) | Method and system for quantifying viewer awareness of advertising images in a video source | |
CN103678668A (zh) | 相关搜索结果的提示方法、服务器及系统 | |
CN103136280A (zh) | 热点视频自动挖掘系统及方法 | |
Bosagh Zadeh et al. | On the precision of social and information networks | |
CN105302880A (zh) | 内容关联推荐方法及装置 | |
Zhou et al. | Interpreting video recommendation mechanisms by mining view count traces | |
Kille et al. | Stream-based recommendations: Online and offline evaluation as a service | |
CN109245989A (zh) | 一种基于信息分享的处理方法、装置及计算机可读存储介质 | |
CN105843876A (zh) | 多媒体资源的质量评估方法和装置 | |
CN111767430A (zh) | 视频资源推送方法、视频资源推送装置及存储介质 | |
US20060111968A1 (en) | Method and system for valuing advertising content | |
Cheng et al. | Understanding the YouTube partners and their data: Measurement and analysis | |
Tous et al. | Multimedia big data computing for in-depth event analysis | |
TWI709905B (zh) | 資料分析方法及資料分析系統 | |
CN110334270B (zh) | 一种新闻排序方法、服务器及计算机可读存储介质 | |
Menkovski et al. | Optimized online learning for QoE prediction | |
CN110019759A (zh) | 用户分群处理方法、装置、计算机设备和存储介质 | |
KR101984773B1 (ko) | 스파스 토픽들을 위한 분류자 리콜 추정 | |
Lommatzsch et al. | Optimizing and evaluating stream-based news recommendation algorithms |
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 | ||
GR01 | Patent grant |