CN110781323A - 多媒体资源的标签确定方法、装置、电子设备及存储介质 - Google Patents
多媒体资源的标签确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN110781323A CN110781323A CN201911022889.2A CN201911022889A CN110781323A CN 110781323 A CN110781323 A CN 110781323A CN 201911022889 A CN201911022889 A CN 201911022889A CN 110781323 A CN110781323 A CN 110781323A
- Authority
- CN
- China
- Prior art keywords
- candidate
- vector distance
- determining
- multimedia resource
- label
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/45—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
Abstract
本公开关于一种多媒体资源的标签确定方法、装置、电子设备及存储介质，涉及计算机技术领域，所述方法包括获取目标多媒体资源和目标多媒体资源的描述信息，确定描述信息对应的第一数量的信息词向量，并获取目标多媒体资源的第二数量的候选标签，确定第二数量个候选标签对应的第二数量的候选标签向量，确定每个信息词向量与每个候选标签向量之间的向量距离，得到第一数量乘第二数量个向量距离数值，从候选标签中，选择满足预设选取规则的向量距离数值对应的候选标签，将满足预设选取规则的向量距离数值对应的候选标签作为目标多媒体资源的分类标签。采用本公开，电子设备可以准确地选取分类标签，该分类标签可以准确体现目标多媒体资源的分类结果。
Description
技术领域
本公开涉及计算机技术领域，尤其涉及一种多媒体资源的标签确定方法、装置、电子设备及存储介质。
背景技术
目前，图像识别技术应用于各种领域，电子设备可以通过图像识别技术识别图像中的物体。
相关技术中，电子设备可以通过多个图像分类模型，为图像添加分类标签。例如，在视频网站中，电子设备可以通过多个图像分类模型处理视频的封面图像，并为该封面图像添加多个分类标签。不同的图像分类模型对同一图像做出的分类标签，分类的结果很可能是不同的，例如，视频A的封面图像是一只爱斯基摩犬，则电子设备为图像添加的标签可能为“爱斯基摩犬”、“哈士奇”、“狗”、“动物”、“某明星的狗”或者“某电影中出现的狗”等等。
然而，上述这些标签中既存在准确地标签，也存在不准确的标签，电子设备无法从上述标签中选取准确的标签。
发明内容
本公开提供一种多媒体资源的标签确定方法、装置、电子设备及存储介质，以至少解决相关技术中无法选择准确的标签的问题。本公开的技术方案如下：
根据本公开实施例的第一方面，提供一种多媒体资源的标签确定方法，包括：
获取目标多媒体资源和所述目标多媒体资源的描述信息；
确定所述描述信息对应的第一数量的信息词向量，并获取所述目标多媒体资源的第二数量的候选标签，确定第二数量个候选标签对应的第二数量的候选标签向量；
确定每个信息词向量与每个候选标签向量之间的向量距离，得到第一数量乘第二数量个向量距离数值；
从所述候选标签中，选择满足预设选取规则的向量距离数值对应的候选标签，将满足预设选取规则的向量距离数值对应的候选标签作为所述目标多媒体资源的分类标签。
可选的，所述确定所述描述信息对应的第一数量的信息词向量步骤，包括：
对所述描述信息进行分词处理，得到所述描述信息对应的第一数量的信息关键词；
确定所述第一数量的信息关键词对应的第一数量的信息词向量。
可选的，所述并获取所述目标多媒体资源的第二数量的候选标签，确定第二数量个候选标签对应的第二数量的候选标签向量步骤，包括：
将所述目标多媒体资源输入第二数量个分类模型，获取所述第二数量个分类模型输出的第二数量个候选标签；
确定所述第二数量个候选标签对应的第二数量个候选标签向量。
可选的，所述从所述候选标签中，选择满足预设选取规则的向量距离数值对应的候选标签，将满足预设选取规则的向量距离数值对应的候选标签作为所述目标多媒体资源的分类标签步骤，包括：
从所述第一数量乘第二数量个向量距离数值中，选择数值小于预设阈值的目标向量距离数值；
确定选择的目标向量距离数值对应的候选标签为所述目标多媒体资源的分类标签。
可选的，所述从所述候选标签中，选择满足预设选取规则的向量距离数值对应的候选标签，将满足预设选取规则的向量距离数值对应的候选标签作为所述目标多媒体资源的分类标签步骤，包括：
确定所述第一数量乘第二数量个向量距离数值中，数值最小的第三数量个向量距离数值；
确定所述数值最小的第三数量个向量距离数值对应的第三数量个候选标签为所述目标多媒体资源的分类标签。
根据本公开实施例的第二方面，提供一种多媒体资源的标签确定装置，包括：
获取单元，被配置为执行获取目标多媒体资源和所述目标多媒体资源的描述信息；
确定单元，被配置为执行确定所述描述信息对应的第一数量的信息词向量，并获取所述目标多媒体资源的第二数量的候选标签，确定第二数量个候选标签对应的第二数量的候选标签向量；
所述确定单元，还被配置为执行确定每个信息词向量与每个候选标签向量之间的向量距离，得到第一数量乘第二数量个向量距离数值；
选择单元，被配置为执行从所述候选标签中，选择满足预设选取规则的向量距离数值对应的候选标签，将满足预设选取规则的向量距离数值对应的候选标签作为所述目标多媒体资源的分类标签。
可选的，所述确定单元，具体被配置为执行：
对所述描述信息进行分词处理，得到所述描述信息对应的第一数量的信息关键词；
确定所述第一数量的信息关键词对应的第一数量的信息词向量。
可选的，所述确定单元，具体被配置为执行：
将所述目标多媒体资源输入第二数量个分类模型，获取所述第二数量个分类模型输出的第二数量个候选标签；
确定所述第二数量个候选标签对应的第二数量个候选标签向量。
可选的，所述选择单元，具体被配置为执行：
从所述第一数量乘第二数量个向量距离数值中，选择数值小于预设阈值的目标向量距离数值；
确定选择的目标向量距离数值对应的候选标签为所述目标多媒体资源的分类标签。
可选的，所述选择单元，具体被配置为执行：
确定所述第一数量乘第二数量个向量距离数值中，数值最小的第三数量个向量距离数值；
确定所述数值最小的第三数量个向量距离数值对应的第三数量个候选标签为所述目标多媒体资源的分类标签。
根据本公开实施例的第三方面，提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现第一方面所述的方法步骤。
根据本公开实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的方法步骤。
根据本公开实施例的第五方面，提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面所述的方法。
本公开的实施例提供的技术方案至少带来以下有益效果：
电子设备可以获取目标多媒体资源和目标多媒体资源的描述信息，然后确定描述信息对应的第一数量的信息词向量，并获取目标多媒体资源的第二数量的候选标签，确定第二数量个候选标签对应的第二数量的候选标签向量，然后确定每个信息词向量与每个候选标签向量之间的向量距离，得到第一数量乘第二数量个向量距离数值，并从候选标签中，选择满足预设选取规则的向量距离数值，确定满足预设选取规则的向量距离数值对应的候选标签为目标多媒体资源的分类标签。其中，向量距离数值代表目标多媒体资源的候选标签和用户输入的描述信息对应语义的相似度，该向量距离数值越小，目标多媒体资源的候选标签和用户输入的描述信息对应的语义越相近。因此，电子设备可以根据该向量距离数值的大小，确定最贴近用户输入的描述信息对应语义的候选标签，即确定最适合目标多媒体资源的准确的分类标签。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种多媒体资源的标签确定方法的流程图；
图2是根据一示例性实施例示出的一种目标多媒体资源的示意图；
图3是根据一示例性实施例示出的另一种多媒体资源的标签确定方法的流程图；
图4是根据一示例性实施例示出的另一种多媒体资源的标签确定方法的流程图；
图5是根据一示例性实施例示出的另一种多媒体资源的标签确定方法的流程图；
图6是根据一示例性实施例示出的另一种多媒体资源的标签确定方法的流程图；
图7是根据一示例性实施例示出的另一种多媒体资源的标签确定方法的流程图；
图8是根据一示例性实施例示出的一种多媒体资源的标签确定装置的框图；
图9是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种多媒体资源的标签确定方法的流程图，如图1所示，多媒体资源的标签确定方法应用于电子设备中，包括以下步骤。
步骤101、获取目标多媒体资源和目标多媒体资源的描述信息。
其中，目标多媒体资源可以包括图像、视频等，描述信息可以包括文字信息和音频信息。
例如，如图2所示，图2为本公开实施例提供的一种目标多媒体资源和目标多媒体资源的描述信息的示意图。其中，图2的界面可以是一种社交软件平台的界面，用户可以在该社交软件平台上传图像，并为上传的图像添加文字描述。
在图2中，图像A为用户上传到社交软件平台的图像，即图像A为目标多媒体资源，“图像A的文字描述信息”可以为用户输入的用于描述图像A的文字信息，即“图像A的文字描述信息”为目标多媒体资源的描述信息。
其中，“图像A的文字描述信息”也可以是一段音频信息，电子设备可以将音频信息转化为文字信息。
步骤102、确定描述信息对应的第一数量的信息词向量，并获取目标多媒体资源的第二数量的候选标签，确定第二数量个候选标签对应的第二数量的候选标签向量。
步骤103、确定每个信息词向量与每个候选标签向量之间的向量距离，得到第一数量乘第二数量个向量距离数值。
在实际应用中，电子设备可以计算向量与向量之间的距离，该距离表示向量与向量之间的相似程度。
本公开实施中，电子设备可以计算每个信息词向量与每个候选标签向量之间的向量距离，该向量距离可以为余弦距离，具体计算余弦距离的公式如下：
其中，w代表信息关键词，i代表候选标签，
为信息词向量与候选标签向量的向量距离数值，
为信息关键词w对应的信息词向量，
为候选标签i对应的候选标签向量，cosine为余弦运算符号。
在本公开实施例中，为第一数量个，
为第二数量个，因此
为第一数量乘第二数量个。
例如，电子设备计算得到了5个信息词向量和12个候选标签向量，那么经过计算该5个信息词向量和该12个候选标签向量之间的向量距离，电子设备可以得到60个向量距离数值。
可以理解的，该12个候选标签向量中，每个候选标签向量分别对应5个信息词向量，以及与该5个信息词向量之间的向量距离数值。
步骤104、从候选标签中，选择满足预设选取规则的向量距离数值对应的候选标签，将满足预设选取规则的向量距离数值对应的候选标签作为目标多媒体资源的分类标签。
其中，向量距离数值越小，表示向量距离数值对应的信息关键词的语义，和向量距离数值对应的候选标签的含义越贴近。
因为信息关键词可以代表用户输入的描述信息表达的语义，候选标签代表目标多媒体资源表达的含义，且信息关键词是用户输入的用于描述目标多媒体资源的关键词，所以向量距离数值越小，向量距离数值对应的候选标签就越符合目标多媒体资源。
例如，若向量距离数值A很小，则表示向量距离数值A对应的候选标签为可以选取的分类标签。
反之，若向量距离数值B很大，则表示向量距离数值B对应的候选标签不准确，或者向量距离数值B对应的信息关键词不是能够体现用户语义的关键词，或者该候选标签不准确且向量距离数值B对应的关键词也不是能够体现用户语义的关键词。
本公开实施例提供了一种多媒体资源的标签确定方法，电子设备可以获取目标多媒体资源和目标多媒体资源的描述信息，然后确定描述信息对应的第一数量的信息词向量，并获取目标多媒体资源的第二数量的候选标签，确定第二数量个候选标签对应的第二数量的候选标签向量，然后确定每个信息词向量与每个候选标签向量之间的向量距离，得到第一数量乘第二数量个向量距离数值，并从候选标签中，选择满足预设选取规则的向量距离数值，确定满足预设选取规则的向量距离数值对应的候选标签为目标多媒体资源的分类标签。其中，向量距离数值代表目标多媒体资源的候选标签和用户输入的描述信息对应语义的相似度，该向量距离数值越小，目标多媒体资源的候选标签和用户输入的描述信息对应的语义越相近。因此，电子设备可以根据该向量距离数值的大小，确定最贴近用户输入的描述信息对应语义的候选标签，即确定最适合目标多媒体资源的准确的分类标签。
可选的，如图3所示，针对上述步骤102中，确定描述信息对应的第一数量的信息词向量步骤，具体可以包括：
步骤1021、对描述信息进行分词处理，得到描述信息对应的第一数量的信息关键词。
其中，实际应用中的分词工具有多种，本公开实施例对分词工具的选取不做限定。
步骤1022、确定第一数量的信息关键词对应的第一数量的信息词向量。
在图3中，步骤101至步骤104与图1中的步骤101至步骤104相同，此处不再赘述。
在一种可实现方式中，若描述信息为音频信息，则电子设备可以将音频信息转换为文本信息，然后对文本信息进行分词处理，得到一个信息关键词集合，该信息关键词集合中包括第一数量个信息关键词。
然后，电子设备可以计算该信息关键词词集合中的每个信息关键词的信息词向量，得到第一数量个信息词向量。
这样，电子设备可以通过分词处理，得到描述信息对应的第一数量个信息词向量，每个信息词向量分别对应一个语义。
在实际应用中，电子设备可以通过中文词向量模型(比如ChineseWord2Vector)确定关键词对应的信息词向量。
第一数量个信息关键词中，存在能够体现用户语义的关键词和不能体现用户语义的关键词，能够体现用户语义的关键词更加符合目标多媒体资源的语义场景，不能体现用户语义的关键词不符合目标多媒体资源的语义场景。
电子设备通过分词处理，可以更准确的确定描述信息中，各关键词对应的语义。
可选地，如图4所示，针对上述步骤102中，确定第二数量个候选标签对应的第二数量的候选标签向量步骤，具体可以包括：
步骤1023、将目标多媒体资源输入第二数量个分类模型，获取第二数量个分类模型输出的第二数量个候选标签。
步骤1024、确定第二数量个候选标签对应的第二数量个候选标签向量。
在图4中，步骤101至步骤104与图1中的步骤101至步骤104相同，此处不再赘述。
其中，分类模型是可以一种深度学习模型，深度学习模型具有很强的计算能力，可以通过大量计算确定目标多媒体资源对应的第二数量个候选标签。
在实际应用中，候选标签一般为一个词，电子设备可以通过中文词向量模型确定候选标签对应的词向量，即候选标签对应的候选标签向量。
可选的，针对步骤104、从候选标签中，选择满足预设选取规则的向量距离数值，确定满足预设选取规则的向量距离数值对应的候选标签为目标多媒体资源的分类标签。本公开实施例提供了两种预设的选取规则，具体规则如下：
如图5所示，规则一如下：
步骤1041、从第一数量乘第二数量个向量距离数值中，选择数值小于预设阈值的目标向量距离数值。
步骤1042、确定选择的目标向量距离数值对应的候选标签为目标多媒体资源的分类标签。
在图5中，步骤101至步骤104与图1中的步骤101至步骤104相同，此处不再赘述。
其中，规则一还可以通过表达式表达，具体表达式如下：
其中，w代表信息关键词，i代表候选标签，Word为第一数量，K为第二数量，σ为预设阈值，label为电子设备最终确定的目标多媒体资源的分类标签，
w表示第一数量个信息词向量与第二数量个候选标签向量的向量距离数值的并集，
为向量距离数值，
为规则一的选取条件，即选取第一数量乘第二数量个向量距离数值中，小于预设阈值的向量距离数值。
该预设阈值σ可以是一个人为设置的经验值，本公开实施例对预设阈值的大小不做限定。
电子设备根据规则一选取的分类标签可以为一个，也可以为多个。在实际应用中，一个目标多媒体资源既可以有一个分类标签，也可以有多个分类标签，本公开实施例对分类标签的数量不做限定。
在本公开实施例中，因为第一数量乘第二数量个向量距离数值对应的候选标签包括了目标多媒体资源的所有分类情况，又因为向量距离数值表示了候选标签的准确程度，所以电子设备最终根据向量距离数值选取的分类标签可以准确表示目标多媒体资源。
如图6所示，规则二如下：
步骤1043、确定第一数量乘第二数量个向量距离数值中，数值最小的第三数量个向量距离数值。
步骤1044、确定数值最小的第三数量个向量距离数值对应的第三数量个候选标签为目标多媒体资源的分类标签。
在图6中，步骤101至步骤104与图1中的步骤101至步骤104相同，此处不再赘述。
其中，规则二还可以通过表达式表达，具体表达式如下：
其中，w代表信息关键词，i代表候选标签，Word为第一数量，K为第二数量，label为电子设备最终确定的目标多媒体资源的分类标签，表示第一数量个信息词向量与第二数量个候选标签向量的向量距离数值的并集，
为向量距离数值，
为规则二的选取条件，topn在本规则中表示数值最小的n个(第三数量个)数值，即选取第一数量乘第二数量个向量距离数值中，数值最小的第三数量个目标向量距离数值。
例如，若目标多媒体资源对应5个候选标签，目标多媒体资源的描述信息对应3个信息词向量，则存在15个向量距离数值。
该15个向量距离数值中，数值越小的向量距离数值对应的候选标签越准确，因此，电子设备可以确定数值最小的3(第三数量为3)个向量距离数值。
其中，数值最小的3个向量距离数值为：在该15个向量距离数值中，以向量距离数值从小到大进行排序，在该序列中的前三个向量距离数值为数值最小的3个向量距离数值。
其中，第三数量是预设的数值，第三数量可以为一个也可以为多个。
本公开实施例中，向量距离数值表示信息词向量与候选标签向量之间的距离，该距离同样表示信息词向量对应的语义与候选标签对应的语义之间的相似程度，因此向量距离数值越小信息词向量对应的语义与候选标签对应的语义越相似，进而，数值最小的第三数量个向量距离数值所对应的候选标签，即为在第一数量乘第二数量个向量距离数值对应的候选标签中，最准确的第三数量个候选标签。通过规则二，电子设备同样可以确定准确表示目标多媒体资源的分类标签。
如图7所示，图7为本公开实施例提供的一种可实施方式的示例，具体步骤如下：
步骤701、获取图像A和图像A的描述信息。
其中，图像A是一张公园A的风景照，图像A的描述信息为“今天天气真好，在公园A散步很开心”。
其中，在步骤701之后，电子设备可以同时执行步骤702和步骤704，也可以分别执行步骤702和步骤704，步骤702和步骤704的执行顺序不做限定，本公开实施例以同时执行步骤702和步骤704为例。
步骤702、对图像A的描述信息进行分词处理，得到图像A的描述信息对应的5个的信息关键词。
其中，该5个信息关键词可以为：“今天”、“天气真好”、“在公园A”、“散步”、“很开心”。
步骤703、确定该5个信息关键词对应的5个信息词向量。
步骤704、将图像A输入5个分类模型，获取该5个分类模型输出的5个候选标签。
其中，该5个候选标签可以为：“公园A”、“湖”、“小舟”、“太阳”和“散步”。
步骤705、确定该5个候选标签对应的5个候选标签向量。
步骤706、确定该5个信息词向量与该5个候选标签向量之间的向量距离，得到25个向量距离数值。
其中，针对每个候选标签，每个候选标签分别对应5个向量距离数值，例如，候选标签“公园A”可以和该5个信息关键词(“今天”、“天气真好”、“在公园A”、“散步”、“很开心”)计算出5个向量距离数值。
本公开实施例中，步骤707-708和步骤709-710为两种可实现方式，对应上述实施例中的规则一和规则二。
在实际应用中，电子设备执行其中之一即可，即在本公开实施例中，执行步骤707-708和步骤709-710中的一种即可。
步骤707、从该25个向量距离数值中，选择数值小于预设阈值的目标向量距离数值。
步骤708、确定选择的目标向量距离数值对应的候选标签为图像A的分类标签。
其中，若目标向量距离数值对应的候选标签为“公园A”和“散步”，则图像A的分类标签为“公园A”和“散步”。
步骤709、确定该25个向量距离数值中，数值最小的3个向量距离数值。
步骤710、确定数值最小的3个向量距离数值对应的3个候选标签为图像A的分类标签。
其中，若数值最小的3个向量距离数值对应的3个候选标签为“公园A”、“公园A”和“散步”，则“公园A”、“公园A”和“散步”为图像A的分类标签，进而，由于该3个分类标签中存在重复的标签，因此则图像A最终的分类标签为“公园A”和“散步”。
图8是根据一示例性实施例示出的一种多媒体资源的标签确定装置框图。参照图4，该装置包括获取单元801、确定单元802和选择单元803。
获取单元801，被配置为执行获取目标多媒体资源和目标多媒体资源的描述信息；
确定单元802，被配置为执行确定描述信息对应的第一数量的信息词向量，并获取目标多媒体资源的第二数量的候选标签，确定第二数量个候选标签对应的第二数量的候选标签向量；
确定单元802，还被配置为执行确定每个信息词向量与每个候选标签向量之间的向量距离，得到第一数量乘第二数量个向量距离数值；
选择单元803，被配置为执行从候选标签中，选择满足预设选取规则的向量距离数值对应的候选标签，将满足预设选取规则的向量距离数值对应的候选标签作为目标多媒体资源的分类标签。
可选的，确定单元802，具体被配置为执行：
对描述信息进行分词处理，得到描述信息对应的第一数量的信息关键词；
确定第一数量的信息关键词对应的第一数量的信息词向量。
可选的，确定单元802，具体被配置为执行：
将目标多媒体资源输入第二数量个分类模型，获取第二数量个分类模型输出的第二数量个候选标签；
确定第二数量个候选标签对应的第二数量个候选标签向量。
可选的，选择单元803，具体被配置为执行：
从第一数量乘第二数量个向量距离数值中，选择数值小于预设阈值的目标向量距离数值；
确定选择的目标向量距离数值对应的候选标签为目标多媒体资源的分类标签。
可选的，选择单元803，具体被配置为执行：
确定第一数量乘第二数量个向量距离数值中，数值最小的第三数量个向量距离数值；
确定数值最小的第三数量个向量距离数值对应的第三数量个候选标签为目标多媒体资源的分类标签。
本公开实施例提供了一种多媒体资源的标签确定装置，电子设备可以获取目标多媒体资源和目标多媒体资源的描述信息，然后确定描述信息对应的第一数量的信息词向量，并获取目标多媒体资源的第二数量的候选标签，确定第二数量个候选标签对应的第二数量的候选标签向量，然后确定每个信息词向量与每个候选标签向量之间的向量距离，得到第一数量乘第二数量个向量距离数值，并从候选标签中，选择满足预设选取规则的向量距离数值，确定满足预设选取规则的向量距离数值对应的候选标签为目标多媒体资源的分类标签。其中，向量距离数值代表目标多媒体资源的候选标签和用户输入的描述信息对应语义的相似度，该向量距离数值越小，目标多媒体资源的候选标签和用户输入的描述信息对应的语义越相近。因此，电子设备可以根据该向量距离数值的大小，确定最贴近用户输入的描述信息对应语义的候选标签，即确定最适合目标多媒体资源的准确的分类标签。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
图9是根据一示例性实施例示出的一种用于多媒体资源的标签确定的电子设备的框图。例如，电子设备可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图9，电子设备可以包括以下一个或多个组件：处理组件902，存储器904，电源组件906，多媒体组件908，音频组件910，输入/输出(I/O)接口912，传感器组件914，以及通信组件916。
处理组件902通常控制电子设备的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件902可以包括一个或多个处理器920来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件902可以包括一个或多个模块，便于处理组件902和其他组件之间的交互。例如，处理组件902可以包括多媒体模块，以方便多媒体组件908和处理组件902之间的交互。
存储器904被配置为存储各种类型的数据以支持在电子设备的操作。这些数据的示例包括用于在电子设备上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器904可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件906为电子设备的各种组件提供电力。电源组件906可以包括电源管理系统，一个或多个电源，及其他与为电子设备生成、管理和分配电力相关联的组件。
多媒体组件908包括在所述装置和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件908包括一个前置摄像头和/或后置摄像头。当电子设备处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件910被配置为输出和/或输入音频信号。例如，音频组件910包括一个麦克风(MIC)，当电子设备处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器904或经由通信组件916发送。在一些实施例中，音频组件910还包括一个扬声器，用于输出音频信号。
I/O接口912为处理组件902和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件914包括一个或多个传感器，用于为电子设备提供各个方面的状态评估。例如，传感器组件914可以检测到电子设备的打开/关闭状态，组件的相对定位，例如所述组件为电子设备的显示器和小键盘，传感器组件914还可以检测电子设备或电子设备一个组件的位置改变，用户与电子设备接触的存在或不存在，电子设备方位或加速/减速和电子设备的温度变化。传感器组件914可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件914还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件914还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件916被配置为便于电子设备和其他设备之间有线或无线方式的通信。电子设备可以接入基于通信标准的无线网络，如WiFi，运营商网络(如2G、3G、4G或9G)，或它们的组合。在一个示例性实施例中，通信组件916经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件916还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，电子设备可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的存储介质，例如包括指令的存储器904，上述指令可由电子设备的处理器920执行以完成上述方法。可选地，存储介质可以是非临时性计算机可读存储介质，例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种多媒体资源的标签确定方法，其特征在于，所述方法包括：
获取目标多媒体资源和所述目标多媒体资源的描述信息；
确定所述描述信息对应的第一数量的信息词向量，并获取所述目标多媒体资源的第二数量的候选标签，确定第二数量个候选标签对应的第二数量的候选标签向量；
确定每个信息词向量与每个候选标签向量之间的向量距离，得到第一数量乘第二数量个向量距离数值；
从所述候选标签中，选择满足预设选取规则的向量距离数值对应的候选标签，将满足预设选取规则的向量距离数值对应的候选标签作为所述目标多媒体资源的分类标签。
2.根据权利要求1所述的多媒体资源的标签确定方法，其特征在于，所述确定所述描述信息对应的第一数量的信息词向量步骤，包括：
对所述描述信息进行分词处理，得到所述描述信息对应的第一数量的信息关键词；
确定所述第一数量的信息关键词对应的第一数量的信息词向量。
3.根据权利要求1所述的多媒体资源的标签确定方法，其特征在于，所述获取所述目标多媒体资源的第二数量的候选标签，确定第二数量个候选标签对应的第二数量的候选标签向量步骤，包括：
将所述目标多媒体资源输入第二数量个分类模型，获取所述第二数量个分类模型输出的第二数量个候选标签；
确定所述第二数量个候选标签对应的第二数量个候选标签向量。
4.根据权利要求1-3任一项所述的多媒体资源的标签确定方法，其特征在于，所述从所述候选标签中，选择满足预设选取规则的向量距离数值对应的候选标签，将满足预设选取规则的向量距离数值对应的候选标签作为所述目标多媒体资源的分类标签步骤，包括：
从所述第一数量乘第二数量个向量距离数值中，选择数值小于预设阈值的目标向量距离数值；
确定选择的目标向量距离数值对应的候选标签为所述目标多媒体资源的分类标签。
5.根据权利要求1-3任一项所述的多媒体资源的标签确定方法，其特征在于，所述从所述候选标签中，选择满足预设选取规则的向量距离数值对应的候选标签，将满足预设选取规则的向量距离数值对应的候选标签作为所述目标多媒体资源的分类标签步骤，包括：
确定所述第一数量乘第二数量个向量距离数值中，数值最小的第三数量个向量距离数值；
确定所述数值最小的第三数量个向量距离数值对应的第三数量个候选标签为所述目标多媒体资源的分类标签。
6.一种多媒体资源的标签确定装置，其特征在于，所述装置包括：
获取单元，被配置为执行获取目标多媒体资源和所述目标多媒体资源的描述信息；
确定单元，被配置为执行确定所述描述信息对应的第一数量的信息词向量，并获取所述目标多媒体资源的第二数量的候选标签，确定第二数量个候选标签对应的第二数量的候选标签向量；
所述确定单元，还被配置为执行确定每个信息词向量与每个候选标签向量之间的向量距离，得到第一数量乘第二数量个向量距离数值；
选择单元，被配置为执行从所述候选标签中，选择满足预设选取规则的向量距离数值对应的候选标签，将满足预设选取规则的向量距离数值对应的候选标签作为所述目标多媒体资源的分类标签。
7.根据权利要求6所述的多媒体资源的标签确定装置，其特征在于，所述确定单元，具体被配置为执行：
对所述描述信息进行分词处理，得到所述描述信息对应的第一数量的信息关键词；
确定所述第一数量的信息关键词对应的第一数量的信息词向量。
8.根据权利要求6所述的多媒体资源的标签确定装置，其特征在于，所述确定单元，具体被配置为执行：
将所述目标多媒体资源输入第二数量个分类模型，获取所述第二数量个分类模型输出的第二数量个候选标签；
确定所述第二数量个候选标签对应的第二数量个候选标签向量。
9.一种电子设备，其特征在于，包括：
处理器；
用于存储所述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所述指令，以实现如权利要求1至5中任一项所述的多媒体资源的标签确定方法。
10.一种存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1至5中任一项所述的多媒体资源的标签确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911022889.2A CN110781323A (zh) | 2019-10-25 | 2019-10-25 | 多媒体资源的标签确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911022889.2A CN110781323A (zh) | 2019-10-25 | 2019-10-25 | 多媒体资源的标签确定方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110781323A true CN110781323A (zh) | 2020-02-11 |
Family
ID=69386444
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911022889.2A Pending CN110781323A (zh) | 2019-10-25 | 2019-10-25 | 多媒体资源的标签确定方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110781323A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111353055A (zh) * | 2020-03-02 | 2020-06-30 | 中国传媒大学 | 基于智能标签扩展元数据的编目方法及系统 |
| CN111444687A (zh) * | 2020-03-20 | 2020-07-24 | 北京达佳互联信息技术有限公司 | 一种标签生成方法、装置、服务器及存储介质 |
| CN111814538A (zh) * | 2020-05-25 | 2020-10-23 | 北京达佳互联信息技术有限公司 | 目标对象的类别识别方法、装置、电子设备及存储介质 |
| CN113689237A (zh) * | 2021-08-20 | 2021-11-23 | 北京达佳互联信息技术有限公司 | 待投放媒体资源、媒体资源处理模型的确定方法及装置 |
| CN114034882A (zh) * | 2021-10-28 | 2022-02-11 | 广州大学 | 一种洋流智能检测方法、装置、设备及存储介质 |
| CN114519114A (zh) * | 2020-11-20 | 2022-05-20 | 北京达佳互联信息技术有限公司 | 多媒体资源分类模型构建方法、装置、服务器及存储介质 |
| US20220237222A1 (en) * | 2020-03-24 | 2022-07-28 | Tencent Technology (Shenzhen) Company Limited | Information determining method and apparatus, computer device, and storage medium |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101694657A (zh) * | 2009-09-18 | 2010-04-14 | 浙江大学 | 面向Web2.0标签图片共享空间的图片检索聚类方法 |
| CN105282010A (zh) * | 2015-09-14 | 2016-01-27 | 小米科技有限责任公司 | 信息分享的处理方法、装置和服务器 |
| CN105354264A (zh) * | 2015-10-23 | 2016-02-24 | 华建宇通科技(北京)有限责任公司 | 一种基于局部敏感哈希的主题标签快速赋予方法 |
| CN105677735A (zh) * | 2015-12-30 | 2016-06-15 | 腾讯科技（深圳）有限公司 | 一种视频搜索方法及装置 |
| CN105825226A (zh) * | 2016-03-11 | 2016-08-03 | 江苏畅远信息科技有限公司 | 一种基于关联规则的分布式多标签图像识别方法 |
| CN106980878A (zh) * | 2017-03-29 | 2017-07-25 | 深圳大学 | 三维模型几何风格的确定方法及装置 |
| CN106980868A (zh) * | 2016-01-15 | 2017-07-25 | 奥多比公司 | 用于具有多个文本标签的图像的嵌入空间 |
| CN109063133A (zh) * | 2018-08-02 | 2018-12-21 | 武汉斗鱼网络科技有限公司 | 一种直播间标签的添加方法、系统、设备及介质 |
| CN110163230A (zh) * | 2018-06-15 | 2019-08-23 | 腾讯科技（深圳）有限公司 | 一种图像标注方法和装置 |
| CN110309294A (zh) * | 2018-03-01 | 2019-10-08 | 优酷网络技术（北京）有限公司 | 内容集合的标签确定方法及装置 |
-
2019
- 2019-10-25 CN CN201911022889.2A patent/CN110781323A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101694657A (zh) * | 2009-09-18 | 2010-04-14 | 浙江大学 | 面向Web2.0标签图片共享空间的图片检索聚类方法 |
| CN105282010A (zh) * | 2015-09-14 | 2016-01-27 | 小米科技有限责任公司 | 信息分享的处理方法、装置和服务器 |
| CN105354264A (zh) * | 2015-10-23 | 2016-02-24 | 华建宇通科技(北京)有限责任公司 | 一种基于局部敏感哈希的主题标签快速赋予方法 |
| CN105677735A (zh) * | 2015-12-30 | 2016-06-15 | 腾讯科技（深圳）有限公司 | 一种视频搜索方法及装置 |
| CN106980868A (zh) * | 2016-01-15 | 2017-07-25 | 奥多比公司 | 用于具有多个文本标签的图像的嵌入空间 |
| CN105825226A (zh) * | 2016-03-11 | 2016-08-03 | 江苏畅远信息科技有限公司 | 一种基于关联规则的分布式多标签图像识别方法 |
| CN106980878A (zh) * | 2017-03-29 | 2017-07-25 | 深圳大学 | 三维模型几何风格的确定方法及装置 |
| CN110309294A (zh) * | 2018-03-01 | 2019-10-08 | 优酷网络技术（北京）有限公司 | 内容集合的标签确定方法及装置 |
| CN110163230A (zh) * | 2018-06-15 | 2019-08-23 | 腾讯科技（深圳）有限公司 | 一种图像标注方法和装置 |
| CN109063133A (zh) * | 2018-08-02 | 2018-12-21 | 武汉斗鱼网络科技有限公司 | 一种直播间标签的添加方法、系统、设备及介质 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111353055A (zh) * | 2020-03-02 | 2020-06-30 | 中国传媒大学 | 基于智能标签扩展元数据的编目方法及系统 |
| CN111353055B (zh) * | 2020-03-02 | 2024-04-16 | 中国传媒大学 | 基于智能标签扩展元数据的编目方法及系统 |
| CN111444687A (zh) * | 2020-03-20 | 2020-07-24 | 北京达佳互联信息技术有限公司 | 一种标签生成方法、装置、服务器及存储介质 |
| US20220237222A1 (en) * | 2020-03-24 | 2022-07-28 | Tencent Technology (Shenzhen) Company Limited | Information determining method and apparatus, computer device, and storage medium |
| CN111814538A (zh) * | 2020-05-25 | 2020-10-23 | 北京达佳互联信息技术有限公司 | 目标对象的类别识别方法、装置、电子设备及存储介质 |
| CN111814538B (zh) * | 2020-05-25 | 2024-03-05 | 北京达佳互联信息技术有限公司 | 目标对象的类别识别方法、装置、电子设备及存储介质 |
| CN114519114A (zh) * | 2020-11-20 | 2022-05-20 | 北京达佳互联信息技术有限公司 | 多媒体资源分类模型构建方法、装置、服务器及存储介质 |
| CN113689237A (zh) * | 2021-08-20 | 2021-11-23 | 北京达佳互联信息技术有限公司 | 待投放媒体资源、媒体资源处理模型的确定方法及装置 |
| CN114034882A (zh) * | 2021-10-28 | 2022-02-11 | 广州大学 | 一种洋流智能检测方法、装置、设备及存储介质 |
| CN114034882B (zh) * | 2021-10-28 | 2023-09-26 | 广州大学 | 一种洋流智能检测方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109522424B (zh) | 数据的处理方法、装置、电子设备及存储介质 | |
| CN109800325B (zh) | 视频推荐方法、装置和计算机可读存储介质 | |
| CN106557768B (zh) | 对图片中的文字进行识别的方法及装置 | |
| CN109089133B (zh) | 视频处理方法及装置、电子设备和存储介质 | |
| CN110781323A (zh) | 多媒体资源的标签确定方法、装置、电子设备及存储介质 | |
| CN109543066B (zh) | 视频推荐方法、装置和计算机可读存储介质 | |
| CN106485567B (zh) | 物品推荐方法及装置 | |
| CN109961094B (zh) | 样本获取方法、装置、电子设备及可读存储介质 | |
| CN110598504B (zh) | 图像识别方法及装置、电子设备和存储介质 | |
| CN109670077B (zh) | 视频推荐方法、装置和计算机可读存储介质 | |
| CN109255128B (zh) | 多层级标签的生成方法、装置和存储介质 | |
| CN109886211B (zh) | 数据标注方法、装置、电子设备及存储介质 | |
| CN110764627B (zh) | 一种输入方法、装置和电子设备 | |
| CN109543069B (zh) | 视频推荐方法、装置和计算机可读存储介质 | |
| CN111046927B (zh) | 标注数据的处理方法、装置、电子设备及存储介质 | |
| CN112148980B (zh) | 基于用户点击的物品推荐方法、装置、设备和存储介质 | |
| CN110619325A (zh) | 一种文本识别方法及装置 | |
| CN111814538A (zh) | 目标对象的类别识别方法、装置、电子设备及存储介质 | |
| CN113920293A (zh) | 信息识别方法、装置、电子设备及存储介质 | |
| CN110738267B (zh) | 图像分类方法、装置、电子设备及存储介质 | |
| CN110941727B (zh) | 一种资源推荐方法、装置、电子设备及存储介质 | |
| CN112328809A (zh) | 实体分类方法、装置及计算机可读存储介质 | |
| CN115424044A (zh) | 基于多模态的图像标注方法、装置及电子设备 | |
| CN110659726B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
| CN113807540A (zh) | 一种数据处理方法及装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200211 |