CN109327715A - 一种视频风险识别方法、装置及设备 - Google Patents

一种视频风险识别方法、装置及设备 Download PDF

Info

Publication number
CN109327715A
CN109327715A CN201810861705.0A CN201810861705A CN109327715A CN 109327715 A CN109327715 A CN 109327715A CN 201810861705 A CN201810861705 A CN 201810861705A CN 109327715 A CN109327715 A CN 109327715A
Authority
CN
China
Prior art keywords
risk
barrage
video
value
comment content
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
Application number
CN201810861705.0A
Other languages
English (en)
Other versions
CN109327715B (zh
Inventor
张凯隆
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.)
Advanced New Technologies Co Ltd
Advantageous New Technologies Co Ltd
Original Assignee
Alibaba Group Holding 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 Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201810861705.0A priority Critical patent/CN109327715B/zh
Publication of CN109327715A publication Critical patent/CN109327715A/zh
Application granted granted Critical
Publication of CN109327715B publication Critical patent/CN109327715B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/235—Processing of additional data, e.g. scrambling of additional data or processing content descriptors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • 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
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • 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
    • H04N21/254—Management at additional data server, e.g. shopping server, rights management server
    • 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
    • H04N21/8146—Monomedia components thereof involving graphical data, e.g. 3D object, 2D graphics
    • H04N21/8153—Monomedia components thereof involving graphical data, e.g. 3D object, 2D graphics comprising still images, e.g. texture, background image

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Signal Processing (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Evolutionary Computation (AREA)
  • Educational Administration (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Graphics (AREA)
  • Image Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本说明书实施例公开了一种视频风险识别方法、装置及设备，其中，该方法对从视频中获取的弹幕进行风险识别，确定存在风险的弹幕，并利用存在风险的弹幕确定视频是否存在风险。

Description

一种视频风险识别方法、装置及设备
技术领域
本发明涉及计算机技术领域，尤其涉及一种视频风险识别方法、装置及设备。
背景技术
随着互联网技术的发展，视频以多样化的方式进行传播，例如，网络直播、短视频等。以网络直播为例，其吸取和延续了互联网的优势，利用视讯方式进行网上现场直播，可以将产品展示、相关会议、在线培训等内容现场发布到互联网上，利用互联网的直观、交互性强、地域不受限制等特点，能够加强活动现场的推广效果。但是，部分直播平台传播色情、暴力、诈骗等信息，违背社会主义核心价值观，特别是给青少年身心健康带来不良影响。
因此，如何对视频进行风险识别，使网络直播、短视频等业务健康快速发展，对技术人员来说是巨大的挑战。
发明内容
鉴于此，本发明实施例提供了一种视频风险识别方法、装置及设备。
本发明实施例采用下述技术方案：
本发明实施例提供了一种视频风险识别方法，包括：
获取视频的弹幕；
对所述弹幕进行风险识别，确定存在风险的弹幕；
根据所述存在风险的弹幕，确定所述视频是否存在风险。
优选地，
所述弹幕，包括：评论内容；
所述对所述弹幕进行风险识别，确定存在风险的弹幕，包括：
对所述弹幕的评论内容进行分词；
将分词结果与预设的关键词词库进行匹配，确定所述弹幕的第一风险值；
当所述弹幕的第一风险值在预设的第一风险范围内时，确定所述弹幕存在风险；
优选地，
所述弹幕，包括：评论内容；
所述对所述弹幕进行风险识别，确定存在风险的弹幕，包括：
将所述弹幕的评论内容与预设的正则表达式进行匹配，确定所述弹幕的第二风险值；
当所述弹幕的第二风险值在预设的第二风险范围内时，确定所述弹幕存在风险；
优选地，
所述弹幕，包括：评论内容；
所述对所述弹幕进行风险识别，确定存在风险的弹幕，包括：
将所述弹幕的评论内容与预设的至少一个风险文本进行对比，确定所述弹幕的评论内容与各个所述风险文本的相似度；
根据所述弹幕的评论内容与各个所述风险文本的相似度，确定所述弹幕的第三风险值；
当所述弹幕的第三风险值在预设的第三风险范围内时，确定所述弹幕存在风险；
优选地，
所述弹幕，包括：评论内容；
所述对所述弹幕进行风险识别，确定存在风险的弹幕，包括：
对所述弹幕的评论内容进行特征抽取；
根据特征抽取结果和预先构建的至少一个文本模型，确定所述弹幕的评论内容所属的目标文本模型；
根据所述弹幕的评论内容所属的目标文本模型，确定所述弹幕的第四风险值；
当所述弹幕的第四风险值在预设的第四风险范围内时，确定所述弹幕存在风险。
优选地，
所述根据所述存在风险的弹幕，确定所述视频是否存在风险，包括：
根据所述存在风险的弹幕对所述视频进行截帧，根据截帧得到的图片确定所述视频是否存在风险。
优选地，
所述弹幕，包括：评论时间；
所述根据所述存在风险的弹幕对所述视频进行截帧，包括：
在所述存在风险的弹幕的评论时间对所述视频进行截帧；
优选地，
所述视频，包括：直播视频；所述弹幕，包括：直播地址；
所述根据所述存在风险的弹幕对所述视频进行截帧，包括：
根据所述存在风险的弹幕中的直播地址，确定所述直播视频，对所述直播视频进行截帧。
优选地，
所述根据截帧得到的图片确定所述视频是否存在风险，包括：
对截帧得到的图片进行特征提取；
将提取得到的图片特征与预先存储的至少一个特征模板进行对比，确定所述图片特征与各个所述特征模板的相似度；
根据所述图片特征与各个所述特征模板的相似度，确定所述视频的第五风险值；
当所述第五风险值在预设的第五风险范围内时，确定所述视频存在风险，否则，确定所述视频不存在风险。
优选地，
所述根据所述存在风险的弹幕，确定所述视频是否存在风险，包括：
确定所述存在风险的弹幕的数量；
当所述存在风险的弹幕的数量大于预设的风险阈值时，确定所述视频存在风险，否则，确定所述视频不存在风险。
优选地，
进一步包括：当确定所述视频存在风险时，对所述视频进行风险控制。
优选地，
所述对所述视频进行风险控制，包括：
下架所述视频；
优选地，
所述对所述视频进行风险控制，包括：
根据所述存在风险的弹幕，生成告警信息，将所述告警信息发送给外部的管理人员，以使外部的管理人员对所述视频进行管理。
本发明实施例还提供了一种视频风险识别装置，包括：
获取单元，用于获取视频的弹幕；
弹幕风险识别单元，用于对所述弹幕进行风险识别，确定存在风险的弹幕；
视频风险识别单元，用于根据所述存在风险的弹幕，确定所述视频是否存在风险。
优选地，
所述弹幕，包括：评论内容；
所述弹幕风险识别单元，用于对所述弹幕的评论内容进行分词；将分词结果与预设的关键词词库进行匹配，确定所述弹幕的第一风险值；当所述弹幕的第一风险值在预设的第一风险范围内时，确定所述弹幕存在风险；
优选地，
所述弹幕，包括：评论内容；
所述弹幕风险识别单元，用于将所述弹幕的评论内容与预设的正则表达式进行匹配，确定所述弹幕的第二风险值；当所述弹幕的第二风险值在预设的第二风险范围内时，确定所述弹幕存在风险；
优选地，
所述弹幕，包括：评论内容；
所述弹幕风险识别单元，用于将所述弹幕的评论内容与预设的至少一个风险文本进行对比，确定所述弹幕的评论内容与各个所述风险文本的相似度；根据所述弹幕的评论内容与各个所述风险文本的相似度，确定所述弹幕的第三风险值；当所述弹幕的第三风险值在预设的第三风险范围内时，确定所述弹幕存在风险；
优选地，
所述弹幕，包括：评论内容；
所述弹幕风险识别单元，用于对所述弹幕的评论内容进行特征抽取；根据特征抽取结果和预先构建的至少一个文本模型，确定所述弹幕的评论内容所属的目标文本模型；根据所述弹幕的评论内容所属的目标文本模型，确定所述弹幕的第四风险值；当所述弹幕的第四风险值在预设的第四风险范围内时，确定所述弹幕存在风险。
优选地，
所述视频风险识别单元，用于根据所述存在风险的弹幕对所述视频进行截帧，根据截帧得到的图片确定所述视频是否存在风险。
优选地，
所述弹幕，包括：评论时间；
所述视频风险识别单元，用于在所述存在风险的弹幕的评论时间对所述视频进行截帧。
优选地，
所述视频风险识别单元，用于对截帧得到的图片进行特征提取；将提取得到的图片特征与预先存储的至少一个特征模板进行对比，确定所述图片特征与各个所述特征模板的相似度；根据所述图片特征与各个所述特征模板的相似度，确定所述视频的第五风险值；当所述第五风险值在预设的第五风险范围内时，确定所述视频存在风险，否则，确定所述视频不存在风险。
优选地，
所述视频风险识别单元，用于确定所述存在风险的弹幕的数量；当所述存在风险的弹幕的数量大于预设的风险阈值时，确定所述视频存在风险，否则，确定所述视频不存在风险。
优选地，
进一步包括：风险控制单元，用于当确定所述视频存在风险时，对所述视频进行风险控制。
优选地，
所述风险控制单元，用于下架所述视频；
优选地，
所述风险控制单元，用于根据所述存在风险的弹幕，生成告警信息，将所述告警信息发送给外部的管理人员，以使外部的管理人员对所述视频进行管理。
本发明实施例还提供了一种视频风险识别设备，包括：处理器和存储器；
所述存储器用于存储执行指令，所述处理器用于执行所述存储器存储的所述执行指令以实现上述任一实施例所述的方法。
本发明实施例采用的上述至少一个技术方案能够达到以下有益效果：该方案利用弹幕与视频存在时间序列上的关联关系，通过对弹幕的风险识别，在弹幕的评论时间对应的时间点对视频进行截帧，并对截帧得到的图片进行风险识别。与人工监播的方式相比，该方法能够提高风险识别的准确性，同时，降低截帧的资源消耗及截帧图片的风险识别资源消耗，有效节约成本。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明一个实施例提供的一种视频风险识别方法的流程图；
图2是本发明另一个实施例提供的一种视频风险识别方法的流程图；
图3是本发明一个实施例提供的一种视频风险识别装置的结构示意图；
图4是本发明另一个实施例提供的一种视频风险识别装置的结构示意图；
图5是本发明一个实施例提供的一种视频风险识别设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然，所描述的实施例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。
以下结合附图，详细说明本发明各实施例提供的技术方案。
如图1所示，本发明实施例提供了一种视频风险识别方法，该方法可以包括以下步骤：
步骤101：获取视频的弹幕。
其中，视频可以包括直播视频、短视频和普通视频等，其中，直播视频是指通过网络直播平台观看远端正在进行的现场实况；短视频是指通过互联网传播的短片视频；普通视频指的是电视或网络上播放的电视剧、电影等。
在本发明实施例中，弹幕中包括：评论ID、评论内容、评论用户、评论时间和直播地址中任意一种或多种。
在视频播放的过程中，用户可以通过弹幕发表对当前视频内容的意见，弹幕的数量在一定程度上反映当前播放的视频内容的热度，在相同时刻发送的弹幕基本上具有相同的主题。因此，弹幕与视频存在时间序列上的关联关系。
同一个视频可能对应多个弹幕，各个弹幕的评论时间可能相同，也可能不同。
步骤102：对弹幕进行风险识别，确定存在风险的弹幕。
弹幕的风险识别方法存在多种，各个方法的具体过程将在之后的实施例进行详细的阐述。在实际应用场景中，对于不同的弹幕，可以采用同一种风险识别方法，还可以分别应用不同的风险识别方法。
步骤103：根据存在风险的弹幕，确定视频是否存在风险。
该方案利用弹幕与视频存在时间序列上的关联关系，通过对弹幕的风险识别，在弹幕的评论时间对应的时间点对视频进行截帧，并对截帧得到的图片进行风险识别。与人工监播的方式相比，该方法能够提高风险识别的准确性，同时，降低截帧的资源消耗及截帧图片的风险识别资源消耗，有效节约成本。
在本发明的一个实施例中，弹幕的风险识别方法包括但并不限于：
方法1：
弹幕，包括：评论内容；
步骤102，包括：
A1：对弹幕的评论内容进行分词；
A2：将分词结果与预设的关键词词库进行匹配，确定弹幕的第一风险值；
A3：当弹幕的第一风险值在预设的第一风险范围内时，确定弹幕存在风险。
以下以一个弹幕为例对弹幕的风险识别过程进行说明。弹幕的评论内容为文本形式，通过分词将评论内容划分成不同的关键词(即分词结果)，将分词得到的关键词分别与预设的关键词库进行匹配。
其中，弹幕的第一风险值的确定可以采用不同的方式，例如，不同的关键词库具有不同的风险值，将弹幕分词得到的不同关键词分别与各个关键词库进行匹配，当匹配成功时，将对应的关键词库的风险值作为弹幕的关键词的风险值，而弹幕的第一风险值为各个关键词的风险值的和。
在实际应用场景中，还可以将弹幕的各个关键词与关键词库匹配成功的次数之和作为弹幕的第一风险值。
方法2：
弹幕，包括：评论内容；
步骤102，包括：
B1：将弹幕的评论内容与预设的正则表达式进行匹配，确定弹幕的第二风险值；
B2：当弹幕的第二风险值在预设的第二风险范围内时，确定弹幕存在风险。
例如，预设多个正则表达式，每一个正则表达式具有不同的风险值，当评论内容满足正则表达式Y时，将正则表达式Y的风险值作为弹幕的第二风险值，当评论内容同时满足多个正则表达式时，可以将各个正则表达式的风险值的和作为弹幕的第二风险值。
在实际应用场景中，可以根据实际的业务需求对正则表达式进行调整，以便于保证弹幕风险识别的准确性。
方法3：
弹幕，包括：评论内容；
步骤102，包括：
C1：将弹幕的评论内容与预设的至少一个风险文本进行对比，确定弹幕的评论内容与各个风险文本的相似度；
C2：根据弹幕的评论内容与各个风险文本的相似度根据弹幕的评论内容与各个风险文本的相似度，确定弹幕的第三风险值；
C3：当弹幕的第三风险值在预设的第三风险范围内时，确定弹幕存在风险。
其中，弹幕的评论内容与风险文本的相似度的计算方法包括但不限于：分别对弹幕的评论内容、风险文本进行分词，确定两者共有的关键词的数量，将共有的关键词的数量与弹幕的评论内容(或风险文本)分词得到的关键词的数量的比值，作为弹幕的评论内容与风险文本的相似度。
弹幕的评论内容与风险文本的相似度越大，弹幕的第三风险值越大，弹幕具有风险的可能性越高。
方法4：
弹幕，包括：评论内容；
步骤102，包括：
D1：对弹幕的评论内容进行特征抽取；
D2：根据特征抽取结果和预先构建的至少一个文本模型，确定弹幕的评论内容所属的目标文本模型；
D3：根据弹幕的评论内容所属的目标文本模型，确定弹幕的第四风险值；
D4：当弹幕的第四风险值在预设的第四风险范围内时，确定弹幕存在风险。
其中，文本模型由历史弹幕的特征抽取结果通过机器学习方法进行构建，此处不再赘述。
在实际应用场景中，不同的文本模型具有不同的风险值，将弹幕的评论内容所属的目标文本模型的风险值作为弹幕的第四风险值。
上述提到的四种方法能够从不同的侧面对弹幕进行风险识别，以适应不同的需求，保证弹幕识别的准确性。
在本发明的一个实施例中，步骤103至少存在以下两种实现方式：
方式1：视频的风险识别仅与弹幕相关。
在该方式下，步骤103，包括：确定存在风险的弹幕的数量；当存在风险的弹幕的数量大于预设的风险阈值时，确定视频存在风险，否则，确定视频不存在风险。
方式1仅根据弹幕对视频进行风险识别，在一定程度上能提高视频风险识别的效率。
进一步地，还可以考虑时间因素，当存在风险的弹幕的数量在预设的时间阈值内达到预设的数量阈值时，确定视频存在风险。
例如，预设的时间阈值为1h，数量阈值为5。现有10个弹幕，其评论时间都在9:00:00-9:30:00内，由于9:00:00-9:30:00内弹幕的数量超过5，因此，确定视频存在风险。
方式2：视频的风险识别与弹幕和截帧得到的图片相关。
在该方式下，步骤103，包括：根据存在风险的弹幕对视频进行截帧，根据截帧得到的图片确定所述视频是否存在风险。
具体地，当弹幕中包括评论时间时，在存在风险的弹幕的评论时间对视频进行截帧。例如，弹幕的评论时间为1:00:05，则对视频中1:00:05对应的位置进行截帧。
在实际应用场景中，还可以将评论时间与评论ID、评论用户等相结合，对视频进行截帧。例如，根据评论用户Q在不同评论时间发表的弹幕，对视频中不同评论时间对应的位置进行截帧。
当视频为直播视频、弹幕中包括直播地址时，可以根据存在风险的弹幕中的直播地址，确定直播视频，对直播视频进行截帧。
例如，同时对多个直播视频进行风险识别，可以通过直播地址识别各个直播视频，以便于对各个直播视频进行处理。
当存在风险的弹幕数量大于1时，可以根据弹幕的风险值由大到小的顺序确定截帧顺序，以便于提高视频风险识别的效率。例如，具有不同评论时间的弹幕U1、U2、U3，其风险值分别为100、90、80，根据弹幕U1的评论时间对视频进行截帧，确定视频具有风险，则不再需要对弹幕U2、U3进行截帧。
在本发明实施例中，根据截帧得到的图片确定所述视频是否存在风险，包括：
E1：对截帧得到的图片进行特征提取；
E2：将提取得到的图片特征与预先存储的至少一个特征模板进行对比，确定图片特征与各个特征模板的相似度；
E3：根据图片特征与各个特征模板的相似度，确定视频的第五风险值；
E4：当所述第五风险值在预设的第五风险范围内时，确定所述视频存在风险，否则，确定所述视频不存在风险。
其中，特征提取包括：视觉特征提取、像素统计特征提取等。
在本发明实施例中，可以为每一个特征模板设置一个风险值，并将图片特征与各个特征模板进行搜索匹配，将与图片特征的相似度最高的特征模板的风险值作为视频的第五风险值。
需要说明的是，视频本质上都是由众多“帧”组成，一“帧”表示为一张图片，一般视频帧数为24帧/秒。
例如，当评论时间为1:02:02时，对视频进行截帧，得到24张图片，而各张图片的处理过程请参考E1-E4。
在本发明实施例中，视频的第五风险值可以仅与一张图片的图片特征有关，也可以与多张图片的图片特征有关。例如，为每一个特征模板设置一个风险值，根据E2确定各个图片的图片特征与各个特征模板的相似度，确定不同图片的图片特征与同一个特征模板的相似度的平均值，将平均值最高的特征模板的风险值作为视频的第五风险值。
方式2综合运用弹幕的风险识别和截帧技术对视频进行风险识别，与方式1相比，其能够进一步提高视频风险识别的准确性，降低用户恶意发送弹幕对识别结果的影响。在本发明的一个实施例中，为了对存在风险的视频进行及时有效地处理，该方法还包括：当确定视频存在风险时，对视频进行风险控制。
其中，对视频的风险控制包括但不限于：
F1：下架视频。
例如，某视频网站上传有视频M、N，当识别出视频M存在风险时，将视频M从视频网站上移除，即下架视频M。
F2：根据存在风险的弹幕，生成告警信息，将告警信息发送给外部的管理人员，以使外部的管理人员对视频进行管理。
其中，告警信息中包括视频地址，弹幕的评论内容、评论时间等信息，管理人员能够根据告警信息对视频进行删除，对上传视频的用户进行屏蔽等操作。
需要说明的是，在视频播放的过程中，可以通过上述实施例提供的方法实现对视频的实时风险识别，尤其针对直播视频，在直播进行的过程中，能够通过弹幕及时发现视频中存在的风险，以净化网络环境，提高用户体验。
如图2所示，本发明实施例以直播视频为例，对视频风险识别方法进行详细的说明，该方法包括以下步骤
步骤201：获取直播视频的弹幕，其中，弹幕中包括：评论内容、评论时间和直播地址。
本发明实施例仅以一个弹幕为例进行说明，其他弹幕的处理过程是相同的。弹幕H中包括：评论内容“这主播也太不要脸了”、评论时间“10:11:01”、直播地址“XXX”
步骤202：对弹幕的评论内容进行分词。
对“这主播也太不要脸了”进行分词，得到分词结果“这、主播、也、太、不要脸、了”。
步骤203：将分词结果与预设的关键词词库进行匹配，确定弹幕的第一风险值。
预设的关键词库与其对应的风险值分别为：G1-100，G2-80，G3-60，G4-40。
将“这、主播、也、太、不要脸、了”分别与G1、G2、G3和G4进行匹配，其中，“这、也、太、了”与G4匹配成功，“主播”与G3匹配成功，“不要脸”与G1匹配成功。
弹幕的第一风险值＝4*40+60+100＝320。
步骤204：当弹幕的第一风险值在预设的第一风险范围内时，确定弹幕存在风险。
预设的第一风险范围为“≥300”。
步骤205：根据存在风险的弹幕中的直播地址，确定直播视频，在存在风险的弹幕的评论时间对直播视频进行截帧，对截帧得到的图片进行特征提取。
根据直播地址“XXX”确定直播视频，在“10:11:01”对应的位置对直播视频进行截帧。
截帧得到24张图片，对每一张图片进行特征提取。
步骤206：将提取得到的图片特征与预先存储的至少一个特征模板进行对比，确定图片特征与各个特征模板的相似度。
以图片T1为例，从T1提取的图片特征包括：t1、t2、t3，特征模板R1的图片特征包括：t1、t2、t3、t4、t5，则图片T1与特征模板R1的相似度为60％。
步骤207：根据图片特征与各个特征模板的相似度，确定直播视频的第五风险值。
例如，特征模板R1、R2、R3、R4的风险值分别为10、8、6、4。图片T1与特征模板R1、R2、R3、R4的相似度分别为60％、40％、30％、20％，将与图片T1相似度最高的特征模板R1的风险值10，作为图片T1的风险值，将截帧得到的T1-T24的风险值累加，即得到直播视频的第五风险值。
步骤208：当直播视频的第五风险值在预设的第五风险范围内时，确定直播视频存在风险。
步骤209：当确定直播视频存在风险时，下架直播视频。
如图3所示，本发明实施例提供了一种视频风险识别装置，包括：
获取单元301，用于获取视频的弹幕；
弹幕风险识别单元302，用于对弹幕进行风险识别，确定存在风险的弹幕；
视频风险识别单元303，用于根据存在风险的弹幕，确定视频是否存在风险。
在本发明的一个实施例中，弹幕，包括：评论内容；
弹幕风险识别单元302，用于对弹幕的评论内容进行分词；将分词结果与预设的关键词词库进行匹配，确定弹幕的第一风险值；当弹幕的第一风险值在预设的第一风险范围内时，确定弹幕存在风险。
在本发明的一个实施例中，弹幕，包括：评论内容；
弹幕风险识别单元302，用于将弹幕的评论内容与预设的正则表达式进行匹配，确定弹幕的第二风险值；当弹幕的第二风险值在预设的第二风险范围内时，确定弹幕存在风险。
在本发明的一个实施例中，弹幕，包括：评论内容；
弹幕风险识别单元302，用于将弹幕的评论内容与预设的至少一个风险文本进行对比，确定弹幕的评论内容与各个风险文本的相似度；根据弹幕的评论内容与各个风险文本的相似度，确定弹幕的第三风险值；当弹幕的第三风险值在预设的第三风险范围内时，确定弹幕存在风险。
在本发明的一个实施例中，弹幕，包括：评论内容；
弹幕风险识别单元302，用于对弹幕的评论内容进行特征抽取；根据特征抽取结果和预先构建的至少一个文本模型，确定弹幕的评论内容所属的目标文本模型；根据弹幕的评论内容所属的目标文本模型，确定弹幕的第四风险值；当弹幕的第四风险值在预设的第四风险范围内时，确定弹幕存在风险。
在本发明的一个实施例中，视频风险识别单元303，用于根据存在风险的弹幕对视频进行截帧，根据截帧得到的图片确定所述视频是否存在风险。
在本发明的一个实施例中，弹幕，包括：评论时间；
视频风险识别单元303，用于在存在风险的弹幕的评论时间对视频进行截帧。
在本发明的一个实施例中，视频，包括：直播视频；弹幕，包括：直播地址；
视频风险识别单元303，用于根据存在风险的弹幕中的直播地址，确定直播视频，对直播视频进行截帧。
在本发明的一个实施例中，视频风险识别单元303，用于对截帧得到的图片进行特征提取；将提取得到的图片特征与预先存储的至少一个特征模板进行对比，确定图片特征与各个特征模板的相似度；根据图片特征与各个特征模板的相似度，确定视频的第五风险值；当所述第五风险值在预设的第五风险范围内时，确定所述视频存在风险，否则，确定所述视频不存在风险。
在本发明的一个实施例中，视频风险识别单元303，用于确定存在风险的弹幕的数量；当存在风险的弹幕的数量大于预设的风险阈值时，确定视频存在风险，否则，确定视频不存在风险。
在本发明的一个实施例中，如图4所示，该装置还包括：风险控制单元304，用于当确定视频存在风险时，对视频进行风险控制。
在本发明的一个实施例中，风险控制单元304，用于下架视频。
在本发明的一个实施例中，风险控制单元304，用于根据存在风险的弹幕，生成告警信息，将告警信息发送给外部的管理人员，以使外部的管理人员对视频进行管理。
如图5所示，本发明实施例提供了一种视频风险识别设备，包括：处理器501和存储器502；
所述存储器502用于存储执行指令，所述处理器501用于执行所述存储器502存储的所述执行指令以实现上述任一实施例所述的方法。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device，PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Comell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本发明时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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。
本发明是参照根据本发明实施例的方法、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。
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，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，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。
以上所述仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims (17)

1.一种视频风险识别方法，包括：
获取视频的弹幕；
对所述弹幕进行风险识别，确定存在风险的弹幕；
根据所述存在风险的弹幕，确定所述视频是否存在风险。
2.如权利要求1所述的视频风险识别方法，
所述弹幕，包括：评论内容；
所述对所述弹幕进行风险识别，确定存在风险的弹幕，包括：
对所述弹幕的评论内容进行分词；
将分词结果与预设的关键词词库进行匹配，确定所述弹幕的第一风险值；
当所述弹幕的第一风险值在预设的第一风险范围内时，确定所述弹幕存在风险；
和/或，
所述弹幕，包括：评论内容；
所述对所述弹幕进行风险识别，确定存在风险的弹幕，包括：
将所述弹幕的评论内容与预设的正则表达式进行匹配，确定所述弹幕的第二风险值；
当所述弹幕的第二风险值在预设的第二风险范围内时，确定所述弹幕存在风险；
和/或，
所述弹幕，包括：评论内容；
所述对所述弹幕进行风险识别，确定存在风险的弹幕，包括：
将所述弹幕的评论内容与预设的至少一个风险文本进行对比，确定所述弹幕的评论内容与各个所述风险文本的相似度；
根据所述弹幕的评论内容与各个所述风险文本的相似度，确定所述弹幕的第三风险值；
当所述弹幕的第三风险值在预设的第三风险范围内时，确定所述弹幕存在风险；
和/或，
所述弹幕，包括：评论内容；
所述对所述弹幕进行风险识别，确定存在风险的弹幕，包括：
对所述弹幕的评论内容进行特征抽取；
根据特征抽取结果和预先构建的至少一个文本模型，确定所述弹幕的评论内容所属的目标文本模型；
根据所述弹幕的评论内容所属的目标文本模型，确定所述弹幕的第四风险值；
当所述弹幕的第四风险值在预设的第四风险范围内时，确定所述弹幕存在风险。
3.如权利要求1所述的视频风险识别方法，
所述根据所述存在风险的弹幕，确定所述视频是否存在风险，包括：
根据所述存在风险的弹幕对所述视频进行截帧，根据截帧得到的图片确定所述视频是否存在风险。
4.如权利要求3所述的视频风险识别方法，
所述弹幕，包括：评论时间；
所述根据所述存在风险的弹幕对所述视频进行截帧，包括：
在所述存在风险的弹幕的评论时间对所述视频进行截帧；
和/或，
所述视频，包括：直播视频；所述弹幕，包括：直播地址；
所述根据所述存在风险的弹幕对所述视频进行截帧，包括：
根据所述存在风险的弹幕中的直播地址，确定所述直播视频，对所述直播视频进行截帧。
5.如权利要求3或4所述的视频风险识别方法，
所述根据截帧得到的图片确定所述视频是否存在风险，包括：
对截帧得到的图片进行特征提取；
将提取得到的图片特征与预先存储的至少一个特征模板进行对比，确定所述图片特征与各个所述特征模板的相似度；
根据所述图片特征与各个所述特征模板的相似度，确定所述视频的第五风险值；
当所述第五风险值在预设的第五风险范围内时，确定所述视频存在风险，否则，确定所述视频不存在风险。
6.如权利要求1所述的视频风险识别方法，
所述根据所述存在风险的弹幕，确定所述视频是否存在风险，包括：
确定所述存在风险的弹幕的数量；
当所述存在风险的弹幕的数量大于预设的风险阈值时，确定所述视频存在风险，否则，确定所述视频不存在风险。
7.如权利要求1所述的视频风险识别方法，进一步包括：当确定所述视频存在风险时，对所述视频进行风险控制。
8.如权利要求7所述的视频风险识别方法，
所述对所述视频进行风险控制，包括：
下架所述视频；
和/或，
所述对所述视频进行风险控制，包括：
根据所述存在风险的弹幕，生成告警信息，将所述告警信息发送给外部的管理人员，以使外部的管理人员对所述视频进行管理。
9.一种视频风险识别装置，包括：
获取单元，用于获取视频的弹幕；
弹幕风险识别单元，用于对所述弹幕进行风险识别，确定存在风险的弹幕；
视频风险识别单元，用于根据所述存在风险的弹幕，确定所述视频是否存在风险。
10.如权利要求9所述的视频风险识别装置，
所述弹幕，包括：评论内容；
所述弹幕风险识别单元，用于对所述弹幕的评论内容进行分词；将分词结果与预设的关键词词库进行匹配，确定所述弹幕的第一风险值；当所述弹幕的第一风险值在预设的第一风险范围内时，确定所述弹幕存在风险；
和/或，
所述弹幕，包括：评论内容；
所述弹幕风险识别单元，用于将所述弹幕的评论内容与预设的正则表达式进行匹配，确定所述弹幕的第二风险值；当所述弹幕的第二风险值在预设的第二风险范围内时，确定所述弹幕存在风险；
和/或，
所述弹幕，包括：评论内容；
所述弹幕风险识别单元，用于将所述弹幕的评论内容与预设的至少一个风险文本进行对比，确定所述弹幕的评论内容与各个所述风险文本的相似度；根据所述弹幕的评论内容与各个所述风险文本的相似度，确定所述弹幕的第三风险值；当所述弹幕的第三风险值在预设的第三风险范围内时，确定所述弹幕存在风险；
和/或，
所述弹幕，包括：评论内容；
所述弹幕风险识别单元，用于对所述弹幕的评论内容进行特征抽取；根据特征抽取结果和预先构建的至少一个文本模型，确定所述弹幕的评论内容所属的目标文本模型；根据所述弹幕的评论内容所属的目标文本模型，确定所述弹幕的第四风险值；当所述弹幕的第四风险值在预设的第四风险范围内时，确定所述弹幕存在风险。
11.如权利要求9所述的视频风险识别装置，
所述视频风险识别单元，用于根据所述存在风险的弹幕对所述视频进行截帧，根据截帧得到的图片确定所述视频是否存在风险。
12.如权利要求11所述的视频风险识别装置，
所述弹幕，包括：评论时间；
所述视频风险识别单元，用于在所述存在风险的弹幕的评论时间对所述视频进行截帧；
和/或，
所述视频，包括：直播视频；所述弹幕，包括：直播地址；
所述视频风险识别单元，用于根据所述存在风险的弹幕中的直播地址，确定所述直播视频，对所述直播视频进行截帧。
13.如权利要求11或12所述的视频风险识别装置，
所述视频风险识别单元，用于对截帧得到的图片进行特征提取；将提取得到的图片特征与预先存储的至少一个特征模板进行对比，确定所述图片特征与各个所述特征模板的相似度；根据所述图片特征与各个所述特征模板的相似度，确定所述视频的第五风险值；当所述第五风险值在预设的第五风险范围内时，确定所述视频存在风险，否则，确定所述视频不存在风险。
14.如权利要求9所述的视频风险识别装置，
所述视频风险识别单元，用于确定所述存在风险的弹幕的数量；当所述存在风险的弹幕的数量大于预设的风险阈值时，确定所述视频存在风险，否则，确定所述视频不存在风险。
15.如权利要求9所述的视频风险识别装置，进一步包括：风险控制单元，用于当确定所述视频存在风险时，对所述视频进行风险控制。
16.如权利要求15所述的视频风险识别装置，
所述风险控制单元，用于下架所述视频；
和/或，
所述风险控制单元，用于根据所述存在风险的弹幕，生成告警信息，将所述告警信息发送给外部的管理人员，以使外部的管理人员对所述视频进行管理。
17.一种视频风险识别设备，包括：处理器和存储器；
所述存储器用于存储执行指令，所述处理器用于执行所述存储器存储的所述执行指令以实现权利要求1-8中任一所述的方法。
CN201810861705.0A 2018-08-01 2018-08-01 一种视频风险识别方法、装置及设备 Active CN109327715B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810861705.0A CN109327715B (zh) 2018-08-01 2018-08-01 一种视频风险识别方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810861705.0A CN109327715B (zh) 2018-08-01 2018-08-01 一种视频风险识别方法、装置及设备

Publications (2)

Publication Number Publication Date
CN109327715A true CN109327715A (zh) 2019-02-12
CN109327715B CN109327715B (zh) 2021-06-04

Family

ID=65264131

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810861705.0A Active CN109327715B (zh) 2018-08-01 2018-08-01 一种视频风险识别方法、装置及设备

Country Status (1)

Country Link
CN (1) CN109327715B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110139134A (zh) * 2019-05-10 2019-08-16 韶关市启之信息技术有限公司 一种个性化弹幕智能推送方法与系统
CN110309829A (zh) * 2019-07-01 2019-10-08 成都极米科技股份有限公司 影视资源下架的在线监控方法、装置及可读存储介质
CN111723784A (zh) * 2020-07-30 2020-09-29 腾讯科技（深圳）有限公司 一种风险视频识别方法、装置和电子设备
CN111897606A (zh) * 2019-05-06 2020-11-06 北京奇虎科技有限公司 一种弹框的处理方法和装置
CN113761277A (zh) * 2020-09-23 2021-12-07 北京沃东天骏信息技术有限公司 一种风控方法、装置、电子设备和存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130004138A1 (en) * 2011-06-30 2013-01-03 Hulu Llc Commenting Correlated To Temporal Point Of Video Data
US20150112888A1 (en) * 2013-10-15 2015-04-23 Zvi Klepar Video review and ranking process using media files
CN104918066A (zh) * 2014-03-11 2015-09-16 上海数字电视国家工程研究中心有限公司 视频内容审核方法及系统
CN106791517A (zh) * 2016-11-21 2017-05-31 广州爱九游信息技术有限公司 直播视频检测方法、装置及服务端
CN106960042A (zh) * 2017-03-29 2017-07-18 中国科学技术大学苏州研究院 基于弹幕语义分析的网络直播监督方法
CN107222780A (zh) * 2017-06-23 2017-09-29 中国地质大学（武汉） 一种直播平台综合状态感知和内容实时监管方法及系统
CN108040262A (zh) * 2018-01-25 2018-05-15 湖南机友科技有限公司 直播音视频实时鉴黄方法及装置
CN108965916A (zh) * 2017-05-25 2018-12-07 腾讯科技（深圳）有限公司 一种直播视频评估的方法、模型建立的方法、装置及设备
CN110012302A (zh) * 2018-01-05 2019-07-12 阿里巴巴集团控股有限公司 一种网络直播监测方法及装置、数据处理方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130004138A1 (en) * 2011-06-30 2013-01-03 Hulu Llc Commenting Correlated To Temporal Point Of Video Data
US20150112888A1 (en) * 2013-10-15 2015-04-23 Zvi Klepar Video review and ranking process using media files
CN104918066A (zh) * 2014-03-11 2015-09-16 上海数字电视国家工程研究中心有限公司 视频内容审核方法及系统
CN106791517A (zh) * 2016-11-21 2017-05-31 广州爱九游信息技术有限公司 直播视频检测方法、装置及服务端
CN106960042A (zh) * 2017-03-29 2017-07-18 中国科学技术大学苏州研究院 基于弹幕语义分析的网络直播监督方法
CN108965916A (zh) * 2017-05-25 2018-12-07 腾讯科技（深圳）有限公司 一种直播视频评估的方法、模型建立的方法、装置及设备
CN107222780A (zh) * 2017-06-23 2017-09-29 中国地质大学（武汉） 一种直播平台综合状态感知和内容实时监管方法及系统
CN110012302A (zh) * 2018-01-05 2019-07-12 阿里巴巴集团控股有限公司 一种网络直播监测方法及装置、数据处理方法
CN108040262A (zh) * 2018-01-25 2018-05-15 湖南机友科技有限公司 直播音视频实时鉴黄方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李金兰: "有效进行直播平台的弹幕管理", 《有线电视技术》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111897606A (zh) * 2019-05-06 2020-11-06 北京奇虎科技有限公司 一种弹框的处理方法和装置
CN110139134A (zh) * 2019-05-10 2019-08-16 韶关市启之信息技术有限公司 一种个性化弹幕智能推送方法与系统
CN110139134B (zh) * 2019-05-10 2021-12-10 青岛民航凯亚系统集成有限公司 一种个性化弹幕智能推送方法与系统
CN110309829A (zh) * 2019-07-01 2019-10-08 成都极米科技股份有限公司 影视资源下架的在线监控方法、装置及可读存储介质
CN111723784A (zh) * 2020-07-30 2020-09-29 腾讯科技（深圳）有限公司 一种风险视频识别方法、装置和电子设备
CN113761277A (zh) * 2020-09-23 2021-12-07 北京沃东天骏信息技术有限公司 一种风控方法、装置、电子设备和存储介质

Also Published As

Publication number Publication date
CN109327715B (zh) 2021-06-04

Similar Documents

Publication Publication Date Title
CN109327715A (zh) 一种视频风险识别方法、装置及设备
CN110012302A (zh) 一种网络直播监测方法及装置、数据处理方法
US20190026367A1 (en) Navigating video scenes using cognitive insights
CN109447469A (zh) 一种文本检测方法、装置及设备
CN107391549B (zh) 基于人工智能的新闻召回方法、装置、设备及存储介质
CN108874831A (zh) 一种信息推荐方法及装置
CN107679082A (zh) 问答搜索方法、装置以及电子设备
CN108268617A (zh) 用户意图确定方法及装置
CN107679700A (zh) 业务流程处理方法、装置及服务器
CN108415941A (zh) 一种网页爬虫方法、装置以及电子设备
CN110019903A (zh) 图像处理引擎组件的生成方法、搜索方法及终端、系统
CN108346107A (zh) 一种社交内容风险识别方法、装置以及设备
CN110532295A (zh) 一种计算机实施的信息处理、信息查询的方法及装置
CN109389974A (zh) 一种语音操作的方法及装置
CN112672184A (zh) 一种视频审核及发布方法
CN109359120A (zh) 一种模型训练中的数据更新方法、装置及设备
CN107924398B (zh) 用于提供以评论为中心的新闻阅读器的系统和方法
CN110378400A (zh) 一种用于图像识别的模型训练方法及装置
CN107402945A (zh) 词库生成方法及装置、短文本检测方法及装置
CN109325508A (zh) 知识表示、机器学习模型训练、预测方法、装置以及电子设备
CN109299096A (zh) 一种流水数据的处理方法、装置及设备
CN113032673A (zh) 资源的获取方法、装置、计算机设备及存储介质
CN110502614A (zh) 文本拦截方法、装置、系统以及设备
CN108960561A (zh) 一种基于不平衡数据的风控模型处理方法、装置及设备
US10699078B2 (en) Comment-centered news reader

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
TA01 Transfer of patent application right

Effective date of registration: 20200928

Address after: 27 Hospital Road, George Town, Grand Cayman ky1-9008

Applicant after: Innovative advanced technology Co.,Ltd.

Address before: 27 Hospital Road, George Town, Grand Cayman ky1-9008

Applicant before: Advanced innovation technology Co.,Ltd.

Effective date of registration: 20200928

Address after: 27 Hospital Road, George Town, Grand Cayman ky1-9008

Applicant after: Advanced innovation technology Co.,Ltd.

Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands

Applicant before: Alibaba Group Holding Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant