CN109618236A - 视频评论处理方法和装置 - Google Patents
视频评论处理方法和装置 Download PDFInfo
- Publication number
- CN109618236A CN109618236A CN201811524994.1A CN201811524994A CN109618236A CN 109618236 A CN109618236 A CN 109618236A CN 201811524994 A CN201811524994 A CN 201811524994A CN 109618236 A CN109618236 A CN 109618236A
- Authority
- CN
- China
- Prior art keywords
- video
- keyword
- comments
- target
- comment
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000013528 artificial neural network Methods 0.000 claims description 38
- 230000000306 recurrent effect Effects 0.000 claims description 29
- 238000003672 processing method Methods 0.000 claims description 16
- 230000011218 segmentation Effects 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 description 15
- 238000000605 extraction Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000004044 response Effects 0.000 description 7
- 230000006854 communication Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000015654 memory Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 230000005611 electricity Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001351 cycling effect Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000007787 long-term memory Effects 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
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]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/47—End-user applications
- H04N21/475—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data
- H04N21/4756—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data for rating content, e.g. scoring a recommended movie
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- 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
- H04N21/435—Processing of additional data, e.g. decrypting of additional data, reconstructing software from modules extracted from the transport 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
- H04N21/43—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 or rendering scenes according to encoded video stream scene graphs
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了视频评论处理方法和装置。该方法的一具体实施方式包括:获取目标视频的关键词集合;获取该目标视频的视频评论,以及从该视频评论中提取评论关键词;若该评论关键词与该关键词集合中的关键词的相似度小于预设相似度阈值,则将该视频评论确定为该目标视频的不相关评论。本申请实施例提供的方法能够基于确定评论关键词与关键词集合中关键词的相似度,确定视频评论与目标视频的相关性,进而准确地确定视频评论是否是目标视频的不相关评论。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及互联网技术领域,尤其涉及视频评论处理方法和装置。
背景技术
网络上的视频数量庞大,对视频的各种各样的评论可以让视频的相关内容更加丰富,用户也可以通过评论来表达观点,并让其他用户通过评论了解视频的内容。然后,如果出现评论内容与视频内容不相关的情况,则容易对看评论的用户造成误导。
发明内容
本申请实施例提出了视频评论处理方法和装置。
第一方面,本申请实施例提供了一种视频评论处理方法,包括:获取目标视频的关键词集合;获取目标视频的视频评论,以及从视频评论中提取评论关键词;若评论关键词与关键词集合中的关键词的相似度小于预设相似度阈值,则将视频评论确定为目标视频的不相关评论。
第二方面,本申请实施例提供了一种视频评论处理装置,包括:获取单元,被配置成获取目标视频的关键词集合;提取单元,被配置成获取目标视频的视频评论,以及从视频评论中提取评论关键词;确定单元,被配置成若评论关键词与关键词集合中的关键词的相似度小于预设相似度阈值,则将视频评论确定为目标视频的不相关评论。
第三方面,本申请实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如视频评论处理方法中任一实施例的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如视频评论处理方法中任一实施例的方法。
本申请实施例提供的视频评论处理方案,首先,获取目标视频的关键词集合;获取目标视频的视频评论,以及从视频评论中提取评论关键词;若评论关键词与关键词集合中的关键词的相似度小于预设相似度阈值,则将视频评论确定为目标视频的不相关评论。本申请实施例提供的方法能够基于确定评论关键词与关键词集合中关键词的相似度,确定视频评论与目标视频的相关性,进而准确地确定视频评论是否是目标视频的不相关评论。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的视频评论处理方法的一个实施例的流程图;
图3是根据本申请的视频评论处理方法的一个应用场景的示意图;
图4是根据本申请的视频评论处理方法的又一个实施例的流程图;
图5是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请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相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的视频评论处理方法或视频评论处理装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如视频评论处理应用、视频类应用、直播应用、即时通信工具、邮箱客户端、社交平台软件等。
这里的终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103提供支持的后台服务器。后台服务器可以对接收到的视频评论等数据进行分析等处理,并将处理结果(例如目标视频的不相关评论)反馈给终端设备。
需要说明的是,本申请实施例所提供的视频评论处理方法可以由服务器105或者终端设备101、102、103执行,相应地,视频评论处理装置可以设置于服务器105或者终端设备101、102、103中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的视频评论处理方法的一个实施例的流程200。该视频评论处理方法,包括以下步骤:
步骤201,获取目标视频的关键词集合。
在本实施例中,视频评论处理方法的执行主体(例如图1所示的服务器或终端设备)可以从本地或者其他电子设备获取目标视频的关键词集合。目标视频指由多帧图像组成的某个视频。每个视频都有其关键词,不同的视频有不同的关键词。由视频的各个关键词可以组成关键词集合。
在本实施例的一些可选的实现方式中,可以通过图像描述技术(Image CaptionTechnique)来获取候选配图的描述信息。
在实践中,视频的关键词集合可以采用多种方式得到。在一个示例中,上述执行主体可以通过视频描述技术(Video Caption Technique)来获取目标视频的关键词集合。具体地,上述执行主体可以先提取目标视频的事件的描述信息,再基于事件的描述信息提取一个或多个关键词,以获得上述关键词集合。在另一个示例中,上述执行主体可以对目标视频的字幕进行分词,将在分词得到的词语中出现频率较高且通常在字幕中出现频率较低的词语作为目标视频的关键词。在上述两个示例中,通常情况下,关键词可以包括动词、形容词和名词等。
步骤202,获取目标视频的视频评论,从视频评论中提取评论关键词。
在本实施例中,上述执行主体可以获取视频评论,并从视频评论中提取评论关键词。视频评论为对上述目标视频的评论语句。视频评论可以是用户作出的评论也可以是电子设备生成的评论,比如电子设备可以将视频的字幕作为评论。提取关键词时,上述执行主体可以对视频评论进行分词,以得到至少两个词语。之后,就可以从至少两个词语中,确定评论关键词。
具体地,上述执行主体可以对视频评论进行分词,将在分词得到的词语中出现频率较高且通常在评论中出现频率较低的词语作为评论关键词。
步骤203,若评论关键词与关键词集合中的关键词的相似度小于预设相似度阈值,则将视频评论确定为目标视频的不相关评论。
在本实施例中,上述执行主体可以确定所提取的评论关键词与关键词集合中的关键词的相似度,并在确定该相似度小于预设相似度阈值的情况下,将视频评论确定为目标视频的不相关评论。在这里,如果视频评论与视频之间的相关性较低,则该视频评论为该视频的不相关评论。需要说明的是,评论关键词与关键词集合中的每个关键词的相似度均小于预设相似度阈值,则可以确定视频评论为目标视频的不相关评论。
在实践中,关键词之间的相似度可以通过关键词对应的词向量之间的海明距离或者欧式距离来确定,距离越小则相似度越大。
在本实施例的一些可选的实现方式中,在上述步骤203之后,上述方法还包括:
若视频评论存在于目标视频的视频评论集合中,将视频评论从视频评论集合中删除。
在这些可选的实现方式中,在上述视频评论已被确定为目标视频的不相关评论之后,在视频评论集合中存在上述视频评论的情况下,上述执行主体可以删除视频评论集合中的该视频评论,以提高目标视频的评论的质量。
继续参见图3,图3是根据本实施例的视频评论处理方法的应用场景的一个示意图。在图3的应用场景中,执行主体301可以获取目标视频的关键词集合302。获取目标视频的视频评论303,从视频评论中提取评论关键词304。响应于确定评论关键词304与关键词集合302中的关键词的相似度小于预设相似度阈值,将视频评论确定为目标视频的不相关评论305。
本申请的上述实施例提供的方法能够基于确定评论关键词与关键词集合中关键词的相似度,确定视频评论与目标视频的相关性,进而准确地确定视频评论是否为目标视频的不相关评论。
进一步参考图4,其示出了视频评论处理方法的又一个实施例的流程400。其中,图4所示的方法中,与图2所示方法相同或相似的内容,可以参考图2中的详细介绍,后续不再赘述。该视频评论处理方法的流程400,包括以下步骤:
步骤401,获取目标视频的各个视频片段。
在本实施例中,视频评论处理方法的执行主体(例如图1所示的服务器或终端设备)可以获取目标视频的各个视频片段。一个视频的视频片段可以是该视频的一部分,也可以是该视频本身。具体地,可以采用多种方式确定视频的各个视频片段。比如,上述执行主体可以自目标视频的起始时刻,以预设的时间间隔对目标视频进行分割,得到多个视频片段。
在本实施例的一些可选的实现方式中,步骤401可以包括:
获取目标视频,将目标视频分割为至少两个视频片段,其中,不同的视频片段对应目标视频的不同事件。
在这些可选的实现方式中,上述执行主体可以在目标视频包括至少两个视频片段的情况下,将目标视频分割为至少两个视频片段。这里的事件指一连串的行为。比如,一个视频可以包括两个事件,第一个事件的描述信息是“一组运动员在篮球场上打篮球”,第二个事件的描述信息是“一队拉拉队员在篮球场边欢呼”。第一个事件可以包含多个行为,比如可以包括行为“运动员甲运球”和行为“运动员甲传球”等等。
在实践中,上述执行主体可以采用多种方式将视频分割为视频片段。比如,上述执行主体可以利用基于核动态纹理(Kernel Dynamic Texture,KDT)的分割方法分割目标视频。
这些可选的实现方式将目标视频分割为视频片段,从而能够在后续通过视频描述生成模型获取到视频描述语句。并且,通过事件进行视频的分割能够获取到更加准确的视频描述语句,进而得到更加准确的描述关键词,以更准确地确定出目标视频的不相关评论。
在这些实现方式的一些可选的应用场景中,实现方式中的“将目标视频分割为至少两个视频片段”可以包括:
将目标视频输入预先训练的循环神经网络,得到目标视频的至少两个视频片段,其中,循环神经网络用于将视频分割为视频片段。
在这些可选的应用场景中,上述执行主体可以利用预先训练的循环神经网络(Recurrent Neural Network,RNN)分割目标视频。在实践中,循环神经网络可以包括长短期记忆网络(Long Short-Term Memory,LSTM)。循环神经网络能够识别出视频中的各个事件,以基于各个事件所在的播放时间段对视频进行分割。
上述的循环神经网络用于按照时间顺序,将视频分割为视频片段。循环神经网络是一类以序列数据为输入,在序列的演进方向进行递归且所有循环单元链式连接形成闭合回路的递归神经网络(recursive neural network)。循环神经网络具有记忆性、参数共享并且图灵完备(Turing completeness),因此能以很高的效率对序列的非线性特征进行学习。长短期记忆网络是一种循环神经网络门控算法,其对应的循环单元包含三个门控:输入门、遗忘门和输出门。这三个门控在LSTM单元内对内部状态建立了自循环(self-loop)。
这些应用场景可以利用循环神经网络,对视频中的不同事件进行精准划分,以准确地对目标视频进行分割,从而提高所得到的不相关评论的准确性。
在这些应用场景中的一些可选的情况下,循环神经网络可以通过以下方式训练:
获取预设视频,以及预设视频所分割成的各个视频片段;基于预设视频和预设视频所分割成的视频片段,训练初始循环神经网络,得到循环神经网络。
在这些可选的情况下,预设视频为某个预先设置的视频,可以是预先设置的视频库中的视频。初始的循环神经网络为有待于训练的循环神经网络。上述执行主体可以对循环神经网络进行训练。具体地,上述执行主体可以利用初始模型预测视频片段,并确定预测得到的视频片段和获取到的分割完成的视频片段之间的损失值。之后,利用该损失值进行反向传播,以对模型进行拟合,进而完成模型的训练。
这些情况下的循环神经网络在训练后,能够准确地将视频分割成各个视频片段,从而进一步提高所得到的不相关评论的准确性。
在这些实现方式的一些可选的应用场景中,实现方式中的“将目标视频分割为至少两个视频片段”可以包括:
若目标视频的事件中,至少两个事件的发生时段存在重叠,将目标视频分割为至少两个视频片段,其中,在所分割的视频片段中,至少两个视频片段存在重叠。
在这些可选的实现方式中,同一个视频中包括的至少两个事件的发生时段如果存在重叠,那么上述至少两个事件分别对应的视频片段之间则存在重叠。举例来说,事件一对应的第一个视频片段呈现A在唱歌,该事件的发生时段为1分50秒至1分59秒。事件二对应的第二个视频片段呈现B在跳舞,该事件的发生时段为1分56秒至2分07秒。第一个视频片段和第二个视频片之间的重叠部分在第一个视频片段的结尾和第二个视频片段的起始,重叠部分的画面中呈现A在唱歌和B在跳舞。重叠部分所对应的播放时间为1分56秒至1分59秒。
这些实现方式并没有限定不同的视频片段必须包含不同的播放时间,而是围绕事件分割视频片段。在视频片段存在重叠的情况下,基于事件进行视频分割所得到的视频片段更加准确,从而更进一步提高了所得到的不相关评论的准确性。
步骤402,对于目标视频的每个视频片段,将该视频片段输入视频描述生成模型,得到该视频片段的视频描述语句,其中,视频描述生成模型用于表征视频片段与视频描述语句的对应关系。
在本实施例中,对于目标视频的每个视频片段,上述执行主体可以将该视频片段输入视频描述生成模型,以得到视频描述生成模型输出的该视频片段的视频描述语句。具体地,上述执行主体可以通过视频描述(video caption)技术,生成对视频的每个事件的描述。视频描述语句为描述视频内容的语句。
视频描述模型可以以多种形式存在。举例来说,视频描述生成模型可以是一个预先设置的对应关系表。比如对应关系表中的一组对应关系可以是视频片段中字幕出现多个地名和景物名称,视频描述语句则为风景介绍。视频描述生成模型还可以是神经网络,比如深度神经网络。
在本实施例的一些可选的实现方式中,视频描述生成模型可以通过以下方式训练得到:
获取预设视频片段,以及预设视频片段所标注的视频描述语句;基于预设视频片段和所标注的视频描述语句,训练初始视频描述生成模型,得到视频描述生成模型。
在这些可选的实现方式中,预设视频片段为某个预先设置的视频片段,可以是预先设置的视频片段库中的视频片段。初始视频描述生成模型为有待于训练的视频描述生成模型。在视频描述生成模型为深度神经网络(比如卷积神经网络)的情况下,上述执行主体可以利用初始视频描述生成模型对预设视频片段预测得到视频描述语句。之后,确定预测得到的视频描述语句与所标注的视频描述语句之间的损失值,并利用该损失值进行反向传播,以训练初始视频描述生成模型。
步骤403,从所得到的视频描述语句中提取描述关键词,构建包括描述关键词的关键词集合。
在本实施例中,上述执行主体可以从所得到的视频描述语句中提取描述关键词,并将对目标视频对应的各个视频描述语句所提取的描述关键词组成关键词集合。
步骤404,获取目标视频的视频评论,从视频评论中提取评论关键词。
在本实施例中,上述执行主体可以获取视频评论,并从视频评论中提取评论关键词。视频评论为对上述目标视频的评论语句。视频评论可以是用户作出的评论也可以是电子设备生成的评论,比如电子设备可以将视频的字幕作为评论。提取关键词时,上述执行主体可以对视频评论进行分词,以得到至少两个词语。之后,就可以从至少两个词语中,确定评论关键词。
步骤405,若评论关键词与关键词集合中的关键词的相似度小于预设相似度阈值,则将视频评论确定为目标视频的不相关评论。
在本实施例中,上述执行主体可以确定所提取的评论关键词与关键词集合中的关键词的相似度,并在确定该相似度小于预设相似度阈值的情况下,将视频评论确定为目标视频的不相关评论。在这里,如果视频评论与视频之间的相关性较低,则该视频评论为该视频的不相关评论。
本实施例可以利用视频描述生成模型,准确地确定出评论关键词,进而提高确定不相关评论的准确度。并且,上述执行主体利用基于事件分割的视频片段,能够更加准确地得到视频描述语句,从而进一步确保了评论关键词的准确性。
作为对上述各图所示方法的实现,本申请提供了一种视频评论处理装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
本实施例的视频评论处理装置包括:获取单元、提取单元和确定单元。其中,获取单元,被配置成获取目标视频的关键词集合;提取单元,被配置成获取目标视频的视频评论,以及从视频评论中提取评论关键词;确定单元,被配置成若评论关键词与关键词集合中的关键词的相似度小于预设相似度阈值,则将视频评论确定为目标视频的不相关评论。
在一些实施例中,获取单元可以从本地或者其他电子设备获取目标视频的关键词集合。目标视频指由多帧图像组成的某个视频。每个视频都有其关键词,不同的视频有不同的关键词。由视频的各个关键词可以组成关键词集合。
在一些实施例中,提取单元可以获取视频评论,并从视频评论中提取评论关键词。视频评论为对目标视频的评论语句。视频评论可以是用户作出的评论也可以是电子设备生成的评论,比如电子设备可以将视频的字幕作为评论。
在一些实施例中,确定单元可以确定所提取的评论关键词与关键词集合中的关键词的相似度,并在确定该相似度小于预设相似度阈值的情况下,将视频评论确定为目标视频的不相关评论。在这里,如果视频评论与视频之间的相关性较低,则该视频评论为该视频的不相关评论。
在本实施例的一些可选的实现方式中,获取单元包括:获取模块,被配置成获取目标视频的各个视频片段;输入模块,被配置成对于目标视频的每个视频片段,将该视频片段输入视频描述生成模型,得到该视频片段的视频描述语句,其中,视频描述生成模型用于表征视频片段与视频描述语句的对应关系;提取模块,被配置成从所得到的视频描述语句中提取描述关键词,构建包括描述关键词的关键词集合。
在本实施例的一些可选的实现方式中,获取模块包括:获取子模块,被配置成获取目标视频,将目标视频分割为至少两个视频片段,其中,不同的视频片段对应目标视频的不同事件。
在本实施例的一些可选的实现方式中,获取子模块进一步被配置成:将目标视频输入预先训练的循环神经网络,得到目标视频的至少两个视频片段,其中,循环神经网络和长短期记忆网络用于将视频分割为视频片段。
在本实施例的一些可选的实现方式中,循环神经网络通过以下方式训练:获取预设视频,以及预设视频所分割成的各个视频片段;基于预设视频和预设视频所分割成的视频片段,训练初始循环神经网络,得到循环神经网络。
在本实施例的一些可选的实现方式中,获取子模块进一步被配置成:若目标视频的事件中,至少两个事件的发生时段存在重叠,将目标视频分割为至少两个视频片段,其中,在所分割的视频片段中,至少两个视频片段存在重叠。
在本实施例的一些可选的实现方式中,视频描述生成模型通过以下方式训练得到:获取预设视频片段,以及预设视频片段所标注的视频描述语句;基于预设视频片段和所标注的视频描述语句,训练初始视频描述生成模型,得到视频描述生成模型。
在本实施例的一些可选的实现方式中,装置还包括:删除单元,被配置成响应于视频评论存在于目标视频的视频评论集合中,删除视频评论集合中的视频评论。
作为对上述各图所示方法的实现,本申请提供了一种视频评论处理装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
本实施例的视频评论处理装置包括:获取单元、提取单元和确定单元。其中,获取单元,被配置成获取目标视频的关键词集合;提取单元,被配置成获取视频评论,从视频评论中提取评论关键词;确定单元,被配置成响应于确定评论关键词与关键词集合中的关键词的相似度小于预设相似度阈值,将视频评论确定为目标视频的不相关评论。
在一些实施例中,获取单元可以从本地或者其他电子设备获取目标视频的关键词集合。目标视频指由多帧图像组成的某个视频。每个视频都有其关键词,不同的视频有不同的关键词。由视频的各个关键词可以组成关键词集合。
在一些实施例中,提取单元可以获取视频评论,并从视频评论中提取评论关键词。视频评论为对某个视频的评论语句。视频评论可以是用户作出的评论也可以是电子设备生成的评论,比如电子设备可以将视频的字幕作为评论。
在一些实施例中,确定单元可以确定所提取的评论关键词与关键词集合中的关键词的相似度,并在确定该相似度小于预设相似度阈值的情况下,将视频评论确定为目标视频的不相关评论。
在本实施例的一些可选的实现方式中,获取单元,包括:获取模块,被配置成获取目标视频的各个视频片段;输入模块,被配置成对于目标视频的每个视频片段,将该视频片段输入视频描述生成模型,得到该视频片段的视频描述语句,其中,视频描述生成模型用于表征视频片段与视频描述语句的对应关系;构建模块,被配置成从所得到的视频描述语句中提取描述关键词,构建包括描述关键词的关键词集合。
在本实施例的一些可选的实现方式中,获取模块,包括:获取子模块,被配置成获取目标视频,响应于目标视频包括至少两个视频片段,将目标视频分割为至少两个视频片段,其中,不同的视频片段对应目标视频的不同事件。
在本实施例的一些可选的实现方式中,获取子模块进一步被配置成:将目标视频输入预先训练的循环神经网络,得到目标视频的至少两个视频片段,其中,循环神经网络用于将视频分割为视频片段。
在本实施例的一些可选的实现方式中,循环神经网络通过以下方式训练:获取预设视频,以及预设视频所分割成的各个视频片段;基于预设视频和预设视频所分割成的视频片段,训练初始循环神经网络,得到循环神经网络。
在本实施例的一些可选的实现方式中,将目标视频分割为至少两个视频片段,包括:响应于确定目标视频的事件中,至少两个事件的发生时段存在重叠,将目标视频分割为至少两个视频片段,其中,在所分割的视频片段中,至少两个视频片段存在重叠。
在本实施例的一些可选的实现方式中,视频描述生成模型通过以下方式训练得到:获取预设视频片段,以及预设视频片段所标注的视频描述语句;基于预设视频片段和所标注的视频描述语句,训练初始视频描述生成模型,得到视频描述生成模型。
在本实施例的一些可选的实现方式中,在将视频评论确定为目标视频的不相关评论之后,方法还包括:响应于视频评论存在于目标视频的视频评论集合中,删除视频评论集合中的视频评论。
下面参考图5,其示出了适于用来实现本申请实施例的电子设备的计算机系统500的结构示意图。图5示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图5所示,计算机系统500包括处理单元(CPU和/或GPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有系统500操作所需的各种程序和数据。中央处理单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示屏(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元501执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、提取单元和确定单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取目标视频的关键词集合的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:获取目标视频的关键词集合;获取视频评论,从视频评论中提取评论关键词;响应于确定评论关键词与关键词集合中的关键词的相似度小于预设相似度阈值,将视频评论确定为目标视频的不相关评论。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种视频评论处理方法,其特征在于,包括:
获取目标视频的关键词集合;
获取所述目标视频的视频评论,以及从所述视频评论中提取评论关键词;
若所述评论关键词与所述关键词集合中的关键词的相似度小于预设相似度阈值,则将所述视频评论确定为所述目标视频的不相关评论。
2.根据权利要求1所述的方法,其特征在于,所述获取目标视频的关键词集合,包括:
获取所述目标视频的各个视频片段;
对于所述目标视频的每个视频片段,将该视频片段输入视频描述生成模型,得到该视频片段的视频描述语句,其中,所述视频描述生成模型用于表征视频片段与视频描述语句的对应关系;
从所得到的视频描述语句中提取描述关键词,构建包括所述描述关键词的关键词集合。
3.根据权利要求2所述的方法,其特征在于,所述获取所述目标视频的各个视频片段,包括:
获取所述目标视频,将所述目标视频分割为至少两个视频片段,其中,不同的视频片段对应所述目标视频的不同事件。
4.根据权利要求3所述的方法,其特征在于,所述将所述目标视频分割为至少两个视频片段,包括:
将所述目标视频输入预先训练的循环神经网络,得到所述目标视频的至少两个视频片段,其中,所述循环神经网络用于将视频分割为视频片段。
5.根据权利要求4所述的方法,其特征在于,所述循环神经网络通过以下方式训练:
获取预设视频,以及所述预设视频所分割成的各个视频片段;
基于所述预设视频和所述预设视频所分割成的视频片段,训练初始循环神经网络,得到所述循环神经网络。
6.根据权利要求3所述的方法,其特征在于,所述将所述目标视频分割为至少两个视频片段,包括:
若所述目标视频的事件中,至少两个事件的发生时段存在重叠,将所述目标视频分割为至少两个视频片段,其中,在所分割的视频片段中,至少两个视频片段存在重叠。
7.根据权利要求2至6中任一项所述的方法,其特征在于,所述视频描述生成模型通过以下方式训练得到:
获取预设视频片段,以及所述预设视频片段所标注的视频描述语句;
基于所述预设视频片段和所标注的视频描述语句,训练初始视频描述生成模型,得到所述视频描述生成模型。
8.根据权利要求1至7中任一项所述的方法,其特征在于,在所述将所述视频评论确定为所述目标视频的不相关评论之后,所述方法还包括:
若所述视频评论存在于所述目标视频的视频评论集合中,将所述视频评论从所述视频评论集合中删除。
9.一种电子设备,包括:
一个或多个处理器;
存储装置,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中任一所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811524994.1A CN109618236B (zh) | 2018-12-13 | 2018-12-13 | 视频评论处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811524994.1A CN109618236B (zh) | 2018-12-13 | 2018-12-13 | 视频评论处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109618236A true CN109618236A (zh) | 2019-04-12 |
CN109618236B CN109618236B (zh) | 2023-04-07 |
Family
ID=66008250
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811524994.1A Active CN109618236B (zh) | 2018-12-13 | 2018-12-13 | 视频评论处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109618236B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110633311A (zh) * | 2019-09-12 | 2019-12-31 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置及存储介质 |
CN110781066A (zh) * | 2019-10-29 | 2020-02-11 | 北京字节跳动网络技术有限公司 | 用户行为分析方法、装置、设备及存储介质 |
CN111031397A (zh) * | 2019-12-05 | 2020-04-17 | 北京奇艺世纪科技有限公司 | 收集剪辑片段评论的方法、装置、设备及存储介质 |
CN111782761A (zh) * | 2020-05-12 | 2020-10-16 | 北京达佳互联信息技术有限公司 | 评论信息的确定方法、装置、电子设备及存储介质 |
BE1027349B1 (de) * | 2020-04-01 | 2021-01-19 | Yu Jian Trading Company Ltd | Ein Verfahren, eine Vorrichtung, ein Speichermedium und ein Endgerät zum Erzeugen eines Videotitelbildes |
CN112966173A (zh) * | 2019-12-13 | 2021-06-15 | 北京达佳互联信息技术有限公司 | 一种用于信息评论的分类操作方法及装置 |
CN113014988A (zh) * | 2021-02-23 | 2021-06-22 | 北京百度网讯科技有限公司 | 视频处理方法、装置、设备以及存储介质 |
US11526543B2 (en) | 2020-07-14 | 2022-12-13 | International Business Machines Corporation | Aggregate comment management from forwarded media content |
CN116017087A (zh) * | 2022-12-19 | 2023-04-25 | 北京有竹居网络技术有限公司 | 评论内容库的确定方法、评论内容推荐方法和装置 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070061245A1 (en) * | 2005-09-14 | 2007-03-15 | Jorey Ramer | Location based presentation of mobile content |
CN101334796A (zh) * | 2008-02-29 | 2008-12-31 | 浙江师范大学 | 一种个性化及协同化融合的网上多媒体检索与查询方法 |
CN101778260A (zh) * | 2009-12-29 | 2010-07-14 | 公安部第三研究所 | 一种基于结构化描述的视频监控管理方法及系统 |
US20110138326A1 (en) * | 2009-12-04 | 2011-06-09 | At&T Intellectual Property I, L.P. | Apparatus and Method for Tagging Media Content and Managing Marketing |
CN102156702A (zh) * | 2010-12-17 | 2011-08-17 | 南方报业传媒集团 | 一种由粗到精的视频事件的快速定位方法 |
CN102254038A (zh) * | 2011-08-11 | 2011-11-23 | 武汉安问科技发展有限责任公司 | 一种分析网络评论相关度的系统及其分析方法 |
CN103226576A (zh) * | 2013-04-01 | 2013-07-31 | 杭州电子科技大学 | 基于语义相似度的垃圾评论过滤方法 |
CN104540044A (zh) * | 2014-12-30 | 2015-04-22 | 北京奇艺世纪科技有限公司 | 一种视频分段方法及装置 |
CN105893571A (zh) * | 2016-03-31 | 2016-08-24 | 乐视控股(北京)有限公司 | 一种视频内容标签的建立方法和系统 |
US20160301650A1 (en) * | 2013-02-08 | 2016-10-13 | Google Inc. | Methods, systems, and media for presenting comments based on correlation with content |
CN106227793A (zh) * | 2016-07-20 | 2016-12-14 | 合网络技术(北京)有限公司 | 一种视频与视频关键词相关度的确定方法及装置 |
CN106534951A (zh) * | 2016-11-30 | 2017-03-22 | 北京小米移动软件有限公司 | 视频分割方法和装置 |
CN106547908A (zh) * | 2016-11-25 | 2017-03-29 | 三星电子(中国)研发中心 | 一种信息推送方法和系统 |
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 |
CN108024143A (zh) * | 2017-11-03 | 2018-05-11 | 国政通科技股份有限公司 | 一种智能的视频数据处理方法及装置 |
US20180227617A1 (en) * | 2016-02-01 | 2018-08-09 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for pushing information |
CN108810620A (zh) * | 2018-07-18 | 2018-11-13 | 腾讯科技(深圳)有限公司 | 识别视频中的关键时间点的方法、计算机设备及存储介质 |
-
2018
- 2018-12-13 CN CN201811524994.1A patent/CN109618236B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070061245A1 (en) * | 2005-09-14 | 2007-03-15 | Jorey Ramer | Location based presentation of mobile content |
CN101334796A (zh) * | 2008-02-29 | 2008-12-31 | 浙江师范大学 | 一种个性化及协同化融合的网上多媒体检索与查询方法 |
US20110138326A1 (en) * | 2009-12-04 | 2011-06-09 | At&T Intellectual Property I, L.P. | Apparatus and Method for Tagging Media Content and Managing Marketing |
CN101778260A (zh) * | 2009-12-29 | 2010-07-14 | 公安部第三研究所 | 一种基于结构化描述的视频监控管理方法及系统 |
CN102156702A (zh) * | 2010-12-17 | 2011-08-17 | 南方报业传媒集团 | 一种由粗到精的视频事件的快速定位方法 |
CN102254038A (zh) * | 2011-08-11 | 2011-11-23 | 武汉安问科技发展有限责任公司 | 一种分析网络评论相关度的系统及其分析方法 |
US20160301650A1 (en) * | 2013-02-08 | 2016-10-13 | Google Inc. | Methods, systems, and media for presenting comments based on correlation with content |
CN103226576A (zh) * | 2013-04-01 | 2013-07-31 | 杭州电子科技大学 | 基于语义相似度的垃圾评论过滤方法 |
CN104540044A (zh) * | 2014-12-30 | 2015-04-22 | 北京奇艺世纪科技有限公司 | 一种视频分段方法及装置 |
US20180227617A1 (en) * | 2016-02-01 | 2018-08-09 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for pushing information |
CN105893571A (zh) * | 2016-03-31 | 2016-08-24 | 乐视控股(北京)有限公司 | 一种视频内容标签的建立方法和系统 |
CN106227793A (zh) * | 2016-07-20 | 2016-12-14 | 合网络技术(北京)有限公司 | 一种视频与视频关键词相关度的确定方法及装置 |
CN106547908A (zh) * | 2016-11-25 | 2017-03-29 | 三星电子(中国)研发中心 | 一种信息推送方法和系统 |
CN106534951A (zh) * | 2016-11-30 | 2017-03-22 | 北京小米移动软件有限公司 | 视频分割方法和装置 |
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 |
CN108024143A (zh) * | 2017-11-03 | 2018-05-11 | 国政通科技股份有限公司 | 一种智能的视频数据处理方法及装置 |
CN108810620A (zh) * | 2018-07-18 | 2018-11-13 | 腾讯科技(深圳)有限公司 | 识别视频中的关键时间点的方法、计算机设备及存储介质 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110633311A (zh) * | 2019-09-12 | 2019-12-31 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置及存储介质 |
CN110633311B (zh) * | 2019-09-12 | 2023-10-20 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置及存储介质 |
CN110781066A (zh) * | 2019-10-29 | 2020-02-11 | 北京字节跳动网络技术有限公司 | 用户行为分析方法、装置、设备及存储介质 |
CN110781066B (zh) * | 2019-10-29 | 2023-04-11 | 北京字节跳动网络技术有限公司 | 用户行为分析方法、装置、设备及存储介质 |
CN111031397A (zh) * | 2019-12-05 | 2020-04-17 | 北京奇艺世纪科技有限公司 | 收集剪辑片段评论的方法、装置、设备及存储介质 |
CN112966173A (zh) * | 2019-12-13 | 2021-06-15 | 北京达佳互联信息技术有限公司 | 一种用于信息评论的分类操作方法及装置 |
CN112966173B (zh) * | 2019-12-13 | 2024-02-27 | 北京达佳互联信息技术有限公司 | 一种用于信息评论的分类操作方法及装置 |
BE1027349B1 (de) * | 2020-04-01 | 2021-01-19 | Yu Jian Trading Company Ltd | Ein Verfahren, eine Vorrichtung, ein Speichermedium und ein Endgerät zum Erzeugen eines Videotitelbildes |
CN111782761B (zh) * | 2020-05-12 | 2023-10-31 | 北京达佳互联信息技术有限公司 | 评论信息的确定方法、装置、电子设备及存储介质 |
CN111782761A (zh) * | 2020-05-12 | 2020-10-16 | 北京达佳互联信息技术有限公司 | 评论信息的确定方法、装置、电子设备及存储介质 |
US11526543B2 (en) | 2020-07-14 | 2022-12-13 | International Business Machines Corporation | Aggregate comment management from forwarded media content |
CN113014988A (zh) * | 2021-02-23 | 2021-06-22 | 北京百度网讯科技有限公司 | 视频处理方法、装置、设备以及存储介质 |
CN113014988B (zh) * | 2021-02-23 | 2024-04-05 | 北京百度网讯科技有限公司 | 视频处理方法、装置、设备以及存储介质 |
CN116017087A (zh) * | 2022-12-19 | 2023-04-25 | 北京有竹居网络技术有限公司 | 评论内容库的确定方法、评论内容推荐方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109618236B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109618236A (zh) | 视频评论处理方法和装置 | |
US10924800B2 (en) | Computerized system and method for automatically detecting and rendering highlights from streaming videos | |
CN110582025B (zh) | 用于处理视频的方法和装置 | |
CN108830235A (zh) | 用于生成信息的方法和装置 | |
CN108989882B (zh) | 用于输出视频中的音乐片段的方法和装置 | |
CN108307240B (zh) | 视频推荐方法和装置 | |
CN108805091A (zh) | 用于生成模型的方法和装置 | |
CN109688428A (zh) | 视频评论生成方法和装置 | |
CN109829432B (zh) | 用于生成信息的方法和装置 | |
CN109660823A (zh) | 视频发布方法、装置、电子设备及存储介质 | |
CN108345387A (zh) | 用于输出信息的方法和装置 | |
CN110401844A (zh) | 视频直播策略的生成方法、装置、设备及可读介质 | |
CN109829164B (zh) | 用于生成文本的方法和装置 | |
CN110188719A (zh) | 目标跟踪方法和装置 | |
CN109862100B (zh) | 用于推送信息的方法和装置 | |
CN108134951A (zh) | 用于推荐播放内容的方法和装置 | |
CN109977839A (zh) | 信息处理方法和装置 | |
CN109815416A (zh) | 关联信息的推送方法、装置,电子设备及存储介质 | |
CN111966441A (zh) | 基于虚拟资源的信息处理方法、装置、电子设备及介质 | |
CN109271556A (zh) | 用于输出信息的方法和装置 | |
CN109583389A (zh) | 绘本识别方法及装置 | |
CN108038172B (zh) | 基于人工智能的搜索方法和装置 | |
CN109522451A (zh) | 重复视频检测方法和装置 | |
CN112182281B (zh) | 一种音频推荐方法、装置及存储介质 | |
CN107968743A (zh) | 推送信息的方法和装置 |
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 |