CN110287372A - 用于负反馈的标签确定方法、视频推荐方法及其装置 - Google Patents

用于负反馈的标签确定方法、视频推荐方法及其装置 Download PDF

Info

Publication number
CN110287372A
CN110287372A CN201910563725.4A CN201910563725A CN110287372A CN 110287372 A CN110287372 A CN 110287372A CN 201910563725 A CN201910563725 A CN 201910563725A CN 110287372 A CN110287372 A CN 110287372A
Authority
CN
China
Prior art keywords
video
user
label
negative
feedback
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
CN201910563725.4A
Other languages
English (en)
Other versions
CN110287372B (zh
Inventor
裴得利
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.)
Bigo Technology Pte Ltd
Original Assignee
Guangzhou Baiguoyuan Information Technology Co 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 Guangzhou Baiguoyuan Information Technology Co Ltd filed Critical Guangzhou Baiguoyuan Information Technology Co Ltd
Priority to CN201910563725.4A priority Critical patent/CN110287372B/zh
Publication of CN110287372A publication Critical patent/CN110287372A/zh
Priority to PCT/CN2020/098065 priority patent/WO2020259572A1/zh
Application granted granted Critical
Publication of CN110287372B publication Critical patent/CN110287372B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • G06F16/735—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/7867—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title and artist information, manually generated time, location and usage information, user ratings

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本发明实施例公开了一种用于负反馈的标签确定方法、视频推荐方法及其装置，用于负反馈的标签确定方法包括：获取视频数据的多个原始标签；获取每个所述原始标签的显著值以及获取用户对于所述原始标签的偏好度；根据所述显著值和所述偏好度计算每个所述原始标签用于负反馈的概率；根据所述概率从多个所述原始标签中确定出候选标签。基于显著值和偏好度计算标签用于负反馈的概率后确定用于负反馈的候选标签，考虑了视频内容和用户意图，用户从候选标签中选择出目标标签对视频数据进行负反馈的反馈指向性高，通过用户选择的目标标签优化推荐算法后，能够降低向用户推荐的视频中令用户反感的视频的比例，提高了视频推荐的准确性。

Description

用于负反馈的标签确定方法、视频推荐方法及其装置
技术领域
本发明实施例涉及视频推荐技术领域，尤其涉及一种用于负反馈的标签确定方法、视频推荐方法装置、用于负反馈的标签确定装置、视频推荐装置、设备和存储介质。
背景技术
随着科学技术的迅猛发展与进步，互联网成为了人们生活中不可或缺的重要组成部分，通过互联网人们可以在视频播放平台上观看视频，而视频播放平台为了吸引用户，通常向用户推荐用户感兴趣的视频。
目前，视频推荐算法主要是基于用户的反馈向用户推荐视频，在反馈中，可以向用户提供针对视频的负反馈，从而收集用户对视频不感兴趣的原因以优化推荐算法。现有的一种负反馈方式如图1中的a和b所示，该方式通过设置表达不喜欢或不感兴趣的负反馈按钮，用户通过该负反馈按钮对视频进行负反馈，另一种负反馈方式如图1中的c所示，负反馈被唤醒后，展示若干包括不喜欢作者、视频无聊、内容重复等负反馈选项以供用户作为负反馈的选择。
如上所述的负反馈方式，在视频内容和用户意图复杂化的情况下，无法从负反馈中确定用户由于视频中哪方面的内容造成用户反感，即对视频的负反馈方式无法结合视频内容和用户意图，负反馈指向性差，导致基于负反馈优化推荐算法后，推荐的视频中仍然存在较大比例的视频使得用户反感。
发明内容
本发明实施例提供一种用于负反馈的标签确定方法、视频推荐方法、用于负反馈的标签确定装置、视频推荐装置、设备和存储介质，以解决现有对视频的负反馈方式无法结合视频内容和用户意图，负反馈指向性差，导致基于负反馈优化推荐算法后，推荐的视频中仍然存在较大比例的视频使得用户反感的问题。
第一方面，本发明实施例提供了一种用于负反馈的标签确定方法，包括：
获取视频数据的多个原始标签；
获取每个所述原始标签的显著值，以及获取用户对于所述原始标签的偏好度；
根据所述显著值和所述偏好度计算每个所述原始标签用于负反馈的概率；
根据所述概率从多个所述原始标签中确定出候选标签。
第二方面，本发明实施例提供了一种视频推荐方法，包括：
确定待推荐视频的用户；
获取多个视频数据；
确定所述用户的目标标签；
基于所述目标标签从所述多个视频数据中确定出目标视频数据；
将所述目标视频数据推送至客户端；
其中，所述目标标签为所述用户执行负反馈操作时从候选标签中选择出的标签，所述候选标签通过本发明实施例所述的用于负反馈的标签确定方法确定。
第三方面，本发明实施例提供了一种用于负反馈的标签确定装置，包括：
原始标签获取模块，用于获取视频数据的多个原始标签；
原始标签参数获取模块，用于获取每个所述原始标签的显著值，以及获取用户对于所述原始标签的偏好度；
概率计算模块，用于根据所述显著值和所述偏好度计算每个所述原始标签用于负反馈的概率；
候选标签确定模块，用于根据所述概率从多个所述原始标签中确定出候选标签。
第四方面，本发明实施例提供了一种视频推荐装置，包括：
用户确定模块，用于确定待推荐视频的用户；
视频数据获取模块，用于获取多个视频数据；
用户标签确定模块，用于确定所述用户的目标标签；
目标视频数据确定模块，用于基于所述目标标签从所述多个视频数据中确定出目标视频数据；
视频推送模块，用于将所述目标视频数据推送至客户端；
其中，所述目标标签为所述用户执行负反馈操作时从候选标签中选择出的标签，所述候选标签通过本发明实施例所述的用于负反馈的标签确定装置确定。
第五方面，本发明实施例提供了一种设备，所述设备包括：
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本发明任一实施例所述的用于负反馈的标签确定方法和/或视频推荐方法。
第六方面，本发明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本发明任一实施例所述的用于负反馈的标签确定方法和/或视频推荐方法。
本发明实施例用于负反馈的标签确定方法，在获取视频数据的多个原始标签后，获取每个原始标签的显著值以及获取用户对于原始标签的偏好度，根据显著值和偏好度计算每个原始标签用于负反馈的概率，从而根据概率从多个原始标签中确定出候选标签。本发明实施例中标签的显著值表达了标签对视频内容的区分度，偏好度表达了用户意图，基于显著值和偏好度计算标签用于负反馈的概率，并根据概率确定用于负反馈的候选标签，综合考虑了视频内容和用户意图，使得用户从候选标签中选择出目标标签进行负反馈的反馈指向性高，通过用户选择的目标标签优化推荐算法后，能够降低向用户推荐的视频中令用户反感的视频的比例，提高了视频推荐的准确性。
附图说明
图1是现有技术中的对视频进行负反馈的用户界面的示意图；
图2是本发明实施例一提供的一种用于负反馈的标签确定方法的流程图；
图3A是本发明实施例二提供的一种用于负反馈的标签确定方法的流程图；
图3B是本发明实施例二中视频的候选标签的生成机制的示意图；
图3C是本发明实施例二提供的对视频进行负反馈的用户界面的示意图；
图4是本发明实施例三提供的一种视频推荐方法的流程图；
图5是本发明实施例四提供的一种用于负反馈的标签确定装置的结构框图；
图6是本发明实施例五提供的一种视频推荐装置的结构框图；
图7是本发明实施例六提供的一种设备的结构框图。
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2为本发明实施例一提供的一种用于负反馈的标签确定方法的流程图，本发明实施例可适用于基于标签对视频数据进行负反馈的情况，该方法可以由用于负反馈的标签确定装置来执行，该装置可以通过软件和/或硬件的方式来实现，并集成在执行本方法的设备中，具体地，如图2所示，该方法可以包括如下步骤：
S101、获取视频数据的多个原始标签。
原始标签可以是视频数据的关键字、视频的分类信息等，在实际应用中，可以在离线时预先基于众包的人工标注、基于视觉的自动标注以及基于评论的自动标注等方式为一个视频数据标注标签，在视频数据被播放时，可以获取离线时已为视频数据标注的多个标签作为原始标签。
在本发明的可选实施例中，可以在检测到用户在视频播放平台上播放视频数据时，获取用户播放的视频数据的原始标签，其中，视频播放平台可以是各种短视频播放平台，播放视频数据可以是用户在短视频播放平台选取视频后，在播放页面播放视频数据。
S102、获取每个所述原始标签的显著值，以及获取用户对于所述原始标签的偏好度。
本发明实施例中，标签的显著值表达了标签对视频内容的区分度，显著值越高，标签对视频内容的区分度越低，反之，显著值越低，区分度对视频内容的区分度越高。可选地，显著值可以是标签在所有视频数据中的覆盖率，例如，对于一个标签“学生”，在整个视频播放平台上的所有视频数据中，80％以上的视频数据都有标签“学生”，标签“学生”的覆盖率为80％，则说明标签“学生”没有显著性，标签“学生”对视频数据的区分度低，而对于标签“北京男性小学生”，在整个视频播放平台上的所有视频数据中，有10％的视频数据具有标签“北京男性小学生”，标签“北京男性小学生”的覆盖率为10％，则说明标签“北京男性小学生”具有显著性，标签“北京男性小学生”对视频数据的区分度高。
标签的偏好度表达了用户对具有该标签的视频数据的感兴趣程度，对于具有某个标签的视频数据，如果用户完整地播放了该视频数据，或者是在播放完视频数据后对视频数据执行了关注、分享、评论等正向的操作行为，则说明用户对该视频数据感兴趣，在具有该标签的所有视频数据中，具有正向的操作行为的视频数据的比例越高，说明用户对该标签的偏好度高，用户对具有该标签的视频数据更感兴趣。
在本发明实施例中，可以在离线时计算各个标签的显著值，并且针对每个用户，可以根据用户的历史行为数据计算该用户对各个标签的偏好度。
S103、根据所述显著值和所述偏好度计算每个所述原始标签用于负反馈的概率。
对于当前播放的视频数据的每个原始标签，原始标签用于负反馈的概率与显著值和偏好度负相关，即显著值和偏好度越小，概率越高。在本发明的可选实施例中，可以计算原始标签的显著值和偏好度的和值，然后计算1与该和值的差值作为原始标签用于负反馈的概率。由于显著值表达了标签对视频内容的区分度，偏好度表达了用户对视频的感兴趣程度，即用户的观看意图，使用标签作为负反馈的标签时，标签的概率越大，通过标签生成的负反馈信息具有更大的概率反映出用户对具有该标签的视频不感兴趣甚至反感。
S104、根据所述概率从多个所述原始标签中确定出候选标签。
在确定视频数据的原始标签用于负反馈的概率后，可以选择概率最大的N个原始标签作为候选标签，以供用户从候选标签中选择出目标标签用于对视频数据的负反馈。
例如，在用户播放视频数据时，从视频数据的原始标签确定出候选标签后，如果检测到用户通过长按视频播放界面、点击负反馈按钮等操作方式唤醒对视频数据进行负反馈，可以展示一负反馈页面，并且在负反馈页面展示N个候选标签，以供用户从N个候选标签中选择出候选标签对视频数据进行负反馈，当用户从N个候选标签中选择候选标签进行负反馈时，用户选择的候选标签作为目标标签，将该目标标签与用户关联。
在向用户推荐视频时，可以先获取该用户关联的目标标签，通过目标标签优化推荐算法，例如，可以从所有视频数据中排除掉具有目标标签的视频数据，从而向用户推荐感兴趣的视频数据，避免向用户推荐包含目标标签的视频数据造成用户不感兴趣甚至反感。
本发明实施例通过获取视频数据的多个原始标签，并获取每个原始标签的显著值以及获取用户对于原始标签的偏好度，采用显著值和偏好度计算每个原始标签用于负反馈的概率后，根据概率从多个原始标签中确定出候选标签。本发明实施例中标签的显著值表达了标签对视频内容的区分度，偏好度表达了用户意图，基于显著值和偏好度计算标签用于负反馈的概率，并根据概率确定用于负反馈的标签，综合考虑了视频内容和用户意图，用户从候选标签中选择出目标标签进行负反馈的反馈指向性高，通过用户选择的目标标签优化推荐算法后，能够降低向用户推荐的视频中令用户反感的视频的比例，提高了视频推荐的准确性。
实施例二
图3A为本发明实施例二提供的一种用于负反馈的标签确定方法的流程图，本发明实施例在实施例一的基础上进行优化，具体地，如图3A所示，该方法可以包括如下步骤：
S201、获取所述视频数据的多个原始标签。
S202、统计所有视频数据的数量，得到第一视频总数。
在本发明实施例中，可以获取整个视频播放平台上所有视频数据的视频集合V＝{V1,V2,…,Vn}，并且该视频集合V所拥有的标签集合为ST＝{T1，T2，…,Tk}，其中，标签集合ST为获取视频集合V中的所有视频数据Vi的标签后进行去重所生成的标签集合。对于视频集合V，可以统计视频集合V中所包含的视频数据的数量作为第一视频总数。
S203、统计具有所述原始标签的视频数据的数量，得到第二视频总数。
具体地，可以通过标签和视频数据之间的关联关系，在视频集合V中查找具有某个标签的视频数据，然后统计具有该标签的视频数据的数量作为第二视频总数。
S204、计算所述第二视频总数和所述第一视频总数之间的比值，作为所述原始标签的显著值。
在本发明实施例中，一个标签的显著值可以为标签的覆盖率，即在视频集合V中，具有该标签的视频数据的比例。因此，标签的显著值可以通过具有该标签的视频数据的数量与所有视频数据的数量的比值来表示，即将计算第二视频总数和第一视频总数得到的比值作为标签的显著值，显著值越大，标签的显著性越低，显著值越小，标签的显著性越高，对于视频标签集合ST中的每个标签Ti，可以通过以上方式实时计算其显著值。
S205、获取用户数据，所述用户数据用于表示所述用户在播放视频数据时触发的操作。
在本发明实施例中，用户数据包括视频播放列表和操作行为数据，视频播放列表可以是用户播放过的视频数据的列表，用户在播放视频数据时的操作行为可以是用户在播放视频数据后立即关闭视频数据播放、播放完视频数据后关闭视频数据播放、对视频数据进行评论、关注视频数据、分享视频数据等操作。
在本发明的可选实施例中，可以确定用户请求播放的视频数据，将视频数据记录在视频播放列表中，并记录用户对视频数据触发的操作以生成操作行为数据。
在实际应用中，可以为每个用户维护一个观看历史列表，该观看历史列表即为用户的视频播放列表Vu＝{Vu,1，Vu,2，…,Vu,m}，视频播放列表Vu中包含了用户播放过的视频数据，例如，用户请求播放视频数据时，将该视频数据记录在视频播放列表Vu中。另外，在用户播放视频数据过程中，可以记录用户的操作生成播放日志作为操作行为数据，该播放日志可以记录了用户播放视频开始时间、结束时间和在播放过程中执行的操作。
S206、根据所述用户数据确定所述用户对于所述原始标签的偏好度。
在本发明的可选实施例中，可以从视频播放列表中确定出具有原始标签的视频数据作为第一视频集合，从第一视频集合中确定出具有正向的操作行为数据的视频数据作为第二视频集合，然后确定第一视频集合中视频数据的数量得到第三视频总数，以及确定第二视频集合中视频数据的数量得到第四视频总数，最后基于第四视频总数和第三视频总数计算用户对于原始标签的偏好度，其中，偏好度与第四视频总数正相关，与第三视频总数负相关。
其中，正向的操作行为可以是表达用户对某个视频数据感兴趣的行为，可选地，正向的操作行为可以是播放完整视频、对视频点赞、分享视频、关注用户、对视频评论中的至少一种。
对于一个原始标签Ti，可以从用户播放过的视频播放列表Vu中确定出具有标签Ti的第一视频集合，以及从第一视频集合中确定出具有正向的操作行为的第二视频集合，然后采用第一视频集合中视频数据的数量总数和第二视频集合中视频数据的数量总数计算偏好度，具体地，可以通以下公式计算用户u对标签Ti的偏好度：
其中，M为平滑参数，可以取值为30，由以上公式可知，对于一个标签Ti，用户播放过的视频数据中，具有标签Ti并且有正向的操作行为的视频数量越大，说明用户对具有标签Ti的视频数据越感兴趣。
S207、根据所述显著值和所述偏好度计算所述原始标签用于负反馈的概率。
在本发明实施例中，可以先获取第一系统参数和第二系统参数，计算第一系统参数和显著值的乘积得到第一乘积，计算第二系统参数和偏好度的乘积得到第二乘积，计算第一乘积和第二乘积的和值，计算1与该和值的差值作为原始标签用于负反馈的概率。
具体地，对于用户u当前播放的视频数据Vc，在确定视频数据Vc的多个原始标签后，可以获取离线计算得到的每个原始标签的显著值和偏好度然后通过以下公式计算原始标签用于负反馈的概率：
其中，为用户u播放的视频数据Vc的原始标签用于负反馈的概率，α和β为正值的系统参数，系统参数可以通过在线测试后根据用户的反馈进行调整，在上述公式中，原始标签的显著值和偏好度越小，其用于负反馈的概率越大。
本发明实施例基于显著值和偏好度计算原始标签用于负反馈的概率，并根据概率从原始标签确定出用于负反馈的候选标签，综合考虑了视频内容和用户意图，用户从候选标签中选择出目标标签对视频数据进行负反馈的反馈指向性高，通过用户选择的目标标签优化推荐算法后，能够降低向用户推荐的视频中令用户反感的视频的比例，提高了视频推荐的准确性。
S208、按照概率的大小对所述原始标签进行降序排序。
对于视频数据Vc的原始标签在确定每个原始标签用于负反馈的概率后，可以根据概率的大小对原始标签进行排序，可选地，可以按照概率大小对原始标签进行降序排序，以便确定概率最大的多个原始标签作为候选标签。
S209、将排序在前的N个原始标签作为候选标签，其中N≥1。
本发明实施例中，原始标签按照概率大小进行降序排序，概率越大说明采用该原始标签作为候选标签进行负反馈时，具有更大的概率收集到准确的负反馈信息，由此可以将排序在前的N个原始标签作为候选标签。
如图3B所示为本发明实施例的当前播放的视频数据的候选标签生成机制，其候选标签生成机制如下：
用户在播放视频时，获取当前播放视频的m个标签，并获取离线生成的用户画像，该用户画像记录了用户播放过的n个视频，以及n个视频的所具有的所有的n个标签的偏好度，另外获取离线时已经生成的当前播放视频的m个标签的显著值，然后从n个标签的偏好度中查找出当前播放视频的m个标签的偏好度，通过偏好度和显著值计算当前播放视频的m个标签中每个标签用于负反馈的概率，然后将概率最大的3个标签作为候选标签，即候选标签1、候选标签2和候选标签3。
如图3C所示，在确定视频数据用于负反馈的3个候选标签后，当检测到用户唤醒对视频数据的负反馈时，将候选标签推送至客户端，客户端显示负反馈页面，在该负反馈页面中展示3个候选标签以供用户在负反馈页面中选择出目标标签对视频数据进行负反馈，例如，用户在负反馈页面中选择一个候选标签对视频数据进行负反馈，则将用户选择的候选标签作为用户的目标标签，以便在向该用户推荐视频时，根据该目标标签优化推荐算法，确定出视频数据推荐给用户。
如图3C所示，候选标签的数量N的取值可以为3，即将概率最大的3个原始标签作为候选标签。如果检测到用户通过长按视频播放界面的方式唤醒负反馈，可以弹出负反馈页面，并在负反馈页面中显示标签1、标签2和标签3共3个候选标签，在检测到用户针对3个候选标签的选择操作时，将用户选择的候选标签作为用户的目标标签，如用户从标签1、标签2和标签3中选择标签1，则标签1为目标标签，在向用户推荐视频时，可以采用标签1优化推荐算法，避免向用户推荐具有标签1的视频数据。
本发明实施例中，标签的显著值表达了标签对视频内容的区分度，偏好度表达了用户意图，基于显著值和偏好度计算原始标签用于负反馈的概率，并根据概率确定用于负反馈的候选标签，在检测到用户针对视频数据的负反馈操作时展示候选标签，然后根据用户针对候选标签的操作，从候选标签中确定出目标标签，在向用户推荐视频时，通过目标标签优化对用户进行视频推荐的推荐算法，使得从候选标签中确定出目标标签进行负反馈后，获得的负反馈信息综合了视频内容和用户意图，负反馈的指向性高，通过目标标签优化推荐算法后能够降低向用户推荐的视频数据中令用户反感的视频数据的比例，提高了视频推荐的准确性。
实施例三
图4为本发明实施例三提供的一种视频推荐方法的流程图，本发明实施例可适用于向用户推荐视频的情况，该方法可以由视频推荐装置来执行，该装置可以通过软件和/或硬件的方式来实现，并集成在执行本方法的设备中，具体地，如图4所示，该方法可以包括如下步骤：
S301、确定待推荐视频的用户。
在本发明实施例中，可以在检测到预设事件时向用户推荐视频，其中，预设事件可以是检测到用户通过账号登录短视频播放平台、用户在视频预览界面执行翻页、刷新等操作，如果检测到预设事件，触发预设事件的用户为待推荐视频的用户，当然，也可以根据用户的历史行为对用户进行分类，将某一分类用户作为待推荐视频的用户，例如，当有新的视频数据时，如果该视频数据比较合适老人观看，则可以将年龄段在50-70岁的用户作为待推荐视频的用户，本发明实施例对确定待推荐视频的用户的方式不加以限制。
S302、获取多个视频数据。
具体地，可以根据用户的历史行为数据确定用户感兴趣的视频数据，当然，还可以获取某个时间段内首次上传的视频数据，或者随机获取视频数据，本发明实施例对获取多个视频数据的方式不加以限制。
S303、确定所述用户的目标标签。
在本发明实施例中，目标标签可以是用户在对视频数据进行负反馈时，从视频数据用于负反馈的候选标签中选择的标签，即目标标签为用户不感兴趣甚至反感的视频数据的标签。具体地，候选标签可以通过以下方式确定：
S1、当用户播放视频数据时，获取所述视频数据的多个原始标签；
S2、获取每个所述原始标签的显著值，以及获取所述用户对于所述原始标签的偏好度；
S3、根据所述显著值和所述偏好度计算每个所述原始标签用于负反馈的概率；
S4、根据所述概率从多个所述原始标签中确定出候选标签。
在确定候选标签后，当检测到用户唤醒对视频数据的负反馈时，将候选标签推送至客户端，以在客户端的负反馈页面展示候选标签，在接收到用户在负反馈页面上针对候选标签的选择操作时，根据用户的选择操作从展示的候选标签中确定出用户对视频数据进行负反馈的目标标签。
确定候选标签和用户的目标标签的详细步骤可参考实施例一和实施例二，在此不再详述。
S304、基于所述目标标签从所述多个视频数据中确定出目标视频数据。
具体地，可以从多个视频数据中确定出具有目标标签的视频数据作为第一视频数据，然后在多个视频数据中去除第一视频数据得到第二视频数据，将第二视频数据作为目标视频数据。
当然，在实际应用中，本领域技术人员还可以通过其他方式根据目标标签从多个视频数据中确定出用户不感兴趣甚至反感的视频数据，以避免向用户推荐用户不感兴趣的视频数据，本发明实施例对根据目标标签从多个视频数据中确定出目标视频数据的方式不加以限制。
S305、将所述目标视频数据推送至客户端。
在确定目标视频数据后，可以将目标视频数据推送至客户端，以在客户端展示视频数据向用户进行推荐，例如，客户端显示推荐列表，该推荐列表包括多个目标视频数据以供用户选择播放。
本发明实施例中，用户的目标标签为负反馈时用户选择的候选标签，该候选标签基于候选标签的显著值和偏好度计算用于负反馈的概率后确定，由于显著值表达了标签对视频内容的区分度，偏好度表达了用户意图，使得用户从候选标签中选择出目标标签后，通过目标标签进行负反馈获得的负反馈信息综合了视频内容和用户意图，负反馈的指向性高，在向用户推荐视频时，通过目标标签从多个视频数据中确定出目标视频数据，降低了目标视频数据中令用户反感的视频数据的比例，提高了视频推荐的准确性。
实施例四
图5是本发明实施例四提供的一种用于负反馈的标签确定装置的结构框图，如图5所示，本发明实施例的用于负反馈的标签确定装置具体可以包括如下模块：
原始标签获取模块401，用于获取视频数据的多个原始标签；
原始标签参数获取模块402，用于获取每个所述原始标签的显著值，以及获取用户对于所述原始标签的偏好度；
概率计算模块403，用于根据所述显著值和所述偏好度计算每个所述原始标签用于负反馈的概率；
候选标签确定模块404，用于根据所述概率从多个所述原始标签中确定出候选标签。
可选地，所述原始标签参数获取模块402包括：
第一视频总数统计子模块，用于统计所有视频数据的数量，得到第一视频总数；
第二视频总数统计子模块，用于统计具有所述原始标签的视频数据的数量，得到第二视频总数；
显著值计算子模块，用于计算所述第二视频总数和所述第一视频总数之间的比值，作为所述原始标签的显著值。
可选地，所述原始标签参数获取模块402包括：
用户数据获取子模块，用于获取用户数据，所述用户数据用于表示所述用户在播放视频数据时触发的操作；
偏好度确定子模块，用于根据所述用户数据确定所述用户对于所述原始标签的偏好度。
可选地，所述用户数据包括视频播放列表和操作行为数据，所述用户数据获取子模块包括：
视频数据确定单元，用于确定所述用户请求播放的视频数据；
视频数据记录单元，用于将所述视频数据记录在视频播放列表中；
操作行为数据记录单元，用于记录所述用户对所述视频数据触发的操作，以生成操作行为数据。
可选地，所述用户数据包括视频播放列表和操作行为数据，所述原始标签参数获取模块402包括：
第一视频集合确定子模块，用于从所述视频播放列表中确定出具有所述原始标签的视频数据，作为第一视频集合；
第二视频集合确定子模块，用于从所述第一视频集合中确定出具有正向的操作行为数据的视频数据，作为第二视频集合；
第三视频总数统计子模块，用于确定第一视频集合中视频数据的数量，得到第三视频总数；
第四视频总数统计子模块，用于确定第二视频集合中视频数据的数量，得到第四视频总数；
偏好度计算子模块，用于基于所述第四视频总数和所述第三视频总数计算所述用户对于所述原始标签的偏好度，其中，所述偏好度与所述第四视频总数正相关，所述偏好度与所述第三视频总数负相关。
可选地，所述正向的操作行为数据包括播放完整视频、对视频点赞、分享视频、关注用户、对视频评论中的至少一种操作所生成的数据。
可选地，所述概率计算模块303包括：
系统参数获取子模块，用于获取第一系统参数和第二系统参数；
第一乘积计算子模块，用于计算所述第一系统参数和所述显著值的乘积，得到第一乘积；
第二乘积计算子模块，用于计算所述第二系统参数和所述偏好度的乘积，得到第二乘积；
和值计算子模块，用于计算所述第一乘积和所述第二乘积的和值；
概率计算子模块，用于基于所述和值计算所述原始标签用于负反馈的概率。
可选地，所述候选标签确定模块304包括：
排序子模块，用于按照概率的大小对所述原始标签进行降序排序；
候选标签确定子模块，用于将排序在前的N个原始标签作为候选标签，其中N≥1。
可选地，还包括：
候选标签推送模块，用于当检测到所述用户针对所述视频数据的负反馈操作时，将所述候选标签推送至客户端，所述客户端用于在视频播放界面展示所述候选标签；
目标标签确定模块，用于在接收到所述用户针对所述候选标签的负反馈操作时，根据所述负反馈操作从所述候选标签中确定出所述用户的目标标签。
本发明实施例所提供的用于负反馈的标签确定装置可执行本发明任意实施例所提供的用于负反馈的标签确定方法，具备执行方法相应的功能模块和有益效果。
实施例五
图6是本发明实施例五提供的一种视频推荐装置的结构框图，如图6所示，本发明实施例的视频推荐装置具体可以包括如下模块：
用户确定模块501，用于确定待推荐视频的用户；
视频数据获取模块502，用于获取多个视频数据；
用户标签获取模块503，用于获取所述用户的目标标签；
目标视频数据确定模块504，用于基于所述目标标签从所述多个视频数据中确定出目标视频数据；
视频推送模块505，用于将所述目标视频数据推送至客户端；
其中，所述目标标签为所述用户执行负反馈操作时从候选标签中选择的标签，所述候选标签通过实施例四所述的用于负反馈的标签确定装置确定。
可选地，所述目标视频数据确定模块504包括：
第一视频数据确定子模块，用于从所述多个视频数据中确定出具有所述目标标签的第一视频数据；
目标视频数据确定子模块，用于在多个视频数据中去除所述第一视频数据得到第二视频数据，以作为目标视频数据。
本发明实施例所提供的视频推荐装置可执行本发明任意实施例所提供的视频推荐方法，具备执行方法相应的功能模块和有益效果。
实施例六
参照图7，示出了本发明一个示例中的一种设备的结构示意图。如图7所示，该设备具体可以包括：处理器70、存储器71、具有触摸功能的显示屏72、输入装置73、输出装置74以及通信装置75。该设备中处理器70的数量可以是一个或者多个，图7中以一个处理器70为例。该设备中存储器71的数量可以是一个或者多个，图7中以一个存储器71为例。该设备的处理器70、存储器71、显示屏72、输入装置73、输出装置74以及通信装置75可以通过总线或者其他方式连接，图7中以通过总线连接为例。
存储器71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用于负反馈的标签确定装置对应的程序指令/模块(例如，上述用于负反馈的标签确定装置中的原始标签获取模块401、原始标签参数获取模块402、概率计算模块403和候选标签确定模块404)，和/或如本发明任意实施例所述的视频推荐装置对应的程序指令/模块(例如，上述视频推荐装置中的用户确定模块501、视频数据获取模块502、用户标签确定模块503和目标视频数据确定模块504)。存储器71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装置、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71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71可进一步包括相对于处理器70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。
显示屏72为具有触摸功能的显示屏72，其可以是电容屏、电磁屏或者红外屏。一般而言，显示屏72用于根据处理器70的指示显示数据，还用于接收作用于显示屏72的触摸操作，并将相应的信号发送至处理器70或其他装置。可选的，当显示屏72为红外屏时，其还包括红外触摸框，该红外触摸框设置在显示屏72的四周，其还可以用于接收红外信号，并将该红外信号发送至处理器70或者其他设备。
通信装置75，用于与其他设备建立通信连接，其可以是有线通信装置和/或无线通信装置。
输入装置73可用于接收输入的数字或者字符信息，以及产生与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74可以包括扬声器等音频设备。需要说明的是，输入装置73和输出装置74的具体组成可以根据实际情况设定。
处理器70通过运行存储在存储器71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，即实现上述用于负反馈的标签确定方法和/或视频推荐方法。
具体地，实施例中，处理器70执行存储器71中存储的一个或多个程序时，具体实现本发明实施例提供的用于负反馈的标签确定方法和/或视频推荐方法的步骤。
本发明实施例还提供一种计算机可读存储介质，所述存储介质中的指令由设备的处理器执行时，使得设备能够执行如上述方法实施例所述的用于负反馈的标签确定方法和/或视频推荐方法。
需要说明的是，对于装置、设备、存储介质实施例而言，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。
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用于负反馈的标签确定方法。
值得注意的是，上述用于负反馈的标签确定装置和视频推荐装置中，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装置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 (15)

1.一种用于负反馈的标签确定方法，其特征在于，包括：
获取视频数据的多个原始标签；
获取每个所述原始标签的显著值，以及获取用户对于所述原始标签的偏好度；
根据所述显著值和所述偏好度计算每个所述原始标签用于负反馈的概率；
根据所述概率从多个所述原始标签中确定出候选标签。
2.如权利要求1所述的方法，其特征在于，所述获取每个所述原始标签的显著值，包括：
统计所有视频数据的数量，得到第一视频总数；
统计具有所述原始标签的视频数据的数量，得到第二视频总数；
计算所述第二视频总数和所述第一视频总数之间的比值，作为所述原始标签的显著值。
3.如权利要求1所述的方法，其特征在于，所述获取所述用户对于所述原始标签的偏好度，包括：
获取用户数据，所述用户数据用于表示所述用户在播放视频数据时触发的操作；
根据所述用户数据确定所述用户对于所述原始标签的偏好度。
4.如权利要求3所述的方法，其特征在于，所述用户数据包括视频播放列表和操作行为数据，所述获取用户数据，包括：
确定所述用户请求播放的视频数据；
将所述视频数据记录在视频播放列表中；
记录所述用户对所述视频数据触发的操作，以生成操作行为数据。
5.如权利要求3所述的方法，其特征在于，所述用户数据包括视频播放列表和操作行为数据，所述根据所述用户数据确定所述用户对于所述原始标签的偏好度，包括：
从所述视频播放列表中确定出具有所述原始标签的视频数据，作为第一视频集合；
从所述第一视频集合中确定出具有正向的操作行为数据的视频数据，作为第二视频集合；
确定第一视频集合中视频数据的数量，得到第三视频总数；
确定第二视频集合中视频数据的数量，得到第四视频总数；
基于所述第四视频总数和所述第三视频总数计算所述用户对于所述原始标签的偏好度，其中，所述偏好度与所述第四视频总数正相关，所述偏好度与所述第三视频总数负相关。
6.如权利要求5所述的方法，其特征在于，所述正向的操作行为数据包括播放完整视频、对视频点赞、分享视频、关注用户、对视频评论中的至少一种操作所生成的数据。
7.如权利要求1所述的方法，其特征在于，所述根据所述显著值和所述偏好度计算视频每个所述原始标签用于负反馈的概率，包括：
获取第一系统参数和第二系统参数；
计算所述第一系统参数和所述显著值的乘积，得到第一乘积；
计算所述第二系统参数和所述偏好度的乘积，得到第二乘积；
计算所述第一乘积和所述第二乘积的和值；
基于所述和值计算所述原始标签用于负反馈的概率。
8.如权利要求1-7任一项所述的方法，其特征在于，所述根据所述概率从多个所述原始标签中确定出候选标签，包括：
按照概率的大小对所述原始标签进行降序排序；
将排序在前的N个原始标签作为候选标签，其中N≥1。
9.如权利要求1-7任一项所述的方法，其特征在于，还包括：
当检测到所述用户针对所述视频数据的负反馈操作时，将所述候选标签推送至客户端，所述客户端用于展示所述候选标签；
在接收到所述用户针对所述候选标签的负反馈操作时，根据所述负反馈操作从所述候选标签中确定出所述用户的目标标签。
10.一种视频推荐方法，其特征在于，包括：
确定待推荐视频的用户；
获取多个视频数据；
确定所述用户的目标标签；
基于所述目标标签从所述多个视频数据中确定出目标视频数据；
将所述目标视频数据推送至客户端；
其中，所述目标标签为所述用户执行负反馈操作时从候选标签中选择出的标签，所述候选标签通过如权利要求1-8任一项所述的用于负反馈的标签确定方法确定。
11.如权利要求10所述的方法，其特征在于，所述基于所述目标标签从所述多个视频数据中确定出目标视频数据，包括：
从所述多个视频数据中确定出具有所述目标标签的第一视频数据；
在多个视频数据中去除所述第一视频数据得到第二视频数据，作为目标视频数据。
12.一种用于负反馈的标签确定装置，其特征在于，包括：
原始标签获取模块，用于获取视频数据的多个原始标签；
原始标签参数获取模块，用于获取每个所述原始标签的显著值，以及获取用户对于所述原始标签的偏好度；
概率计算模块，用于根据所述显著值和所述偏好度计算每个所述原始标签用于负反馈的概率；
候选标签确定模块，用于根据所述概率从多个所述原始标签中确定出候选标签。
13.一种视频推荐装置，其特征在于，包括：
用户确定模块，用于确定待推荐视频的用户；
视频数据获取模块，用于获取多个视频数据；
用户标签确定模块，用于确定所述用户的目标标签；
目标视频数据确定模块，用于基于所述目标标签从所述多个视频数据中确定出目标视频数据；
视频推送模块，用于将所述目标视频数据推送至客户端；
其中，所述目标标签为所述用户执行负反馈操作时从候选标签中选择出的标签，所述候选标签通过如权利要求12所述的用于负反馈的标签确定装置确定。
14.一种设备，其特征在于，所述设备包括：
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1-9中任一所述的用于负反馈的标签确定方法和/或如权利要求10-11任一项所述的视频推荐方法。
15.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-9中任一所述的用于负反馈的标签确定方法和/或如权利要求10-11任一项所述的视频推荐方法。
CN201910563725.4A 2019-06-26 2019-06-26 用于负反馈的标签确定方法、视频推荐方法及其装置 Active CN110287372B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910563725.4A CN110287372B (zh) 2019-06-26 2019-06-26 用于负反馈的标签确定方法、视频推荐方法及其装置
PCT/CN2020/098065 WO2020259572A1 (zh) 2019-06-26 2020-06-24 用于负反馈的标签确定方法、视频推荐方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910563725.4A CN110287372B (zh) 2019-06-26 2019-06-26 用于负反馈的标签确定方法、视频推荐方法及其装置

Publications (2)

Publication Number Publication Date
CN110287372A true CN110287372A (zh) 2019-09-27
CN110287372B CN110287372B (zh) 2021-06-01

Family

ID=68007539

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910563725.4A Active CN110287372B (zh) 2019-06-26 2019-06-26 用于负反馈的标签确定方法、视频推荐方法及其装置

Country Status (2)

Country Link
CN (1) CN110287372B (zh)
WO (1) WO2020259572A1 (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110941740A (zh) * 2019-11-08 2020-03-31 腾讯科技（深圳）有限公司 视频推荐方法及计算机可读存储介质
CN111209432A (zh) * 2020-01-02 2020-05-29 北京字节跳动网络技术有限公司 信息获取的方法、装置、电子设备及计算机可读介质
CN111291688A (zh) * 2020-02-12 2020-06-16 咪咕文化科技有限公司 视频标签的获取方法及装置
CN111522993A (zh) * 2020-04-08 2020-08-11 咪咕文化科技有限公司 标签有效性管理方法、装置、网络设备及存储介质
WO2020259572A1 (zh) * 2019-06-26 2020-12-30 广州市百果园信息技术有限公司 用于负反馈的标签确定方法、视频推荐方法、装置、设备和存储介质
CN112188295A (zh) * 2020-09-29 2021-01-05 有半岛(北京)信息科技有限公司 一种视频推荐方法及装置
CN112711703A (zh) * 2019-10-25 2021-04-27 北京达佳互联信息技术有限公司 用户标签获取方法、装置、服务器及存储介质
CN113537215A (zh) * 2021-07-19 2021-10-22 山东福来克思智能科技有限公司 一种视频标签标注的方法及设备
CN115618101A (zh) * 2022-09-21 2023-01-17 清华大学 基于负反馈的流媒体内容推荐方法、装置及电子设备
CN116010650A (zh) * 2023-03-20 2023-04-25 南京邮电大学 一种基于负反馈的用户反感标签确定方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130046761A1 (en) * 2010-01-08 2013-02-21 Telefonaktiebolaget L M Ericsson (Publ) Method and Apparatus for Social Tagging of Media Files
CN103391478A (zh) * 2012-05-08 2013-11-13 三星电子株式会社 显示装置、提供内容视频的装置及其控制方法
CN105045907A (zh) * 2015-08-10 2015-11-11 北京工业大学 一种用于个性化社会图像推荐的视觉注意-标签-用户兴趣树的构建方法
CN108881339A (zh) * 2017-05-11 2018-11-23 腾讯科技（深圳）有限公司 推送方法、用户标签的生成方法、装置及设备
CN109657138A (zh) * 2018-12-10 2019-04-19 深圳墨世科技有限公司 一种视频推荐方法、装置、电子设备及存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101141591A (zh) * 2007-09-29 2008-03-12 腾讯科技（深圳）有限公司 节目列表显示方法及网络视频系统
US8831403B2 (en) * 2012-02-01 2014-09-09 Cisco Technology, Inc. System and method for creating customized on-demand video reports in a network environment
CN103729785B (zh) * 2014-01-26 2015-02-25 合一信息技术（北京）有限公司 一种视频用户性别分类方法及其装置
CN105142028B (zh) * 2015-07-29 2018-02-27 华中科技大学 面向三网融合的电视节目内容搜索与推荐方法
WO2017128054A1 (zh) * 2016-01-26 2017-08-03 白宏伟 视频自动更新技术的数据采集方法以及视频系统
CN110287372B (zh) * 2019-06-26 2021-06-01 广州市百果园信息技术有限公司 用于负反馈的标签确定方法、视频推荐方法及其装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130046761A1 (en) * 2010-01-08 2013-02-21 Telefonaktiebolaget L M Ericsson (Publ) Method and Apparatus for Social Tagging of Media Files
CN103391478A (zh) * 2012-05-08 2013-11-13 三星电子株式会社 显示装置、提供内容视频的装置及其控制方法
CN105045907A (zh) * 2015-08-10 2015-11-11 北京工业大学 一种用于个性化社会图像推荐的视觉注意-标签-用户兴趣树的构建方法
CN108881339A (zh) * 2017-05-11 2018-11-23 腾讯科技（深圳）有限公司 推送方法、用户标签的生成方法、装置及设备
CN109657138A (zh) * 2018-12-10 2019-04-19 深圳墨世科技有限公司 一种视频推荐方法、装置、电子设备及存储介质

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020259572A1 (zh) * 2019-06-26 2020-12-30 广州市百果园信息技术有限公司 用于负反馈的标签确定方法、视频推荐方法、装置、设备和存储介质
CN112711703B (zh) * 2019-10-25 2024-03-26 北京达佳互联信息技术有限公司 用户标签获取方法、装置、服务器及存储介质
CN112711703A (zh) * 2019-10-25 2021-04-27 北京达佳互联信息技术有限公司 用户标签获取方法、装置、服务器及存储介质
CN110941740B (zh) * 2019-11-08 2023-07-14 深圳市雅阅科技有限公司 视频推荐方法及计算机可读存储介质
CN110941740A (zh) * 2019-11-08 2020-03-31 腾讯科技（深圳）有限公司 视频推荐方法及计算机可读存储介质
CN111209432A (zh) * 2020-01-02 2020-05-29 北京字节跳动网络技术有限公司 信息获取的方法、装置、电子设备及计算机可读介质
CN111291688A (zh) * 2020-02-12 2020-06-16 咪咕文化科技有限公司 视频标签的获取方法及装置
CN111291688B (zh) * 2020-02-12 2023-07-14 咪咕文化科技有限公司 视频标签的获取方法及装置
CN111522993A (zh) * 2020-04-08 2020-08-11 咪咕文化科技有限公司 标签有效性管理方法、装置、网络设备及存储介质
CN111522993B (zh) * 2020-04-08 2023-08-15 咪咕文化科技有限公司 标签有效性管理方法、装置、网络设备及存储介质
CN112188295A (zh) * 2020-09-29 2021-01-05 有半岛(北京)信息科技有限公司 一种视频推荐方法及装置
CN112188295B (zh) * 2020-09-29 2022-07-05 有半岛(北京)信息科技有限公司 一种视频推荐方法及装置
CN113537215A (zh) * 2021-07-19 2021-10-22 山东福来克思智能科技有限公司 一种视频标签标注的方法及设备
CN115618101A (zh) * 2022-09-21 2023-01-17 清华大学 基于负反馈的流媒体内容推荐方法、装置及电子设备
CN116010650A (zh) * 2023-03-20 2023-04-25 南京邮电大学 一种基于负反馈的用户反感标签确定方法
CN116010650B (zh) * 2023-03-20 2023-09-15 南京邮电大学 一种基于负反馈的用户反感标签确定方法

Also Published As

Publication number Publication date
WO2020259572A1 (zh) 2020-12-30
CN110287372B (zh) 2021-06-01

Similar Documents

Publication Publication Date Title
CN110287372A (zh) 用于负反馈的标签确定方法、视频推荐方法及其装置
US11048752B2 (en) Estimating social interest in time-based media
US10650861B2 (en) Video summarization and collaboration systems and methods
US9563901B2 (en) Generating audience response metrics and ratings from social interest in time-based media
CN109511015B (zh) 多媒体资源推荐方法、装置、存储介质及设备
CN102043825B (zh) 运动图像提供装置、运动图像提供方法和程序
CN105635824A (zh) 个性化频道推荐方法和系统
CN102857810A (zh) 信息处理设备、信息处理方法和程序
CN103718166A (zh) 信息处理设备、信息处理方法和计算机程序产品
CN112364202A (zh) 视频推荐方法、装置及电子设备
WO2022247220A1 (zh) 界面处理方法及装置
CN104486649A (zh) 视频内容评级方法及装置
JP2012129979A (ja) 区間作成装置、区間作成方法、及び区間作成プログラム
CN110569447B (zh) 一种网络资源的推荐方法、装置及存储介质
JP6604608B2 (ja) 情報処理装置、情報処理方法および情報処理プログラム
Redaelli et al. Automated Intro Detection ForTV Series
CN117056537A (zh) 内容推荐方法、装置、计算机设备、存储介质和产品
CN113946712A (zh) 片段推荐方法、片段推荐装置、电子设备和可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20221214

Address after: 31a, 15 / F, building 30, maple mall, bangrang Road, Brazil, Singapore

Patentee after: Baiguoyuan Technology (Singapore) Co.,Ltd.

Address before: 511400 floor 5-13, West Tower, building C, 274 Xingtai Road, Shiqiao street, Panyu District, Guangzhou City, Guangdong Province

Patentee before: GUANGZHOU BAIGUOYUAN INFORMATION TECHNOLOGY Co.,Ltd.

TR01 Transfer of patent right