CN108460122B - 基于深度学习的视频搜索方法、存储介质、设备及系统 - Google Patents
基于深度学习的视频搜索方法、存储介质、设备及系统 Download PDFInfo
- Publication number
- CN108460122B CN108460122B CN201810155479.4A CN201810155479A CN108460122B CN 108460122 B CN108460122 B CN 108460122B CN 201810155479 A CN201810155479 A CN 201810155479A CN 108460122 B CN108460122 B CN 108460122B
- Authority
- CN
- China
- Prior art keywords
- video
- deep learning
- learning model
- description
- picture
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000013135 deep learning Methods 0.000 title claims abstract description 22
- 238000013136 deep learning model Methods 0.000 claims abstract description 67
- 238000004590 computer program Methods 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 11
- 230000015654 memory Effects 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000000306 recurrent effect Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000003643 water by type Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
- G06F16/71—Indexing; Data structures therefor; Storage structures
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明公开了一种基于深度学习的视频搜索方法、存储介质、设备及系统，涉及软件工程领域，该方法包括在直播的每个视频分类中均选取设定数量的样本；将所有样本输入NeuralTalk2中进行训练学习，得到训练后的深度学习模型；将直播所有视频的画面输入深度学习模型中，深度学习模型对输入的每一个画面所含内容输出描述；对深度学习模型输出的每个视频所有画面的描述进行统计，将出现频率较高的至少一个描述作为当前视频的索引；当用户搜索时，根据用户输入的关键词匹配含有该关键词的索引，并将索引对应视频作为搜索结果展出。本发明能够有效提升用户搜索直播视频结果的准确性。
Description
技术领域
本发明涉及软件工程领域，具体涉及一种基于深度学习的视频搜索方法、存储介质、设备及系统。
背景技术
当前，直播行业飞速发展，人们通过智能移动设备便能便捷的观看到内容各式各样的直播，极大地充实了人们的业余生活。
由于直播内容形式的多种多样，导致直播视频和普通视频、图文存在诸多不一样的地方，其中一个区别最大的便是直播行业所生成的视频，其文字描述较少，由于直播视频的文字描述较少，从而导致用户在使用直播网站的搜索功能进行直播视频的搜索时，很难搜索到相关直播视频。
发明内容
针对现有技术中存在的缺陷，本发明的目的在于提供一种基于深度学习的视频搜索方法，能够有效提升用户搜索直播视频结果的准确性。
为达到以上目的，本发明采取的技术方案是，包括：
在直播的每个视频分类中均选取设定数量的样本，所述样本为视频的帧画面，且每个样本标记有该帧画面的所属分类和该帧画面中所含内容的短语描述；
将所有样本输入NeuralTalk2中进行训练学习，得到训练后的深度学习模型；
将直播所有视频的帧画面输入深度学习模型中，深度学习模型对输入的每一帧画面所含内容输出内容相应的描述；
对深度学习模型输出的每个视频所有画面的描述进行统计，并将出现频率较高的描述中的至少一个描述作为当前视频的索引；
当用户搜索时，根据用户输入的关键词匹配含有该关键词的索引，并将索引对应视频作为搜索结果展出。
在上述技术方案的基础上，
所述直播的视频分类包括户外类、游戏类和唱歌跳舞类。
在上述技术方案的基础上，所述深度学习模型对输入的每一个帧画面所含内容输出的描述为当前画面所含内容的短语描述。
在上述技术方案的基础上，将直播的每一个视频，每间隔一设定时间采样一帧画面作为当前视频的输入样本，然后将输入样本输入深度学习模型中，深度学习模型对每个输入样本画面所含内容输出描述。
在上述技术方案的基础上，对深度学习模型输出的每个视频的输入样本画面的描述进行统计并依出现频率高低排序，按出现频率高低顺序将至少一个描述作为当前视频的索引。
本发明还提供一种存储介质，该存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述所述的方法。
本发明还提供一种设备，包括存储器和处理器，存储器上储存有在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述所述的方法。
本发明还提供一种基于深度学习的视频搜索系统，包括：
取样模块，其用于在直播的每个视频分类中均选取设定数量的样本，所述样本为视频的帧画面，且每个样本标记有该帧画面的所属分类和该帧画面中所含内容的短语描述；
学习模块，其用于将所有样本输入NeuralTalk2中进行训练学习，得到训练后的深度学习模型，然后将直播所有视频的帧画面输入深度学习模型中，深度学习模型对输入的每一帧画面所含内容输出内容相应的描述，最后对深度学习模型输出的每个视频所有帧画面的描述进行统计，并将出现频率较高的描述中的至少一个描述作为当前视频的索引；
执行模块，其用于当用户搜索时，根据用户输入的关键词匹配含有该关键词的索引，并将索引对应视频作为搜索结果展出。
在上述技术方案的基础上，所述直播的视频分类包括户外类、游戏类和唱歌跳舞类。
在上述技术方案的基础上，所述深度学习模型对输入的每一帧画面所含内容输出的描述为当前画面所含内容的短语描述。
与现有技术相比，本发明的优点在于：对每个分类的视频进行采样，同时对样本中的画面进行描述，以此作为被学习对象输入到NeuralTalk2中得到深度学习模型，由深度学习模型给每个直播视频进行描述标记，从而当用户在进行关键词搜索时，便能匹配出与用户搜索关键词相关的视频，采用深度学习模型对复杂形式多样的直播画面视频进行精确标记，从而提升用户搜索结果的准确性，满足多样直播内容搜索的使用场景。
附图说明
图1为本发明实施例中一种基于深度学习的视频搜索方法的流程图；
图2为本发明实施例中一种设备的结构示意图。
具体实施方式
以下结合附图及实施例对本发明作进一步详细说明。
参见图1所示，本发明实施例提供一种基于深度学习的视频搜索方法，方便用户对直播视频进行搜索然后观看，本发明实施例的基于深度学习的视频搜索方法具体包括：
S1：在直播的每个视频分类中均选取设定数量的样本，样本为视频的帧画面，即一帧视频画面，且每个样本标记有该帧画面的所属分类和该帧画面中所含内容的短语描述。直播的视频分类包括户外类、游戏类和唱歌跳舞类，户外类的视频便是主播进行户外直播的画面，该类画面以人物、户外建筑、场景为主，游戏类的视频便是主播打游戏时的游戏画面，该类画面以游戏为主，唱歌跳舞类便是主播进行唱歌跳舞才艺展示时的画面。进一步的，为保证样本的精确性，便于后续学习时的准确度，例如，游戏类视频还可以进行细分，根据主播所玩游戏的种类和所玩游戏的游戏内人物进行进一步的细分；类似的，对于视频种类的划分，还可以更加细致，例如对于唱歌跳舞类，还可以根据主播所唱的歌和所跳的舞进行进一步的划分。
对于每个视频分类下的视频，均选取一定数量的样本作为该类视频的样本，通常，每个视频分类的样本至少为一万份。
对于样本中视频画面所含内容的短语描述，对于户外类，如画面为主播在深山里进行求生，则该帧直播画面的短语描述可以为山、水、生火等；对于游戏类，则对于该类视频画面的短语描述可以为游戏名、游戏人物名等；对于唱歌跳舞类，则对于该类视频画面的短语描述可以为直播所唱歌的名称、主播外观(年轻、时尚、青春等)、主播所唱歌类型等。短语描述即为视频画面所展现的内容以及主播当前正在做的事情等。
S2：将所有样本输入NeuralTalk2中进行训练学习，得到训练后的深度学习模型。NeuralTalk2是斯坦福大学建立的可以对图像内容产生自然语言描述的模型NeuralTalk的升级版，它是一个开源的Python工具，它可以根据图像生成对应的文本描述，实现了常用的图像生成文本描述的深度学习算法，因此可以从一副图像用递归神经网络(LSTM或RNN)得到一句描述这幅图像的话，本发明实施例中使用NeuralTalk2作为学习框架。LSTM(LongShort-Term Memory，长短期记忆网络)和RNN(Recurrent neural Network，循环神经网络)均是常用的递归神经网络。
将步骤S1选取的样本输入到NeuralTalk2得到深度学习模型，此时深度学习模型便具有了对类似(相关)画面生成文字类型描述的能力。
S3：将直播所有视频的帧画面输入深度学习模型中，深度学习模型对输入的每一帧画面所含内容输出内容相应的描述。深度学习模型对输入的每一个帧画面所含内容输出的描述为当前画面所含内容的短语描述，通过深度学习模型对每个直播的视频均进行描述标记，类似于对每个视频均打上标签。
S4：对深度学习模型输出的每个视频所有画面的描述进行统计并依出现频率高低排序，按出现频率高低顺序将至少一个描述作为当前视频的索引，优选的，按出现频率高低顺序，将排名前十的描述作为当前视频的索引。
为提高采样的速率，在实际的操作过程中可以不必将每个视频的所有画面，即每一帧画面均输入到深度学习模型中，优选的，可以将直播的每一个视频，每间隔一设定时间采样一帧画面作为当前视频的输入样本，优选的为每间隔五秒采样一帧画面作为当前视频的输入样本，然后将输入样本输入深度学习模型中，深度学习模型对每个输入样本画面所含内容输出描述，比如画面中含有山，则会输出山。深度学习模型在对输入的画面输入描述时，一帧画面可能输出多个描述，因此在对一个视频的所有画面的描述进行统计时，该视频可能会对应多个描述，且相同的描述也会出现多次，因此优先的，对深度学习模型输出的每个视频的输入样本画面的描述进行统计，将出现次数总排名前十的描述作为当前视频的索引。
S5：当用户搜索时，根据用户输入的关键词匹配含有该关键词的索引，并将索引对应视频作为搜索结果展出。如用户搜索山水，则将索引含有山水的视频推送给用户，提高用户结果的准确性。
本发明实施例的基于深度学习的视频搜索方法，首先对每个分类的视频进行采样，同时对样本中的画面进行描述，以此作为被学习对象输入到NeuralTalk2中得到深度学习模型，从而深度学习模型便具有了对类似直播画面生成文字类型描述的能力，然后将所有的直播视频输入到得到的深度学习模型中，由深度学习模型给每个直播视频进行描述标记，从而当用户在进行关键词搜索时，便能匹配出与用户搜索关键词相关的视频，采用深度学习模型对复杂形式多样的直播画面视频进行精确标记，从而提升用户搜索结果的准确性，满足多样直播内容搜索的使用场景。
另外，对应上述基于深度学习的视频搜索方法，本发明还提供一种存储介质，存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述各实施例所述的基于深度学习的视频搜索方法的步骤。需要说明的是，所述存储介质包括U盘、移动硬盘、ROM(Read-Only Memory，只读存储器)、RAM(Random Access Memory，随机存取存储器)、磁碟或者光盘等各种可以存储程序代码的介质。
参见图2所示，对应上述基于深度学习的视频搜索方法，本发明还提供一种设备，包括存储器和处理器，存储器上储存有在处理器上运行的计算机程序，处理器执行计算机程序时实现上述各实施例的基于深度学习的视频搜索方法。
本发明还提供一种基于上述基于深度学习的视频搜索方法的基于深度学习的视频搜索系统，包括取样模块、学习模块和执行模块。
取样模块用于在直播的每个视频分类中均选取设定数量的样本，样本为视频的帧画面，且每个样本标记有该帧画面的所属分类和该帧画面中所含内容的短语描述；学习模块用于将所有样本输入NeuralTalk2中进行训练学习，得到训练后的深度学习模型，然后将直播所有视频的帧画面输入深度学习模型中，深度学习模型对输入的每一帧画面所含内容输出内容相应的描述，最后对深度学习模型输出的每个视频所有帧画面的描述进行统计，并将出现频率较高的描述中的至少一个描述作为当前视频的索引；执行模块用于当用户搜索时，根据用户输入的关键词匹配含有该关键词的索引，并将索引对应视频作为搜索结果展出。
直播的视频分类包括户外类、游戏类和唱歌跳舞类；每个视频分类的样本至少为一万份。深度学习模型对输入的每一个画面所含内容输出的描述为当前画面所含内容的短语描述。深度学习模型对输入的每一个帧画面所含内容输出的描述为当前画面所含内容的短语描述。将直播的每一个视频，每间隔一设定时间采样一帧画面作为当前视频的输入样本，然后将输入样本输入深度学习模型中，深度学习模型对每个输入样本画面所含内容输出描述。对深度学习模型输出的每个视频的输入样本画面的描述进行统计，将出现次数总排名前十的描述作为当前视频的索引。
本发明实施例的基于深度学习的视频搜索系统，取样模块对每个分类的视频进行采样，同时对样本中的画面进行描述，以此作为被学习对象输入到NeuralTalk2中得到深度学习模型，从而深度学习模型便具有了对类似直播画面生成文字类型描述的能力，然后将所有的直播视频输入到得到的深度学习模型中，由深度学习模型给每个直播视频进行描述标记，从而当用户在进行关键词搜索时，便能匹配出与用户搜索关键词相关的视频，采用深度学习模型对复杂形式多样的直播画面视频进行精确标记，从而提升用户搜索结果的准确性，满足多样直播内容搜索的使用场景。
本发明不局限于上述实施方式，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围之内。本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (7)
1.一种基于深度学习的视频搜索方法，其特征在于，包括：
在直播的每个视频分类中均选取设定数量的样本，所述样本为视频的帧画面，且每个样本标记有该帧画面的所属分类和该帧画面中所含内容的短语描述,所述短语描述为视频画面所展现的内容以及主播当前正在做的事情；
将所有样本输入NeuralTalk2中进行训练学习，得到训练后的深度学习模型；
将直播所有视频的帧画面输入深度学习模型中，深度学习模型对输入的每一帧画面所含内容输出内容相应的描述，所述深度学习模型对输入的每一个帧画面所含内容输出的描述为当前画面所含内容的短语描述；
对深度学习模型输出的每个视频所有帧画面的描述进行统计，并将出现频率较高的描述中的至少一个描述作为当前视频的索引；
当用户搜索时，根据用户输入的关键词匹配含有该关键词的索引，并将索引对应视频作为搜索结果展出；
其中，将直播的每一个视频，每间隔一设定时间采样一帧画面作为当前视频的输入样本，然后将输入样本输入深度学习模型中，深度学习模型对每个输入样本画面所含内容输出描述。
2.如权利要求1所述的一种基于深度学习的视频搜索方法，其特征在于：
所述直播的视频分类包括户外类、游戏类和唱歌跳舞类。
3.如权利要求1所述的一种基于深度学习的视频搜索方法，其特征在于：对深度学习模型输出的每个视频的输入样本画面的描述进行统计并依出现频率高低排序，按出现频率高低顺序将至少一个描述作为当前视频的索引。
4.一种存储介质，该存储介质上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1至3任一项所述的方法。
5.一种设备，包括存储器和处理器，存储器上储存有在处理器上运行的计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1至3任一项所述的方法。
6.一种基于深度学习的视频搜索系统，其特征在于，包括：
取样模块，其用于在直播的每个视频分类中均选取设定数量的样本，所述样本为视频的帧画面，且每个样本标记有该帧画面的所属分类和该帧画面中所含内容的短语描述，所述短语描述为视频画面所展现的内容以及主播当前正在做的事情；
学习模块，其用于将所有样本输入NeuralTalk2中进行训练学习，得到训练后的深度学习模型，然后将直播所有视频的帧画面输入深度学习模型中，深度学习模型对输入的每一帧画面所含内容输出内容相应的描述，最后对深度学习模型输出的每个视频所有帧画面的描述进行统计，并将出现频率较高的描述中的至少一个描述作为当前视频的索引，所述深度学习模型对输入的每一个帧画面所含内容输出的描述为当前画面所含内容的短语描述；
执行模块，其用于当用户搜索时，根据用户输入的关键词匹配含有该关键词的索引，并将索引对应视频作为搜索结果展出；
其中，将直播的每一个视频，每间隔一设定时间采样一帧画面作为当前视频的输入样本，然后将输入样本输入深度学习模型中，深度学习模型对每个输入样本画面所含内容输出描述。
7.如权利要求6所述的一种基于深度学习的视频搜索系统，其特征在于：所述直播的视频分类包括户外类、游戏类和唱歌跳舞类。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810155479.4A CN108460122B (zh) | 2018-02-23 | 2018-02-23 | 基于深度学习的视频搜索方法、存储介质、设备及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810155479.4A CN108460122B (zh) | 2018-02-23 | 2018-02-23 | 基于深度学习的视频搜索方法、存储介质、设备及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108460122A CN108460122A (zh) | 2018-08-28 |
| CN108460122B true CN108460122B (zh) | 2021-09-07 |
Family
ID=63217570
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810155479.4A Active CN108460122B (zh) | 2018-02-23 | 2018-02-23 | 基于深度学习的视频搜索方法、存储介质、设备及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108460122B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110442759B (zh) * | 2019-07-25 | 2022-05-13 | 深圳供电局有限公司 | 一种知识检索方法及其系统、计算机设备和可读存储介质 |
| CN110830793B (zh) * | 2019-11-13 | 2021-09-03 | 华南理工大学 | 一种基于深度学习频标识别的视频传输质量时域检测方法 |
| WO2021092934A1 (zh) * | 2019-11-15 | 2021-05-20 | 深圳海付移通科技有限公司 | 基于视频数据的消息推送方法、设备及计算机存储介质 |
| CN111684441A (zh) * | 2019-11-15 | 2020-09-18 | 深圳海付移通科技有限公司 | 基于图像数据的消息推送方法、设备及计算机存储介质 |
| CN111045836B (zh) * | 2019-11-25 | 2023-05-09 | 腾讯科技（深圳）有限公司 | 搜索方法、装置、电子设备及计算机可读存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7127127B2 (en) * | 2003-03-04 | 2006-10-24 | Microsoft Corporation | System and method for adaptive video fast forward using scene generative models |
| CN106294344A (zh) * | 2015-05-13 | 2017-01-04 | 北京智谷睿拓技术服务有限公司 | 视频检索方法和装置 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102508923B (zh) * | 2011-11-22 | 2014-06-11 | 北京大学 | 基于自动分类和关键字标注的自动视频注释方法 |
| CN104809218B (zh) * | 2015-04-30 | 2018-09-28 | 北京奇艺世纪科技有限公司 | 一种ugc视频分类方法及装置 |
| CN105677735B (zh) * | 2015-12-30 | 2020-04-21 | 腾讯科技（深圳）有限公司 | 一种视频搜索方法及装置 |
| CN107330392A (zh) * | 2017-06-26 | 2017-11-07 | 司马大大（北京）智能系统有限公司 | 视频场景标注装置与方法 |
-
2018
- 2018-02-23 CN CN201810155479.4A patent/CN108460122B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7127127B2 (en) * | 2003-03-04 | 2006-10-24 | Microsoft Corporation | System and method for adaptive video fast forward using scene generative models |
| CN106294344A (zh) * | 2015-05-13 | 2017-01-04 | 北京智谷睿拓技术服务有限公司 | 视频检索方法和装置 |
Non-Patent Citations (1)
| Title |
|---|
| IMAGE CAPTIONING WITH SPARSE LSTM;Yujun Lin 等;《ICLR 2017》;20170218;第1-3页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108460122A (zh) | 2018-08-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108460122B (zh) | 基于深度学习的视频搜索方法、存储介质、设备及系统 | |
| CN105224581B (zh) | 在播放音乐时呈现图片的方法和装置 | |
| CN109640112B (zh) | 视频处理方法、装置、设备及存储介质 | |
| CN112689189A (zh) | 一种视频展示、生成方法及装置 | |
| CN111046225B (zh) | 音频资源处理方法、装置、设备及存储介质 | |
| CN108810446A (zh) | 一种视频会议的标签生成方法、装置、设备和介质 | |
| CN110929045B (zh) | 诗歌-语义知识图谱的构建方法及系统 | |
| CN112163560A (zh) | 一种视频信息处理方法、装置、电子设备及存储介质 | |
| CN114912448B (zh) | 一种文本扩展方法、装置、设备及介质 | |
| CN109325124A (zh) | 一种情感分类方法、装置、服务器和存储介质 | |
| CN114339285A (zh) | 知识点的处理方法、视频处理方法、装置及电子设备 | |
| CN111681678B (zh) | 自动生成音效并匹配视频的方法、系统、装置及存储介质 | |
| CN113254708A (zh) | 一种视频搜索方法、装置、计算机设备及存储介质 | |
| CN112765460A (zh) | 会议信息查询方法、装置、存储介质、终端设备和服务器 | |
| CN111125384B (zh) | 一种多媒体答案生成方法、装置、终端设备以及存储介质 | |
| CN114707502A (zh) | 虚拟空间处理方法、装置、电子设备及计算机存储介质 | |
| CN114048335A (zh) | 一种基于知识库的用户交互方法及装置 | |
| CN113259763A (zh) | 教学视频处理方法、装置和电子设备 | |
| CN110297965B (zh) | 课件页面的显示及页面集的构造方法、装置、设备和介质 | |
| CN111223014B (zh) | 一种从大量细分教学内容在线生成细分场景教学课程的方法和系统 | |
| CN109802987B (zh) | 用于显示装置的内容推送方法、推送装置和显示设备 | |
| CN109255066A (zh) | 一种业务对象的标签标记方法、装置、服务器和存储介质 | |
| CN112883729B (zh) | 文本创作的词汇推荐方法、装置及服务器 | |
| CN109857874A (zh) | 一种基于知识图谱的用户答案的推荐方法和装置 | |
| CN111813919B (zh) | 一种基于句法分析与关键词检测的mooc课程评价方法 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240411 Address after: 450018, 10th Floor, Elephant Integrated Media Building, Qili North Road and Zhongwang Road, Zhengzhou Area (Zhengdong), Henan Pilot Free Trade Zone, Zhengzhou City, Henan Province Patentee after: Henan Zhongguang Intelligent Media Technology Co.,Ltd. Country or region after: China Address before: 430000 East Lake Development Zone, Wuhan City, Hubei Province, No. 1 Software Park East Road 4.1 Phase B1 Building 11 Building Patentee before: WUHAN DOUYU NETWORK TECHNOLOGY Co.,Ltd. Country or region before: China |