CN108259949B - 一种广告推荐方法、装置及电子设备 - Google Patents

一种广告推荐方法、装置及电子设备 Download PDF

Info

Publication number
CN108259949B
CN108259949B CN201810141829.1A CN201810141829A CN108259949B CN 108259949 B CN108259949 B CN 108259949B CN 201810141829 A CN201810141829 A CN 201810141829A CN 108259949 B CN108259949 B CN 108259949B
Authority
CN
China
Prior art keywords
video
advertisement
determining
content
statistical dimension
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
CN201810141829.1A
Other languages
English (en)
Other versions
CN108259949A (zh
Inventor
陈长伟
杨晓亮
田丹
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.)
Beijing Evomedia Technology Co ltd
Original Assignee
Beijing Evomedia Technology 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 Beijing Evomedia Technology Co ltd filed Critical Beijing Evomedia Technology Co ltd
Priority to CN201810141829.1A priority Critical patent/CN108259949B/zh
Publication of CN108259949A publication Critical patent/CN108259949A/zh
Application granted granted Critical
Publication of CN108259949B publication Critical patent/CN108259949B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/266—Channel or content management, e.g. generation and management of keys and entitlement messages in a conditional access system, merging a VOD unicast channel into a multicast channel
    • H04N21/2668—Creating a channel for a dedicated end-user group, e.g. insertion of targeted commercials based on end-user profiles
    • 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
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7847—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using low-level visual features of the video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0252—Targeted advertisements based on events or environment, e.g. weather or festivals
    • 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
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs
    • H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
    • 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
    • H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
    • H04N21/4666—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms using neural networks, e.g. processing the feedback provided by the user
    • 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]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/81—Monomedia components thereof
    • H04N21/812—Monomedia components thereof involving advertisement data

Abstract

本发明提供了一种广告推荐方法、装置及电子设备，本发明中获取待插入广告的视频内容，依据获取的所述视频内容，确定每个视频统计维度对应的内容，通过每个视频统计维度对应的内容，确定与所述视频内容相匹配的广告。本发明中能够根据视频内容确定与视频内容相匹配的广告，进而使用广告的插入不突兀，进而提高用户体验。

Description

一种广告推荐方法、装置及电子设备
技术领域
本发明涉及广告推送领域，更具体的说，涉及一种广告推荐方法、装置及电子设备。
背景技术
目前，电视终端的广告，如前贴片广告、暂停广告等，会经常性的出现在电视终端的显示屏幕上。如用户点击了暂停按钮后，会在电视终端的显示屏幕上显示一个广告。
但是，在一般情况下，显示的广告是根据广告商的推送需求来进行推送的，广告与电视终端播放的内容无关，这样一来，会造成广告出现突兀，用户体验不好。
发明内容
有鉴于此，本发明提供一种广告推荐方法、装置及电子设备，以解决显示的广告是根据广告商的推送需求来进行推送的，广告与电视终端播放的内容无关，这样一来，会造成广告出现突兀，用户体验不好的问题。
为解决上述技术问题，本发明采用了如下技术方案：
一种广告推荐方法，包括：
获取待插入广告的视频内容；
依据获取的所述视频内容，确定每个视频统计维度对应的内容；
通过每个视频统计维度对应的内容，确定与所述视频内容相匹配的广告。
优选地，通过每个视频统计维度对应的内容，确定与所述视频内容相匹配的广告，包括:
采用广告匹配算法，基于每个视频统计维度对应的内容，从广告数据库中确定出与所述视频内容匹配度最高的广告。
优选地，所述视频内容包括图像、语音和文字；
相应的，依据获取的所述视频内容，确定每个视频统计维度对应的内容，包括：
依据所述图像，采用卷积神经网络算法，确定视频统计维度为第一预设统计维度对应的内容；
依据所述语音和所述文字，采用循环神经网络算法，确定视频统计维度为第二预设统计维度对应的内容。
优选地，依据获取的所述视频内容，确定每个视频统计维度对应的内容，包括：
依据获取的所述视频内容和神经网络模型，确定每个视频统计维度对应的内容。
优选地，所述神经网络模型的构建过程包括：
获取样本视频数据；其中，所述样本数据中包括样本视频的视频内容以及样本视频插入的广告；
确定每个所述样本视频的视频内容对应的每个所述视频统计维度对应的内容；
获取预设神经网络模型；
基于每个所述样本视频的视频内容对应的每个所述视频统计维度对应的内容以及样本视频插入的广告，对所述预设神经网络模型进行训练，得到所述神经网络模型。
一种广告推荐装置，包括：
第一获取模块，用于获取待插入广告的视频内容；
第一确定模块，用于依据获取的所述视频内容，确定每个视频统计维度对应的内容；
第二确定模块，用于通过每个视频统计维度对应的内容，确定与所述视频内容相匹配的广告。
优选地，所述第二确定模块包括：
广告确定子模块，用于采用广告匹配算法，基于每个视频统计维度对应的内容，从广告数据库中确定出与所述视频内容匹配度最高的广告。
优选地，所述视频内容包括图像、语音和文字；
相应的，所述第一确定模块包括：
第一确定子模块，用于依据所述图像，采用卷积神经网络算法，确定视频统计维度为第一预设统计维度对应的内容；
第二确定子模块，用于依据所述语音和所述文字，采用循环神经网络算法，确定视频统计维度为第二预设统计维度对应的内容。
优选地，所述第一确定模块包括：
第三确定子模块，用于依据获取的所述视频内容和神经网络模型，确定每个视频统计维度对应的内容。
优选地，还包括：
第二获取模块，用于获取样本视频数据；其中，所述样本数据中包括样本视频的视频内容以及样本视频插入的广告；
内容确定模块，用于确定每个所述样本视频的视频内容对应的每个所述视频统计维度对应的内容；
模型获取模块，用于获取预设神经网络模型；
模型训练模块，用于基于每个所述样本视频的视频内容对应的每个所述视频统计维度对应的内容以及样本视频插入的广告，对所述预设神经网络模型进行训练，得到所述神经网络模型。
一种电子设备，包括：存储器和处理器；
其中，所述存储器用于存储程序；
处理器用于调用程序，其中，所述程序用于：
获取待插入广告的视频内容；
依据获取的所述视频内容，确定每个视频统计维度对应的内容；
通过每个视频统计维度对应的内容，确定与所述视频内容相匹配的广告。
相较于现有技术，本发明具有以下有益效果：
本发明提供了一种广告推荐方法、装置及电子设备，本发明中获取待插入广告的视频内容，依据获取的所述视频内容，确定每个视频统计维度对应的内容，通过每个视频统计维度对应的内容，确定与所述视频内容相匹配的广告。本发明中能够根据视频内容确定与视频内容相匹配的广告，进而使用广告的插入不突兀，进而提高用户体验。
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的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明提供的一种广告推荐方法的方法流程图；
图2为本发明提供的另一种广告推荐方法的方法流程图；
图3为本发明提供的一种广告推荐装置的结构示意图；
图4为本发明提供的另一种广告推荐装置的结构示意图。
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。
本发明实施例提供了一种广告推荐方法，参照图1，广告推荐方法可以包括：
S11、获取待插入广告的视频内容；
其中，待插入广告的视频可以是综艺、电影或电视剧等。
视频内容包括图像、语音和文字。图像是指视频内容中的每帧图像，语音是视频内容的整个语音，文字是视频内容的文字内容。
其中，待插入广告的视频内容需要提前提取出来，具体的，视频内容提取可以是其他设备进行提取，然后本发明中的应用广告推荐方法的处理器获取提取出的内容。
或者，也可以是应用广告推荐方法的处理器提取视频内容，进而在进行广告推荐时，获取该视频内容。
S12、依据获取的所述视频内容，确定每个视频统计维度对应的内容；
其中，视频统计维度包括演员、场景、商品和关键字。
场景可以包括约会、吃饭、看电影、购物等场景。
商品是指视频中出现的商品，如电脑或冰箱等有生厂商标识的商品。
关键字指视频中出现频率较高，有明确含义的词汇，如“学习”。
S13、通过每个视频统计维度对应的内容，确定与所述视频内容相匹配的广告。
可选的，在本实施例的基础上，步骤S13可以包括：
采用广告匹配算法，基于每个视频统计维度对应的内容，从广告数据库中确定出与所述视频内容匹配度最高的广告。
具体的，确定得到与所述视频内容匹配度最高的广告的过程可以是：
随机选取一个视频统计维度，如演员。从广告数据库中确定标签为该演员的广告，如可以是该演员代言的一个广告。
然后，确定该演员出现的场景，从确定标签为该演员的广告中筛选出适用于该场景的广告。
此后，可以在适用于该场景的广告中筛选出现该视频内容中的商品中的广告，就可以在该场景中出现该商品时插播广告。
需要说明的是，本实施例中的广告匹配算法并不局限于上述介绍的算法，只要是能够实现广告匹配的算法均可以。
本实施例中获取待插入广告的视频内容，依据获取的所述视频内容，确定每个视频统计维度对应的内容，通过每个视频统计维度对应的内容，确定与所述视频内容相匹配的广告。本发明中能够根据视频内容确定与视频内容相匹配的广告，进而使用广告的插入不突兀，进而提高用户体验。
可选的，在所述视频内容包括图像、语音和文字的实施例的基础上，步骤S12可以包括：
1)依据所述图像，采用卷积神经网络算法，确定视频统计维度为第一预设统计维度对应的内容；
其中，第一预设统计维度包括演员、场景和商品。
卷积神经网络算法包括以下几步：
(1)卷积运算：前一层的特征图与一个可学习的卷积核进行卷积运算，卷积的结果经过激活函数后的输出形成这一层的神经元，从而构成该层特征图，也称特征提取层，每个神经元的输入与前一层的局部感受野相连接，并提取该局部的特征，一旦该局部特征被提取，它与其它特征之间的位置关系就被确定。
(2)池化运算：它把卷积运算输出信号分割成不重叠的区域，对于每个区域通过池化(下采样)运算来降低网络的空间分辨率，比如最大值池化是选择区域内的最大值，均值池化是计算区域内的平均值。通过该运算来消除信号的偏移和扭曲。
(3)全连接运算：输入信号经过多次卷积核池化运算后，输出为多组信号，经过全连接运算，将多组信号依次组合为一组信号。
(4)识别运算：上述运算过程为特征学习运算，需在上述运算基础上根据业务需求(分类或回归问题)增加一层网络用于分类或回归计算。
2)依据所述语音和所述文字，采用循环神经网络算法，确定视频统计维度为第二预设统计维度对应的内容。
其中，第二预设统计维度包括关键字。
循环神经网络算法中使用了一个类似全连接层的神经网络结构。循环神经网络中的状态通过一个向量来表示的，这个向量的维度为循环神经网络隐藏层的大小，假设其为h。循环体中的神经网络的输入x有两部分，一部分为上一时刻的状态，另一部分为当前时刻的输入样本。对于语言模型来说，输入样例可以是当前单词对应的单词向量(wordembedding)。循环神经网络有“记忆性”，所以主要是应用在自然语言处理(NLP)和语音领域。
本实施例中，对图像的处理和对语音、文字的处理方法不同，这样能够提高运算效率。
可选的，在图1对应的实施例的基础上，步骤S12可以包括：
依据获取的所述视频内容和神经网络模型，确定每个视频统计维度对应的内容。
进一步，参照图2，所述神经网络模型的构建过程包括：
S21、获取样本视频数据；
其中，所述样本数据中包括样本视频的视频内容以及样本视频插入的广告。
其中，样本视频插入的广告是人工根据具体的样本视频选择插入的。
样本视频的视频内容的提取方法与待插入广告的视频内容的提取方法相同。
S22、确定每个所述样本视频的视频内容对应的每个所述视频统计维度对应的内容；
步骤S22的具体过程，请参照步骤S12的解释说明。
S23、获取预设神经网络模型；
其中，预设神经网络模型是技术人员搭建的模型，该模型包括卷积层、池化层、全连接层和识别运算层，具体参照上述实施例中相应的解释说明。
需要说明的是，预设神经网络模型中各个层的参数是技术人员根据经验进行设定的，预设神经网络模型中的参数通过大量数据进行训练，就可以得到神经网络模型。
S24、基于每个所述样本视频的视频内容对应的每个所述视频统计维度对应的内容以及样本视频插入的广告，对所述预设神经网络模型进行训练，得到所述神经网络模型。
具体的，对所述预设神经网络模型进行训练就是保证预设神经网络模型中的各参数准确，输出结果符合实际情况。
需要说明的是，本实施例中，神经网络模型也可以包括卷积神经网络模型和循环神经网络模型。
本实施例中，能够根据大量的数据训练得到一个模型，进而能够在后期进行广告推荐时，直接输入待插入广告的视频内容，就可以得到每个视频统计维度对应的内容，提高了运算效率，降低了广告推荐的时间，并且能够实现广告的精确投放，提高用户的关注度、回忆度和好感度，对于广告建立品牌提供更大的价值。
可选的，在上述广告推荐方法的实施例的基础上，本发明的另一实施例中提供了一种广告推荐装置，包括：
第一获取模块101，用于获取待插入广告的视频内容；
第一确定模块102，用于依据获取的所述视频内容，确定每个视频统计维度对应的内容；
第二确定模块103，用于通过每个视频统计维度对应的内容，确定与所述视频内容相匹配的广告。
进一步，所述第二确定模块包括：
广告确定子模块，用于采用广告匹配算法，基于每个视频统计维度对应的内容，从广告数据库中确定出与所述视频内容匹配度最高的广告。
本实施例中获取待插入广告的视频内容，依据获取的所述视频内容，确定每个视频统计维度对应的内容，通过每个视频统计维度对应的内容，确定与所述视频内容相匹配的广告。本发明中能够根据视频内容确定与视频内容相匹配的广告，进而使用广告的插入不突兀，进而提高用户体验。
需要说明的是，本实施例中的各个模块和子模块的工作过程，请参照上述实施例中的相应说明，在此不再赘述。
可选的，在上述任一实施例的基础上，所述视频内容包括图像、语音和文字；
相应的，所述第一确定模块包括：
第一确定子模块，用于依据所述图像，采用卷积神经网络算法，确定视频统计维度为第一预设统计维度对应的内容；
第二确定子模块，用于依据所述语音和所述文字，采用循环神经网络算法，确定视频统计维度为第二预设统计维度对应的内容。
本实施例中，对图像的处理和对语音、文字的处理方法不同，这样能够提高运算效率。
需要说明的是，本实施例中的各个模块和子模块的工作过程，请参照上述实施例中的相应说明，在此不再赘述。
可选的，在图3对应的实施例的基础上，参照图4，还所述第一确定模块102包括：
第三确定子模块1021，用于依据获取的所述视频内容和神经网络模型，确定每个视频统计维度对应的内容。
进一步，包括：
第二获取模块104，用于获取样本视频数据；其中，所述样本数据中包括样本视频的视频内容以及样本视频插入的广告；
内容确定模块105，用于确定每个所述样本视频的视频内容对应的每个所述视频统计维度对应的内容；
模型获取模块106，用于获取预设神经网络模型；
模型训练模块107，用于基于每个所述样本视频的视频内容对应的每个所述视频统计维度对应的内容以及样本视频插入的广告，对所述预设神经网络模型进行训练，得到所述神经网络模型。
本实施例中，能够根据大量的数据训练得到一个模型，进而能够在后期进行广告推荐时，直接输入待插入广告的视频内容，就可以得到每个视频统计维度对应的内容，提高了运算效率，降低了广告推荐的时间，并且能够实现广告的精确投放，提高用户的关注度、回忆度和好感度，对于广告建立品牌提供更大的价值。
需要说明的是，本实施例中的各个模块和子模块的工作过程，请参照上述实施例中的相应说明，在此不再赘述。
可选的，在上述广告推荐方法及装置的实施例的基础上，本发明的另一实施例中提供了一种电子设备，包括：存储器和处理器；
其中，所述存储器用于存储程序；
处理器用于调用程序，其中，所述程序用于：
获取待插入广告的视频内容；
依据获取的所述视频内容，确定每个视频统计维度对应的内容；
通过每个视频统计维度对应的内容，确定与所述视频内容相匹配的广告。
进一步，处理器用于通过每个视频统计维度对应的内容，确定与所述视频内容相匹配的广告时，具体用于:
采用广告匹配算法，基于每个视频统计维度对应的内容，从广告数据库中确定出与所述视频内容匹配度最高的广告。
进一步，所述视频内容包括图像、语音和文字；
处理器用于依据获取的所述视频内容，确定每个视频统计维度对应的内容时，具体用于：
依据所述图像，采用卷积神经网络算法，确定视频统计维度为第一预设统计维度对应的内容；
依据所述语音和所述文字，采用循环神经网络算法，确定视频统计维度为第二预设统计维度对应的内容。
进一步，处理器用于依据获取的所述视频内容，确定每个视频统计维度对应的内容时，具体用于：
依据获取的所述视频内容和神经网络模型，确定每个视频统计维度对应的内容。
进一步，处理器还用于：
获取样本视频数据；其中，所述样本数据中包括样本视频的视频内容以及样本视频插入的广告；
确定每个所述样本视频的视频内容对应的每个所述视频统计维度对应的内容；
获取预设神经网络模型；
基于每个所述样本视频的视频内容对应的每个所述视频统计维度对应的内容以及样本视频插入的广告，对所述预设神经网络模型进行训练，得到所述神经网络模型。
本实施例中获取待插入广告的视频内容，依据获取的所述视频内容，确定每个视频统计维度对应的内容，通过每个视频统计维度对应的内容，确定与所述视频内容相匹配的广告。本发明中能够根据视频内容确定与视频内容相匹配的广告，进而使用广告的插入不突兀，进而提高用户体验。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (9)

1.一种广告推荐方法，其特征在于，包括：
获取待插入广告的视频内容；所述视频内容包括图像、语音和文字；
依据获取的所述视频内容，确定每个视频统计维度对应的内容，其中，包括：依据所述图像，采用卷积神经网络算法，确定视频统计维度为第一预设统计维度对应的内容；依据所述语音和所述文字，采用循环神经网络算法，确定视频统计维度为第二预设统计维度对应的内容；所述第一预设统计维度包括演员、场景和商品；所述第二预设统计维度包括关键字，所述关键字为所述视频内容中出现频率大于预设阈值、且有明确含义的词汇，所述场景为所述演员出现的场景；
通过每个视频统计维度对应的内容，确定与所述视频内容相匹配、且至少符合所述演员、所述场景和所述商品的广告，以将所述广告在所述视频内容中出现所述场景且在所述场景中出现所述商品时进行广告推送；确定与所述视频内容相匹配、且至少符合所述演员、所述场景和所述商品的广告，包括：从广告数据库中确定标签为所述演员的广告，从确定出的标签为所述演员的广告中，筛选出适用于所述场景的广告，并从筛选出适用于所述场景的广告中，筛选出包括所述商品的广告。
2.根据权利要求1所述的广告推荐方法，其特征在于，通过每个视频统计维度对应的内容，确定与所述视频内容相匹配、且至少符合所述演员、所述场景和所述商品的广告，包括:
采用广告匹配算法，基于每个视频统计维度对应的内容，从广告数据库中确定出与所述视频内容匹配度最高且至少符合所述演员、所述场景和所述商品的广告。
3.根据权利要求1所述的广告推荐方法，其特征在于，依据获取的所述视频内容，确定每个视频统计维度对应的内容，包括：
依据获取的所述视频内容和神经网络模型，确定每个视频统计维度对应的内容。
4.根据权利要求3所述的广告推荐方法，其特征在于，所述神经网络模型的构建过程包括：
获取样本视频数据；其中，所述样本数据中包括样本视频的视频内容以及样本视频插入的广告；
确定每个所述样本视频的视频内容对应的每个所述视频统计维度对应的内容；
获取预设神经网络模型；
基于每个所述样本视频的视频内容对应的每个所述视频统计维度对应的内容以及样本视频插入的广告，对所述预设神经网络模型进行训练，得到所述神经网络模型。
5.一种广告推荐装置，其特征在于，包括：
第一获取模块，用于获取待插入广告的视频内容；所述视频内容包括图像、语音和文字；
第一确定模块，用于依据获取的所述视频内容，确定每个视频统计维度对应的内容，其中，包括：第一确定子模块，用于依据所述图像，采用卷积神经网络算法，确定视频统计维度为第一预设统计维度对应的内容；第二确定子模块，用于依据所述语音和所述文字，采用循环神经网络算法，确定视频统计维度为第二预设统计维度对应的内容；所述第一预设统计维度包括演员、场景和商品；所述第二预设统计维度包括关键字，所述关键字为所述视频内容中出现频率大于预设阈值、且有明确含义的词汇，所述场景为所述演员出现的场景；
第二确定模块，用于通过每个视频统计维度对应的内容，确定与所述视频内容相匹配、且至少符合所述演员、所述场景和所述商品的广告，以将所述广告在所述视频内容中出现所述场景且在所述场景中出现所述商品时进行广告推送；确定与所述视频内容相匹配、且至少符合所述演员、所述场景和所述商品的广告，包括：从广告数据库中确定标签为所述演员的广告，从确定出的标签为所述演员的广告中，筛选出适用于所述场景的广告，并从筛选出适用于所述场景的广告中，筛选出包括所述商品的广告。
6.根据权利要求5所述的广告推荐装置，其特征在于，所述第二确定模块包括：
广告确定子模块，用于采用广告匹配算法，基于每个视频统计维度对应的内容，从广告数据库中确定出与所述视频内容匹配度最高且至少符合所述演员、所述场景和所述商品的广告。
7.根据权利要求5所述的广告推荐装置，其特征在于，所述第一确定模块包括：
第三确定子模块，用于依据获取的所述视频内容和神经网络模型，确定每个视频统计维度对应的内容。
8.根据权利要求7所述的广告推荐装置，其特征在于，还包括：
第二获取模块，用于获取样本视频数据；其中，所述样本数据中包括样本视频的视频内容以及样本视频插入的广告；
内容确定模块，用于确定每个所述样本视频的视频内容对应的每个所述视频统计维度对应的内容；
模型获取模块，用于获取预设神经网络模型；
模型训练模块，用于基于每个所述样本视频的视频内容对应的每个所述视频统计维度对应的内容以及样本视频插入的广告，对所述预设神经网络模型进行训练，得到所述神经网络模型。
9.一种电子设备，其特征在于，包括：存储器和处理器；
其中，所述存储器用于存储程序；
处理器用于调用程序，其中，所述程序用于：
获取待插入广告的视频内容；所述视频内容包括图像、语音和文字；
依据获取的所述视频内容，确定每个视频统计维度对应的内容，其中，包括：依据所述图像，采用卷积神经网络算法，确定视频统计维度为第一预设统计维度对应的内容；依据所述语音和所述文字，采用循环神经网络算法，确定视频统计维度为第二预设统计维度对应的内容；所述第一预设统计维度包括演员、场景和商品；所述第二预设统计维度包括关键字，所述关键字为所述视频内容中出现频率大于预设阈值、且有明确含义的词汇，所述场景为所述演员出现的场景；
通过每个视频统计维度对应的内容，确定与所述视频内容相匹配、且至少符合所述演员、所述场景和所述商品的广告，以将所述广告在所述视频内容中出现所述场景且在所述场景中出现所述商品时进行广告推送；确定与所述视频内容相匹配、且至少符合所述演员、所述场景和所述商品的广告，包括：从广告数据库中确定标签为所述演员的广告，从确定出的标签为所述演员的广告中，筛选出适用于所述场景的广告，并从筛选出适用于所述场景的广告中，筛选出包括所述商品的广告。
CN201810141829.1A 2018-02-11 2018-02-11 一种广告推荐方法、装置及电子设备 Active CN108259949B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810141829.1A CN108259949B (zh) 2018-02-11 2018-02-11 一种广告推荐方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810141829.1A CN108259949B (zh) 2018-02-11 2018-02-11 一种广告推荐方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN108259949A CN108259949A (zh) 2018-07-06
CN108259949B true CN108259949B (zh) 2021-12-28

Family

ID=62745094

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810141829.1A Active CN108259949B (zh) 2018-02-11 2018-02-11 一种广告推荐方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN108259949B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109587554B (zh) * 2018-10-29 2021-08-03 百度在线网络技术（北京）有限公司 视频数据的处理方法、装置及可读存储介质
CN110766479B (zh) * 2019-10-31 2020-11-17 北京微瑞思创信息科技股份有限公司 采用视频logo分析进行广告投放评估的方法
CN110769291B (zh) * 2019-11-18 2022-08-30 上海极链网络科技有限公司 一种视频处理方法、装置、电子设备及存储介质
CN111292134A (zh) * 2020-02-25 2020-06-16 上海昌投网络科技有限公司 一种微信公众号是否可投广告的判断方法及装置
CN112348566A (zh) * 2020-10-15 2021-02-09 北京捷通华声科技股份有限公司 推荐广告的确定方法、装置及存储介质
CN117376611B (zh) * 2023-12-04 2024-03-26 龙视传媒有限公司 一种贴片广告插入方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103503463A (zh) * 2011-11-23 2014-01-08 华为技术有限公司 视频广告播放方法、设备和系统
CN103702148A (zh) * 2013-12-09 2014-04-02 乐视网信息技术（北京）股份有限公司 一种推送信息的显示方法及装置
CN104486680A (zh) * 2014-12-19 2015-04-01 珠海全志科技股份有限公司 基于视频的广告推送方法及系统

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2144440A1 (en) * 2003-10-02 2010-01-13 Tivo, Inc. Modifying commercials for multi-speed playback
US7885863B2 (en) * 2006-08-31 2011-02-08 Yahoo! Inc. Methods and computer readable media for enhancing product reviews
CN101179739A (zh) * 2007-01-11 2008-05-14 腾讯科技（深圳）有限公司 一种插入广告的方法及装置
CN104581430B (zh) * 2013-10-21 2018-06-19 华为技术有限公司 视频播放中的广告插播方法和设备
CN104469437B (zh) * 2014-12-23 2018-03-02 小米科技有限责任公司 广告推送方法及装置
US10614504B2 (en) * 2016-04-15 2020-04-07 Walmart Apollo, Llc Systems and methods for providing content-based product recommendations
CN107613391A (zh) * 2016-07-12 2018-01-19 上海视畅信息科技有限公司 一种基于视频内容的关联广告推荐方法
CN106600343B (zh) * 2016-12-30 2020-02-14 中广热点云科技有限公司 一种视频内容关联的在线视频广告管理方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103503463A (zh) * 2011-11-23 2014-01-08 华为技术有限公司 视频广告播放方法、设备和系统
CN103702148A (zh) * 2013-12-09 2014-04-02 乐视网信息技术（北京）股份有限公司 一种推送信息的显示方法及装置
CN104486680A (zh) * 2014-12-19 2015-04-01 珠海全志科技股份有限公司 基于视频的广告推送方法及系统

Also Published As

Publication number Publication date
CN108259949A (zh) 2018-07-06

Similar Documents

Publication Publication Date Title
CN108259949B (zh) 一种广告推荐方法、装置及电子设备
CN109740670B (zh) 视频分类的方法及装置
CN109145784B (zh) 用于处理视频的方法和装置
CN108229478B (zh) 图像语义分割及训练方法和装置、电子设备、存储介质和程序
CN108307229B (zh) 一种影音数据的处理方法及设备
WO2018157746A1 (zh) 一种视频数据的推荐方法和装置
CN108446390A (zh) 用于推送信息的方法和装置
CN109408672B (zh) 一种文章生成方法、装置、服务器及存储介质
CN113852832B (zh) 视频处理方法、装置、设备和存储介质
CN110427915B (zh) 用于输出信息的方法和装置
CN111783712A (zh) 一种视频处理方法、装置、设备及介质
CN113315979A (zh) 数据处理方法、装置、电子设备和存储介质
CN113923504B (zh) 视频预览动图生成方法和装置
CN110418148B (zh) 视频生成方法、视频生成设备及可读存储介质
US9762950B1 (en) Automatic generation of network pages from extracted media content
CN111488813A (zh) 视频的情感标注方法、装置、电子设备及存储介质
CN108833971A (zh) 一种视频处理方法及装置
WO2023045635A1 (zh) 多媒体文件的字幕处理方法、装置、电子设备、计算机可读存储介质及计算机程序产品
CN108460131B (zh) 一种分类标签处理方法及装置
CN110569429A (zh) 一种内容选择模型的生成方法、装置和设备
US11930063B2 (en) Content completion detection for media content
CN116665083A (zh) 一种视频分类方法、装置、电子设备及存储介质
US11961300B2 (en) Dynamic media content categorization method
CA3211158A1 (en) A system for accessing a web page
CN114398517A (zh) 视频数据获取方法及装置

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