CN111125435A - 视频标签的确定方法、装置和计算机设备 - Google Patents

Abstract

本申请提出一种视频标签的确定方法、装置和计算机设备，涉及数据处理技术领域，其中，方法包括：对视频进行主题识别，得到根据视频的标题、图像内容、文本内容、用户标注信息和视频分类中的多个确定的第一标签，根据第一标签，查询相关的第二标签，将第一标签和第二标签作为候选标签提取排序特征，根据排序特征，对各候选标签排序，根据排序从各候选标签中确定视频的目标标签，通过对视频的多维度信息识别确定第一标签，并根据第一标签查询相关的第二标签，基于第一标签和第二标签对应的多重有效信息，进行综合判断，提升了视频标签确定的准确性和标签的完整性，解决现有技术中标题信息不足或者误导带来的视频标签确定错误和漏召回的技术问题。

Description

视频标签的确定方法、装置和计算机设备

技术领域

本申请涉及计算机技术领域，尤其涉及数据处理技术领域，具体涉及一种视频标签的确定方法、装置和计算机设备。

背景技术

随着计算机技术和网络技术的发展，资讯信息的信息量剧增，基于用户兴趣点的个性化的资讯推荐是资讯消费的新潮流，其中视频资源尤其火爆。然而，要实现视频资源的个性化推荐，需要分析视频资源，实现视频资源的标签化。

相关技术中，对视频资源分析，通常采用的做法是对视频的标题进行分析，获取视频资源的标签，但是，视频标题容易信息量不足，且部分情况下只看标题会被误导，导致视频资源标签确定的准确度较低。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本申请的第一个目的在于提出一种视频标签的确定方法，通过对视频的多维度信息进行识别确定第一标签，并根据第一标签查询相关的第二标签，基于第一标签和第二标签对应的多重有效信息，进行综合判断，提升了视频标签确定的准确性和标签的完整性。

本申请的第二个目的在于提出一种视频标签的确定装置。

本申请的第三个目的在于提出一种计算机设备。

本申请的第四个目的在于提出一种非临时性计算机可读存储介质。

为达上述目的，本申请第一方面实施例提出了一种视频标签的确定方法，包括：

对视频进行主题识别，得到第一标签；其中，所述第一标签是根据所述视频的标题、图像内容、文本内容、用户标注信息和视频分类中的多个确定的；

根据所述第一标签，查询相关的第二标签；

将所述第一标签和所述第二标签作为候选标签提取排序特征；

根据所述排序特征，对各候选标签排序；

根据排序从所述各候选标签中，确定所述视频的目标标签。

为达上述目的，本申请第二方面实施例提出了一种视频标签的确定装置，包括：

识别模块，用于对视频进行主题识别，得到第一标签；其中，所述第一标签是根据所述视频的标题、图像内容、文本内容、用户标注信息和视频分类中的多个确定的；

查询模块，用于根据所述第一标签，查询相关的第二标签；

提取模块，用于将所述第一标签和所述第二标签作为候选标签提取排序特征；

排序模块，用于根据所述排序特征，对各候选标签排序；

确定模块，用于根据排序从所述各候选标签中，确定所述视频的目标标签。

为达上述目的，本申请第三方面实施例提出了一种计算机设备，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，所述处理器执行所述程序时，实现如第一方面所述的视频标签的确定方法。

为了实现上述目的，本申请第四方面实施例提出了一种非临时性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第一方面所述的视频标签的确定方法。

本申请实施例所提供的技术方案可以包含如下的有益效果：

对视频进行主题识别，得到第一标签，其中，第一标签是根据视频的标题、图像内容、文本内容、用户标注信息和视频分类中的多个确定的，根据第一标签，查询相关的第二标签，将第一标签和第二标签作为候选标签提取排序特征，根据排序特征，对各候选标签排序，根据排序从各候选标签中，确定视频的目标标签，通过对视频的多维度信息进行识别确定第一标签，并基于第一标签查询相关的第二标签，基于第一标签和第二标签的多重有效信息，进行综合判断，提升了视频标签确定的准确性和标签的完整性。

本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

附图说明

本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本申请实施例所提供的一种视频标签的确定方法的流程示意图；

图2为本申请实施例提供的知识图谱的示意图；

图3为本申请实施例提供的关注点图谱的示意图；

图4为本申请实施例提供的视频标签确定的框架示意图；

图5为本申请实施例提供的一种视频标签的确定装置的结构示意图；以及

图6为本申请实施例的视频标签的确定方法的电子设备的框图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。

下面参考附图描述本申请实施例的视频标签的确定方法、装置和计算机设备。

当前，为线上用户进行个性化的视频资讯推荐是资讯消费的新潮流，而要进行视频资讯的个性化推荐，需要对视频资源进行分析，给视频资源打上精准和完善的标签，为视频的个性化推荐打下基础，现有技术中，确定视频的标签的方法主要为：

方法一，对视频标题进行自动分析，具体地，利用统计分析的方法分析视频的标题文本，抽取用户的关注点，确定视频的标签，但是，视频标题通常较短，而且口语化较强，可利用的文本信息有限，同时，有些视频的标题还存在误导信息，导致视频标签确定的准确率低；

方法二，基于视频内容进行人工标注，但是这种方式效率较低，成本较高。

为此，本申请提出了一种视频标签的确定方法，对视频进行主题识别，得到第一标签，其中，第一标签是根据视频的标题、图像内容、文本内容、用户标注信息和视频分类中的多个确定的，根据第一标签，查询相关的第二标签，将第一标签和第二标签作为候选标签提取排序特征，根据排序特征，对各候选标签排序，根据排序从各候选标签中，确定视频的目标标签，实现了基于第一标签和第二标签对应的多重有效信息，进行综合判断，提升了视频标签确定的准确性和标签的完整性。

图1为本申请实施例所提供的一种视频标签的确定方法的流程示意图。

如图1所示，该方法包括以下步骤：

步骤101，对视频进行主题识别，得到第一标签，其中，第一标签是根据视频的标题、图像内容、文本内容、用户标注信息和视频分类中的多个确定的。

具体地，对视频的标题进行关键词识别，得到标题关键词，作为一种可能的实现方式，对视频标题进行短文本重要性分析，得到标题中各个词汇的重要性，基于词汇的重要性确定标题关键词；对视频进行图像内容识别，得到视频中包含的实体，例如，视频中出现的人脸、人名、地名以及出现的时间，或者是专有名词，例如，江苏省，飞机、夏季等；由于视频中包含字幕和左右两侧的节目信息，对视频进行文本识别，得到文本关键词，作为一种可能的实现方式，通过光学字符识别OCR图像识别技术对视频中的文本内容进行识别，得到图像的字幕文本，根据字幕文本的文本结构、语义和主题分类等，确定构成字幕文本的关键词，统计各关键词出现的频次，根据各关键词出现的频率确定文本关键词；根据视频的用户标注信息，识别有效信息，确定用户标注标签，进而根据标题关键词、实体、文本关键词、用户标注标签和视频分类中的多个，确定第一标签，本实施例中通过多种方式将视频的相关信息进行整合，将多维信息作为第一标签，以提高第一标签包含的信息。

步骤102，根据第一标签，查询相关的第二标签。

本实施例中，对视频进行主题识别，得到的第一标签的信息量并不够完整，因此，根据第一标签，查询相关的第二标签。

作为一种可能的实现方式，对每一个第一标签，查询知识图谱，确定相关的第二标签，其中，知识图谱，用于采用相关的第二标签描述第一标签。以电视剧的视频为例，第一标签为视频对应的标题关键字，如电视剧名称“新达城浪子”，利用与电视剧“新达城浪子”相关的信息构建知识图谱，如图2所示，对应的知识图谱上保存了该电视剧中相关的演职人员信息，也就是说通过与电视剧“新达城浪子”相关的演职人员信息构建的知识图谱确定与相应的第一标签相关的第二标签，从而使得视频标签集合更加完善。

作为另一种可能的实现方式，对每一个第一标签，查询关注点图谱，将共现概率大于阈值的标签作为相关的第二标签，其中，关注点图谱，用于指示各标签之间的共现概率。以视频“新达城浪子”为例，如图3所示，关注点图谱中示出了新达城浪子与其它各个标签之间的共现概率，例如，标签“新达城浪子”与标签“朱小龙”之间的共现概率为0.5，标签“新达城浪子”与标签“傅小雪”之间的共现概率为0.4，标签“新达城浪子”与标签“圆月弯刀”之间的共现概率为0.1。针对第一标签“新达城浪子”，查询关注点图谱，将共现概率大于0.4的标签作为相关的第二标签，也就是说将标签“傅小雪”作为第一标签“新达城浪子”相关的第二标签。

需要说明的是，本实施例中的关注点图谱仅为示例，仅示出了标签“新达城浪子”与其它标签“傅小雪、朱小龙、傅小雪传奇、天涯明月刀等”之间的共现概率，而关注点图谱，用于指示各标签之间的共现概率，也就是说关注点图谱中还包含其它两两标签之间的共现关系，基于关注点图谱中指示的各标签之间的共现概率，确定所有第一标签相关的第二标签，以使得视频标签集合包含更多的信息，更加完整。

作为又一种可能的实现方式，还可以针对每一个第一标签，查询知识图谱，确定相关的第二标签，同时查询关注点图谱，将查询知识图谱确定的第二标签中共现概率大于阈值的标签作为最终的相关的第二标签，也就是说通过查询知识图谱和关注点图谱，获取得到每一个第一标签相关的第二标签，实现了多重信息的整合，增加了标签中的信息量，使得标签集合更加完善。

步骤103，将第一标签和第二标签作为候选标签提取排序特征。

其中，排序特征可以包含一个或多个元素对应的特征值，其中，元素为候选标签的来源可信度、候选标签与其余候选标签的关联关系、候选标签指示实体的面积占比，以及候选标签指示的实体对应的帧数中的一个或多个。

作为一种可能的实现方式，根据各候选标签指示的实体在视频的内容帧中的呈现信息，确定排序特征，也就是说排序特征中的元素为候选标签指示的实体对应的帧数，具体地，对每一个候选标签，确定该候选标签指示的实体，确定视频中呈现有相应实体的内容帧的帧数，根据帧数，确定相应候选标签的排序特征，其中，呈现有相应实体的内容帧的帧数越多，确定相应候选标签的排序特征的特征值越大；

和/或，根据各候选标签指示的实体在视频的封面帧中的呈现信息，确定排序特征，也就是说排序特征中的元素为候选标签指示实体的面积占比，具体地，对每一个候选标签，确定在封面帧中相应实体的面积占比，根据面积占比，确定相应候选标签的排序特征，其中，面积占比越大，确定相应候选标签的排序特征的特征值越大。

作为另一种可能的实现方式，对每一个候选标签，根据与其余候选标签之间的关联关系，确定排序特征，也就是说排序特征中的元素为候选标签与其余候选标签的关联关系，其中，候选标签与其余候选标签之间的关联关系越多，关联关系越大，确定相应候选标签的排序特征的特征值越大。

作为又一种可能的实现方式，对每一个候选标签，根据相应候选标签的来源，其中，来源包括视频的标题、图像内容、文本内容、用户标注信息、视频分类信息和/或图谱，根据各来源的可信度，确定排序特征，也就是说排序特征中的元素为各来源的可信度，其中，来源的可信度和排序特征的特征值成正比。

作为又一种可能的实现方式，针对每一个候选标签，其排序特征可以包含多个元素对应的特征值，具体为包含相应候选标签的来源的各可信度对应的特征值，相应候选标签与其余候选标签之间的关联关系对应的特征值，相应候选标签在封面帧中相应实体的面积占比对应的特征值，以及在视频中呈现有相应候选标签对应的实体的内容帧的帧数对应的特征值中的多个。

需要说明的是，本实施例中根据确定的各候选标签的排序特征，可以去除上述步骤中确定的多重标签中的不相关标签，也就是说去除引入的噪声标签，以提高标签确定的准确度。

步骤104，根据排序特征，对各候选标签排序。

步骤105，根据排序从各候选标签中，确定视频的目标标签。

作为另一种可能的实现方式，将第一标签和第二标签作为候选标签提取到的各候选标签的排序特征，输入预先训练完成的排序学习模型，排序学习模型根据各候选标签的排序特征，确定各候选标签的排序特征中各个元素对应的特征值的权重值，对各特征值进行加权求和，以从各候选标签中，确定视频的目标标签，其中，排序学习模型已经预先学习到了各排序特征与目标标签之间的对应关系。

本实施例的视频标签的确定方法中，对视频进行主题识别，得到第一标签，其中，第一标签是根据视频的标题、图像内容、文本内容、用户标注信息和视频分类中的多个确定的，根据第一标签，查询相关的第二标签，将第一标签和第二标签作为候选标签提取排序特征，根据排序特征，对各候选标签排序，根据排序从各候选标签中，确定视频的目标标签，通过对视频的多维度信息进行识别确定第一标签，并根据第一标签查询相关的第二标签，基于第一标签和第二标签对应的多重有效信息，进行综合判断，提升了视频标签确定的准确性和标签的完整性。

为了清楚说明上一实施例，本实施例以新达城浪子的相关视频为例，进行具体说明。

如图4所示，图中示出了对视频“新达城浪子”进行分析，确定视频标签的过程，具体地，通过对视频“新达城浪子”进行主题识别，将识别得到的标题关键词、实体、文本关键词、用户标注标签和视频分类中的多个，确定第一标签，即确定的第一标签为报恩、仇杀、新达城浪子、朱小龙、下毒和帅哥。

进一步，根据视频“新达城浪子”的知识图谱和关注点图谱进行扩展，确定第一标签相关的第二标签，例如，确定出的相关的第二标签为“傅小雪”。实际应用中，确定出的相关的第二标签可以为多个，本实施例中仅为示例，不进行限定。

由于在对识别进行主题识别得到多个第一标签时，引入了噪声数据或者说是作弊数据，例如，用户标注信息中，用户为了提升曝光量而蹭无关的明星的热点，因此，需要去除引入的不相关的噪声数据，也就是说要对上述经过知识图谱和关注点图谱进行扩展后得到的第一标签和第二标签作为候选标签提取排序特征，根据排序特征筛选不相关的候选标签。通过对第一标签和第二标签作为候选标签提取排序特征，确定每一个候选特征对应的排序特征值，本实施例中以排序特征为单一元素为例，例如根据候选标签与其余候选标签之间的关联关系，确定的排序特征，其中，报恩的排序特征值为0，仇杀的排序特征值为1，新达城浪子的排序特征值为4，朱小龙的排序特征值为3，下毒的排序特征值为0，帅哥的排序特征值为0，傅小雪的排序特征值为2。

将确定的各候选标签的排序特征，输入已经训练好的排序学习模型NN rank中进行排序，以得到视频的目标标签，即视频“新达城浪子”的目标标签为新达城浪子、朱小龙和傅小雪，本实施例中通过增加识别到的多个第一标签，并利用第一标签查找相关的第二标签，引入了更多的候选标签，也就是引入了更多的有效信息，提高了候选标签的完整性，通过将第一标签和第二标签作为候选标签抽取排序特征，实现了去除有效信息中无关的噪声信息，提高了候选标签预测的准确度，进而，通过已经训练完成的线上系统自动化预测，确定目标标签，提高了预测的效率。

为了实现上述实施例，本申请还提出一种视频标签的确定装置。

图5为本申请实施例提供的一种视频标签的确定装置的结构示意图。

如图5所示，该装置包括：识别模块51、查询模块52、提取模块53、排序模块54和确定模块55。

识别模块51，用于对视频进行主题识别，得到第一标签；其中，所述第一标签是根据所述视频的标题、图像内容、文本内容、用户标注信息和视频分类中的多个确定的。

查询模块52，用于根据第一标签，查询相关的第二标签。

提取模块53，用于将第一标签和第二标签作为候选标签提取排序特征。

排序模块54，用于根据排序特征，对各候选标签排序。

确定模块55，用于根据排序从各候选标签中，确定视频的目标标签。

进一步地，在本申请实施例的一种可能的实现方式中，上述识别模块51，具体用于：对视频的标题进行关键词识别，得到标题关键词，对视频进行图像内容识别，得到实体，对视频进行文本识别，得到文本关键词，根据视频的用户标注信息，确定用户标注标签，根据标题关键词、实体、文本关键词、用户标注标签和视频分类中的多个，确定第一标签。

作为一种可能的实现方式，上述查询模块52，具体用于：

对每一个第一标签，查询知识图谱，确定相关的第二标签；其中，知识图谱，用于采用相关的第二标签描述第一标签；和/或，对每一个第一标签，查询关注点图谱；将共现概率大于阈值的标签作为相关的第二标签；其中，关注点图谱，用于指示各标签之间的共现概率。

在本申请实施例的第一种可能的实现方式中，上述提取标签53，包括：第一确定单元和/或第二确定单元。

第一确定单元，用于根据各候选标签指示的实体在视频的内容帧中的呈现信息，确定排序特征。

第二确定单元，用于根据各候选标签指示的实体在视频的封面帧中的呈现信息，确定排序特征。

作为一种可能的实现方式，上述第一确定单元，具体用于：

对每一个候选标签，确定呈现有相应实体的内容帧的帧数，根据帧数，确定排序特征。

作为一种可能的实现方式，上述第二确定单元，具体用于：

对每一个候选标签，确定在封面帧中相应实体的面积占比，根据面积占比，确定排序特征。

在本申请实施例的第二种可能的实现方式中，上述提取标签53，具体用于对每一个候选标签，根据与其余候选标签之间的关联关系，确定排序特征。

在本申请实施例的第三种可能的实现方式中，上述提取标签53，具体还用于对每一个候选标签，根据相应候选标签的来源；其中，来源包括视频的标题、图像内容、文本内容、用户标注信息、视频分类信息和/或图谱；根据各来源的可信度，确定排序特征。

需要说明的是，前述对视频标签的确定方法实施例的解释说明也适用于该实施例的视频标签的确定装置，此处不再赘述。

本实施例的视频标签的确定装置中，对视频进行主题识别，得到第一标签，其中，第一标签是根据视频的标题、图像内容、文本内容、用户标注信息和视频分类中的多个确定的，根据第一标签，查询相关的第二标签，将第一标签和第二标签作为候选标签提取排序特征，根据排序特征，对各候选标签排序，根据排序从各候选标签中，确定视频的目标标签，通过对视频的多维度信息进行识别确定第一标签，并根据第一标签查询相关的第二标签，基于第一标签和第二标签对应的多重有效信息，进行综合判断，提升了视频标签确定的准确性和标签的完整性。

为了实现上述实施例，本申请实施例提出了一种计算机设备，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，所述处理器执行所述程序时，实现如前述方法实施例所述的视频标签的确定方法。

为了实现上述实施例，本申请实施例提出了一种非临时性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前述方法实施例所述的视频标签的确定方法。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图6所示，是根据本申请实施例的视频标签的确定方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图6所示，该电子设备包括：一个或多个处理器601、存储器602，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。

存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的视频标签的确定方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的视频标签的确定方法。

存储器602作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的视频标签的确定方法对应的程序指令/模块(例如，附图5所示的识别模块51、查询模块52、提取模块53、排序模块54和确定模块55)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的视频标签的确定方法。

存储器602可以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、至少一个功能所需要的应用程序；存储数据区可存储根据对视频标签确定电子设备的使用所创建的数据等。此外，存储器602可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至视频标签确定的电子设备。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。

视频标签确定的电子设备还可以包括：输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接，图6中以通过总线连接为例。

输入装置603可接收输入的数字或字符信息，以及产生与视频标签确定的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端－服务器关系的计算机程序来产生客户端和服务器的关系。

根据本申请实施例的技术方案，对视频进行主题识别，得到第一标签，其中，第一标签是根据视频的标题、图像内容、文本内容、用户标注信息和视频分类中的多个确定的，根据第一标签，查询相关的第二标签，将第一标签和第二标签作为候选标签提取排序特征，根据排序特征，对各候选标签排序，根据排序从各候选标签中，确定视频的目标标签，通过对视频的多维度信息进行识别确定第一标签，并根据第一标签查询相关的第二标签，基于第一标签和第二标签对应的多重有效信息，进行综合判断，提升了视频标签确定的准确性和标签的完整性。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (11)

1.一种视频标签的确定方法，其特征在于，所述方法包括：

对视频进行主题识别，得到第一标签；其中，所述第一标签是根据所述视频的标题、图像内容、文本内容、用户标注信息和视频分类中的多个确定的；

根据所述第一标签，查询相关的第二标签；

将所述第一标签和所述第二标签作为候选标签提取排序特征；

根据所述排序特征，对各候选标签排序；

根据排序从所述各候选标签中，确定所述视频的目标标签。

2.根据权利要求1所述的确定方法，其特征在于，所述对视频进行主题识别，得到第一标签，包括：

对视频的标题进行关键词识别，得到标题关键词；

对所述视频进行图像内容识别，得到实体；

对所述视频进行文本识别，得到文本关键词；

根据所述视频的用户标注信息，确定用户标注标签；

根据所述标题关键词、所述实体、所述文本关键词、所述用户标注标签和视频分类中的多个，确定所述第一标签。

3.根据权利要求1所述的确定方法，其特征在于，所述根据所述第一标签，查询相关的第二标签，包括：

对每一个所述第一标签，查询知识图谱，确定相关的第二标签；其中，所述知识图谱，用于采用相关的第二标签描述所述第一标签；

和/或，对每一个所述第一标签，查询关注点图谱；将共现概率大于阈值的标签作为相关的第二标签；其中，所述关注点图谱，用于指示各标签之间的共现概率。

4.根据权利要求1－3任一项所述的确定方法，其特征在于，所述将所述第一标签和所述第二标签作为候选标签提取排序特征，包括：

根据各候选标签指示的实体在所述视频的内容帧中的呈现信息，确定所述排序特征；

和/或，根据各候选标签指示的实体在所述视频的封面帧中的呈现信息，确定所述排序特征。

5.根据权利要求4所述的确定方法，其特征在于，所述根据各候选标签指示的实体在所述视频的内容帧中的呈现信息，确定所述排序特征，包括：

对每一个候选标签，确定呈现有相应实体的内容帧的帧数；

根据所述帧数，确定所述排序特征。

6.根据权利要求4所述的确定方法，其特征在于，所述根据各候选标签指示的实体在所述视频的封面帧中的呈现信息，确定所述排序特征，包括：

对每一个候选标签，确定在所述封面帧中相应实体的面积占比；

根据所述面积占比，确定所述排序特征。

7.根据权利要求1－3任一项所述的确定方法，其特征在于，所述将所述第一标签和所述第二标签作为候选标签提取排序特征，包括：

对每一个候选标签，根据与其余候选标签之间的关联关系，确定排序特征。

8.根据权利要求1－3任一项所述的确定方法，其特征在于，所述将所述第一标签和所述第二标签作为候选标签提取排序特征，包括：

对每一个候选标签，根据相应候选标签的来源；其中，所述来源包括视频的标题、图像内容、文本内容、用户标注信息、视频分类信息和/或图谱；

根据各来源的可信度，确定排序特征。

9.一种视频标签的确定装置，其特征在于，所述装置包括：

识别模块，用于对视频进行主题识别，得到第一标签；其中，所述第一标签是根据所述视频的标题、图像内容、文本内容、用户标注信息和视频分类中的多个确定的；

查询模块，用于根据所述第一标签，查询相关的第二标签；

提取模块，用于将所述第一标签和所述第二标签作为候选标签提取排序特征；

排序模块，用于根据所述排序特征，对各候选标签排序；

确定模块，用于根据排序从所述各候选标签中，确定所述视频的目标标签。

10.一种计算机设备，其特征在于，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，所述处理器执行所述程序时，实现如权利要求1－8中任一所述的视频标签的确定方法。

11.一种非临时性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1－8中任一所述的视频标签的确定方法。

Images