CN108235126A - 在视频中插入推荐信息的方法和装置 - Google Patents
在视频中插入推荐信息的方法和装置 Download PDFInfo
- Publication number
- CN108235126A CN108235126A CN201711350501.2A CN201711350501A CN108235126A CN 108235126 A CN108235126 A CN 108235126A CN 201711350501 A CN201711350501 A CN 201711350501A CN 108235126 A CN108235126 A CN 108235126A
- Authority
- CN
- China
- Prior art keywords
- behavioral data
- video
- time point
- recommendation information
- classification
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
- H04N21/44213—Monitoring of end-user related data
- H04N21/44218—Detecting physical presence or behaviour of the user, e.g. using sensors to detect if the user is leaving the room or changes his face expression during a TV program
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
Abstract
本发明提出一种在视频中插入推荐信息的方法和装置,其中,方法包括:通过获取目标视频播放过程中,各用户执行每种行为的时间点,并统计每个时间点全部用户各行为的执行次数,生成与目标视频各时间点对应的行为数据,对行为数据进行聚类,得到多个类别,根据每一类别所包含的行为数据,从多个类别中确定目标类别,将目标类别中,各行为数据对应的时间点作为候选时间点,根据目标视频的候选时间点,在目标视频中插入推荐信息。该方法基于用户的行为数据,通过聚类确定插入推荐信息的时间点,计算开销小,由于行为数据能够反映用户的关注点,因而根据候选时间点在目标视频中插入推荐信息,能够提高插入信息的被关注度,从而提高插入推荐信息的效率。
Description
技术领域
本发明涉及视频播放技术领域,尤其涉及一种在视频中插入推荐信息的方法和装置。
背景技术
相关技术在中,在视频中插入推荐信息主要通过视频图像分析或者解析音频识别分析音频中说话语义来选择何时插入推荐信息。
但是,图像选帧分析与解析音频转化为文字进行语义分析,不仅计算量较大,对系统造成庞大的计算开销,而且,由于图像分析和语音转化为文字分析主要将视频连续性作为主要参考因素,导致推荐信息的被关注度不高。可见,现有技术中,在视频中插入推荐信息的效率不高。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的第一个目的在于提出一种在视频中插入推荐信息的方法,以基于用户的行为数据,通过聚类确定用户的关注时间点,提高了推荐信息的被关注度,并且计算开销低,从而提高了插入推荐信息的效率,解决了相关技术中在视频中插入推荐信息的效率不高的问题。
本发明的第二个目的在于提出一种在视频中插入推荐信息的装置。
本发明的第三个目的在于提出一种计算机设备。
本发明的第四个目的在于提出一种非临时性计算机可读存储介质。
本发明的第五个目的在于提出一种计算机程序产品。
为达上述目的,本发明第一方面实施例提出了一种在视频中插入推荐信息的方法,包括:
获取目标视频播放过程中,各用户执行每种行为的时间点;
生成与所述目标视频各时间点对应的行为数据;所述行为数据用于指示在对应时间点每种行为的执行次数,所述执行次数是对全部用户进行统计得到的;
对所述行为数据进行聚类,得到多个类别;
根据每一类别所包含的行为数据,从所述多个类别中确定目标类别;
将所述目标类别中,各行为数据对应的时间点作为候选时间点;
根据所述目标视频的候选时间点,在所述目标视频中插入推荐信息。
作为第一方面实施例一种可能的实现方式,所述根据每一类别所包含的行为数据,从所述多个类别中确定目标类别,包括:
针对每一类别,对所述类别所包含的行为数据中的执行次数进行累加,以得到全部行为的执行总次数;
从所述多个类别中,确定所述执行总次数最高的目标类别。
作为第一方面实施例一种可能的实现方式,所述生成与所述目标视频各时间点对应的行为数据,包括:
对全部用户进行统计,得到每一种行为的执行次数;
分别将每一种行为的执行次数作为所述行为数据中对应元素的取值,所述行为数据中的元素与行为存在对应关系。
作为第一方面实施例一种可能的实现方式,所述行为包括发送弹幕、评论、暂停、快进和快退中的至少一个或多个组合。
作为第一方面实施例一种可能的实现方式,所述根据所述目标视频的候选时间点,插入推荐信息,包括:
确定在每一候选时间点播放的视频内容;
根据所述视频内容的连续性,从所述候选时间点中选定用于插入推荐信息的时间点。
本发明实施例的在视频中插入推荐信息的方法,通过获取目标视频播放过程中,各用户执行每种行为的时间点,并统计每个时间点全部用户各行为的执行次数,生成与目标视频各时间点对应的行为数据,对行为数据进行聚类,得到多个类别,根据每一类别所包含的行为数据,从多个类别中确定目标类别,将目标类别中,各行为数据对应的时间点作为候选时间点,根据目标视频的候选时间点,在目标视频中插入推荐信息。本实施例中,基于用户的行为数据,通过聚类确定插入推荐信息的时间点,相比基于视频图像分析或音频转化为文字进行语义分析,不仅计算开销小,而且由于行为数据能够反映用户的关注点,因而根据候选时间点在目标视频中插入推荐信息,提高了插入信息的被关注度,从而提高了在视频中插入推荐信息的效率,解决了相关技术中在视频中插入推荐信息的效率不高的问题。
为达上述目的,本发明第二方面实施例提出了一种在视频中插入推荐信息的装置,包括:
获取模块,用于获取目标视频播放过程中,各用户执行每种行为的时间点;
生成模块,用于生成与所述目标视频各时间点对应的行为数据;所述行为数据用于指示在对应时间点每种行为的执行次数,所述执行次数是对全部用户进行统计得到的;
聚类模块,用于对所述行为数据进行聚类,得到多个类别;
确定模块,用于根据每一类别所包含的行为数据,从所述多个类别中确定目标类别;将所述目标类别中,各行为数据对应的时间点作为候选时间点;
推荐模块,用于根据所述目标视频的候选时间点,在所述目标视频中插入推荐信息。
本发明实施例的在视频中插入推荐信息的装置,通过获取目标视频播放过程中,各用户执行每种行为的时间点,并统计每个时间点全部用户各行为的执行次数,生成与目标视频各时间点对应的行为数据,对行为数据进行聚类,得到多个类别,根据每一类别所包含的行为数据,从多个类别中确定目标类别,将目标类别中,各行为数据对应的时间点作为候选时间点,根据目标视频的候选时间点,在目标视频中插入推荐信息。本实施例中,基于用户的行为数据,通过聚集确定插入推荐信息的时间点,相比基于视频图像分析或音频转化为文字进行语义分析,不仅计算开销小,而且由于行为数据能够反映用户的关注点,因而根据候选时间点在目标视频中插入推荐信息,提高了插入信息的被关注度,从而提高了在视频中插入推荐信息的效率,解决了相关技术中在视频中插入推荐信息的效率不高的问题。
为达上述目的,本发明第三方面实施例提出了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现如第一方面实施例所述的在视频中插入推荐信息的方法。
为了实现上述目的,本发明第四方面实施例提出了一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面实施例所述的在视频中插入推荐信息的方法。
为了实现上述目的,本发明第五方面实施例提出了一种计算机程序产品,所述计算机程序产品中的指令由处理器执行时,执行如第一方面实施例所述的在视频中插入推荐信息的方法。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本发明实施例提供的一种在视频中插入推荐信息的方法的流程示意图;
图2为本发明实施例提供的一种在视频中插入推荐信息的装置的结构示意图;
图3为适于用来实现本申请实施方式的示例性计算机设备的框图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的在视频中插入推荐信息的方法和装置。
在视频中插入推荐信息主要通过视频图像分析或者解析音频识别分析音频中说话语义来选择何时插入推荐信息。
但是,图像选帧分析与解析音频转化为文字进行语义分析,不仅计算量较大,对系统造成庞大的计算开销,而且,由于图像分析和语音转化为文字分析主要将视频连续性作为主要参考因素,导致推荐信息的被关注度不高。可见,现有技术中,在视频中插入推荐信息的效率不高。
针对这一问题,本发明实施例提出一种在视频中插入推荐信息的方法,以基于用户的行为数据,通过聚类确定用户的关注时间点,提高推荐信息的被关注度,并且计算开销低,从而提高了在视频中插入推荐信息的效率,解决了相关技术中在视频中插入推荐信息的效率不高的问题。
图1为本发明实施例提供的一种在视频中插入推荐信息的方法的流程示意图。
如图1所示,该在视频中插入推荐信息的方法包括:
步骤101,获取目标视频播放过程中,各用户执行每种行为的时间点。
在用户观看视频的过程中,对于感兴趣的内容,会发送弹幕、进行评论或者快退等,对于不感兴趣的会快进。
本实施例中,用户执行的行为包括但不限于发送弹幕、评论、暂停、快进和快退中的至少一个或多个组合。
获取目标视频在播放过程中,各用户执行每种行为的时间点。这里的时间点可以理解为播放时刻,例如视频总时长为60分钟,视频开始时刻为0分0秒,获取各个用户执行的行为所在的时刻在多少分多少秒。
步骤102,生成与目标视频各时间点对应的行为数据;行为数据用于指示在对应时间点每种行为的执行次数,执行次数是对全部用户进行统计得到的。
本实施例中,可根据目标视频总时长的秒数划分时间点,例如如目标视频总时长为60秒,那么目标视频共有60个时间点分别为1秒、2秒、3秒、……、59秒、60秒。在具体实现时,可根据需要划分时间点,本实施例对此不作限定。
本实施例中,可根据获取的各用户执行每种行为的时间点,统计视频各个时间点所有用户的各个行为的总的执行次数,生成与目标视频各个时间点对应的行为数据。其中,行为数据用于指示在对应时间点每种行为的执行次数。
具体地,针对每个时间点,对全部用户进行统计,得到每一种行为的执行次数,分别将每一种行为的执行次数作为行为数据中对应元素的取值,其中,行为数据中的元素与行为存在对应关系。
举例而言,如表1所示,用户的行为有5种分别为行为A、行为B、行为C、行为D、行为E。在生成与目标视频各时间点对应的行为数据时,可按照时间点的先后顺序生成时间点对应的行为数据。
具体地,先统计在1秒时刻时,所有用户行为A的执行次数、行为B的执行次数、行为C的执行次数、行为D的执行次数、行为E的执行次数。接下来,统计在2秒时刻时,所有用户每种行为数据的执行次数,直到统计完最后一个时间点,所有用户每种行为的执行次数。
可以理解的是,某个时间点的每种行为的执行次数组成了该时间点对应的行为数据,在本示例中每个行为数据中共有5个元素,每个元素的取值对应一种行为的执行次数。例如,时间点为1秒的行为数据为行为A的执行次数、行为B的执行次数、行为D的执行次数、行为E的执行次数。
表1
时间点 | 行为A(次数) | 行为B(次数) | 行为C(次数) | 行为D(次数) | 行为E(次数) |
1秒 | |||||
2秒 | |||||
… |
步骤103,对行为数据进行聚类,得到多个类别。
本实施例中,在获得视频各个时间点的行为数据后,可对行为数据进行聚类,也就是将相似的行为数据,聚类到一个类别中。
在进行聚类时,可采用原型聚类算法,如k-means、高斯混合,或者密度聚类算法,如DBSCAN,或层次聚类算法等进行聚类。
在进行聚类时,可计算两两行为数据之间的相似度,当相似度超过阈值时,将两个行为数据聚类到同一类别中,从而使相似度超过预设阈值的行为数据归到同一类别中。
下面以k-means聚类算法为例解释聚类过程,k-means聚类算法可预先指定试图聚类出的类别的个数,即k的大小。具体地,可从所有行为数据中任意选取k个行为数据作为类别的中心点,针对剩余的行为数据,计算剩余的行为数据与每个中心点之间的相似度,将剩余的行为数据归到与中心点相似度最高的类别中。
在计算相似度时,由于每种行为数据的度量均是次数,因此可根据欧式距离计算剩余的行为数据与中心点之间的相似度。如公式(1)所示。
其中,sim(Pi,Pj)表示行为数据Pi与中心点Pj之间的相似度,N表示行为的种类个数,xi表示行为数据Pi中第i个行为的执行次数,yi表示行为数据Pj中第i个行为数据的执行次数。
由于欧式距离越大,相似度越小,因此可将行为数据归到与中心点之间欧式距离最小的类别中。
需要说明的是,在计算相似度时,也可以利用其它方法计算,如曼哈顿距离等,具体实现时,可根据需要选择。
在第一次聚类后,可更新每个类别的中心点,重新进行聚类,直到聚类出的类别中各行为数据,与前一次聚类出的类别中的各行为数据相同。
本实施例中,可将目标视频各个时间点对应的行为数据,划分到多个类别中,使相似度高的行为数据聚类到同一类别中。
举例来说,若行为包括发送弹幕、评论、暂停、快进和快退,可将发送弹幕次数、评论次数、暂停次数、快进次数和快退次数较多的行为数据归到同一类别中,将发送弹幕次数、评论次数、暂停次数、快进次数和快退次数较少的行为数据归为同一类别。
步骤104,根据每一类别所包含的行为数据,从多个类别中确定目标类别。
由于不同类别中,各行为数据相差较大,并且行为执行次数越多表示用户对该时间点对应的视频内容关注度越高。由此,可根据类别中行为数据中行为的执行次数总和,从所有类别中确定目标类别。
具体地,针对每一类别,对类别所包含的行为数据中的执行次数进行累加,以得到全部行为的执行总次数。之后,对所有类别全部行为的执行总次数进行比较,将执行总次数最高的类别作为目标类别。
步骤105,将目标类别中,各行为数据对应的时间点作为候选时间点。
可以理解的是,目标类别中各行为数据中行为执行次数相近,相对于其他类别中的行为数据中行为执行次数较高。由于每个行为数据均对应一个时间点,且目标类别中聚集的行为数据相似,容易理解的是这些时间点用户的关注度比较高,因此可将目标类别中每个行为数据对应的时间作为候选时间点。
步骤106,根据目标视频的候选时间点,在目标视频中插入推荐信息。
由于目标类别中行为数据的个数至少为一个,当目标视频的候选时间点为一个时,可在目标视频中该候选时间点插入推荐信息。若目标类别中行为数据的个数大于等于两个时,可在目标视频中每个候选时间点插入推荐信息,也可从候选时间点中,选取预设个数的候选时间点,在目标视频中对应候选时间点插入推荐信息。
在目标视频中候选时间点插入推荐信息时,作为一种可能的实现方式,可先确定候选时间点播放的视频内容,由于视频是由帧图像构成的,因此可根据视频内容的连续性,从候选时间点中选定用于插入推荐信息的时间点。
具体地,可判断视频内容中连续两张帧图像中画面的相似度,当相似度低于预设阈值时,可确定帧图像发生了切换,可在两个帧图像之间插入推荐信息,从而在保证视频内容连续性的情况下,提高了推荐信息的被关注度。
本发明实施例的在视频中插入推荐信息的方法,通过获取目标视频播放过程中,各用户执行每种行为的时间点,并统计每个时间点全部用户各行为的执行次数,生成与目标视频各时间点对应的行为数据,对行为数据进行聚类,得到多个类别,根据每一类别所包含的行为数据,从多个类别中确定目标类别,将目标类别中,各行为数据对应的时间点作为候选时间点,根据目标视频的候选时间点,在目标视频中插入推荐信息。本实施例中,基于用户的行为数据,通过聚类确定插入推荐信息的时间点,相比基于视频图像分析或音频转化为文字语义分析,不仅计算开销小,而且由于行为数据能够反映用户的关注点,因而根据候选时间点在目标视频中插入推荐信息,提高了插入信息的被关注度,从而提高了在视频中插入推荐信息的效率,解决了相关技术中在视频中插入推荐信息的效率不高的问题。
为了实现上述实施例,本发明还提出一种在视频中插入推荐信息的装置。图2为本发明实施例提供的一种在视频中插入推荐信息的装置的结构示意图。
如图2所示,该在视频中插入推荐信息的装置包括:获取模块210、生成模块220、聚类模块230、确定模块240、推荐模块250。
其中,获取模块210,用于获取目标视频播放过程中,各用户执行每种行为的时间点。
生成模块220,用于生成与目标视频各时间点对应的行为数据;行为数据用于指示在对应时间点每种行为的执行次数,执行次数是对全部用户进行统计得到的。
聚类模块230,用于对行为数据进行聚类,得到多个类别。
确定模块240,用于根据每一类别所包含的行为数据,从多个类别中确定目标类别;将目标类别中,各行为数据对应的时间点作为候选时间点。
推荐模块250,用于根据目标视频的候选时间点,在目标视频中插入推荐信息。
在本实施例一种可能的实现方式中,确定模块240还用于:
针对每一类别,对类别所包含的行为数据中的执行次数进行累加,以得到全部行为的执行总次数;
从多个类别中,确定执行总次数最高的目标类别。
在本实施例一种可能的实现方式中,生成模块220还用于:
对全部用户进行统计,得到每一种行为的执行次数;
分别将每一种行为的执行次数作为行为数据中对应元素的取值,行为数据中的元素与行为存在对应关系。
在本实施例一种可能的实现方式中,行为包括发送弹幕、评论、暂停、快进和快退中的至少一个或多个组合。
在本实施例一种可能的实现方式中,推荐模块250还用于:
确定在每一候选时间点播放的视频内容;
根据视频内容的连续性,从候选时间点中选定用于插入推荐信息的时间点。
需要说明的是,前述对视频中插入推荐信息的方法实施例的解释说明,也适用于该实施例的视频中插入推荐信息的装置,故在此不再赘述。
本发明实施例的在视频中插入推荐信息的装置,通过获取目标视频播放过程中,各用户执行每种行为的时间点,并统计每个时间点全部用户各行为的执行次数,生成与目标视频各时间点对应的行为数据,对行为数据进行聚类,得到多个类别,根据每一类别所包含的行为数据,从多个类别中确定目标类别,将目标类别中,各行为数据对应的时间点作为候选时间点,根据目标视频的候选时间点,在目标视频中插入推荐信息。本实施例中,基于用户的行为数据,通过聚集确定插入推荐信息的时间点,相比基于视频图像分析或音频转化为文字语义分析,不仅计算开销小,而且由于行为数据能够反映用户的关注点,因而根据候选时间点在目标视频中插入推荐信息,提高了插入信息的被关注度,从而提高了在视频中插入推荐信息的效率,解决了相关技术中在视频中插入推荐信息的效率不高的问题。
为了实现上述实施例,本发明还提出一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时,实现如前述实施例所述的在视频中插入推荐信息的方法。
为了实现上述实施例,本发明还提出一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如前述实施例所述的在视频中插入推荐信息的方法。
为了实现上述实施例,本发明还提出一种计算机程序产品当计算机程序产品中的指令由处理器执行时,执行如前述实施例所述的在视频中插入推荐信息的方法。
图3示出了适于用来实现本申请实施方式的示例性计算机设备的框图。图3显示的计算机设备12仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图3所示,计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture;以下简称:ISA)总线,微通道体系结构(Micro Channel Architecture;以下简称:MAC)总线,增强型ISA总线、视频电子标准协会(Video Electronics StandardsAssociation;以下简称:VESA)局域总线以及外围组件互连(Peripheral ComponentInterconnection;以下简称:PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(Random Access Memory;以下简称:RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图3未显示,通常称为“硬盘驱动器”)。尽管图3中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如:光盘只读存储器(Compact Disc Read OnlyMemory;以下简称:CD-ROM)、数字多功能只读光盘(Digital Video Disc Read OnlyMemory;以下简称:DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本申请各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本申请所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机设备12交互的设备通信,和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local Area Network;以下简称:LAN),广域网(Wide Area Network;以下简称:WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白,尽管图中未示出,可以结合计算机设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现前述实施例中提及的方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,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模块中,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模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种在视频中插入推荐信息的方法,其特征在于,包括以下步骤:
获取目标视频播放过程中,各用户执行每种行为的时间点;
生成与所述目标视频各时间点对应的行为数据;所述行为数据用于指示在对应时间点每种行为的执行次数,所述执行次数是对全部用户进行统计得到的;
对所述行为数据进行聚类,得到多个类别;
根据每一类别所包含的行为数据,从所述多个类别中确定目标类别;
将所述目标类别中,各行为数据对应的时间点作为候选时间点;
根据所述目标视频的候选时间点,在所述目标视频中插入推荐信息。
2.根据权利要求1所述的在视频中插入推荐信息的方法,其特征在于,所述根据每一类别所包含的行为数据,从所述多个类别中确定目标类别,包括:
针对每一类别,对所述类别所包含的行为数据中的执行次数进行累加,以得到全部行为的执行总次数;
从所述多个类别中,确定所述执行总次数最高的目标类别。
3.根据权利要求1所述的在视频中插入推荐信息的方法,其特征在于,所述生成与所述目标视频各时间点对应的行为数据,包括:
对全部用户进行统计,得到每一种行为的执行次数;
分别将每一种行为的执行次数作为所述行为数据中对应元素的取值,所述行为数据中的元素与行为存在对应关系。
4.根据权利要求1-3任一项所述的在视频中插入推荐信息的方法,其特征在于,所述行为包括发送弹幕、评论、暂停、快进和快退中的至少一个或多个组合。
5.根据权利要求1-3任一项所述的在视频中插入推荐信息的方法,其特征在于,所述根据所述目标视频的候选时间点,插入推荐信息,包括:
确定在每一候选时间点播放的视频内容;
根据所述视频内容的连续性,从所述候选时间点中选定用于插入推荐信息的时间点。
6.一种在视频中插入推荐信息的装置,其特征在于,包括:
获取模块,用于获取目标视频播放过程中,各用户执行每种行为的时间点;
生成模块,用于生成与所述目标视频各时间点对应的行为数据;所述行为数据用于指示在对应时间点每种行为的执行次数,所述执行次数是对全部用户进行统计得到的;
聚类模块,用于对所述行为数据进行聚类,得到多个类别;
确定模块,用于根据每一类别所包含的行为数据,从所述多个类别中确定目标类别;将所述目标类别中,各行为数据对应的时间点作为候选时间点;
推荐模块,用于根据所述目标视频的候选时间点,在所述目标视频中插入推荐信息。
7.根据权利要求6所述的在视频中插入推荐信息的装置,其特征在于,所述确定模块,具体用于:
针对每一类别,对所述类别所包含的行为数据进行统计,以得到全部行为的执行总次数;从所述多个类别中,确定所述执行总次数最高的目标类别。
8.一种计算机设备,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现如权利要求1-5中任一所述的在视频中插入推荐信息的方法。
9.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-5中任一所述的在视频中插入推荐信息的方法。
10.一种计算机程序产品,其特征在于,当所述计算机程序产品中的指令由处理器执行时,执行如权利要求1-5中任一所述的在视频中插入推荐信息的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711350501.2A CN108235126B (zh) | 2017-12-15 | 2017-12-15 | 在视频中插入推荐信息的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711350501.2A CN108235126B (zh) | 2017-12-15 | 2017-12-15 | 在视频中插入推荐信息的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108235126A true CN108235126A (zh) | 2018-06-29 |
CN108235126B CN108235126B (zh) | 2020-03-27 |
Family
ID=62652289
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711350501.2A Active CN108235126B (zh) | 2017-12-15 | 2017-12-15 | 在视频中插入推荐信息的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108235126B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112492370A (zh) * | 2019-09-12 | 2021-03-12 | 上海哔哩哔哩科技有限公司 | 进度条的展示方法、装置、计算机设备及可读存储介质 |
CN113327145A (zh) * | 2020-02-28 | 2021-08-31 | 北京沃东天骏信息技术有限公司 | 一种物品推荐方法和装置 |
CN115150668A (zh) * | 2022-06-13 | 2022-10-04 | 咪咕文化科技有限公司 | 视频提示方法、装置、设备以及计算机存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080307454A1 (en) * | 2007-06-11 | 2008-12-11 | Gulrukh Ahanger | Systems and methods for inserting ads during playback of video media |
CN102332017A (zh) * | 2011-09-16 | 2012-01-25 | 百度在线网络技术(北京)有限公司 | 在移动设备中显示基于操作信息的推荐信息的方法与设备 |
US20140243019A1 (en) * | 2007-12-12 | 2014-08-28 | Packetvideo Corporation | System and method for generating a recommendation on a mobile device |
CN104811774A (zh) * | 2015-04-29 | 2015-07-29 | 北京中传数广技术有限公司 | 一种直播电视中精准广告、信息的投放方法及系统 |
CN105279206A (zh) * | 2014-07-25 | 2016-01-27 | 北京龙源创新信息技术有限公司 | 一种智能推荐方法和系统 |
CN105828116A (zh) * | 2016-04-29 | 2016-08-03 | 乐视控股(北京)有限公司 | 广告推送方法及装置 |
CN105989004A (zh) * | 2015-01-27 | 2016-10-05 | 阿里巴巴集团控股有限公司 | 一种信息投放的预处理方法和装置 |
CN106570722A (zh) * | 2016-10-31 | 2017-04-19 | 上海斐讯数据通信技术有限公司 | 一种智能推荐系统及智能推荐方法 |
CN106599191A (zh) * | 2016-12-14 | 2017-04-26 | 合网络技术(北京)有限公司 | 用户属性分析方法及装置 |
-
2017
- 2017-12-15 CN CN201711350501.2A patent/CN108235126B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080307454A1 (en) * | 2007-06-11 | 2008-12-11 | Gulrukh Ahanger | Systems and methods for inserting ads during playback of video media |
US20140243019A1 (en) * | 2007-12-12 | 2014-08-28 | Packetvideo Corporation | System and method for generating a recommendation on a mobile device |
CN102332017A (zh) * | 2011-09-16 | 2012-01-25 | 百度在线网络技术(北京)有限公司 | 在移动设备中显示基于操作信息的推荐信息的方法与设备 |
CN105279206A (zh) * | 2014-07-25 | 2016-01-27 | 北京龙源创新信息技术有限公司 | 一种智能推荐方法和系统 |
CN105989004A (zh) * | 2015-01-27 | 2016-10-05 | 阿里巴巴集团控股有限公司 | 一种信息投放的预处理方法和装置 |
CN104811774A (zh) * | 2015-04-29 | 2015-07-29 | 北京中传数广技术有限公司 | 一种直播电视中精准广告、信息的投放方法及系统 |
CN105828116A (zh) * | 2016-04-29 | 2016-08-03 | 乐视控股(北京)有限公司 | 广告推送方法及装置 |
CN106570722A (zh) * | 2016-10-31 | 2017-04-19 | 上海斐讯数据通信技术有限公司 | 一种智能推荐系统及智能推荐方法 |
CN106599191A (zh) * | 2016-12-14 | 2017-04-26 | 合网络技术(北京)有限公司 | 用户属性分析方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112492370A (zh) * | 2019-09-12 | 2021-03-12 | 上海哔哩哔哩科技有限公司 | 进度条的展示方法、装置、计算机设备及可读存储介质 |
US11400382B2 (en) | 2019-09-12 | 2022-08-02 | Shanghai Bilibili Technology Co., Ltd. | Method and device of displaying a progress bar, computing device, and readable storage medium |
CN113327145A (zh) * | 2020-02-28 | 2021-08-31 | 北京沃东天骏信息技术有限公司 | 一种物品推荐方法和装置 |
CN115150668A (zh) * | 2022-06-13 | 2022-10-04 | 咪咕文化科技有限公司 | 视频提示方法、装置、设备以及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108235126B (zh) | 2020-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Truong et al. | Vistanet: Visual aspect attention network for multimodal sentiment analysis | |
CN104462364B (zh) | 搜索推荐方法及装置 | |
CN108009293A (zh) | 视频标签生成方法、装置、计算机设备和存储介质 | |
CN111161739B (zh) | 语音识别方法及相关产品 | |
CN108024145A (zh) | 视频推荐方法、装置、计算机设备和存储介质 | |
CN109710805A (zh) | 基于兴趣簇的视频交互方法和装置 | |
WO2017124116A1 (en) | Searching, supplementing and navigating media | |
CN108170792A (zh) | 基于人工智能的问答引导方法、装置和计算机设备 | |
CN109657213A (zh) | 文本相似度检测方法、装置和电子设备 | |
US20200134398A1 (en) | Determining intent from multimodal content embedded in a common geometric space | |
CN109063829A (zh) | 神经网络构建方法、装置、计算机设备和存储介质 | |
CN108090211A (zh) | 热点新闻推送方法和装置 | |
CN108319720A (zh) | 基于人工智能的人机交互方法、装置及计算机设备 | |
CN108984679A (zh) | 对话生成模型的训练方法和装置 | |
CN108235126A (zh) | 在视频中插入推荐信息的方法和装置 | |
CN108108419A (zh) | 一种信息推荐方法、装置、设备和介质 | |
CN107992602A (zh) | 搜索结果展示方法和装置 | |
CN109710845A (zh) | 资讯推荐方法、装置、计算机设备和可读存储介质 | |
CN108460098A (zh) | 信息推荐方法、装置和计算机设备 | |
CN108632641A (zh) | 视频处理方法及装置 | |
CN109710759A (zh) | 文本切分方法、装置、计算机设备和可读存储介质 | |
CN107918778A (zh) | 一种信息匹配方法及相关装置 | |
CN108563731A (zh) | 一种情感分类方法及装置 | |
CN109815500A (zh) | 非结构化公文的管理方法、装置、计算机设备及存储介质 | |
CN108170806A (zh) | 敏感词检测过滤方法、装置和计算机设备 |
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 |