CN108764021A - 一种作弊视频识别方法和装置 - Google Patents
一种作弊视频识别方法和装置 Download PDFInfo
- Publication number
- CN108764021A CN108764021A CN201810299200.XA CN201810299200A CN108764021A CN 108764021 A CN108764021 A CN 108764021A CN 201810299200 A CN201810299200 A CN 201810299200A CN 108764021 A CN108764021 A CN 108764021A
- Authority
- CN
- China
- Prior art keywords
- parameter
- target video
- video
- duration
- cheating
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
- G06V20/47—Detecting features for summarising video content
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Television Signal Processing For Recording (AREA)
Abstract
本发明实施例提供了一种作弊视频识别方法和装置,涉及数据处理技术领域。其中,该方法包括:根据预设时间段内各个对象观看目标视频的观看时长中值,以及所述目标视频的总时长,确定所述目标视频的观看时长中值比;确定所述预设时间段内所述各个对象观看所述目标视频的完成度参数;根据所述目标视频的观看时长中值比和完成度参数,确定所述目标视频的作弊参数;当所述目标视频的作弊参数满足预设作弊条件时,确定所述目标视频为作弊视频。在本发明实施例中,可以利用用户行为参数表征视频的作弊参数,进而当视频的作弊参数满足预设作弊条件时,可以确定该视频为作弊视频,从而可以通过用户的观看行为识别出标题与内容严重不符的作弊视频。
Description
技术领域
本发明涉及数据处理技术领域,特别是涉及一种作弊视频识别方法和装置。
背景技术
随着搜索引擎性能和数据量的不断提高,人们使用搜索引擎获取所需数据的频率越来越高,其中,视频作为一种重要的数据承载形式,具有相当大的索引量。
如今的互联网,每时每刻都会有大量的用户上传大量的原创视频,对于此类原创视频,用户可以自主编辑视频标题,从而便于内容介绍,以及便于其他用户进行搜索。然而,由于利益驱使,部分用户可能会故意在视频标题中编辑作弊的关键词,从而吸引其他用户点击观看,而视频标题与视频内容严重不符的作弊视频,将大大降低用户对有效数据的搜索效率,浪费数据流量,因此,亟需一种能够识别作弊视频的方法。
发明内容
鉴于上述问题,提出了本发明实施例以便提供一种能够识别作弊视频的作弊视频识别方法和装置。
根据本发明的第一方面,提供了一种作弊视频识别方法,所述方法包括:
根据预设时间段内各个对象观看目标视频的观看时长中值,以及所述目标视频的总时长,确定所述目标视频的观看时长中值比;
确定所述预设时间段内所述各个对象观看所述目标视频的完成度参数;
根据所述目标视频的观看时长中值比和完成度参数,确定所述目标视频的作弊参数;
当所述目标视频的作弊参数满足预设作弊条件时,确定所述目标视频为作弊视频。
可选的,所述完成度参数包括退出率参数或完成率参数,所述确定所述预设时间段内所述各个对象观看所述目标视频的完成度参数,包括:
将所述目标视频的总时长等分为预设个数的各个时长区间;
确定每个对象观看所述目标视频的观看时长所对应的时长区间;
确定对应最短时长区间的观看时长数据比例,作为所述目标视频的退出率参数,或者,确定对应最长时长区间的观看时长数据比例,作为所述目标视频的完成率参数。
可选的,所述根据所述目标视频的观看时长中值比和完成度参数,确定所述目标视频的作弊参数之前,还包括:
从预设的各个总时长范围中,确定所述目标视频对应的目标总时长范围;
根据所述目标总时长范围,对所述目标视频的观看时长中值比进行修正,得到所述目标视频的修正观看时长中值比;
根据所述目标总时长范围,对所述目标视频的完成度参数进行修正,得到所述目标视频的修正完成度参数;
相应的,所述根据所述目标视频的观看时长中值比和完成度参数,确定所述目标视频的作弊参数,包括:
根据所述目标视频的修正观看时长中值比和修正完成度参数,确定所述目标视频的作弊参数。
可选的,所述根据所述目标总时长范围,对所述目标视频的观看时长中值比进行修正,得到所述目标视频的修正观看时长中值比,包括:
确定所述预设时间段内被观看,且对应所述目标总时长范围的各个播放视频的平均观看时长中值比;
确定所述目标视频的观看时长中值比与所述平均观看时长中值比的比值,得到所述目标视频的修正观看时长中值比。
可选的,所述根据所述目标总时长范围,对所述目标视频的完成度参数进行修正,得到所述目标视频的修正完成度参数,包括:
确定所述预设时间段内被观看,且对应所述目标总时长范围的各个播放视频的平均完成度参数;
确定所述目标视频的完成度参数与所述平均完成度参数的比值,得到所述目标视频的修正完成度参数。
可选的,所述根据所述目标视频的观看时长中值比和完成度参数,确定所述目标视频的作弊参数之前,还包括:
确定所述各个对象对所述目标视频的顶/踩行为参数和负向评论率中的至少一者;
相应的,所述根据所述目标视频的修正观看时长中值比和修正完成度参数,确定所述目标视频的作弊参数,包括:
根据所述目标视频的修正观看时长中值比、修正完成度参数、以及顶/踩行为参数和负向评论率中的至少一者,确定所述目标视频的作弊参数。
根据本发明的第二方面,提供了一种作弊视频识别装置,所述装置包括:
第一确定模块,用于根据预设时间段内各个对象观看目标视频的观看时长中值,以及所述目标视频的总时长,确定所述目标视频的观看时长中值比;
第二确定模块,用于确定所述预设时间段内所述各个对象观看所述目标视频的完成度参数;
第三确定模块,用于根据所述目标视频的观看时长中值比和完成度参数,确定所述目标视频的作弊参数;
第四确定模块,用于当所述目标视频的作弊参数满足预设作弊条件时,确定所述目标视频为作弊视频。
可选的,所述完成度参数包括退出率参数或完成率参数,所述第二确定模块包括:
划分子模块,用于将所述目标视频的总时长等分为预设个数的各个时长区间;
第一确定子模块,用于确定每个对象观看所述目标视频的观看时长所对应的时长区间;
第二确定子模块,用于确定对应最短时长区间的观看时长数据比例,作为所述目标视频的退出率参数,或者,确定对应最长时长区间的观看时长数据比例,作为所述目标视频的完成率参数。
可选的,所述装置还包括:
第五确定模块,用于从预设的各个总时长范围中,确定所述目标视频对应的目标总时长范围;
第一修正模块,用于根据所述目标总时长范围,对所述目标视频的观看时长中值比进行修正,得到所述目标视频的修正观看时长中值比;
第二修正模块,用于根据所述目标总时长范围,对所述目标视频的完成度参数进行修正,得到所述目标视频的修正完成度参数;
相应的,所述第三确定模块包括:
第三确定子模块,用于根据所述目标视频的修正观看时长中值比和修正完成度参数,确定所述目标视频的作弊参数。
可选的,所述第一修正模块包括:
第四确定子模块,用于确定所述预设时间段内被观看,且对应所述目标总时长范围的各个播放视频的平均观看时长中值比;
第五确定子模块,用于确定所述目标视频的观看时长中值比与所述平均观看时长中值比的比值,得到所述目标视频的修正观看时长中值比。
可选的,所述第二修正模块包括:
第六确定子模块,用于确定所述预设时间段内被观看,且对应所述目标总时长范围的各个播放视频的平均完成度参数;
第七确定子模块,用于确定所述目标视频的完成度参数与所述平均完成度参数的比值,得到所述目标视频的修正完成度参数。
可选的,所述装置还包括:
第六确定模块,用于确定所述各个对象对所述目标视频的顶/踩行为参数和负向评论率中的至少一者;
相应的,所述第三确定子模块包括:
确定单元,用于根据所述目标视频的修正观看时长中值比、修正完成度参数、以及顶/踩行为参数和负向评论率中的至少一者,确定所述目标视频的作弊参数。
本发明实施例包括以下优点:
首先可以根据预设时间段内各个对象观看目标视频的观看时长中值,以及目标视频的总时长,确定目标视频的观看时长中值比,以及确定预设时间段内各个对象观看目标视频的完成度参数,然后可以根据目标视频的观看时长中值比和完成度参数,确定目标视频的作弊参数,当目标视频的作弊参数满足预设作弊条件时,可以确定目标视频为作弊视频。在本发明实施例中,可以根据目标视频的观看时长中值比和完成度参数,确定目标视频的作弊参数,也即是可以利用目标视频的用户行为参数,表征目标视频的作弊参数,进而当目标视频的作弊参数满足预设作弊条件时,可以确定目标视频为作弊视频,从而可以通过用户的观看行为识别出标题与内容严重不符的作弊视频。
附图说明
图1是本发明实施例提供的一种作弊视频识别方法的流程图;
图2是本发明实施例提供的另一种作弊视频识别方法的流程图;
图3是本发明实施例提供的一种作弊视频识别装置的框图;
图4是本发明实施例提供的另一种作弊视频识别装置的框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一
参照图1,示出了一种作弊视频识别方法的流程图,该方法具体可以包括如下步骤:
步骤101:根据预设时间段内各个对象观看目标视频的观看时长中值,以及目标视频的总时长,确定目标视频的观看时长中值比。
数据处理设备所管理的视频网站中,通常存在大量注册的用户对象和大量视频,每个对象观看完一个视频之后,视频终端可以确定该对象观看该视频的观看时长,进而可以将该观看时长数据反馈至数据处理设备,从而数据处理设备可以实时获取到每个对象观看每个视频的观看时长数据。
其中,预设时间段为当前时间之前,满足预设时长的时间段,例如当前时间之前的7天内、当前时间之前的10天内等等。目标视频为视频网站中,在预设时间段内被观看的任一视频。
当需要确定视频网站中的目标视频是否为作弊视频时,数据处理设备可以从预设时间段内的观看时长数据中,选取各个对象分别观看目标视频的各个观看时长数据,然后可以确定各个观看时长数据的中值,也即预设时间段内各个对象观看目标视频的观看时长中值,进而数据处理设备可以将预设时间段内各个对象观看目标视频的观看时长中值,与目标视频的总时长的比值,确定为目标视频的观看时长中值比。由于相对于总时长较短的视频,总时长较长的视频通常观看时长中值也大,所以不同总时长的视频之间存在一定的观看时长中值差异,因此,需要根据视频本身的总时长对观看时长中值进行归一化,也即是确定视频的观看时长中值比,从而能够消除不同总时长的视频之间的差异,进而提高识别作弊视频的准确度。
一般情况下,相对于非作弊视频,作弊视频的观看时长通常较小,相应的,作弊视频的观看时长中值和观看时长中值比通常也较小。
步骤102:确定预设时间段内各个对象观看目标视频的完成度参数。
完成度参数可以表示视频被播放的完整程度,可以包括退出率参数或完成率参数,其中,退出率参数可以表示观看了某个视频的一小部分便结束观看的对象,占所有观看该视频的对象的比例,完成率参数可以表示观看了某个视频的大部分才结束观看的对象,占所有观看该视频的对象的比例。其中,在退出率参数或完成率参数中,观看了视频的多少部分可以根据实际情况进行设定,例如,退出率参数可以设定为观看某个视频的时长小于20%便结束观看的对象,占所有观看该视频的对象的比例,完成率参数可以设定为观看某个视频的时长大于80%才结束观看的对象,占所有观看该视频的对象的比例。对于目标视频,数据处理设备可以确定预设时间段内各个对象观看目标视频的退出率参数或完成率参数,作为预设时间段内各个对象观看目标视频的完成度参数。
通常,相对于非作弊视频,作弊视频的退出率较高,完成率较低。
步骤103:根据目标视频的观看时长中值比和完成度参数,确定目标视频的作弊参数。
数据处理设备可以对目标视频的观看时长中值比和完成度参数进行加权求和,从而可以得到目标视频的作弊参数。具体的,数据处理设备可以将目标视频的观看时长中值比,与针对观看时长中值比设定的第一权重相乘,得到第一参数,再将目标视频的完成度参数,与针对完成度参数设定的第二权重相乘,得到第二参数,然后可以将第一参数和第二参数相加,从而得到目标视频的作弊参数。
作弊参数的权重可以通过以下两种方式设定,包括:
第一种设定方式:对于作弊视频而言参数值较低的参数,例如观看时长中值比和完成率参数,此类参数对应的权重可以设定为正值,对于作弊视频而言参数值较高的参数,例如退出率参数,此类参数对应的权重可以设定为负值。
对应第一种设定方式,作弊参数小于第一预设参数值的视频为作弊视频,也即作弊参数较小的视频为作弊视频。
第二种设定方式:对于作弊视频而言参数值较低的参数,此类参数对应的权重可以设定为负值,对于作弊视频而言参数值较高的参数,此类参数对应的权重可以设定为正值。
而对应第二种设定方式,作弊参数大于第二预设参数值的视频为作弊视频,也即作弊参数较大的视频为作弊视频。
步骤104:当目标视频的作弊参数满足预设作弊条件时,确定目标视频为作弊视频。
对应于步骤103中的第一种权重设定方式,当目标视频的作弊参数小于第一预设参数值时,可以确定目标视频为作弊视频。对应于步骤103中的第二种权重设定方式,当目标视频的作弊参数大于第二预设参数值时,可以确定目标视频为作弊视频。
本发明实施例包括以下优点:
首先可以根据预设时间段内各个对象观看目标视频的观看时长中值,以及目标视频的总时长,确定目标视频的观看时长中值比,以及确定预设时间段内各个对象观看目标视频的完成度参数,然后可以根据目标视频的观看时长中值比和完成度参数,确定目标视频的作弊参数,当目标视频的作弊参数满足预设作弊条件时,可以确定目标视频为作弊视频。在本发明实施例中,可以根据目标视频的观看时长中值比和完成度参数,确定目标视频的作弊参数,也即是可以利用目标视频的用户行为参数,表征目标视频的作弊参数,进而当目标视频的作弊参数满足预设作弊条件时,可以确定目标视频为作弊视频,从而可以通过用户的观看行为识别出标题与内容严重不符的作弊视频。
实施例二
参照图2,示出了另一种作弊视频识别方法的流程图,该方法具体可以包括如下步骤:
步骤201:根据预设时间段内各个对象观看目标视频的观看时长中值,以及目标视频的总时长,确定目标视频的观看时长中值比。
当需要确定视频网站中的目标视频是否为作弊视频时,数据处理设备可以从预设时间段内的观看时长数据中,选取各个对象分别观看目标视频的各个观看时长数据,然后可以确定各个观看时长数据的中值,也即预设时间段内各个对象观看目标视频的观看时长中值,进而数据处理设备可以将预设时间段内各个对象观看目标视频的观看时长中值,与目标视频的总时长的比值,确定为目标视频的观看时长中值比。由于相对于总时长较短的视频,总时长较长的视频通常观看时长中值也大,所以不同总时长的视频之间存在一定的观看时长中值差异,因此,需要根据视频本身的总时长对观看时长中值进行归一化,也即是确定视频的观看时长中值比,从而能够消除不同总时长的视频之间的差异,进而提高识别作弊视频的准确度。
例如,预设时间段可以为当前时间之前的7天内,数据处理设备可以确定该预设时间段内各个对象观看目标视频的观看时长中值为MWT,目标视频的总时长可以为Duration,数据处理设备可以将观看时长中值MWT与目标视频的总时长Duration的比值,确定为目标视频的观看时长中值比a。
步骤202:确定预设时间段内各个对象观看目标视频的完成度参数。
完成度参数可以包括退出率参数或完成率参数,相应的,本步骤可以通过下述方式实现,包括:将目标视频的总时长等分为预设个数的各个时长区间;确定每个对象观看目标视频的观看时长所对应的时长区间;确定对应最短时长区间的观看时长数据比例,作为目标视频的退出率参数,或者,确定对应最长时长区间的观看时长数据比例,作为目标视频的完成率参数。
其中,数据处理设备首先可以将目标视频的总时长等分为预设个数的各个时长区间,然后可以确定每个对象观看目标视频的观看时长所对应的时长区间,也即是确定每个观看时长数据属于哪个时长区间。其中,最短时长区间为各个时长区间中,时长最大值最小的时长区间,最短时长区间为各个时长区间中时长最大值最大的时长区间。数据处理设备可以确定属于最短时长区间的观看时长数据的数量,占各个对象对应的所有观看时长数据的总数量的比例,作为目标视频的退出率参数,或者,数据处理设备可以确定属于最长时长区间的观看时长数据的数量,占各个对象对应的所有观看时长数据的总数量的比例,作为目标视频的完成率参数。
例如,完成度参数可以选取退出率参数,预设个数可以为5,数据处理设备可以将目标视频的总时长Duration等分为5个时长区间,然后可以确定每个对象观看目标视频的观看时长所对应的时长区间,之后可以确定对应最短时长区间的观看时长数据比例,作为目标视频的退出率参数b。
步骤203:从预设的各个总时长范围中,确定目标视频对应的目标总时长范围。
数据处理设备中可以事先预设各个总时长范围,并可以从各个总时长范围中,确定目标视频对应的目标总时长范围,也即确定目标视频的总时长属于哪个总时长范围。
例如,数据处理设备可以从预设的各个总时长范围中,确定目标视频对应的目标总时长范围。
步骤204:根据目标总时长范围,对目标视频的观看时长中值比进行修正,得到目标视频的修正观看时长中值比。
本步骤可以通过下述方式实现,包括:确定预设时间段内被观看,且对应目标总时长范围的各个播放视频的平均观看时长中值比;确定目标视频的观看时长中值比与平均观看时长中值比的比值,得到目标视频的修正观看时长中值比。
与总时长较长的相比,总时长较短的视频的观看时长中值比会偏大,所以,不同总时长的视频在对比观看时长中值比时仍然会不公平,因此,数据处理设备可以基于预设时间段内被观看,且对应不同总时长范围的各个播放视频的平均观看时长中值比,也即不同总时长范围的视频的历史观看时长中值比数据,对目标视频的观看时长中值比进行修正,如此,可以消除不同总时长的视频之间的观看数据差异,从而不同总时长的视频便可以进行更精准的比较,进而能够提高确定作弊视频的准确度。
例如,数据处理设备可以确定7天内被观看,且对应目标总时长范围的各个播放视频的平均观看时长中值比AVG_MWT_RATIO,然后可以确定目标视频的观看时长中值比a与平均观看时长中值比AVG_MWT_RATIO的比值,得到目标视频的修正观看时长中值比afix。
步骤205:根据目标总时长范围,对目标视频的完成度参数进行修正,得到目标视频的修正完成度参数。
本步骤可以通过下述方式实现,包括:确定预设时间段内被观看,且对应目标总时长范围的各个播放视频的平均完成度参数;确定目标视频的完成度参数与平均完成度参数的比值,得到目标视频的修正完成度参数。
与总时长较长的相比,总时长较短的视频的退出率参数会偏小,完成率参数会偏大,所以,不同总时长的视频在对比完成度参数时仍然会不公平,因此,数据处理设备可以基于预设时间段内被观看,且对应不同总时长范围的各个播放视频的平均完成度参数,也即不同总时长范围的视频的历史完成度参数数据,对目标视频的完成度参数进行修正,如此,可以消除不同总时长的视频之间的观看数据差异,从而不同总时长的视频便可以进行更精准的比较,进而能够提高识别作弊视频的准确度。
例如,数据处理设备可以确定7天内被观看,且对应目标总时长范围的各个播放视频的平均退出率参数Avg_exit_rate,然后可以确定目标视频的退出率参数b与平均退出率参数Avg_exit_rate的比值,得到目标视频的修正退出率参数bfix。
步骤206:确定各个对象对目标视频的顶/踩行为参数和负向评论率中的至少一者。
顶/踩行为参数可以包括顶行为参数或踩行为参数。通常,视频网站的视频播放页面中可以设置“顶”图标和“踩”图标,在用户观看视频时,若发现该视频的标题与内容严重不符,则不希望其他用户被该视频欺骗,因此会点击“踩”图标,若发现该视频符合自己兴趣,且标题与内容相符,则希望其他用户观看到该视频,因此会点击“顶”图标,所以,顶/踩行为参数在一定程度上能够代表用户对当前观看视频的态度。
其中,顶行为参数可以定义为各个用户对某视频点击“顶”图标的次数,与各个用户对该视频点击“顶”图标和“踩”图标的总次数之间的比值。踩行为参数可以定义为各个用户对某视频点击“踩”图标的次数,与各个用户对该视频点击“顶”图标和“踩”图标的总次数之间的比值。在本步骤中,视频处理设备可以确定各个对象对目标视频的顶行为参数或踩行为参数。
通常,相对于非作弊视频,作弊视频的顶行为参数较低,踩行为参数较高。
另外,视频评论信息能够很直接的表达用户对视频内容的态度,而对于标题与内容严重不符的作弊视频,其评论信息往往表达的是被欺骗,因此,作弊视频的评论信息与不喜欢的视频的评论信息的关键字有所不同。对于作弊视频,数据处理设备可以以评论信息为输出参数,通过预设的文本分类模型,确定评论信息所属的评论类别,当评论信息所属的评论类别为作弊类别时,可以确定该评论信息为作弊视频对应的负向评论信息。数据处理设备可以确定各个对象对目标视频的负向评论信息数量,与各个对象对目标视频的评论信息总数量之间的比值,作为各个对象对目标视频的负向评论率。
通常,相对于非作弊视频,作弊视频的负向评论率较低。
例如,数据处理设备可以确定各个对象对目标视频的踩行为参数为c,确定各个对象对目标视频的负向评论率为d。
步骤207:根据目标视频的修正观看时长中值比、修正完成度参数、以及顶/踩行为参数和负向评论率中的至少一者,确定目标视频的作弊参数。
数据处理设备可以对目标视频的修正观看时长中值比、修正完成度参数、以及顶/踩行为参数和负向评论率中的至少一者进行加权求和,从而可以得到目标视频的作弊参数。具体的,数据处理设备可以将目标视频的修正观看时长中值比,与针对观看时长中值比设定的第一权重相乘,得到第一参数,再将目标视频的修正完成度参数,与针对完成度参数设定的第二权重相乘,得到第二参数,将目标视频的顶/踩行为参数,与针对顶/踩行为参数设定的第三权重相乘,得到第三参数,将目标视频的负向评论率,与针对负向评论率设定的第四权重相乘,得到第四参数,然后可以将第一参数、第二参数、和第三参数相加,从而得到目标视频的作弊参数,或者可以将第一参数、第二参数和第四参数相加,从而得到目标视频的作弊参数,或者可以将第一参数、第二参数、第三参数和第四参数相加,从而得到目标视频的作弊参数。
需要说明的是,本发明实施例不限定于观看时长中值比、完成度参数、顶/踩行为参数和负向评论率这四个用户行为参数,在实际应用中,数据处理设备还可以增加其他的用户行为参数来确定视频的作弊参数,增加表征作弊视频的用户行为参数,能够提高识别作弊视频的准确度。
另外,作弊参数的权重可以通过以下两种方式设定,包括:
第一种设定方式:对于作弊视频而言参数值较低的参数,例如观看时长中值比、完成率参数和顶行为参数,此类参数对应的权重可以设定为正值,对于作弊视频而言参数值较高的参数,例如退出率参数、踩行为参数和负向评论率,此类参数对应的权重可以设定为负值。
对应第一种设定方式,作弊参数小于第一预设参数值的视频为作弊视频,也即作弊参数较小的视频为作弊视频。
第二种设定方式:对于作弊视频而言参数值较低的参数,此类参数对应的权重可以设定为负值,对于作弊视频而言参数值较高的参数,此类参数对应的权重可以设定为正值。
而对应第二种设定方式,作弊参数大于第二预设参数值的视频为作弊视频,也即作弊参数较大的视频为作弊视频。
需要说明的是,本发明实施例对于数据处理设备确定观看时长中值比、完成度参数、顶/踩行为参数和负向评论率的先后顺序不作具体限定。
在实际应用中,数据处理设备可以对观看时长中值比和完成度参数均进行修正,也可以仅对其中一者进行修正,还可以对二者均不进行修正,本发明实施例对此不作限定。另外,数据处理设备可以只确定视频的观看时长中值比和完成度参数,当然,也可以在观看时长中值比和完成度参数的基础上,进一步确定顶/踩行为参数和负向评论率中的至少一者,本发明实施例对此不作限定。
例如,其中,对于观看时长中值比,对应的权重Q1可以设定为正值,对于退出率参数,对应的权重Q2可以设定为负值,对于踩行为参数,对应的权重Q3可以设定为负值,对于负向评论率,对应的权重Q4可以设定为负值。数据处理设备可以对目标视频的修正观看时长中值比afix、修正退出率参数bfix、踩行为参数c和负向评论率d进行加权求和,目标视频的作弊参数score为afix*Q1+bfix*Q2+c*Q3+d*Q4。
步骤208:当目标视频的作弊参数满足预设作弊条件时,确定目标视频为作弊视频。
对应于步骤207中的第一种权重设定方式,当目标视频的作弊参数小于第一预设参数值时,可以确定目标视频为作弊视频。对应于步骤207中的第二种权重设定方式,当目标视频的作弊参数大于第二预设参数值时,可以确定目标视频为作弊视频。
例如,数据处理设备可以确定目标视频的作弊参数score小于第一预设参数值,从而可以确定目标视频为作弊视频。
本发明实施例包括以下优点:
首先可以根据预设时间段内各个对象观看目标视频的观看时长中值,以及目标视频的总时长,确定目标视频的观看时长中值比,确定预设时间段内各个对象观看目标视频的完成度参数,以及确定各个对象对目标视频的顶/踩行为参数和负向评论率中的至少一者,并对观看时长中值比和完成度参数进行修正,然后可以根据目标视频的修正观看时长中值比、修正完成度参数、以及顶/踩行为参数和负向评论率中的至少一者,确定目标视频的作弊参数,当目标视频的作弊参数满足预设作弊条件时,可以确定目标视频为作弊视频。在本发明实施例中,可以根据目标视频的观看时长中值比、完成度参数、以及顶/踩行为参数和负向评论率中的至少一者,可以确定目标视频的作弊参数,也即是可以利用目标视频的用户行为参数,表征目标视频的作弊参数,进而当目标视频的作弊参数满足预设作弊条件时,可以确定目标视频为作弊视频,从而可以通过用户的观看行为识别出标题与内容严重不符的作弊视频。另外,通过对观看时长中值比和完成度参数进行修正,从而可以消除不同总时长的视频之间的差异,进而能够提高是被作弊视频的准确度。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
实施例三
参照图3,示出了一种作弊视频识别装置300的框图,该装置具体可以包括:
第一确定模块301,用于根据预设时间段内各个对象观看目标视频的观看时长中值,以及所述目标视频的总时长,确定所述目标视频的观看时长中值比;
第二确定模块302,用于确定所述预设时间段内所述各个对象观看所述目标视频的完成度参数;
第三确定模块303,用于根据所述目标视频的观看时长中值比和完成度参数,确定所述目标视频的作弊参数;
第四确定模块304,用于当所述目标视频的作弊参数满足预设作弊条件时,确定所述目标视频为作弊视频。
本发明实施例包括以下优点:
首先可以通过第一确定模块,根据预设时间段内各个对象观看目标视频的观看时长中值,以及目标视频的总时长,确定目标视频的观看时长中值比,以及通过第二确定模块,确定预设时间段内各个对象观看目标视频的完成度参数,然后可以通过第三确定模块,根据目标视频的观看时长中值比和完成度参数,确定目标视频的作弊参数,当目标视频的作弊参数满足预设作弊条件时,可以通过第四确定模块,确定目标视频为作弊视频。在本发明实施例中,可以根据目标视频的观看时长中值比和完成度参数,确定目标视频的作弊参数,也即是可以利用目标视频的用户行为参数,表征目标视频的作弊参数,进而当目标视频的作弊参数满足预设作弊条件时,可以确定目标视频为作弊视频,从而可以通过用户的观看行为识别出标题与内容严重不符的作弊视频。
实施例四
参照图4,示出了另一种作弊视频识别装置400的框图,该装置具体可以包括:
第一确定模块401,用于根据预设时间段内各个对象观看目标视频的观看时长中值,以及所述目标视频的总时长,确定所述目标视频的观看时长中值比;
第二确定模块402,用于确定所述预设时间段内所述各个对象观看所述目标视频的完成度参数;
第三确定模块403,用于根据所述目标视频的观看时长中值比和完成度参数,确定所述目标视频的作弊参数;
第四确定模块404,用于当所述目标视频的作弊参数满足预设作弊条件时,确定所述目标视频为作弊视频。
可选的,参照图4,所述完成度参数包括退出率参数或完成率参数,所述第二确定模块402包括:
划分子模块4021,用于将所述目标视频的总时长等分为预设个数的各个时长区间;
第一确定子模块4022,用于确定每个对象观看所述目标视频的观看时长所对应的时长区间;
第二确定子模块4023,用于确定对应最短时长区间的观看时长数据比例,作为所述目标视频的退出率参数,或者,确定对应最长时长区间的观看时长数据比例,作为所述目标视频的完成率参数。
可选的,参照图4,所述装置400还包括:
第五确定模块405,用于从预设的各个总时长范围中,确定所述目标视频对应的目标总时长范围;
第一修正模块406,用于根据所述目标总时长范围,对所述目标视频的观看时长中值比进行修正,得到所述目标视频的修正观看时长中值比;
第二修正模块407,用于根据所述目标总时长范围,对所述目标视频的完成度参数进行修正,得到所述目标视频的修正完成度参数;
相应的,所述第三确定模块403包括:
第三确定子模块4031,用于根据所述目标视频的修正观看时长中值比和修正完成度参数,确定所述目标视频的作弊参数。
可选的,参照图4,所述第一修正模块406包括:
第四确定子模块4061,用于确定所述预设时间段内被观看,且对应所述目标总时长范围的各个播放视频的平均观看时长中值比;
第五确定子模块4062,用于确定所述目标视频的观看时长中值比与所述平均观看时长中值比的比值,得到所述目标视频的修正观看时长中值比。
可选的,参照图4,所述第二修正模块407包括:
第六确定子模块4071,用于确定所述预设时间段内被观看,且对应所述目标总时长范围的各个播放视频的平均完成度参数;
第七确定子模块4072,用于确定所述目标视频的完成度参数与所述平均完成度参数的比值,得到所述目标视频的修正完成度参数。
可选的,参照图4,所述装置400还包括:
第六确定模块408,用于确定所述各个对象对所述目标视频的顶/踩行为参数和负向评论率中的至少一者;
相应的,所述第三确定子模块4031包括:
确定单元,用于根据所述目标视频的修正观看时长中值比、修正完成度参数、以及顶/踩行为参数和负向评论率中的至少一者,确定所述目标视频的作弊参数。
本发明实施例包括以下优点:
首先可以通过第一确定模块,根据预设时间段内各个对象观看目标视频的观看时长中值,以及目标视频的总时长,确定目标视频的观看时长中值比,通过第二确定模块,确定预设时间段内各个对象观看目标视频的完成度参数,以及通过第六确定模块,确定各个对象对目标视频的顶/踩行为参数和负向评论率中的至少一者,并通过第一修正模块和第二修正模块,对观看时长中值比和完成度参数进行修正,然后可以通过确定单元,根据目标视频的修正观看时长中值比、修正完成度参数、以及顶/踩行为参数和负向评论率中的至少一者,确定目标视频的作弊参数,当目标视频的作弊参数满足预设作弊条件时,可以通过第四确定模块,确定目标视频为作弊视频。在本发明实施例中,可以根据目标视频的观看时长中值比、完成度参数、以及顶/踩行为参数和负向评论率中的至少一者,可以确定目标视频的作弊参数,也即是可以利用目标视频的用户行为参数,表征目标视频的作弊参数,进而当目标视频的作弊参数满足预设作弊条件时,可以确定目标视频为作弊视频,从而可以通过用户的观看行为识别出标题与内容严重不符的作弊视频。另外,通过对观看时长中值比和完成度参数进行修正,从而可以消除不同总时长的视频之间的差异,进而能够提高是被作弊视频的准确度。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例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,本发明实施例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。
在一个典型的配置中,所述计算机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。内存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)。内存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非持续性的电脑可读媒体(transitory media),如调制的数据信号和载波。
本发明实施例是参照根据本发明实施例的方法、终端设备(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终端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终端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终端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终端设备上,使得在计算机或其他可编程终端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终端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。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者终端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、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种作弊视频识别方法和一种作弊视频识别装置,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (12)
1.一种作弊视频识别方法,其特征在于,所述方法包括:
根据预设时间段内各个对象观看目标视频的观看时长中值,以及所述目标视频的总时长,确定所述目标视频的观看时长中值比;
确定所述预设时间段内所述各个对象观看所述目标视频的完成度参数;
根据所述目标视频的观看时长中值比和完成度参数,确定所述目标视频的作弊参数;
当所述目标视频的作弊参数满足预设作弊条件时,确定所述目标视频为作弊视频。
2.根据权利要求1所述的方法,其特征在于,所述完成度参数包括退出率参数或完成率参数,所述确定所述预设时间段内所述各个对象观看所述目标视频的完成度参数,包括:
将所述目标视频的总时长等分为预设个数的各个时长区间;
确定每个对象观看所述目标视频的观看时长所对应的时长区间;
确定对应最短时长区间的观看时长数据比例,作为所述目标视频的退出率参数,或者,确定对应最长时长区间的观看时长数据比例,作为所述目标视频的完成率参数。
3.根据权利要求1所述的方法,其特征在于,所述根据所述目标视频的观看时长中值比和完成度参数,确定所述目标视频的作弊参数之前,还包括:
从预设的各个总时长范围中,确定所述目标视频对应的目标总时长范围;
根据所述目标总时长范围,对所述目标视频的观看时长中值比进行修正,得到所述目标视频的修正观看时长中值比;
根据所述目标总时长范围,对所述目标视频的完成度参数进行修正,得到所述目标视频的修正完成度参数;
相应的,所述根据所述目标视频的观看时长中值比和完成度参数,确定所述目标视频的作弊参数,包括:
根据所述目标视频的修正观看时长中值比和修正完成度参数,确定所述目标视频的作弊参数。
4.根据权利要求3所述的方法,其特征在于,所述根据所述目标总时长范围,对所述目标视频的观看时长中值比进行修正,得到所述目标视频的修正观看时长中值比,包括:
确定所述预设时间段内被观看,且对应所述目标总时长范围的各个播放视频的平均观看时长中值比;
确定所述目标视频的观看时长中值比与所述平均观看时长中值比的比值,得到所述目标视频的修正观看时长中值比。
5.根据权利要求3所述的方法,其特征在于,所述根据所述目标总时长范围,对所述目标视频的完成度参数进行修正,得到所述目标视频的修正完成度参数,包括:
确定所述预设时间段内被观看,且对应所述目标总时长范围的各个播放视频的平均完成度参数;
确定所述目标视频的完成度参数与所述平均完成度参数的比值,得到所述目标视频的修正完成度参数。
6.根据权利要求3所述的方法,其特征在于,所述根据所述目标视频的观看时长中值比和完成度参数,确定所述目标视频的作弊参数之前,还包括:
确定所述各个对象对所述目标视频的顶/踩行为参数和负向评论率中的至少一者;
相应的,所述根据所述目标视频的修正观看时长中值比和修正完成度参数,确定所述目标视频的作弊参数,包括:
根据所述目标视频的修正观看时长中值比、修正完成度参数、以及顶/踩行为参数和负向评论率中的至少一者,确定所述目标视频的作弊参数。
7.一种作弊视频识别装置,其特征在于,所述装置包括:
第一确定模块,用于根据预设时间段内各个对象观看目标视频的观看时长中值,以及所述目标视频的总时长,确定所述目标视频的观看时长中值比;
第二确定模块,用于确定所述预设时间段内所述各个对象观看所述目标视频的完成度参数;
第三确定模块,用于根据所述目标视频的观看时长中值比和完成度参数,确定所述目标视频的作弊参数;
第四确定模块,用于当所述目标视频的作弊参数满足预设作弊条件时,确定所述目标视频为作弊视频。
8.根据权利要求7所述的装置,其特征在于,所述完成度参数包括退出率参数或完成率参数,所述第二确定模块包括:
划分子模块,用于将所述目标视频的总时长等分为预设个数的各个时长区间;
第一确定子模块,用于确定每个对象观看所述目标视频的观看时长所对应的时长区间;
第二确定子模块,用于确定对应最短时长区间的观看时长数据比例,作为所述目标视频的退出率参数,或者,确定对应最长时长区间的观看时长数据比例,作为所述目标视频的完成率参数。
9.根据权利要求7所述的装置,其特征在于,所述装置还包括:
第五确定模块,用于从预设的各个总时长范围中,确定所述目标视频对应的目标总时长范围;
第一修正模块,用于根据所述目标总时长范围,对所述目标视频的观看时长中值比进行修正,得到所述目标视频的修正观看时长中值比;
第二修正模块,用于根据所述目标总时长范围,对所述目标视频的完成度参数进行修正,得到所述目标视频的修正完成度参数;
相应的,所述第三确定模块包括:
第三确定子模块,用于根据所述目标视频的修正观看时长中值比和修正完成度参数,确定所述目标视频的作弊参数。
10.根据权利要求9所述的装置,其特征在于,所述第一修正模块包括:
第四确定子模块,用于确定所述预设时间段内被观看,且对应所述目标总时长范围的各个播放视频的平均观看时长中值比;
第五确定子模块,用于确定所述目标视频的观看时长中值比与所述平均观看时长中值比的比值,得到所述目标视频的修正观看时长中值比。
11.根据权利要求9所述的装置,其特征在于,所述第二修正模块包括:
第六确定子模块,用于确定所述预设时间段内被观看,且对应所述目标总时长范围的各个播放视频的平均完成度参数;
第七确定子模块,用于确定所述目标视频的完成度参数与所述平均完成度参数的比值,得到所述目标视频的修正完成度参数。
12.根据权利要求9所述的装置,其特征在于,所述装置还包括:
第六确定模块,用于确定所述各个对象对所述目标视频的顶/踩行为参数和负向评论率中的至少一者;
相应的,所述第三确定子模块包括:
确定单元,用于根据所述目标视频的修正观看时长中值比、修正完成度参数、以及顶/踩行为参数和负向评论率中的至少一者,确定所述目标视频的作弊参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810299200.XA CN108764021B (zh) | 2018-04-04 | 2018-04-04 | 一种作弊视频识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810299200.XA CN108764021B (zh) | 2018-04-04 | 2018-04-04 | 一种作弊视频识别方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108764021A true CN108764021A (zh) | 2018-11-06 |
CN108764021B CN108764021B (zh) | 2021-03-26 |
Family
ID=63981373
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810299200.XA Active CN108764021B (zh) | 2018-04-04 | 2018-04-04 | 一种作弊视频识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108764021B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112040338A (zh) * | 2020-07-31 | 2020-12-04 | 中国建设银行股份有限公司 | 视频播放作弊检测方法、装置及电子设备 |
CN112104912A (zh) * | 2020-11-20 | 2020-12-18 | 深圳市房多多网络科技有限公司 | 检测视频观看完成度的方法、装置、设备及可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120291051A1 (en) * | 2011-05-13 | 2012-11-15 | Orions Digital Systems, Inc. | Generating Event Definitions Based on Spatial and Relational Relationships |
CN104486649A (zh) * | 2014-12-18 | 2015-04-01 | 北京百度网讯科技有限公司 | 视频内容评级方法及装置 |
CN105183897A (zh) * | 2015-09-29 | 2015-12-23 | 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 |
CN105373600A (zh) * | 2015-10-30 | 2016-03-02 | 北京奇艺世纪科技有限公司 | 视频播单排序方法及装置 |
CN106294536A (zh) * | 2016-07-20 | 2017-01-04 | 合网络技术(北京)有限公司 | 一种反作弊视频的方法及装置 |
CN106326498A (zh) * | 2016-10-13 | 2017-01-11 | 合网络技术(北京)有限公司 | 一种作弊视频识别方法及装置 |
CN107529093A (zh) * | 2017-09-05 | 2017-12-29 | 北京奇艺世纪科技有限公司 | 一种视频文件播放量的检测方法及系统 |
-
2018
- 2018-04-04 CN CN201810299200.XA patent/CN108764021B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120291051A1 (en) * | 2011-05-13 | 2012-11-15 | Orions Digital Systems, Inc. | Generating Event Definitions Based on Spatial and Relational Relationships |
CN104486649A (zh) * | 2014-12-18 | 2015-04-01 | 北京百度网讯科技有限公司 | 视频内容评级方法及装置 |
CN105183897A (zh) * | 2015-09-29 | 2015-12-23 | 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 |
CN105373600A (zh) * | 2015-10-30 | 2016-03-02 | 北京奇艺世纪科技有限公司 | 视频播单排序方法及装置 |
CN106294536A (zh) * | 2016-07-20 | 2017-01-04 | 合网络技术(北京)有限公司 | 一种反作弊视频的方法及装置 |
CN106326498A (zh) * | 2016-10-13 | 2017-01-11 | 合网络技术(北京)有限公司 | 一种作弊视频识别方法及装置 |
CN107529093A (zh) * | 2017-09-05 | 2017-12-29 | 北京奇艺世纪科技有限公司 | 一种视频文件播放量的检测方法及系统 |
Non-Patent Citations (2)
Title |
---|
PARIKSHIT JULURI等: ""Pytomo: A tool for analyzing playback quality of YouTube videos"", 《2011 23RD INTERNATIONAL TELETRAFFIC CONGRESS (ITC)》 * |
韦安明等: ""大数据视角下的互联网视频用户行为"", 《广播与电视技术》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112040338A (zh) * | 2020-07-31 | 2020-12-04 | 中国建设银行股份有限公司 | 视频播放作弊检测方法、装置及电子设备 |
CN112040338B (zh) * | 2020-07-31 | 2022-08-09 | 中国建设银行股份有限公司 | 视频播放作弊检测方法、装置及电子设备 |
CN112104912A (zh) * | 2020-11-20 | 2020-12-18 | 深圳市房多多网络科技有限公司 | 检测视频观看完成度的方法、装置、设备及可读存储介质 |
CN112104912B (zh) * | 2020-11-20 | 2021-02-12 | 深圳市房多多网络科技有限公司 | 检测视频观看完成度的方法、装置、设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108764021B (zh) | 2021-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9978093B2 (en) | Method and system for pushing mobile application | |
WO2017096877A1 (zh) | 一种推荐方法和装置 | |
CN111274442B (zh) | 确定视频标签的方法、服务器及存储介质 | |
CN107870984A (zh) | 识别搜索词的意图的方法和装置 | |
CN108519991A (zh) | 一种主播账户推荐的方法和装置 | |
CN108416616A (zh) | 投诉举报类别的排序方法和装置 | |
CN112100504B (zh) | 内容推荐方法、装置、电子设备及存储介质 | |
CN112364202A (zh) | 视频推荐方法、装置及电子设备 | |
CN104935651A (zh) | 一种内容推荐方法及终端 | |
CN105049882A (zh) | 一种视频推荐方法及装置 | |
CN108540860B (zh) | 一种视频召回方法和装置 | |
US11470370B2 (en) | Crowdsourcing platform for on-demand media content creation and sharing | |
CN110533448A (zh) | 基于微表情的数据推送方法、系统和计算机设备 | |
CN110753247B (zh) | 一种信息推送策略生成系统及方法 | |
CN111314732A (zh) | 确定视频标签的方法、服务器及存储介质 | |
CN104572969A (zh) | 跨应用的关联资源信息获取的方法和装置 | |
CN105391594A (zh) | 识别特征账号的方法及装置 | |
CN107493467A (zh) | 一种视频质量评估方法及装置 | |
US20130073557A1 (en) | Matching of cases based on attributes including an attribute relating to flow of activities | |
CN108764021A (zh) | 一种作弊视频识别方法和装置 | |
TWI725375B (zh) | 資料搜尋方法及其資料搜尋系統 | |
CN103617221B (zh) | 软件推荐方法及系统 | |
CN109688217B (zh) | 一种消息推送方法、装置及电子设备 | |
CN108595526A (zh) | 资源推荐方法及装置 | |
US20170109419A1 (en) | Metadata Extraction and Management |
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 |