CN109408639B - 一种弹幕分类方法、装置、设备和存储介质 - Google Patents

Abstract

本发明公开了一种弹幕分类方法、装置、设备和存储介质。该方法通过从直播内容中获取待分类的弹幕数据；将所述待分类的弹幕数据转换为基于词向量表达的文本矩阵；根据所述文本矩阵将所述待分类的弹幕数据与已分类的弹幕数据进行增量聚类，以确定所述待分类的弹幕数据所属的弹幕类别，解决弹幕数据未经过分类而导致无法对弹幕数据进行安全控制的问题，实现对弹幕数据进行分类，有利于不同分类的弹幕数据被发现，以进一步实现监控刷屏的弹幕数据和对弹幕数据进行分情况处理的效果。

Description

一种弹幕分类方法、装置、设备和存储介质

技术领域

本发明实施例涉及多媒体处理的技术领域，尤其涉及一种弹幕分类方法、装置、设备和存储介质。

背景技术

在直播平台中，弹幕作为主播和观众互动的一种方式，增加了主播与用户之间的闭环反馈，有利于提高直播内容的质量，从而增加直播内容的观看率和点击率。但是直播弹幕中存在刷屏现象，即屏幕中存在有多条内容相同或相似的弹幕，导致屏幕被弹幕占满，影响观众观看直播内容。广告弹幕和热点弹幕都有可能是导致刷屏的现象的原因。

发明内容

本发明提供一种弹幕分类方法、装置、设备和存储介质，以实现对弹幕的分类，进而使得弹幕可以被安全控制，也有利于不同分类的弹幕被发现。

第一方面，本发明实施例提供了一种弹幕分类方法，该方法包括：

从直播内容中获取待分类的弹幕数据；

将所述待分类的弹幕数据转换为基于词向量表达的文本矩阵；

根据所述文本矩阵将所述待分类的弹幕数据与已分类的弹幕数据进行增量聚类，以确定所述待分类的弹幕数据所属的弹幕类别。

进一步的，将所述待分类的弹幕数据转换为基于词向量表达的文本矩阵，包括：

提取所述待分类的弹幕数据中预设数量的关键词；

将所述关键词通过预设的词向量模型进行转换，得到词向量；

基于所述关键词的词向量组合得到所述待分类的弹幕数据的文本矩阵。

进一步的，基于所述关键词的词向量组合得到所述待分类的弹幕数据的文本矩阵，包括：

获取所述关键词在语料库中的词频率，其中，所述语料库用于训练得到所述预设的词向量模型；

根据所述词频率将各个所述词向量进行排序，以组合得到所述待分类的弹幕数据的文本矩阵。

进一步的，根据所述文本矩阵将所述待分类的弹幕数据与已分类的弹幕数据进行增量聚类，以确定所述待分类的弹幕数据所属的弹幕类别，包括：

根据所述文本矩阵，计算所述待分类的弹幕数据与所述已分类的弹幕数据之间的相似度；

根据所述相似度，确定所述待分类的弹幕数据所属的弹幕类别。

进一步的，根据所述文本矩阵，计算所述待分类的弹幕数据与所述已分类的弹幕数据之间的相似度，包括：

分别获取所述待分类的弹幕数据和所述已分类的弹幕数据的文本矩阵；

根据所述文本矩阵，计算所述待分类的弹幕数据和所述已分类的弹幕数据之间的距离；

根据所述距离，确定所述待分类的弹幕数据与所述已分类的弹幕数据之间的相似度。

进一步的，根据所述相似度，确定所述待分类的弹幕数据所属的弹幕类别，包括：

确定所述相似度中的最大值所对应的所述的已分类的弹幕数据；

若所述相似度大于预设值，则确定所述待分类的弹幕数据与所述已分类的弹幕数据归属于同一弹幕类别；

否则，将所述待分类的弹幕数据确定为新的弹幕类别。

进一步的，该方法还包括：

根据所述弹幕类别的不同，对所述已分类的弹幕数据进行不同的业务处理。

进一步的，根据所述弹幕类型的不同，对所述已分类的弹幕数据进行不同的业务处理，包括：

若弹幕类别为广告类别，则确定所述弹幕数据为广告数据；

对所述广告数据进行过滤处理。

进一步的，根据所述弹幕类型的不同，对所述已分类的弹幕数据进行不同的业务处理，还包括：

若弹幕类别为热点弹幕类别，则确定所述弹幕数据为热点弹幕数据；

优先展示所述热点弹幕数据。

第二方面，本发明实施例提供了一种弹幕分类装置，该装置包括：

弹幕数据获取模块，用于从直播内容中获取待分类的弹幕数据；

文本矩阵转换模块，用于将所述待分类的弹幕数据转换为基于词向量表达的文本矩阵；

弹幕类别确定模块，用于根据所述文本矩阵将所述待分类的弹幕数据与已分类的弹幕数据进行增量聚类，以确定所述待分类的弹幕数据所属的弹幕类别。

第三方面，本发明实施例提供了一种弹幕分类设备，该设备包括：存储器以及一个或多个处理器；

所述存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面中任一所述的弹幕分类方法。

第四方面，本发明实施例提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面中任一所述的弹幕分类方法。

本发明实施例通过从直播内容中获取待分类的弹幕数据；将所述待分类的弹幕数据转换为基于词向量表达的文本矩阵；根据所述文本矩阵将所述待分类的弹幕数据与已分类的弹幕数据进行增量聚类，以确定所述待分类的弹幕数据所属的弹幕类别，解决弹幕数据未经过分类而导致无法对弹幕数据进行安全控制的问题，实现对弹幕数据进行分类，有利于不同弹幕类别的弹幕数据被发现，以发掘当前流行的主播内容，增加直播平台的点击率和用户依赖，进一步的，还可以实现监控刷屏的弹幕数据和对弹幕数据进行分情况处理的效果。

附图说明

图1为本发明实施例一提供的一种弹幕分类方法的流程图；

图2为本发明实施例二提供的一种弹幕分类方法的流程图；

图3为本发明实施例三提供的一种弹幕分类装置的结构示意图；

图4为本发明实施例四提供的一种弹幕分类设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一提供的一种弹幕分类方法的流程图。

本实施例中的技术方案，可选的是适用于对弹幕数据增量聚类以进行分类的场景。但可以理解的是，本技术方案也可以适用于其他应用场景中，只要存在需要通过根据计算文本矩阵进行增量聚类的问题即可。该方法由一种弹幕分类设备来执行，该设备可以由软件和/或硬件的方式实现。本实施例对弹幕分类设备不作限制，本实施例以该设备为服务器为例进行说明，该服务器可以是独立服务器或集群服务器，可以是实体服务器或虚拟服务器。

参照图1，该方法具体包括如下步骤：

S110、从直播内容中获取待分类的弹幕数据。

本实施例对直播内容不作限制，在一实施例中，直播内容至少包括直播视频流和弹幕数据。直播视频流是主播端录制的视频内容；弹幕数据是由客户端接收到的针对直播内容的评论数据，该评论数据中可包括文字或图片。直播内容可以保存在直播平台的后台服务器中，或发送至观众端进行播放。进一步的，直播平台的后台服务器还将利用本实施例提供的弹幕分类方法对弹幕数据进行分类，之后保存弹幕数据的分类信息。

在一实施例中，直播视频流由主播端录制，并在上传至直播平台的后台服务器后进行渲染处理，之后发送至观众端进行播放。在直播视频流的播放过程中，观众端接收观众发送的弹幕数据，并将该弹幕数据发送至直播平台的后台服务器中。直播平台的后台服务器将接收到的弹幕数据发送至播放该直播视频流的所有观众端中进行显示。

进一步的，直播平台的后台服务器可以从直播内容中获取弹幕数据，并确定该弹幕数据是否已分类。

本实施例中，本实施例对从直播内容中获取待分类的弹幕数据的时机不作限制，可以是在直播平台的后台服务器获取到观众端发送的弹幕数据时进行获取，也可以通过在预设周期内获取；也可以在弹幕数据频繁发送的时刻进行获取。

S120、将所述待分类的弹幕数据转换为基于词向量表达的文本矩阵。

本实施例中，弹幕数据至少包括文字信息。当然，弹幕数据也可以包含表情信息。进一步的，表情信息可以采用编码或文字标签的形式保存为文字信息。文本矩阵是用于表征弹幕数据中文本信息的特征。该文本矩阵基于词向量进行表达。其中，词向量是用于表征弹幕数据中词语的特征，该词语可以是弹幕数据中的关键词或者全部词语。

本实施例对弹幕数据如何转换为基于词向量表达的文本矩阵不作限定，可以是基于自然语言处理的技术。

需要说明的是，弹幕数据包括待分类的弹幕数据与已分类的弹幕数据。在将弹幕数据转换为基于词向量表达的文本矩阵后，将弹幕数据与文本矩阵关联存储。

S130、根据所述文本矩阵将所述待分类的弹幕数据与已分类的弹幕数据进行增量聚类，以确定所述待分类的弹幕数据所属的弹幕类别。

本实施例中，聚类是将对象分类到不同的类的过程，所以同类中的对象有很大的相似度，而不同类间的对象有很大的相异度。进一步的，本实施例采用的增量聚类在对弹幕数据进行分类的过程中，还可以创建新的弹幕类别以增加弹幕类别的丰富度；进而，有利于直播平台发现新的热点弹幕，以发掘当前流行的主播内容，增加直播平台的点击率和用户依赖。

在一实施例中，待分类的弹幕数据与已分类的弹幕数据均可采用文本矩阵表示，进一步的，可以根据文本矩阵计算弹幕数据之间的相似度，并根据相似度对弹幕数据进行增量聚类，以将待分类的弹幕数据归类于已有的弹幕类别，或建立新的弹幕类别，从而确定待分类的弹幕数据所属的弹幕类别。

本实施例的技术方案，通过从直播内容中获取待分类的弹幕数据；将所述待分类的弹幕数据转换为基于词向量表达的文本矩阵；根据所述文本矩阵将所述待分类的弹幕数据与已分类的弹幕数据进行增量聚类，以确定所述待分类的弹幕数据所属的弹幕类别，解决弹幕数据未经过分类而导致无法对弹幕数据进行安全控制的问题，实现对弹幕数据进行分类，有利于不同弹幕类别的弹幕数据被发现，以发掘当前流行的主播内容，增加直播平台的点击率和用户依赖，进一步的，还可以实现监控刷屏的弹幕数据和对弹幕数据进行分情况处理的效果。

实施例二

图2为本发明实施例二提供的一种弹幕分类方法的流程图。

本实施例在上述实施例的基础上进一步细化，参照图2，该方法具体包括如下步骤：

S210、从直播内容中获取待分类的弹幕数据。

S220、提取所述待分类的弹幕数据中预设数量的关键词。

本实施例中，弹幕数据至少包括文本信息，弹幕数据中的表情信息也可以通过编码或采用编码或文字标签的形式表示为文本信息。关键词是指能反映文本信息主题的词语。本实施例可以通过从弹幕数据中提取预设数量的关键词，进而使用该关键词表示弹幕数据的主题。

本实施例对如何从弹幕数据中提取关键词不作限定，可以采用自然语言处理的方法，如TF-IDF关键词提取方法、Topic-model关键词提取方法和RAKE关键词提取方法。

需要说明的是，所有的弹幕数据都需要提取相同预设数量的关键词，以保证表征弹幕数据的文本矩阵的维度保持一致，以便进行相似度的计算。

在一实施例中，当弹幕数据中的关键词少于预设数量时，则可以采用重复的方式将关键词的数量补充到预设数量。如待分类的弹幕数据中的关键词为“A，B，C”，而预设数量为四个，则可以将分类的弹幕数据中的关键词设置为“A，A，B，C”。

S230、将所述关键词通过预设的词向量模型进行转换，得到词向量。

本实施例中，预设的词向量模型可以是Word2vec模型。其中，Word2vec模型为一群用来产生词向量的相关模型。Word2vec模型可用来映射每个词到一个向量，亦可用来表示词对词之间的关系。

需要说明的是，为了保证Word2vec模型更加符合弹幕数据的特点，本实施例采用语料库对Word2vec模型进行训练，该语料库包括弹幕语料和百科语料。百科语料可以从各种百科网站中获取，如百度百科和维基百科等。

S240、基于所述关键词的词向量组合得到所述待分类的弹幕数据的文本矩阵。

本实施例中，通过将关键词的词向量进行组合，以得到基于词向量表达的文本矩阵，该文本矩阵用于表征弹幕数据的特征。

本实施例对文本矩阵中的词向量组合方式不作限定，本实施例通过举例进行详细说明。

在一实施例中，将步骤S240进一步细化为S241-S242：

S241、获取所述关键词在语料库中的词频率，其中，所述语料库用于训练得到所述预设的词向量模型。

一般的，词频率(term frequency，tf)指的是某一个给定的词语在一份给定的文件中出现的频率。本实施例中，关键词的词频率是指该关键词在语料库中出现的频率。

S242、根据所述词频率将各个所述词向量进行排序，以组合得到所述待分类的弹幕数据的文本矩阵。

本实施例对根据所述词频率将各个所述词向量进行排序的具体实现方式不作限定，可以是从小到大的排序，或从大到小的排序，只要统一即可。

本实施例对词向量如何组合成文本矩阵不作限定，可以是将词向量作为文本矩阵的列向量或行向量。

通过使用词频率对词向量进行排序可以保证文本矩阵的统一性，且可以进一步保证该文本矩阵更加准确的表征弹幕数据的主题。

在一实施例中，若从所述待分类的弹幕数据中提取的关键词的数量少于预设数量，则在将所述关键词通过预设的词向量模型进行转换后，进行维度补偿得到预设维度的文本矩阵。其中，预设维度为预设数量关键词所对应的词向量所组合得到的文本矩阵的维度；维度补偿可以采用补零或补1的方式进行。

示例性的，如待分类的弹幕数据中的关键词为“A，B，C”，而预设数量为四个，则缺少一个关键词。如每个关键词采用维度为2的词向量进行表示，如关键词“A”、“B”和“C”对应的词向量分别为“[1,2]”、“[3,4]”和“[5,6]”。若维度补偿采用补零的方式，则待分类的弹幕数据所对应的文本矩阵为“[[1,2],[3,4],[5,6],[0,0]]”。

S250、根据所述文本矩阵，计算所述待分类的弹幕数据与所述已分类的弹幕数据之间的相似度。

本实施例对如何根据文本矩阵计算相似度不作限定，本实施例以计算文本矩阵之间的距离确定相似度为例进行说明，以简化相似度的计算。

在一实施例中，将步骤S250进一步细化为S251-S253：

S251、分别获取所述待分类的弹幕数据和所述已分类的弹幕数据的文本矩阵。

本实施例中，在将弹幕数据转换为基于词向量表达的文本矩阵后，将弹幕数据与文本矩阵关联存储。直播平台的后台服务器可以从存储空间中分别获取所述待分类的弹幕数据和所述已分类的弹幕数据的文本矩阵。

S252、根据所述文本矩阵，计算所述待分类的弹幕数据和所述已分类的弹幕数据之间的距离。

本实施例中，本实施例以计算文本矩阵之间的距离确定相似度为例进行说明。在一实施例中，计算待分类的弹幕数据的文本矩阵与各已分类的弹幕数据的文本矩阵的之间的距离。进一步的，该距离可以是欧氏距离。

S253、根据所述距离，确定所述待分类的弹幕数据与所述已分类的弹幕数据之间的相似度。

本实施例中，弹幕数据之间文本矩阵的距离越长，则相似度越低。

在一实施例中，在使用所述距离确定相似度时，还可以进行归一化的操作，以保证相似度计算的准确性和可靠性。

S260、根据所述相似度，确定所述待分类的弹幕数据所属的弹幕类别。

本实施例中，根据同一个弹幕类别中的弹幕数据有很大的相似度，而不同弹幕类别间的弹幕数据有很大的相异度，可以确定待分类的弹幕数据所属的弹幕类别。

在一实施例中，将步骤S260进一步细化为S261-S262：

S261、确定所述相似度中的最大值所对应的所述的已分类的弹幕数据。

本实施例中，确定与待分类的弹幕数据相似度最大的已分类的弹幕数据，也就是说，该待分类的弹幕数据和该已分类的弹幕数据最有可能归属于同一个弹幕类别。

S262、若所述相似度大于预设值，则确定所述待分类的弹幕数据与所述已分类的弹幕数据归属于同一弹幕类别；否则，将所述待分类的弹幕数据确定为新的弹幕类别。

本实施例中，为了提高分类的准确性，通过设置预设值判断是否为待分类的弹幕数据创建新的弹幕类别。该预设值可以根据实际需求进行设置。若相似度小于预设值，则表明，待分类的弹幕数据当前没有对应的合适的弹幕类别。

S270、根据所述弹幕类别的不同，对所述已分类的弹幕数据进行不同的业务处理。

本实施例中，对弹幕数据进行分类，有利于不同弹幕类别的弹幕数据被发现，而不同弹幕类别的弹幕数据具有不同的业务特点，可以进一步对不同弹幕类别的弹幕数据进行不同的业务处理。

本实施例对弹幕类别与业务处理的对应关系不作限定，可以根据实际的业务需求进行确定。

在一实施例中，若弹幕类别为广告类别，则确定所述弹幕数据为广告数据；对所述广告数据进行过滤处理。

本实施例中，对于弹幕类别为广告类别的弹幕数据，对其进行过滤处理，可以减少刷屏的现象。该过滤处理可以是采用屏蔽或减少数量的方式进行处理。

在一实施例中，若弹幕类别为热点弹幕类别，则确定所述弹幕数据为热点弹幕数据；优先展示所述热点弹幕数据。

本实施例中，对于弹幕类别为热点弹幕类的弹幕数据，可以采用优先展示，以提高用户的关注度和点击率。

本实施例的技术方案，通过从直播内容中获取待分类的弹幕数据；提取所述待分类的弹幕数据中预设数量的关键词；将所述关键词通过预设的词向量模型进行转换，得到词向量；基于所述关键词的词向量组合得到所述待分类的弹幕数据的文本矩阵；根据所述文本矩阵，计算所述待分类的弹幕数据与所述已分类的弹幕数据之间的相似度；根据所述相似度，确定所述待分类的弹幕数据所属的弹幕类别；根据所述弹幕类别的不同，对所述已分类的弹幕数据进行不同的业务处理，解决弹幕数据未经过分类而导致无法对弹幕数据进行安全控制的，且无法对相似的弹幕数据进行统一的业务处理的问题，实现对弹幕数据进行分类，有利于不同弹幕类别的弹幕数据被发现，以发掘当前流行的主播内容，增加直播平台的点击率和用户依赖，进一步的，还可以实现监控刷屏的弹幕数据和对弹幕数据进行分情况处理的效果。

进一步的，通过获取所述关键词在语料库中的词频率，其中，所述语料库用于训练得到所述预设的词向量模型；根据所述词频率将各个所述词向量进行排序，以组合得到所述待分类的弹幕数据的文本矩阵，可以保证文本矩阵的统一性，且可以进一步保证该文本矩阵更加准确的表征弹幕数据的主题。

进一步的，通过确定所述相似度中的最大值所对应的所述的已分类的弹幕数据；若所述相似度大于预设值，则确定所述待分类的弹幕数据与所述已分类的弹幕数据归属于同一弹幕类别；否则，将所述待分类的弹幕数据确定为新的弹幕类别，有利于发现新的弹幕类别以丰富弹幕类别，进一步的，可以针对不同弹幕类别的弹幕数据进行不同的业务处理；弹幕数据的分类越精细，业务处理的针对性更高。

实施例三

图3为本发明实施例三提供的一种弹幕分类装置的结构示意图。

本实施例中的技术方案，可选的是适用于对弹幕数据增量聚类以进行分类的场景。但可以理解的是，本技术方案也可以适用于其他应用场景中，只要存在需要通过根据计算文本矩阵进行增量聚类的问题即可。该装置可以集成于一种弹幕分类设备中，该设备可以由软件和/或硬件的方式实现。本实施例对弹幕分类设备不作限制，本实施例以该设备为服务器为例进行说明，该服务器可以是独立服务器或集群服务器，可以是实体服务器或虚拟服务器。

参照图3，该装置具体包括如下结构：弹幕数据获取模块310、文本矩阵转换模块320和弹幕类别确定模块330。

弹幕数据获取模块310，用于从直播内容中获取待分类的弹幕数据。

文本矩阵转换模块320，用于将所述待分类的弹幕数据转换为基于词向量表达的文本矩阵。

弹幕类别确定模块330，用于根据所述文本矩阵将所述待分类的弹幕数据与已分类的弹幕数据进行增量聚类，以确定所述待分类的弹幕数据所属的弹幕类别。

本实施例的技术方案，通过从直播内容中获取待分类的弹幕数据；将所述待分类的弹幕数据转换为基于词向量表达的文本矩阵；根据所述文本矩阵将所述待分类的弹幕数据与已分类的弹幕数据进行增量聚类，以确定所述待分类的弹幕数据所属的弹幕类别，解决弹幕数据未经过分类而导致无法对弹幕数据进行安全控制的问题，实现对弹幕数据进行分类，有利于不同弹幕类别的弹幕数据被发现，以发掘当前流行的主播内容，增加直播平台的点击率和用户依赖，进一步的，还可以实现监控刷屏的弹幕数据和对弹幕数据进行分情况处理的效果。

在上述技术方案的基础上，文本矩阵转换模块320，包括；

关键词提取单元，用于提取所述待分类的弹幕数据中预设数量的关键词。

词向量转换单元，用于将所述关键词通过预设的词向量模型进行转换，得到词向量。

文本矩阵组合单元，用于基于所述关键词的词向量组合得到所述待分类的弹幕数据的文本矩阵。

在上述技术方案的基础上，文本矩阵组合单元包括：

词频率获取子单元，用于获取所述关键词在语料库中的词频率，其中，所述语料库用于训练得到所述预设的词向量模型。

文本矩阵组合子单元，用于根据所述词频率将各个所述词向量进行排序，以组合得到所述待分类的弹幕数据的文本矩阵。

在上述技术方案的基础上，弹幕类别确定模块330包括：

相似度计算单元，用于根据所述文本矩阵，计算所述待分类的弹幕数据与所述已分类的弹幕数据之间的相似度。

弹幕类别确定单元，用于根据所述相似度，确定所述待分类的弹幕数据所属的弹幕类别。

在上述技术方案的基础上，相似度计算单元包括：

文本矩阵获取子单元，用于分别获取所述待分类的弹幕数据和所述已分类的弹幕数据的文本矩阵。

距离计算子单元，用于根据所述文本矩阵，计算所述待分类的弹幕数据和所述已分类的弹幕数据之间的距离。

相似度计算子单元，用于根据所述距离，确定所述待分类的弹幕数据与所述已分类的弹幕数据之间的相似度。

在上述技术方案的基础上，弹幕类别确定单元包括：

比较子单元，用于确定所述相似度中的最大值所对应的所述的已分类的弹幕数据。

弹幕类别确定子单元，用于若所述相似度大于预设值，则确定所述待分类的弹幕数据与所述已分类的弹幕数据归属于同一弹幕类别。否则，将所述待分类的弹幕数据确定为新的弹幕类别。

在上述技术方案的基础上，该装置还包括：

业务处理处理模块，用于根据所述弹幕类别的不同，对所述已分类的弹幕数据进行不同的业务处理。

在上述技术方案的基础上，业务处理处理模块包括：

广告类别处理单元，用于若弹幕类别为广告类别，则确定所述弹幕数据为广告数据；对所述广告数据进行过滤处理。

在上述技术方案的基础上，业务处理处理模块还包括：

热点弹幕类别单元，用于若弹幕类别为热点弹幕类别，则确定所述弹幕数据为热点弹幕数据；优先展示所述热点弹幕数据。

上述产品可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。

实施例四

图4为本发明实施例四提供的一种弹幕分类设备的结构示意图。如图4所示，该弹幕分类设备包括：处理器40、存储器41、输入装置42以及输出装置43。该弹幕分类设备中处理器40的数量可以是一个或者多个，图4中以一个处理器40为例。该弹幕分类设备中存储器41的数量可以是一个或者多个，图4中以一个存储器41为例。该弹幕分类设备的处理器40、存储器41、显示屏62、输入装置42以及输出装置43可以通过总线或者其他方式连接，图4中以通过总线连接为例。本实施例对弹幕分类设备不作限制，本实施例以该设备为服务器为例进行说明，该服务器可以是独立服务器或集群服务器，可以是实体服务器或虚拟服务器。

存储器41作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明任意实施例所述的弹幕分类方法对应的程序指令/模块(例如，弹幕分类装置中的弹幕数据获取模块310、文本矩阵转换模块320和弹幕类别确定模块330)。存储器41可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据设备的使用所创建的数据等。此外，存储器41可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器41可进一步包括相对于处理器40远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置42可用于接收输入的数字或者字符信息，以及产生与弹幕分类设备的用户设置以及功能控制有关的键信号输入，还可以是用于获取图像的摄像头以及获取音频数据的拾音设备。输出装置43可以包括扬声器等音频设备。需要说明的是，输入装置42和输出装置43的具体组成可以根据实际情况设定。

处理器40通过运行存储在存储器41中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的弹幕分类方法。

实施例五

本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种弹幕分类方法，包括：

从直播内容中获取待分类的弹幕数据；

将所述待分类的弹幕数据转换为基于词向量表达的文本矩阵；

根据所述文本矩阵将所述待分类的弹幕数据与已分类的弹幕数据进行增量聚类，以确定所述待分类的弹幕数据所属的弹幕类别。

当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的弹幕分类方法操作,还可以执行本发明任意实施例所提供的弹幕分类方法中的相关操作，且具备相应的功能和有益效果。

通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是机器人，个人计算机，服务器，或者网络设备等)执行本发明任意实施例所述的弹幕分类方法。

值得注意的是，上述弹幕分类装置中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

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。例如，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。

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一定指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何的一个或多个实施例或示例中以合适的方式结合。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (11)

1.一种弹幕分类方法，其特征在于，包括：

从直播内容中获取待分类的弹幕数据；

提取所述待分类的弹幕数据中预设数量的关键词，其中，所有的弹幕数据都提取相同预设数量的关键词；

将所述关键词通过预设的词向量模型进行转换，得到词向量；

基于所述关键词的词向量组合得到所述待分类的弹幕数据的文本矩阵；

根据所述文本矩阵将所述待分类的弹幕数据与已分类的弹幕数据进行增量聚类，以确定所述待分类的弹幕数据所属的弹幕类别。

2.根据权利要求1所述的方法，其特征在于，基于所述关键词的词向量组合得到所述待分类的弹幕数据的文本矩阵，包括：

获取所述关键词在语料库中的词频率，其中，所述语料库用于训练得到所述预设的词向量模型；

根据所述词频率将各个所述词向量进行排序，以组合得到所述待分类的弹幕数据的文本矩阵。

3.根据权利要求1所述的方法，其特征在于，根据所述文本矩阵将所述待分类的弹幕数据与已分类的弹幕数据进行增量聚类，以确定所述待分类的弹幕数据所属的弹幕类别，包括：

根据所述文本矩阵，计算所述待分类的弹幕数据与所述已分类的弹幕数据之间的相似度；

根据所述相似度，确定所述待分类的弹幕数据所属的弹幕类别。

4.根据权利要求3所述的方法，其特征在于，根据所述文本矩阵，计算所述待分类的弹幕数据与所述已分类的弹幕数据之间的相似度，包括：

分别获取所述待分类的弹幕数据和所述已分类的弹幕数据的文本矩阵；

根据所述文本矩阵，计算所述待分类的弹幕数据和所述已分类的弹幕数据之间的距离；

根据所述距离，确定所述待分类的弹幕数据与所述已分类的弹幕数据之间的相似度。

5.根据权利要求3所述的方法，其特征在于，根据所述相似度，确定所述待分类的弹幕数据所属的弹幕类别，包括：

确定所述相似度中的最大值所对应的所述的已分类的弹幕数据；

若所述相似度大于预设值，则确定所述待分类的弹幕数据与所述已分类的弹幕数据归属于同一弹幕类别；

否则，将所述待分类的弹幕数据确定为新的弹幕类别。

6.根据权利要求1-5任一所述的方法，其特征在于，还包括：

根据所述弹幕类别的不同，对所述已分类的弹幕数据进行不同的业务处理。

7.根据权利要求6所述的方法，其特征在于，根据所述弹幕类别的不同，对所述已分类的弹幕数据进行不同的业务处理，包括：

若弹幕类别为广告类别，则确定所述弹幕数据为广告数据；

对所述广告数据进行过滤处理。

8.根据权利要求6所述的方法，其特征在于，根据所述弹幕类别的不同，对所述已分类的弹幕数据进行不同的业务处理，还包括：

若弹幕类别为热点弹幕类别，则确定所述弹幕数据为热点弹幕数据；

优先展示所述热点弹幕数据。

9.一种弹幕分类装置，其特征在于，包括：

弹幕数据获取模块，用于从直播内容中获取待分类的弹幕数据；

文本转换矩阵模块，用于提取所述待分类的弹幕数据中预设数量的关键词，其中，所有的弹幕数据都提取相同预设数量的关键词，将所述关键词通过预设的词向量模型进行转换，得到词向量，基于所述关键词的词向量组合得到所述待分类的弹幕数据的文本矩阵；

弹幕类别确定模块，用于根据所述文本矩阵将所述待分类的弹幕数据与已分类的弹幕数据进行增量聚类，以确定所述待分类的弹幕数据所属的弹幕类别。

10.一种弹幕分类设备，其特征在于，包括：存储器以及一个或多个处理器；

所述存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述的弹幕分类方法。

11.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-8中任一所述的弹幕分类方法。

Images