CN110659618A - 视频发布方法及装置 - Google Patents

Abstract

本申请实施例公开了一种视频发布方法及装置，其中视频发布方法包括：对待发布视频文件的内容进行分析；根据分析结果和评估算法对所述视频文件进行评估，得到评估分值，其中，所述评估算法基于多个训练样本对预设评估算法进行训练得到，所述训练样本由样本视频文件及其实际发布情况构建得到；当所述评估分值大于预设阈值时，发布所述视频文件。本方案利用人工审核视频的实际数据调整评估算法，并利用该评估算法对视频内容进行分值评估量化，将评估分值与阈值做比对以确定视频是否具有发布风险，有效提升了视频风险评估的准确性；另外，无需人工审核，提高了视频审核及发布的效率。

Description

视频发布方法及装置

技术领域

本申请涉及通信技术领域，具体涉及一种视频发布方法及装置。

背景技术

随着互联网的兴起和移动通信网络的发展，网络平台中各种形式的视频内容越来越丰富，如各种短视频、长视频等。在这些视频中，可能存在一些包括违规内容的视频，如视频中包括有违社会公德的内容、违反法律法规的内容、对青少年具有不良影响的内容以及其他不适宜传播的内容。

相关技术中，为避免违规视频向用户开放，可以对视频进行审核。然而视频的有效审核以及视频的及时发布却难以兼顾。

发明内容

本申请实施例提供一种视频发布方法及装置，可有效提升视频风险评估的准确性，以及视频审核与发布的效率。

本申请实施例提供了一种视频发布方法，包括：

对待发布视频文件的内容进行分析；

根据分析结果和评估算法对所述视频文件进行评估，得到评估分值，其中，所述评估算法基于多个训练样本对预设评估算法进行训练得到，所述训练样本由样本视频文件及其实际发布情况构建得到；

当所述评估分值大于预设阈值时，发布所述视频文件。

相应的，本申请实施例还提供了一种视频发布装置，包括：

分析单元，用于对待发布视频文件的内容进行分析；

评估单元，用于根据分析结果和评估算法对所述视频文件进行评估，得到评估分值，其中，所述评估算法基于多个训练样本对预设评估算法进行训练得到，所述训练样本由样本视频文件及其实际发布情况构建得到；

处理单元，用于当所述评估分值大于预设阈值时，发布所述视频文件。

相应的，本申请实施例还提供了一种计算机可读存储介质，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行如上所述视频发布方法中的步骤。

相应的，本申请实施例还提供了一种服务器，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行如上所述视频发布方法中的步骤。

本申请方案通过对待发布视频文件的内容进行分析，根据分析结果和评估算法对视频文件进行评估，得到评估分值，其中，评估算法基于多个训练样本对预设评估算法进行训练得到，训练样本由样本视频文件及其实际发布情况构建得到；当评估分值大于预设阈值时，发布视频文件。本方案利用人工审核视频的实际数据调整评估算法，并利用该评估算法对视频内容进行分值评估量化，将评估分值与阈值做比对以确定视频是否具有发布风险，有效提升了视频风险评估的准确性；另外，无需人工审核，提高了视频审核及发布的效率。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的视频发布方法的一流程示意图。

图2是本申请实施例提供的视频发布方法的另一流程示意图。

图3是本申请实施例提供的视频发布方法的系统架构示意图。

图4是本申请实施例提供的视频发布装置的结构示意图。

图5是本申请实施例提供的视频发布装置的另一结构示意图。

图6是本申请实施例提供的终端的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请实施例提供一种视频发布方法及装置，可提升视频风险评估的准确性、及视频审核与发布的效率。以下分别进行详细说明。需说明的是，以下实施例的顺序不作为对实施例优选顺序的限定。

在一实施例中，将以该第一视频发布装置集成在服务器中的角度进行描述。

请参阅图1，图1为本申请实施例提供的视频发布方法的一种流程示意图。该视频发布方法的具体流程可以如下：

101、对待发布视频文件的内容进行分析。

具体的，视频文件是互联网多媒体重要内容之一，其主要指包含了实时的音频、视频信息的多媒体文件。视频文件中包括一定数量的静态图像，通过视频处理技术可将该一定数量的静态视频图像以视频的形式呈现。当连续的视频图像变化每秒超过一定帧数(通常为24帧)画面以上时，根据视觉暂留原理，人眼无法辨别单幅的静态画面，看上去是平滑连续的视觉效果，这样连续的画面叫做视频。

在本实施例中，待发布的视频文件为被各个用户终端请求在视频播放平台发布的视频文件，待成功发在平台发布后则可以被其他用户终端进行点击访问、转发、点赞、评论等，以使该视频文件达到一定的传播量。而待发布的视频文件若要成功在该视频播放平台发布，则需满足该频播放平台的视频发布要求，如视频格式、视频长度、分辨率、视频内容等都需符合该平台的要求。

具体实施时，可通过视频理解算法、深度学习算法等对待发布视频文件的内容进行分析，从而识别出该视频文件所要表达的意图。其中，所识别的内容可以包括该视频文件中的画面、文字及音频等元素。实际应用中，由于不同的算法存在不同的优势与劣势，综合考虑，本申请可采用多种算法叠加的方式对视频文件的内容进行分析，通过提高算法的综合理解能力，从而提升视频理解结的准确性。例如，可以包括针对以下类型内容的算法的叠加：

第一种是常规算法匹配的，比如诚信账号、PHash(Perceptual hash algorithm，感知哈希算法)黑库对比、画面黑边判断等。对这类内容的识别准确性接近100％，可以起到规则的作用。

第二种是机器容易识别的内容，比如电视台标、广告二维码等标识。通过深度学习算法训练，对这类已经见过的标识，能够提取比较准确的特征进行识别，识别准确性可达到70％以上。

第三种是机器难以理解的内容，比如低俗、动漫、邪典、暴力等类型内容。这类内容样本精确标记难、覆盖不全、内容变换大、对抗性强，一般要通过消耗大量GPU(GraphicsProcessing Unit，图像处理器)对深度神经网络进行训练后，提取视频内容中的抽象特征，识别准确性大概为50％以上甚至更低。

在本实施例中，对内容进行分析时，可基于实际需要的测试指标(如广告判定、黑边判定等)，选定相应的算法进行叠加以对待发布的视频进行分析。

在一些实施例中，可能存在某些算法功能的缺失，导致无法自动对视频文件是否符合某种或某些测试指标做出判定。因此，此种情况下可先将视频文件交由人工审核，由平台运营人员针对性的对视频文件是否符合上述某种或某些测试指标做出审核判定。在判定达到某种或某些测试指标后，再由机器对该视频文件进行分析，以确定该视频文件是否满足其他剩余的测试指标。也即，在对待发布视频文件的内容进行分析之前，还可以包括以下流程：

将视频文件发送至预设运营终端进行人工审核；

当接收预设运营终端返回的针对指定指标审核通过的信息时，执行对待发布视频文件的内容进行分析的步骤。

其中，指定测试指标可基于实际的算法进行设定，即机器无法分析的内容。例如，机器无法识别视频文件中的暴力画面，则将该测试指标(即暴力画面)交由人工审核。

102、根据分析结果和评估算法对视频文件进行评估，得到评估分值，其中，该评估算法基于多个训练样本对预设评估算法进行训练得到，训练样本由样本视频文件及其实际发布情况构建得到。

具体的，可基于上述分析结果、以及训练好的评估算法对该视频文件进行分值评估，以将视频文件内容的质量进行评分量化。在本实施例中，对视频文件进行评估的方式可以多有种。例如，分析结果可以包括：视频文件的内容是否符合各测试指标的判定结果；该评估算法可以包括：各测试指标对应的评分机制。则，参考图2，步骤“根据分析结果和评估算法对视频文件进行评估，得到评估分值”，可以包括以下流程：

1021、根据每一测试指标对应的评分机制和判定结果，确定视频文件在该测试指标上的基础分值和加成分值；

1022、至少根据基础分值和加成分值计算评估分值。

本实施例中，在对视频文件进行分值评估时，可针对多个测试指标进行评估。每一测试指标对应有一预先设定好的一评分标准(即评分机制)，例如命中某个测试指标(即达到某个测试指标的要求)时，可获取相应分值；当未命中某个测试指标(即未达到某侧测试指标的要求)时，不可获取分值。

实际应用中，考虑到源源不断的更多细分策略的视频理解算法孵化和加入进来，可对每个视频文件设置一个总分，根据算法的总数，对每个策略算法初始一个“总分/算法总数”的平均分数。随着算法数增多，每个算法的初始分(即基础分值)随之变化。考虑到整体的目标是鼓励发出，但是要避免红线风险。所以将各个算法都按照“没问题、正向”的方式排列，比如“非广告、非画面黑边等”，如果命中得初始分，没命中不得分。

而对于可直接判白(即可直接发布)、或严重需要判黑(即禁止发布)的情况，则可引入加成分的机制。也即，对于可直接判白的测试指标，设定在命中时得加成分、未命中时不得分；对于可直接判黑的测试指标，设定在命中时不得分、未命中时扣分。需要说明的是，加成分值可基于各测试指标的实际情况进行设定，越极端的测试指标对应的加成分值也设定为越大。

例如，可直接判白的测试指标包括：诚信账号、电视台标等。以诚信账号为例，当命中诚信账号、电视台标时，除了命中后的基础分值(如10分)外，还可获得设定的加成分值(如100分)；未命中诚信账号，则不得分。

又例如，可直接判黑的测试指标包括：非政治、非典邪等。以非典邪为例，则当命中非典邪时，仅获得命中后的基础分值(如10分)；未命中非典邪时，无基础分值(如10分)，且需扣除加成分值(如500分)。

在一些实施例中，该预设阈值可以等于上述各测试指标对应评分机制中基础分值的分值总和。例如，共有10个测试指标(对应10个算法)，对每一视频文件设定的总分为100分，则通过上述的分值分配，可设定每一测试指标对应10分的基础分值。则，该预设阈值则可以各基础分值的总和，即100分。

实际应用中，由于用户群体庞大，在各用户提交的待发布的视频总量里，对应各测试指标的分布比例是不一样的。例如，大部分视频都是广告问题，若果排除了广告问题，其他的问题因为概率太小便可以获得较高的发布评分，从而导致评分结果不符合实际发布情况。因此，本实施例中可将视频文件在各测试指标上的概率分布引入到评估算法中，以使评估结果更加合理和准确。也即，在一些实施例中，步骤“至少根据基础分值和加成分值计算评估分值”，可以包括以下流程：

获取每一测试指标对应的分布概率；

基于该分布概率、基础分值和加成分值，计算评估分值。

另外，考虑到如果算法准确性低，就算命中测试指标得分也低。如果多个策略算法准确性都不高，但是将它们组合叠加起来能起到很好平衡作用。此时可以考虑引入算法准确率，对相应的测试指标得到的分值乘以准确率，以作为该测试指标的最终得分。也即，在一些实施例中，在基于分布概率、基础分值和加成分值计算评估分值时，可以包括以下流程：

获取每一测试指标对应判定结果的正确率；

基于分布概率、基础分值、加成分值和正确率，计算评估分值。

其中，准确率可以百分比或小数的形式表示，如各算法策略的识别准确率可以在0～100％之间。

具体实施时，可基于上述针对各测试指标的判定结果、及评分机制，计算出该视频文件在每一测试指标上获取到的分值。最后，将获取得到的所有分值进行求和处理得到评估分值，以对该视频文件的内容质量进行分值评估。

综上，在一些实施例中，可基于分布概率、基础分值、加成分值和正确率，计算评估分值。假设针对每一视频设定的总分为M，测试指标的数量为N，分布概率为P、基础分值为S1、加成分值为S2、算法的正确率为R，则针对每一测试指标的评分为Y，则针对每一测试指标的评分公式如下：

S1＝M/N

Y＝(S1*P±S2)*R

下面，将假设有10个测试指标，且各测试指标对应的评分机制如下表1所示，对本实施例中的评分方法进行举例说明。

表1

需要说明的是，为减少计算量，以上评分机制暂不考虑分布概率，仅予部分算法参数进行举例示意。例如，待发布视频文件命中了诚信账号和台标，按照命中放大各自得到110分，但是因为台标算法的准确率为0.8，因此实际得分为88分；同时命中非PHash黑库得10分的基础分值；未命中非色情(即视频内容含色情标记)，根据未命中扣除100分的加成分值，但是由于算法准确性只有0.3，因此扣除30分；命中非政治问题得10分基础分。综合所有得分扣分最后总分为188分。

实际应用中，需要预先对评估算法进行训练，以保证算法的评估结果准确性。在一些实施例中，在基于多个训练样本对预设评估算法进行训练得到评估算法时，可以包括以下流程：

(11)获取多个样本视频文件及其实际发布情况，实际发布情况为人工审核样本视频文件后的发布结果；

(12)对多个样本视频文件进行分析，得到多个样本分析结果；

(13)对预设评估算法中的算法参数进行调整，并通过多个样本分析结果和调整后参数后的预设评估算法对多个样本视频文件进行评估，得到多个样本评估分值；

(14)将多个样本评估分值与预设阈值进行比较，以得到是否发布多个样本视频文件的多个预测结果；

(15)当预测结果与实际发布情况相符合的数量达到指定数量时，将当前调整参数后的预设评估算法作为评估算法。

其中，该算法参数即为上述评分机制中各分值的设定。评估算法的训练目的在于对各测试指标对应的评分机制的分值进行调整，以使得通过调整分值后的评分机制而评估得到的分值结果更加准确。

在本实施例中，应用场景可以为长短视频的内容审核。当前的视频审核流程为一审(政治色情为主)人工、二审(内容低质量为主)、标准化审核(即是否适合推荐)。为提高实施效率，可在进行人工审核的同时，在人工审核流程中接入机器的测试旁路，以实现在不影响当前人工审核流程下，通过机器对当前人工审核的视频文件进行测试评估。并通过机器测试评估的结果与人工审核结果(即实际发布情况)进行比较，来判定机器测试评估的准确性。直到机器测试评估结果无限接近并超过人工审核时，直接切换为机器审核而不再走原有人工审核流程。

参考图3，图3为本实施例提供的一种视频发布方法的系统架构示意图。其中，一审、二审为人工审核，两者可以针对不同审核基准，即一审与二审针对不同的测试指标。例如，一审可以是针对较为严重指标的审核，如涉嫌违法、涉嫌典邪、涉及政治等测试指标的审核；二审可以是针对普通指标的审核，如涉及广告、画面质量、噪音等测试指标的审核。

本实施例中，测试旁路1、测试旁路2为通过机器测试评估。如图3所示，测试旁路1接入至一审阶段之前、测试旁路2二接入至一审阶段之后、二审阶段之前。也即，当输入一样本视频文件时，在不影响人工审核(即一审、二审)正常流程的情况下，同时通过新增的测试旁路1对该样本视频文件进行测试评估，并得到测试评估结果。当样本视频文件通过一审时，在不影响二审正常流程的情况下，同时通过新增的测试旁路2对该样本视频文件进行测试评估，并得到测试评估结果。

需要说明的是，在本实施例中测试旁路1与测试旁路2在进行视频文件的内容分析时采用的算法、以及后续的评分机制都是相同的。测试旁路1与测试旁路2并无实质差异，只是在原人工审核流程上的接入口不一样。目的是为了确定直接走测试旁路1而不走人工审核、与先走人工审核(即一审)后再走测试旁路2，两者之间哪个方案比较合适。而实际需要选取哪一方案，则可基于实际测试情况来选择确定。

在完成人工审核、测试旁路1的测试评估、测试旁路2的测试评估后，将各自得到的审核结果(或评估结果)进行比对分析。其中，人工审核的结果可以为是否可直接发布该样本视频文件；而测试旁路1和测试旁路2的评估结果也可以为评估分值，具体可通过设定门限值来确定该样本视频文件是否可直接发布。而评估算法中的算法参数，则可基于上述人工审核的结果与各测试旁路的评估分值来动态调整设定，以使得在该门限值下测试旁路1、测试旁路2基于所得评估分值预测该样本视频文件是否可直接发布的预测结果与上述人工审核结果(即实际发布情况)一致。当然，需要经过对较多数量的样本视频文件进行测试评估后，才确定得到较为准确算法参数，从而得到评估准确率较高的评估算法。

103、当评估分值大于预设阈值时发布该视频文件。

具体实施时，若评估分值大于指定阈值，则可直接在发布该视频文件。同时，还可将视频文件的访问权限设置为对所有用户公开，以便该视频文件可以在视频播放平台中传播推广。

在一些实施例中，若评估分值低于预设阈值，则表示评估分值过低，意味着视频文件的内容质量较差、发布后被禁播的风险较高，此时可直接禁止发布该视频文件。或者，可视频文件发布为仅对该视频文件的关联用户(如视频文件的上传者)公开，如仅对自己可见。

由上可知，本实施例提供的视频发布方法，通过对待发布视频文件的内容进行分析；根据分析结果和评估算法对所述视频文件进行评估，得到评估分值，其中，所述评估算法基于多个训练样本对预设评估算法进行训练得到，所述训练样本由样本视频文件及其实际发布情况构建得到；当所述评估分值大于预设阈值时，发布所述视频文件。本方案利用人工审核视频的实际数据调整评估算法，并利用该评估算法对视频内容进行分值评估量化，将评估分值与阈值做比对以确定视频是否具有发布风险，有效提升了视频风险评估的准确性；另外，无需人工审核，提高了视频审核及发布的效率。

为便于更好的实施本申请实施例提供的视频发布方法，本申请实施例还提供一种基于上述视频发布方法的装置。其中名词的含义与上述视频发布方法中相同，具体实现细节可以参考方法实施例中的说明。

请参阅图4，图4为本申请实施例提供的一种视频发布装置的结构示意图。其中，该视频发布装置400可以集成在服务器中。该视频发布装置400可以包括分析单元401、评估单元402、及处理单元403，具体可以如下：

分析单元401，用于对待发布视频文件的内容进行分析；

评估单元402，用于根据分析结果和评估算法对所述视频文件进行评估，得到评估分值，其中，所述评估算法基于多个训练样本对预设评估算法进行训练得到，所述训练样本由样本视频文件及其实际发布情况构建得到；

处理单元403，用于当所述评估分值大于预设阈值时，发布所述视频文件。

在一些实施例中，分析结果包括：视频文件的内容是否符合各测试指标的判定结果；评估算法包括：各测试指标对应的评分机制；

评估单元402可以包括：

确定在单元4021，用于根据每一测试指标对应的评分机制和判定结果，确定所述视频文件在所述测试指标上的基础分值和加成分值；

计算子单元4022，用于至少根据所述基础分值和所述加成分值计算所述评估分值。

在一些实施例中，计算子单元4022可以用于：

获取每一测试指标对应的分布概率；

基于所述分布概率、所述基础分值和所述加成分值，计算所述评估分值。

在一些实施例中，计算子单元4022进一步可以用于：

获取每一测试指标对应判定结果的正确率；

基于所述分布概率、所述基础分值、所述加成分值和所述正确率，计算所述评估分值。

在一些实施例中，所述预设阈值等于所述各测试指标对应评分机制中基础分值的分值总和。

在一些实施例中，评估单元402可以包括：

获取子单元，用于获取多个样本视频文件及其实际发布情况，所述实际发布情况为人工审核所述样本视频文件后的发布结果；

分析子单元，用于对所述多个样本视频文件进行分析，得到多个样本分析结果；

调整子单元，用于对所述预设评估算法中的算法参数进行调整，并通过所述多个样本分析结果和调整后参数后的预设评估算法对所述多个样本视频文件进行评估，得到多个样本评估分值；

比较子单元，用于将所述多个样本评估分值与所述预设阈值进行比较，以得到是否发布所述多个样本视频文件的多个预测结果；

替换单元，用于当预测结果与实际发布情况相符合的数量达到指定数量时，将当前调整参数后的预设评估算法作为所述评估算法。

参考图5，在一些实施例中，还包括：

发送单元404，用于在对待发布视频文件的内容进行分析之前，将所述视频文件发送至预设运营终端进行人工审核；

分析单元401，用于当接收所述预设运营终端返回的针对指定指标审核通过的信息时对待发布视频文件的内容进行分析。

本申请实施例提供的视频发布装置，通过对待发布视频文件的内容进行分析；根据分析结果和评估算法对所述视频文件进行评估，得到评估分值，其中，所述评估算法基于多个训练样本对预设评估算法进行训练得到，所述训练样本由样本视频文件及其实际发布情况构建得到；当所述评估分值大于预设阈值时，发布所述视频文件。本方案利用人工审核视频的实际数据调整评估算法，并利用该评估算法对视频内容进行分值评估量化，将评估分值与阈值做比对以确定视频是否具有发布风险，有效提升了视频风险评估的准确性；另外，无需人工审核，提高了视频审核及发布的效率。

本申请实施例还提供一种服务器。如图6所示，该服务器可以包括射频(RF，RadioFrequency)电路601、包括有一个或一个以上计算机可读存储介质的存储器602、输入单元603、显示单元604、传感器605、音频电路606、无线保真(WiFi，Wireless Fidelity)模块607、包括有一个或者一个以上处理核心的处理器608、以及电源609等部件。本领域技术人员可以理解，图6中示出的服务器结构并不构成对服务器的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：

RF电路601可用于收发信息过程中，信号的接收和发送，特别地，将基站的下行信息接收后，交由一个或者一个以上处理器608处理；另外，将涉及上行的数据发送给基站。通常，RF电路601包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块(SIM，Subscriber Identity Module)卡、收发信机、耦合器、低噪声放大器(LNA，LowNoise Amplifier)、双工器等。此外，RF电路601还可以通过无线通信与网络和其他设备通信。

存储器602可用于存储软件程序以及模块，处理器608通过运行存储在存储器602的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器602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(比如声音播放功能、图像播放功能等)等。此外，存储器602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、或其他易失性固态存储器件。相应地，存储器602还可以包括存储器控制器，以提供处理器608和输入单元603对存储器602的访问。

输入单元603可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地，在一个具体的实施例中，输入单元603可包括触敏表面以及其他输入设备。触敏表面，也称为触摸显示屏或者触控板，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面上或在触敏表面附近的操作)，并根据预先设定的程式驱动相应的连接装置。除了触敏表面，输入单元603还可以包括其他输入设备。具体地，其他输入设备可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。

显示单元604可用于显示由用户输入的信息或提供给用户的信息以及服务器的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元604可包括显示面板，可选的，可以采用液晶显示器(LCD，Liquid CrystalDisplay)、有机发光二极管(OLED，Organic Light-Emitting Diode)等形式来配置显示面板。进一步的，触敏表面可覆盖显示面板，当触敏表面检测到在其上或附近的触摸操作后，传送给处理器608以确定触摸事件的类型，随后处理器608根据触摸事件的类型在显示面板上提供相应的视觉输出。虽然在图6中，触敏表面与显示面板是作为两个独立的部件来实现输入和输入功能，但是在某些实施例中，可以将触敏表面与显示面板集成而实现输入和输出功能。

服务器还可包括至少一种传感器605，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板的亮度，接近传感器可在服务器移动到耳边时，关闭显示面板和或或背光。

音频电路606、扬声器，传声器可提供用户与服务器之间的音频接口。音频电路606可将接收到的音频数据转换后的电信号，传输到扬声器，由扬声器转换为声音信号输出；另一方面，传声器将收集的声音信号转换为电信号，由音频电路606接收后转换为音频数据，再将音频数据输出处理器608处理后，经RF电路601以发送给比如服务器，或者将音频数据输出至存储器602以便进一步处理。音频电路606还可能包括耳塞插孔，以提供外设耳机与服务器的通信。

WiFi属于短距离无线传输技术，服务器通过WiFi模块607可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图6示出了WiFi模块607，但是可以理解的是，其并不属于服务器的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。

处理器608是服务器的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器602内的软件程序和或或模块，以及调用存储在存储器602内的数据，执行服务器的各种功能和处理数据，从而对手机进行整体监控。可选的，处理器608可包括一个或多个处理核心；优选的，处理器608可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器608中。

服务器还包括给各个部件供电的电源609(比如电池)，优选的，电源可以通过电源管理系统与处理器608逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源609还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

具体在本实施例中，服务器中的处理器608会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器602中，并由处理器608来运行存储在存储器602中的应用程序，从而实现各种功能：

对待发布视频文件的内容进行分析；

根据分析结果和评估算法对所述视频文件进行评估，得到评估分值，其中，所述评估算法基于多个训练样本对预设评估算法进行训练得到，所述训练样本由样本视频文件及其实际发布情况构建得到；

当所述评估分值大于预设阈值时，发布所述视频文件。

本申请实施例提供的服务器，利用人工审核视频的实际数据调整评估算法，并利用该评估算法对视频内容进行分值评估量化，将评估分值与阈值做比对以确定视频是否具有发布风险，有效提升了视频风险评估的准确性；另外，无需人工审核，提高了视频审核及发布的效率。

本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。

为此，本申请实施例提供一种计算机可读存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本申请实施例所提供的任一种视频发布方法中的步骤。例如，该指令可以执行如下步骤：

对待发布视频文件的内容进行分析；根据分析结果和评估算法对所述视频文件进行评估，得到评估分值，其中，所述评估算法基于多个训练样本对预设评估算法进行训练得到，所述训练样本由样本视频文件及其实际发布情况构建得到；当所述评估分值大于预设阈值时，发布所述视频文件。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

其中，该存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。

由于该存储介质中所存储的指令，可以执行本申请实施例所提供的任一种视频发布方法中的步骤，因此，可以实现本申请实施例所提供的任一种视频发布方法所能实现的有益效果，详见前面的实施例，在此不再赘述。

以上对本申请实施例所提供的视频发布方法及装置进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种视频发布方法，其特征在于，包括：

对待发布视频文件的内容进行分析；

根据分析结果和评估算法对所述视频文件进行评估，得到评估分值，其中，所述评估算法基于多个训练样本对预设评估算法进行训练得到，所述训练样本由样本视频文件及其实际发布情况构建得到；

当所述评估分值大于预设阈值时，发布所述视频文件。

2.根据权利要求1所述的视频发布方法，其特征在于，所述分析结果包括：所述视频文件的内容是否符合各测试指标的判定结果；所述评估算法包括：各测试指标对应的评分机制；

根据所述分析结果和评估算法对所述视频文件进行评估，得到评估分值，包括：

根据每一测试指标对应的评分机制和判定结果，确定所述视频文件在所述测试指标上的基础分值和加成分值；

至少根据所述基础分值和所述加成分值计算所述评估分值。

3.根据权利要求2所述的视频发布方法，其特征在于，所述至少根据所述基础分值和所述加成分值计算所述评估分值，包括：

获取每一测试指标对应的分布概率；

基于所述分布概率、所述基础分值和所述加成分值，计算所述评估分值。

4.根据权利要求3所述的视频发布方法，其特征在于，所述基于所述分布概率、所述基础分值和所述加成分值，计算所述评估分值，包括：

获取每一测试指标对应判定结果的正确率；

基于所述分布概率、所述基础分值、所述加成分值和所述正确率，计算所述评估分值。

5.根据权利要求2所述的视频发布方法，其特征在于，所述预设阈值等于所述各测试指标对应评分机制中基础分值的分值总和。

6.根据权利要求1-5任一项所述的视频分布方法，其特征在于，基于多个训练样本对预设评估算法进行训练得到所述评估算法，包括：

获取多个样本视频文件及其实际发布情况，所述实际发布情况为人工审核所述样本视频文件后的发布结果；

对所述多个样本视频文件进行分析，得到多个样本分析结果；

对所述预设评估算法中的算法参数进行调整，并通过所述多个样本分析结果和调整后参数后的预设评估算法对所述多个样本视频文件进行评估，得到多个样本评估分值；

将所述多个样本评估分值与所述预设阈值进行比较，以得到是否发布所述多个样本视频文件的多个预测结果；

当预测结果与实际发布情况相符合的数量达到指定数量时，将当前调整参数后的预设评估算法作为所述评估算法。

7.根据权利要求1所述的视频发布方法，其特征在于，在对待发布视频文件的内容进行分析之前，还包括：

将所述视频文件发送至预设运营终端进行人工审核；

当接收所述预设运营终端返回的针对指定指标审核通过的信息时，执行对待发布视频文件的内容进行分析的步骤。

8.一种视频发布装置，其特征在于，包括：

分析单元，用于对待发布视频文件的内容进行分析；

评估单元，用于根据分析结果和评估算法对所述视频文件进行评估，得到评估分值，其中，所述评估算法基于多个训练样本对预设评估算法进行训练得到，所述训练样本由样本视频文件及其实际发布情况构建得到；

处理单元，用于当所述评估分值大于预设阈值时，发布所述视频文件。

9.根据权利要求8所述的视频发布装置，其特征在于，所述分析结果包括：所述视频文件的内容是否符合各测试指标的判定结果；所述评估算法包括：各测试指标对应的评分机制；

所述评估单元包括：

确定在单元，用于根据每一测试指标对应的评分机制和判定结果，确定所述视频文件在所述测试指标上的基础分值和加成分值；

计算子单元，用于至少根据所述基础分值和所述加成分值计算所述评估分值。

10.根据权利要求9所述的视频发布装置，其特征在于，所述计算子单元用于：

获取每一测试指标对应的分布概率；

基于所述分布概率、所述基础分值和所述加成分值，计算所述评估分值。

Images