CN110555134A - 内容聚类方法及装置 - Google Patents
内容聚类方法及装置 Download PDFInfo
- Publication number
- CN110555134A CN110555134A CN201810272661.8A CN201810272661A CN110555134A CN 110555134 A CN110555134 A CN 110555134A CN 201810272661 A CN201810272661 A CN 201810272661A CN 110555134 A CN110555134 A CN 110555134A
- Authority
- CN
- China
- Prior art keywords
- category
- content
- candidate
- determining
- contents
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开涉及内容聚类方法及装置。该方法包括：确定候选内容的标签；对具有相同标签的候选内容进行聚类，确定各个候选内容所属的类别；若第一类别和第二类别中的候选内容的相似度满足第一条件，则合并所述第一类别和所述第二类别。本公开通过确定候选内容的标签，对具有相同标签的候选内容进行聚类，确定各个候选内容所属的类别，若第一类别和第二类别中的候选内容的相似度满足第一条件，则合并第一类别和第二类别，由此能够自动进行内容聚类，无需人工进行内容聚类，节省了人力，易于对大量的内容进行聚类，并能对相似度满足第一条件的类别进行合并，避免存在大量相似的类别。
Description
技术领域
本公开涉及信息技术领域，尤其涉及一种内容聚类方法及装置。
背景技术
相关技术中，通过人工对视频等内容进行聚类，得到各个类别的内容。这种人工进行内容聚类的方式需要耗费大量人力，且所得到的各个类别中内容之间的相似度难以得到保证。
发明内容
有鉴于此，本公开提出了一种内容聚类方法及装置。
根据本公开的一方面，提供了一种内容聚类方法，包括：
确定候选内容的标签；
对具有相同标签的候选内容进行聚类，确定各个候选内容所属的类别；
若第一类别和第二类别中的候选内容的相似度满足第一条件，则合并所述第一类别和所述第二类别。
在一种可能的实现方式中，在确定各个候选内容所属的类别之后，所述方法还包括：
确定所述第一类别和所述第二类别的交集中的第一内容数；
确定所述第一类别和所述第二类别的并集中的第二内容数；
若所述第一内容数与所述第二内容数的比值大于第一阈值，则确定所述第一类别和所述第二类别中的候选内容的相似度满足所述第一条件；
若所述第一内容数与所述第二内容数的比值小于或等于所述第一阈值，则确定所述第一类别和所述第二类别中的候选内容的相似度不满足所述第一条件。
在一种可能的实现方式中，在确定各个候选内容所属的类别之后，所述方法还包括：
将第一类别中各个候选内容共同的标签确定为所述第一类别的标题。
在一种可能的实现方式中，在合并所述第一类别和所述第二类别之后，所述方法还包括：
将所述第一类别和所述第二类别中内容数较多的类别的标题确定为合并的类别的标题。
在一种可能的实现方式中，在确定候选内容的标签之前，所述方法还包括：
将满足第二条件的内容确定为候选内容。
在一种可能的实现方式中，所述第二条件包括以下至少一项：
点击率大于第三阈值；
点击量大于第四阈值；
点赞数大于第五阈值。
根据本公开的另一方面，提供了一种内容聚类装置，包括：
第一确定模块，用于确定候选内容的标签；
第二确定模块，用于对具有相同标签的候选内容进行聚类，确定各个候选内容所属的类别；
合并模块，用于若第一类别和第二类别中的候选内容的相似度满足第一条件，则合并所述第一类别和所述第二类别。
在一种可能的实现方式中，所述装置还包括：
第二确定模块，用于确定所述第一类别和所述第二类别的交集中的第一内容数；
第三确定模块，用于确定所述第一类别和所述第二类别的并集中的第二内容数；
第四确定模块，用于若所述第一内容数与所述第二内容数的比值大于第一阈值，则确定所述第一类别和所述第二类别中的候选内容的相似度满足所述第一条件；
第五确定模块，用于若所述第一内容数与所述第二内容数的比值小于或等于所述第一阈值，则确定所述第一类别和所述第二类别中的候选内容的相似度不满足所述第一条件。
在一种可能的实现方式中，所述装置还包括：
第六确定模块，用于将第一类别中各个候选内容共同的标签确定为所述第一类别的标题。
在一种可能的实现方式中，所述装置还包括：
第七确定模块，用于将所述第一类别和所述第二类别中内容数较多的类别的标题确定为合并的类别的标题。
在一种可能的实现方式中，所述装置还包括：
第八确定模块，用于将满足第二条件的内容确定为候选内容。
在一种可能的实现方式中，所述第二条件包括以下至少一项：
点击率大于第三阈值；
点击量大于第四阈值；
点赞数大于第五阈值。
根据本公开的另一方面，提供了一种内容聚类装置，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行上述方法。
根据本公开的另一方面，提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时实现上述方法。
本公开的各方面的内容聚类方法及装置通过确定候选内容的标签，对具有相同标签的候选内容进行聚类，确定各个候选内容所属的类别，若第一类别和第二类别中的候选内容的相似度满足第一条件，则合并第一类别和第二类别，由此能够自动进行内容聚类，无需人工进行内容聚类，节省了人力，易于对大量的内容进行聚类，并能对相似度满足第一条件的类别进行合并，避免存在大量相似的类别。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。
图1示出根据本公开一实施例的内容聚类方法的流程图。
图2示出根据本公开一实施例的内容聚类方法的一示例性的流程图。
图3示出根据本公开一实施例的内容聚类方法的另一示例性的流程图。
图4示出根据本公开一实施例的内容聚类方法的另一示例性的流程图。
图5示出根据本公开一实施例的内容聚类方法的另一示例性的流程图。
图6示出根据本公开一实施例的内容聚类装置的框图。
图7示出根据本公开一实施例的内容聚类装置的一示例性的框图。
图8是根据一示例性实施例示出的一种用于内容聚类的装置1900的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
图1示出根据本公开一实施例的内容聚类方法的流程图。该方法可以应用于服务器中。本实施例中的内容可以为视频、音频、书籍、新闻或者论文等任意内容。如图1所示，该方法包括步骤S11至步骤S13。
在步骤S11中，确定候选内容的标签。
本实施例中的候选内容可以指需要进行内容聚类的内容。
在一种可能的实现方式中，确定候选内容的标签，可以包括：根据候选内容的标题，确定候选内容的标签。在该实现方式中，可以从候选内容的标题中提取关键词，并将候选标题的标题中的关键词作为候选内容的标签。其中，可以采用相关技术中的关键词提取技术，从候选内容的标题中提取关键词。
在另一种可能的实现方式中，确定候选内容的标签，可以包括：将候选内容的上传者、作者、编辑者或者网站的运营人员等为候选内容设置的标签，确定为候选内容的标签。
在另一种可能的实现方式中，确定候选内容的标签，可以包括：若候选内容包含字幕，则从候选内容的字幕中提取关键词，并将提取的关键词中出现次数最多的N个关键词确定为候选内容的标签，其中，N为正整数。
在另一种可能的实现方式中，确定候选内容的标签，可以包括：若候选内容包含图像或者视频帧，则对候选内容的图像或者视频帧进行物体识别，确定候选内容的图像或者视频帧中的关键物体，并将关键物体的名称确定为候选内容的标签。
在另一种可能的实现方式中，确定候选内容的标签，可以包括：若候选内容包含图像或者视频帧，则对候选内容的图像或者视频帧进行人脸识别，确定候选内容的图像或者视频帧中的关键人脸，并将关键人脸对应的人物名称确定为候选内容的标签。
需要说明的是，尽管以以上实现方式介绍了确定候选内容的标签的方式如上，但本领域技术人员能够理解，本公开应不限于此。本领域技术人员可以根据实际应用场景需求和/或个人喜好灵活设置确定候选内容的标签的具体方式。
在步骤S12中，对具有相同标签的候选内容进行聚类，确定各个候选内容所属的类别。
在该步骤中，可以根据各个标签分别确定一个类别。例如，候选内容1的标签包括t1、t2和t3，候选内容2的标签包括t1和t4，候选内容3的标签包括t2和t4，候选内容1和候选内容2均具有标签t1，候选内容1和候选内容4均具有标签t2，候选内容2和候选内容4均具有标签t4，则可以确定候选内容1和候选内容2属于标签t1对应的类别C1，候选内容1和候选内容3属于标签t2对对应的类别C2，候选内容2和候选内容4属于标签t4对应的类别C4。
在本实施例中，一个候选内容可以属于多个类别。
在步骤S13中，若第一类别和第二类别中的候选内容的相似度满足第一条件，则合并第一类别和第二类别。
本实施例中通过在第一类别和第二类别中的内容的相似度满足第一条件时，合并第一类别和第二类别，由此能够保证类别的稳定，并能使类别自动扩展。
需要说明的是，本实施例中的第一类别的“第一”是指某一类别，“第一”在此仅为表述和指代的方便，并不意味着在本公开的具体实现方式中一定会有与之对应的第一类别。第二类别是指第一类别以外的某一类别。类似地，第二类别的“第二”是指某一类别，“第二”在此仅为表述和指代的方便，并不意味着在本公开的具体实现方式中一定会有与之对应的第二类别。第一条件中的“第一”、第一阈值中的“第一”和第二条件中的“第二”等与此类似，在此不再赘述。
本实施例通过确定候选内容的标签，对具有相同标签的候选内容进行聚类，确定各个候选内容所属的类别，若第一类别和第二类别中的候选内容的相似度满足第一条件，则合并第一类别和第二类别，由此能够自动进行内容聚类，无需人工进行内容聚类，节省了人力，易于对大量的内容进行聚类，并能对相似度满足第一条件的类别进行合并，避免存在大量相似的类别。
图2示出根据本公开一实施例的内容聚类方法的一示例性的流程图。如图2所示，该方法可以包括步骤S21至步骤S27。
在步骤S21中，确定候选内容的标签。
其中，对步骤S21参见上文对步骤S11的描述。
在步骤S22中，对具有相同标签的候选内容进行聚类，确定各个候选内容所属的类别。
其中，对步骤S22参见上文对步骤S12的描述。
在步骤S23中，确定第一类别和第二类别的交集中的第一内容数。
其中，第一内容数表示第一类别和第二类别的交集中的内容数。
在步骤S24中，确定第一类别和第二类别的并集中的第二内容数。
其中，第二内容数表示第一类别和第二类别的并集中的内容数。
需要说明的是，本实施例可以先执行步骤S23、再执行步骤S24，也可以先执行步骤S24、再执行步骤S23，只要步骤23和步骤S24分别在步骤S22之后、在步骤S25之前执行即可。
在步骤S25中，若第一内容数与第二内容数的比值大于第一阈值，则确定第一类别和第二类别中的候选内容的相似度满足第一条件。
例如，第一阈值等于0.5。
在步骤S26中，若第一内容数与第二内容数的比值小于或等于第一阈值，则确定第一类别和第二类别中的候选内容的相似度不满足第一条件。
在步骤S27中，若第一类别和第二类别中的候选内容的相似度满足第一条件，则合并第一类别和第二类别。
其中，对步骤S27参见上文对步骤S13的描述。
图3示出根据本公开一实施例的内容聚类方法的另一示例性的流程图。如图3所示，该方法可以包括步骤S31至步骤S34。
在步骤S31中，确定候选内容的标签。
其中，对步骤S31参见上文对步骤S11的描述。
在步骤S32中，对具有相同标签的候选内容进行聚类，确定各个候选内容所属的类别。
其中，对步骤S32参见上文对步骤S12的描述。
在步骤S33中，将第一类别中各个候选内容共同的标签确定为第一类别的标题。
例如，第一类别中各个候选内容共同的标签为“三国演义”，则第一类别的标题可以为“三国演义”。
在步骤S34中，若第一类别和第二类别中的候选内容的相似度满足第一条件，则合并第一类别和第二类别。
其中，对步骤S33参见上文对步骤S13的描述。
图4示出根据本公开一实施例的内容聚类方法的另一示例性的流程图。如图4所示，该方法可以包括步骤S31至步骤S35。
在步骤S31中，确定候选内容的标签。
在步骤S32中，对具有相同标签的候选内容进行聚类，确定各个候选内容所属的类别。
在步骤S33中，将第一类别中各个候选内容共同的标签确定为第一类别的标题。
在步骤S34中，若第一类别和第二类别中的候选内容的相似度满足第一条件，则合并第一类别和第二类别。
在步骤S35中，将第一类别和第二类别中内容数较多的类别的标题确定为合并的类别的标题。
例如，第一类别的标题为“奥运会”，第二类别的标题为“奥林匹克运动会”，第一类别中的内容数大于第二类别中的内容数，则可以将“奥运会”确定为第一类别和第二类别合并的类别的标题。
图5示出根据本公开一实施例的内容聚类方法的另一示例性的流程图。如图5所示，该方法可以包括步骤S51至步骤S54。
在步骤S51中，将满足第二条件的内容确定为候选内容。
在一种可能的实现方式中，第二条件包括以下至少一项：点击率大于第三阈值；点击量大于第四阈值；点赞数大于第五阈值。
作为该实现方式的一个示例，第二条件包括：点击率大于第三阈值。
作为该实现方式的另一个示例，第二条件包括：点击量大于第四阈值。
作为该实现方式的另一个示例，第二条件包括：点赞数大于第五阈值。
作为该实现方式的另一个示例，第二条件包括：点击率大于第三阈值，以及点赞数大于第五阈值。
作为该实现方式的另一个示例，第二条件包括：点击量大于第四阈值，以及点赞数大于第五阈值。
作为该实现方式的另一个示例，第二条件包括：点击率大于第三阈值，点击量大于第四阈值，以及点赞数大于第五阈值。
需要说明的是，尽管以以上实现方式介绍了第二条件如上，但本领域技术人员能够理解，本公开应不限于此。本领域技术人员可以根据实际应用场景需求和/或个人喜好灵活设置第二条件。
在步骤S52中，确定候选内容的标签。
其中，对步骤S52参见上文对步骤S11的描述。
在步骤S53中，对具有相同标签的候选内容进行聚类，确定各个候选内容所属的类别。
其中，对步骤S53参见上文对步骤S12的描述。
在步骤S54中，若第一类别和第二类别中的候选内容的相似度满足第一条件，则合并第一类别和第二类别。
其中，对步骤S54参见上文对步骤S13的描述。
在本实施例中，通过将满足第二条件的内容确定为候选内容，能够保证各个类别中的内容的质量。
图6示出根据本公开一实施例的内容聚类装置的框图。如图6所示，该装置包括：第一确定模块61，用于确定候选内容的标签；第二确定模块62，用于对具有相同标签的候选内容进行聚类，确定各个候选内容所属的类别；合并模块63，用于若第一类别和第二类别中的候选内容的相似度满足第一条件，则合并第一类别和第二类别。
图7示出根据本公开一实施例的内容聚类装置的一示例性的框图。如图7所示：
在一种可能的实现方式中，该装置还包括：第二确定模块64，用于确定第一类别和第二类别的交集中的第一内容数；第三确定模块65，用于确定第一类别和第二类别的并集中的第二内容数；第四确定模块66，用于若第一内容数与第二内容数的比值大于第一阈值，则确定第一类别和第二类别中的候选内容的相似度满足第一条件；第五确定模块67，用于若第一内容数与第二内容数的比值小于或等于第一阈值，则确定第一类别和第二类别中的候选内容的相似度不满足第一条件。
在一种可能的实现方式中，该装置还包括：第六确定模块68，用于将第一类别中各个候选内容共同的标签确定为第一类别的标题。
在一种可能的实现方式中，该装置还包括：第七确定模块69，用于将第一类别和第二类别中内容数较多的类别的标题确定为合并的类别的标题。
在一种可能的实现方式中，该装置还包括：第八确定模块60，用于将满足第二条件的内容确定为候选内容。
在一种可能的实现方式中，第二条件包括以下至少一项：点击率大于第三阈值；点击量大于第四阈值；点赞数大于第五阈值。
本实施例通过确定候选内容的标签，对具有相同标签的候选内容进行聚类，确定各个候选内容所属的类别，若第一类别和第二类别中的候选内容的相似度满足第一条件，则合并第一类别和第二类别，由此能够自动进行内容聚类，无需人工进行内容聚类，节省了人力，易于对大量的内容进行聚类，并能对相似度满足第一条件的类别进行合并，避免存在大量相似的类别。
图8是根据一示例性实施例示出的一种用于内容聚类的装置1900的框图。例如，装置1900可以被提供为一服务器。参照图8，装置1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理，一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个输入输出(I/O)接口1958。装置1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，MacOS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由装置1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、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、程序段或指令的一部分，所述模块、程序段或指令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。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，两个连续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动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。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (14)
1.一种内容聚类方法，其特征在于，包括：
确定候选内容的标签；
对具有相同标签的候选内容进行聚类，确定各个候选内容所属的类别；
若第一类别和第二类别中的候选内容的相似度满足第一条件，则合并所述第一类别和所述第二类别。
2.根据权利要求1所述的方法，其特征在于，在确定各个候选内容所属的类别之后，所述方法还包括：
确定所述第一类别和所述第二类别的交集中的第一内容数；
确定所述第一类别和所述第二类别的并集中的第二内容数；
若所述第一内容数与所述第二内容数的比值大于第一阈值，则确定所述第一类别和所述第二类别中的候选内容的相似度满足所述第一条件；
若所述第一内容数与所述第二内容数的比值小于或等于所述第一阈值，则确定所述第一类别和所述第二类别中的候选内容的相似度不满足所述第一条件。
3.根据权利要求1所述的方法，其特征在于，在确定各个候选内容所属的类别之后，所述方法还包括：
将第一类别中各个候选内容共同的标签确定为所述第一类别的标题。
4.根据权利要求3所述的方法，其特征在于，在合并所述第一类别和所述第二类别之后，所述方法还包括：
将所述第一类别和所述第二类别中内容数较多的类别的标题确定为合并的类别的标题。
5.根据权利要求1所述的方法，其特征在于，在确定候选内容的标签之前，所述方法还包括：
将满足第二条件的内容确定为候选内容。
6.根据权利要求5所述的方法，其特征在于，所述第二条件包括以下至少一项：
点击率大于第三阈值；
点击量大于第四阈值；
点赞数大于第五阈值。
7.一种内容聚类装置，其特征在于，包括：
第一确定模块，用于确定候选内容的标签；
第二确定模块，用于对具有相同标签的候选内容进行聚类，确定各个候选内容所属的类别；
合并模块，用于若第一类别和第二类别中的候选内容的相似度满足第一条件，则合并所述第一类别和所述第二类别。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
第二确定模块，用于确定所述第一类别和所述第二类别的交集中的第一内容数；
第三确定模块，用于确定所述第一类别和所述第二类别的并集中的第二内容数；
第四确定模块，用于若所述第一内容数与所述第二内容数的比值大于第一阈值，则确定所述第一类别和所述第二类别中的候选内容的相似度满足所述第一条件；
第五确定模块，用于若所述第一内容数与所述第二内容数的比值小于或等于所述第一阈值，则确定所述第一类别和所述第二类别中的候选内容的相似度不满足所述第一条件。
9.根据权利要求7所述的装置，其特征在于，所述装置还包括：
第六确定模块，用于将第一类别中各个候选内容共同的标签确定为所述第一类别的标题。
10.根据权利要求9所述的装置，其特征在于，所述装置还包括：
第七确定模块，用于将所述第一类别和所述第二类别中内容数较多的类别的标题确定为合并的类别的标题。
11.根据权利要求7所述的装置，其特征在于，所述装置还包括：
第八确定模块，用于将满足第二条件的内容确定为候选内容。
12.根据权利要求11所述的装置，其特征在于，所述第二条件包括以下至少一项：
点击率大于第三阈值；
点击量大于第四阈值；
点赞数大于第五阈值。
13.一种内容聚类装置，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行权利要求1至6中任意一项所述的方法。
14.一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至6中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810272661.8A CN110555134A (zh) | 2018-03-29 | 2018-03-29 | 内容聚类方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810272661.8A CN110555134A (zh) | 2018-03-29 | 2018-03-29 | 内容聚类方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110555134A true CN110555134A (zh) | 2019-12-10 |
Family
ID=68733975
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810272661.8A Pending CN110555134A (zh) | 2018-03-29 | 2018-03-29 | 内容聚类方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110555134A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150161248A1 (en) * | 2011-09-30 | 2015-06-11 | Google Inc. | Merging semantically similar clusters based on cluster labels |
| CN105654039A (zh) * | 2015-12-24 | 2016-06-08 | 小米科技有限责任公司 | 图像处理的方法和装置 |
| CN106126669A (zh) * | 2016-06-28 | 2016-11-16 | 北京邮电大学 | 基于标签的用户协同过滤内容推荐方法及装置 |
| CN107122805A (zh) * | 2017-05-15 | 2017-09-01 | 腾讯科技（深圳）有限公司 | 一种用户聚类方法和装置 |
-
2018
- 2018-03-29 CN CN201810272661.8A patent/CN110555134A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150161248A1 (en) * | 2011-09-30 | 2015-06-11 | Google Inc. | Merging semantically similar clusters based on cluster labels |
| CN105654039A (zh) * | 2015-12-24 | 2016-06-08 | 小米科技有限责任公司 | 图像处理的方法和装置 |
| CN106126669A (zh) * | 2016-06-28 | 2016-11-16 | 北京邮电大学 | 基于标签的用户协同过滤内容推荐方法及装置 |
| CN107122805A (zh) * | 2017-05-15 | 2017-09-01 | 腾讯科技（深圳）有限公司 | 一种用户聚类方法和装置 |
Non-Patent Citations (2)
| Title |
|---|
| 张燕: "《Web2.0时代的网络民意表达与限制》", 30 June 2014, pages: 169 * |
| 程光著: "《僵尸网络检测技术》", 31 October 2014, 东南大学出版社, pages: 87 - 88 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109886326B (zh) | 一种跨模态信息检索方法、装置和存储介质 | |
| CN108694217B (zh) | 视频的标签确定方法及装置 | |
| CN106649848B (zh) | 视频推荐方法及装置 | |
| WO2019042341A1 (zh) | 视频剪辑方法和装置 | |
| US20180157657A1 (en) | Method, apparatus, client terminal, and server for associating videos with e-books | |
| CN111263186A (zh) | 视频生成、播放、搜索以及处理方法、装置和存储介质 | |
| CN111314732A (zh) | 确定视频标签的方法、服务器及存储介质 | |
| CN112559800A (zh) | 用于处理视频的方法、装置、电子设备、介质和产品 | |
| CN110019948B (zh) | 用于输出信息的方法和装置 | |
| CN116978048B (zh) | 上下文内容获取方法、装置、电子设备和存储介质 | |
| CN113361462A (zh) | 视频处理和字幕检测模型的方法及装置 | |
| CN111126372B (zh) | 视频中logo区域的标记方法、装置及电子设备 | |
| CN110287977B (zh) | 内容聚类方法及装置 | |
| CN114880498B (zh) | 事件信息展示方法及装置、设备和介质 | |
| CN111368693A (zh) | 一种身份证信息的识别方法和装置 | |
| CN111783433A (zh) | 一种文本检索纠错方法和装置 | |
| CN110807127A (zh) | 视频推荐方法及装置 | |
| CN108733737B (zh) | 视频库的建立方法及装置 | |
| JP7476138B2 (ja) | ビデオ処理方法、装置、電子機器及び記憶媒体 | |
| CN110555134A (zh) | 内容聚类方法及装置 | |
| CN113923479A (zh) | 音视频剪辑方法和装置 | |
| CN109286823B (zh) | 多媒体内容的获取方法及装置 | |
| CN114880520A (zh) | 视频标题生成方法、装置、电子设备和介质 | |
| CN110309294B (zh) | 内容集合的标签确定方法及装置 | |
| CN113221554A (zh) | 文本处理方法、装置、电子设备和存储介质 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200508 Address after: 310052 room 508, floor 5, building 4, No. 699, Wangshang Road, Changhe street, Binjiang District, Hangzhou City, Zhejiang Province Applicant after: Alibaba (China) Co.,Ltd. Address before: 100080 Beijing Haidian District city Haidian street A Sinosteel International Plaza No. 8 block 5 layer A, C Applicant before: Youku network technology (Beijing) Co.,Ltd. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191210 |