CN112019920B - 视频推荐方法、装置、系统和计算机设备 - Google Patents

视频推荐方法、装置、系统和计算机设备 Download PDF

Info

Publication number
CN112019920B
CN112019920B CN201910475185.4A CN201910475185A CN112019920B CN 112019920 B CN112019920 B CN 112019920B CN 201910475185 A CN201910475185 A CN 201910475185A CN 112019920 B CN112019920 B CN 112019920B
Authority
CN
China
Prior art keywords
video
alternative
information
clip
target
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.)
Active
Application number
CN201910475185.4A
Other languages
English (en)
Other versions
CN112019920A (zh
Inventor
郑海源
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.)
Shenzhen Yayue Technology Co ltd
Original Assignee
Shenzhen Yayue 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 Shenzhen Yayue Technology Co ltd filed Critical Shenzhen Yayue Technology Co ltd
Priority to CN201910475185.4A priority Critical patent/CN112019920B/zh
Publication of CN112019920A publication Critical patent/CN112019920A/zh
Application granted granted Critical
Publication of CN112019920B publication Critical patent/CN112019920B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/44016—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving splicing one content stream with another content stream, e.g. for substituting a video clip
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/4508—Management of client data or end-user data
    • H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, preferences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/835—Generation of protective data, e.g. certificates
    • H04N21/8352—Generation of protective data, e.g. certificates involving content or source identification data, e.g. Unique Material Identifier [UMID]

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请涉及一种视频推荐方法、装置、系统和计算机设备，该方法包括：获取视频信息和用户信息；获取用户信息对应的用户喜好视频标签；拉取视频信息对应的视频中各备选视频片段的备选标签；基于用户喜好视频标签从备选标签中选取目标标签，并根据各目标标签对应的目标视频片段生成剪辑序列；推荐剪辑序列。采用本申请提供的方案，使得不同的用户均可以通过观看视频中与自己的个人喜好相关的视频片段，准确地选取自己喜好的影片进行观看，提高了视频推荐的推荐效率。

Description

视频推荐方法、装置、系统和计算机设备
技术领域
本申请涉及计算机技术领域，特别是涉及一种视频推荐方法、装置、系统和计算机设备。
背景技术
随着计算机技术的发展，出现了各种各样的视频应用程序，用户可以下载视频应用程序到终端，通过视频应用程序观看各种各样的电影、电视剧、综艺等等。但是，视频应用程序中往往含有大量的影片可以观看，用户需要从大量的影片中去筛选自己喜好的影片。这样便提高了通过视频应用程序观看影片的时间成本。
于是，各种各样的视频应用程序增加了视频推荐的功能。人们可以直接在视频应用程序的视频推荐区域观看各种影片的精彩短片，精彩短片例如预告片。精彩短片是通过人工剪辑的方式预先从整段影片中剪辑出来的。这样人们便可以通过观看精彩短片大概了解影片的剧情，然后决定是否观看完整视频。
然而，传统的视频推荐方法中，由于精彩短片中所包含的视频片段往往是根据剪辑视频的工作人员的个人感受倾向来选取的，因此，用户便无法根据精彩短片来准确地选取自己喜好的影片进行观看，使得视频推荐的推荐效率低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高推荐效率的视频推荐方法、装置、系统和计算机设备。
一种视频推荐方法，包括：
获取视频信息和用户信息；
获取所述用户信息对应的用户喜好视频标签；
拉取所述视频信息对应的视频中各备选视频片段的备选标签；
基于所述用户喜好视频标签从所述备选标签中选取目标标签，并根据各所述目标标签对应的目标视频片段生成剪辑序列；
推荐所述剪辑序列。
一种视频推荐装置，包括：
信息获取模块，用于获取视频信息和用户信息；
喜好标签获取模块，获取所述用户信息对应的用户喜好视频标签；
备选标签拉取模块，用于拉取所述视频信息对应的视频中各备选视频片段的备选标签；
剪辑序列生成模块，用于基于所述用户喜好视频标签从所述备选标签中选取目标标签，并根据各所述目标标签对应的目标视频片段生成剪辑序列；
剪辑序列推荐模块，用于推荐所述剪辑序列。
一种视频推荐方法，包括：
当视频推荐指令被触发时，获取所述视频推荐指令对应的视频信息和用户信息；
获取所述视频信息所对应视频的剪辑序列；所述剪辑序列是基于所述用户信息对应的用户喜好视频标签生成的；所述剪辑序列包括所述视频中多于一个的目标视频片段的标识信息；
按照所述剪辑序列对各所述标识信息所对应的目标视频片段进行播放。
一种视频推荐装置，包括：
信息获取模块，用于当视频推荐指令被触发时，获取所述视频推荐指令对应的视频信息和用户信息；
剪辑序列获取模块，用于获取所述视频信息所对应视频的剪辑序列；所述剪辑序列是基于所述用户信息对应的用户喜好视频标签生成的；所述剪辑序列包括所述视频中多于一个的目标视频片段的标识信息；
视频片段播放模块，用于按照所述剪辑序列对各所述标识信息所对应的目标视频片段进行播放。
一种视频推荐系统，包括：
离线剪辑系统，用于将视频划分为多于一个的备选视频片段，并确定各所述备选视频片段的备选标签；
基础服务系统，用于对所述视频、各所述备选视频片段在所述视频中的位置信息和各所述备选视频片段的备选标签进行存储；
实时推荐系统，用于获取用户信息对应的用户喜好视频标签，基于所述用户喜好视频标签从所述视频的所述备选标签中选取目标标签；根据各所述目标标签对应的目标视频片段生成剪辑序列；推荐所述剪辑序列。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行时实现上述方法的步骤。
上述视频推荐方法、装置、系统和计算机设备，获取用户信息对应的用户喜好视频标签，基于用户喜好视频标签从视频的备选标签中选取目标标签，使得选取的目标标签所对应的目标视频片段是与用户的个人喜好倾向相关的视频片段。对根据目标视频片段生成的剪辑序列进行推荐，使得不同的用户均可以通过观看视频中与自己的个人喜好相关的视频片段，准确地选取自己喜好的影片进行观看，提高了视频推荐的推荐效率。
附图说明
图1为一个实施例中计算机设备的结构框图；
图2为一个实施例中视频推荐方法的应用环境图；
图3为一个实施例中视频推荐方法的流程示意图；
图4为另一个实施例中视频推荐方法的流程示意图；
图5为一个实施例中视频推荐界面的界面示意图；
图6为再一个实施例中视频推荐方法的流程示意图；
图7为再一个实施例中视频推荐方法的流程示意图；
图8为一个实施例中视频推荐装置的结构框图；
图9为另一个实施例中视频推荐装置的结构框图；
图10为一个实施例中视频推荐系统的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
如图1所示的计算机设备，包括存储器和处理器，存储器中存储有计算机程序。计算机程序被处理器执行时，可以实现本申请提供的视频推荐方法的步骤。该计算机设备可以是终端，也可以是服务器。可以理解的是，当计算机设备为终端时，该计算机设备还可以包括显示屏和输入装置等。其中，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
如图2所示，计算机程序实现一种计算机软件系统，该计算机软件系统包括离线剪辑系统201、基础服务系统202和实时推荐系统203。
离线剪辑系统201用于将视频划分为多于一个的备选视频片段，并确定各备选视频片段的备选标签；基础服务系统202用于对视频、各备选视频片段在视频中的位置信息和各备选视频片段的备选标签进行存储；基础服务系统202用于获取用户信息对应的用户喜好视频标签，基于用户喜好视频标签从视频的备选标签中选取目标标签；根据各目标标签对应的目标视频片段生成剪辑序列；推荐剪辑序列。
如图3所示，在一个实施例中，提供了一种视频推荐方法。本实施例主要以该方法应用于上述图1中的计算机设备来举例说明。参照图3，该视频推荐方法具体包括如下步骤：
S302，获取视频信息和用户信息。
其中，视频信息指与需要生成剪辑序列的视频相关联的信息。例如，视频信息具体可以是用于标识需要生成剪辑序列的视频的标志性信息。用户信息指与当前登录用户相关联的信息。例如，用户信息具体可以是用于标识当前登录用户的标志性信息。
具体地，计算机设备的实时推荐系统可以接收视频推荐请求，视频推荐请求携带有视频信息和用户信息。当计算机设备的实时推荐系统接收到视频推荐请求时，可以从视频推荐请求中获取视频信息和用户信息。进一步地，视频信息具体可以是视频的标识信息，视频的标识信息具体可以是视频的唯一标识，例如视频名称或视频编号等。视频的标识信息还可以是视频的视频类型、导演信息和演员信息中的至少一种。用户信息具体可以是用户的标识信息，用户的标识信息具体可以是用户的唯一标识，例如用户账号或用户昵称等。
在一个实施例中，当视频信息为视频的唯一标识时，计算机设备可以直接确定视频的唯一标识对应的视频内容。当视频信息为视频的视频类型时，计算机设备可以将该视频类型所包括的视频作为备选视频；当视频信息为视频的导演信息时，计算机设备可以将该导演信息所对应的视频作为备选视频；当视频信息为视频的演员信息时，计算机设备可以将该演员信息所对应的视频作为备选视频。计算机设备可以从备选视频中筛选出推荐指数最高的备选视频作为需要生成剪辑序列的视频。推荐指数最高的视频例如可以是被观看次数最高的备选视频或者被收藏次数最高的备选视频等。
S304，获取用户信息对应的用户喜好视频标签。
其中，用户喜好视频标签指的是与用户喜欢的视频相关的标签。标签用于标识视频中的视频片段的特征，例如标签“打斗”指视频的某个视频片段的特征为打斗；、标签“赛车”指视频的某个视频片段的特征为赛车；标签“跳跃”指视频的某个视频片段的特征为跳跃。
具体地，计算机设备的基础服务系统可以预先与各个用户的用户信息对应存储有用户喜好数据。用户喜好数据中可以包括用户信息所对应用户所喜好视频的相关数据。计算机设备的实时推荐系统可以从基础服务系统拉取用户喜好数据，按照用户喜好数据确定用户喜好视频标签。
在一个实施例中，计算机设备的基础服务系统可以预先按照各个用户的用户喜好数据确定各个用户的用户喜好视频标签，并将各个用户的用户信息与相应的用户喜好视频标签进行对应存储。这样，计算机设备的实时推荐系统便可以直接从基础服务系统获取与用户信息对应存储的用户喜好视频标签。
S306，拉取视频信息对应的视频中各备选视频片段的备选标签。
其中，备选视频片段指需要生成剪辑序列的视频所包含的视频片段。备选标签指各个备选视频片段的标签。
具体地，计算机设备的离线剪辑系统预先确定了多个视频各自所包含的各个备选视频片段的备选标签，并将与确定的备选标签相关的信息均存储至基础服务系统中。与确定的备选标签相关的信息具体可以包括各个视频的视频内容、各个备选视频片段在所属视频中的位置信息和各个备选视频片段的备选标签。
计算机设备的实时推荐系统确定视频信息所对应的需要生成剪辑序列的视频，并从基础服务系统中查找视频信息所对应的需要生成剪辑序列的视频。计算机设备从基础服务系统拉取查找到的视频信息所对应视频的所有备选视频片段的备选标签。进一步地，视频信息所对应视频中的各个备选视频片段，可以根据基础服务系统中记录的各个备选视频片段在视频信息所对应视频中的位置信息确定。
S308，基于用户喜好视频标签从备选标签中选取目标标签，并根据各目标标签对应的目标视频片段生成剪辑序列。
其中，目标标签是视频信息所对应的视频中用于生成剪辑序列的视频片段的标签。目标视频片段指视频信息所对应的视频中用于生成剪辑序列的视频片段。
具体地，计算机设备的实时推荐系统可以基于用户喜好视频标签对备选标签进行筛选，从备选标签中筛选出目标标签。可以理解的是，目标标签的数量小于备选标签。计算机设备的实时推荐系统可以确定选取的目标标签所对应的目标视频片段。目标标签所对应的目标视频片段，具体可以根据基础服务系统中记录的各个目标视频片段在视频信息所对应视频中的位置信息确定。计算机设备的实时推荐系统根据确定的目标视频片段生成剪辑序列。
在一个实施例中，计算机设备的实时推荐系统可以从视频信息所对应视频的备选视频片段中，提取出选取的目标标签所对应的目标视频片段。这样，计算机设备的实时推荐系统便可以直接按照目标视频片段生成剪辑序列。可以理解的是，按照目标视频片段生成的剪辑序列中，直接包含确定的多个目标视频片段。
在一个实施例中，由于计算机设备的离线剪辑系统在预先确定视频信息所对应视频所包含的各个备选视频片段的备选标签时，将与确定的备选标签相关的信息均存储在基础服务系统中，因此计算机设备的实时推荐系统可以直接从基础服务系统中提取与确定的目标标签相关的信息。计算机设备的实时推荐系统可以按照与目标标签相关的信息生成剪辑序列，与目标标签相关的信息可以是各目标标签对应的目标视频片段的标识信息。可以理解的是，按照与目标标签相关的信息生成的剪辑序列中，包含与各个目标视频片段的目标标签相关的信息。
在一个实施例中，生成的剪辑序列中所对应的各个目标视频片段的顺序，可以是计算机设备的实时推荐系统按照各个目标视频片段在所属视频中的时间顺序确定的。例如视频A包括n个备选视频片段，各备选视频片段按照在视频A中的时间先后顺序进行排序，如下：备选视频片段A1、备选视频片段A2、备选视频片段A3、备选视频片段A4、……、备选视频片段An。比如计算机设备的实时推荐系统从n个备选视频片段中确定的目标视频片段为：备选视频片段A9、备选视频片段A3、备选视频片段A10、备选视频片段A20、备选视频片段A17。
计算机设备的实时推荐系统按照备选视频片段A3、备选视频片段A9、备选视频片段A10、备选视频片段A17和备选视频片段A20在视频A中的时间先后顺序，确定生成的剪辑序列中所对应的各个目标视频片段的顺序，如下：备选视频片段A3、备选视频片段A9、备选视频片段A10、备选视频片段A17、备选视频片段A20。当然，剪辑序列中所对应的各个目标视频片段的顺序也可以是计算机设备的实时推荐系统随机确定的。
在一个实施例中，生成的剪辑序列中所对应的各个目标视频片段的顺序，可以是计算机设备的实时推荐系统按照各个目标视频片段的权重的大小顺序确定的。各个目标视频片段的权重可以是计算机设备的实时推荐系统基于用户喜好视频标签确定的。例如用户喜好视频标签为“跳跃”和“打斗”，目标视频片段A的目标标签为“跳跃”和“打斗”，目标视频片段B的目标标签为“打斗”，则目标视频片段A的权重大于目标视频片段B的权重。因此，计算机设备的实时推荐系统生成的剪辑序列中，所对应的目标视频片段A的顺序在目标视频片段B之前。
S310，推荐剪辑序列。
具体地，当计算机设备为终端时，计算机设备的实时推荐系统在相应的视频推荐界面推荐该剪辑序列，并按照该剪辑序列中对应目标视频片段的顺序对目标视频片段进行播放。当计算机设备为服务器时，计算机设备的实时推荐系统将生成的剪辑序列发送至用户终端，接收到剪辑序列的用户终端在相应的视频推荐界面推荐该剪辑序列，并按照该剪辑序列中对应目标视频片段的顺序对目标视频片段进行播放。
在一个实施例中，若剪辑序列是按照目标视频片段生成的，则终端可以直接对剪辑序列进行播放。若剪辑序列是按照与目标标签相关的信息生成的，则终端需要根据剪辑序列中与各个目标视频片段的目标标签相关的信息，从视频信息所对应的视频中提取出各个目标视频片段，并按照各个目标视频片段在剪辑序列中的顺序播放各个目标视频片段。
上述视频推荐方法，获取用户信息对应的用户喜好视频标签，基于用户喜好视频标签从视频的备选标签中选取目标标签，使得选取的目标标签所对应的目标视频片段是与用户的个人喜好倾向相关的视频片段。对根据目标视频片段生成的剪辑序列进行推荐，剪辑序列用于对选取的目标视频片段进行播放，使得不同的用户均可以通过观看视频中与自己的个人喜好相关的视频片段，准确地选取自己喜好的影片进行观看，提高了视频推荐的推荐效率。
在一个实施例中，获取用户信息对应的用户喜好视频标签包括：拉取与用户信息对应的参考数据；参考数据包括历史观看视频数据和喜好视频数据中的至少一种；获取与参考数据相关的参考视频的参考标签；基于参考标签生成用户信息对应的用户喜好视频标签。
其中，参考数据指与用户信息对应的用户相关联且用于参考的数据，通过参考该数据可以推测出用户喜好的视频。参考视频指与参考数据相关联且用于参考的视频，通过参考该视频的参考标签可以推测出用户喜好视频标签。参考标签指参考视频中各个参考视频片段的标签。
具体地，计算机设备的基础服务系统中预先存储有与用户信息对应的参考数据，计算机设备的实时推荐系统可以直接从计算机设备的基础服务系统中拉取与用户信息对应存储的参考数据。例如用户信息为用户账号，则计算机设备的实时推荐系统可以直接从计算机设备的基础服务系统中拉取与用户账号对应存储的参考数据。可以理解的是，基础服务系统中的每一个用户账号都是唯一存在的。
用户信息对应的参考数据可以包括用户的历史观看视频数据和喜好视频数据中的至少一种。例如参考数据中既包括用户的历史观看视频数据，也包括用户的喜好视频数据，则与参考数据相关的参考视频便为用户的历史观看视频和喜好视频。计算机设备的基础服务系统中可以存储有用户的各个参考视频中各个参考视频片段的参考标签。计算机设备的实时推荐系统可以从计算机设备的基础服务系统获取各个参考视频的参考标签。基于参考标签生成用户信息对应的用户喜好视频标签。
在一个实施例中，基于参考标签生成的用户喜好视频标签，可以是计算机设备的实时推荐系统将参考标签输入已训练的喜好标签生成模型得到的。喜好标签生成模型接收到参考标签后，对参考标签进行协同过滤处理，得到用户信息所对应用户的用户喜好视频标签。
在一个实施例中，参考数据还可以包括与用户信息相关联的其他数据，例如与用户信息所对应用户的好友列表中，与该用户最常互动的好友的历史观看视频数据和喜好视频数据中的至少一种。当然，与该用户最常互动的好友的历史观看视频和喜好视频也属于与参考数据相关的参考视频。
上述实施例中，基于与参考数据相关的参考视频的参考标签，生成了与用户信息所对应用户的用户喜好视频标签。由于用户喜好视频标签是基于包括历史观看视频数据和喜好视频数据中的至少一种参考数据得到的，使得生成的用户喜好视频标签与用户信息所对应用户的喜好相符，这样基于与用户信息所对应用户的喜好相符的用户喜好视频标签，可以得到更加准确的剪辑序列。
在一个实施例中，基于用户喜好视频标签从备选标签中选取目标标签，并根据各目标标签对应的目标视频片段生成剪辑序列包括：确定各备选标签与用户喜好视频标签间的相关度；按照筛选条件并基于相关度从各备选标签中选取目标标签；从备选视频片段中提取各目标标签对应的目标视频片段；按照各目标视频片段在视频中的标识信息生成剪辑序列。
其中，目标标签指用于生成剪辑序列的目标视频片段的标签。目标视频片段指备选视频片段中用于生成剪辑序列的视频片段。
具体地，计算机设备的实时推荐系统可以计算每一个备选标签与各个用户喜好视频标签间的相似度，基于各个备选标签与各个用户喜好视频标签间的相似度，来确定各个备选标签与用户喜好视频标签间整体的相关度。例如各个用户喜好视频标签中存在与备选标签A相似度达到100％的备选标签，则可以直接确定备选标签A与用户喜好视频标签间整体的相关度为100％。例如各个用户喜好视频标签与备选标签B的相似度均为0％，则可以直接确定备选标签B与用户喜好视频标签间整体的相关度为0％。
计算机设备的实时推荐系统确定筛选条件，按照筛选条件并基于确定的各个备选标签与用户喜好视频标签的相关度从备选标签中选取目标标签。筛选条件具体可以为与用户喜好标签的相关度达到某个相关度阈值。例如筛选条件为“与用户喜好标签的相关度为100％”时，则计算机设备的实时推荐系统选取与用户喜好视频标签的相关度为100％的备选标签作为目标标签。例如筛选条件为“与用户喜好标签的相关度大于或等于90％”时，则计算机设备的实时推荐系统选取与用户喜好视频标签的相关度大于或等于90％的备选标签作为目标标签。
当然，筛选条件还可以为目标标签的数量阈值。例如筛选条件为“20个目标标签”时，则计算机设备的实时推荐系统从与用户喜好视频标签的相关度最高的备选标签开始，由高到低地选取20个备选标签作为目标标签。筛选条件还可以为剪辑序列对应的目标视频片段的总时长。例如筛选条件为“总时长3分钟”，则计算机设备的实时推荐系统从与用户喜好视频标签的相关度最高的备选标签开始，由高到低地从备选标签中选取目标标签，直到已选取的目标标签对应目标视频片段的总时长达到3分钟时，结束选取。
计算机设备的实时推荐系统从备选视频片段中确定各目标标签对应的目标视频片段，并从计算机设备的基础服务系统拉取各个目标视频片段的标识信息。各个目标视频片段的标识信息具体可以为各目标视频片段在所属视频中的位置信息、目标标签或编号等。计算机设备的实时推荐系统按照各个目标视频片段的标识信息生成剪辑序列。
在一个实施例中，当各个目标视频片段的标识信息为各目标视频片段在所属视频中的位置信息时，计算机设备的实时推荐系统按照各个目标视频片段在所属视频中的位置信息生成剪辑序列。可以理解的是，生成的剪辑序列中包括各个目标视频片段在所属视频中的位置信息。
在一个实施例中，当各个目标视频片段的标识信息为各目标视频片段在所属视频中的目标标签时，计算机设备的实时推荐系统按照各个目标视频片段在所属视频中的目标标签生成剪辑序列。可以理解的是，生成的剪辑序列中包括各目标视频片段在所属视频中的目标标签。
在一个实施例中，当各个目标视频片段的标识信息为各目标视频片段在所属视频中的编号时，计算机设备的实时推荐系统按照各个目标视频片段在所属视频中的编号生成剪辑序列。可以理解的是，生成的剪辑序列中包括各目标视频片段在所属视频中的编号。
上述实施例中，基于各个备选标签与用户喜好标签的相关度，从备选标签中筛选出目标标签，按照目标标签对应目标视频片段的标识信息生成剪辑序列，使得生成的剪辑序列与用户喜好高度相关，对与用户喜好高度相关的剪辑序列进行推荐，提高了视频推荐的推荐效率。
在一个实施例中，该视频推荐方法还包括：将视频划分为多于一个的备选视频片段；提取各备选视频片段的特征信息，并基于特征信息确定各备选视频片段的备选标签；将视频、各备选视频片段在视频中的位置信息和各备选视频片段的备选标签进行存储。
具体地，计算机设备的离线剪辑系统预先将多个视频分别划分为多个备选视频片段。可以理解的是，对视频的划分可以不是实际的分割，只要记录各备选视频片段在所属视频中的位置信息即可。识别各个备选视频片段的特征信息，基于各备选视频片段的特征信息确定各备选视频片段的备选标签。例如备选视频片段A的特征信息为“火焰”，则计算机设备的离线剪辑系统可以将“火焰”直接确定为备选视频片段A的备选标签。
计算机设备的离线剪辑系统在对视频进行划分时，记录了各个备选视频片段在所属视频中的位置信息。位置信息可以为各备选视频片段在所属视频中的起始播放时刻和播放时长，或者各备选视频片段在所属视频中的起始播放时刻和结束播放时刻。计算机设备的离线剪辑系统将各个被划分视频的视频内容、各个备选视频片段在所属视频中的位置信息和各个备选视频片段的备选标签一起存储到基础服务系统中。
上述实施例中，预先对视频进行划分，得到视频的多个备选视频片段。基于各备选视频片段的特征为各个备选视频片段确定了备选标签。将视频、各所备选视频片段在视频中的位置信息和各备选视频片段的备选标签一起进行存储，这样在进行视频推荐时，便可以直接在视频的备选视频片段中筛选出目标视频片段，以生成用于推荐该视频的精彩短片的剪辑序列。提高了生成剪辑序列的效率。
在一个实施例中，将视频划分为多于一个的备选视频片段包括：对视频进行时序行为检测，得到用于对视频进行划分的行为划分点；按照行为划分点将视频划分为多于一个的备选视频片段；或者，对视频进行音频检测，得到用于对视频进行划分的音频划分点；按照音频划分点将视频划分为多于一个的备选视频片段。
其中，时序行为检测指检测视频中所发生的行为，并在视频中对所发生的行为进行定位的技术。音频检测指对视频中所产生的音频进行检测。
具体地，计算机设备的离线剪辑系统可以将视频输入已训练的时序行为检测模型，通过时序行为检测模型识别出视频中每一个行为视频片段的行为划分点，通过时序行为检测模型按照识别得到的行为划分点对输入的视频进行划分，通过划分确定该视频的多个备选视频片段。计算机设备的离线剪辑系统可以将视频输入已训练的音频检测模型，通过音频检测模型识别出视频中每一个音频视频片段的音频划分点，通过音频检测模型按照识别得到的音频划分点对输入的视频进行划分，通过划分确定该视频的多个备选视频片段。
在一个实施例中，行为划分点可以为视频中各行为视频片段在视频中的行为切换点，行为切换点具体可以为视频中行为突变的时刻。例如视频A中包括行为视频片段A1和行为视频片段A2，行为视频片段A1和行为视频片段A2为不同的两个行为。行为视频片段A1在视频A中的播放起始时刻为00:31(秒)，播放结束时刻为00:35，行为视频片段A2在视频A中的播放起始时刻为00:35，播放结束时刻为00:38，则行为视频片段A1与行为视频片段A2的行为切换点为时刻00:35，行为切换点00:35便为行为视频片段A1和行为视频片段A2在视频A中的行为划分点。
在一个实施例中，音频划分点可以为视频中各行为视频片段在视频中的音频切换点，音频切换点可以为视频中音频突变的时刻。例如视频A中包括音频视频片段A1和音频视频片段A2，音频视频片段A1和音频视频片段A2为不同的两个音频。音频视频片段A1在视频A中的播放起始时刻为00:31，播放结束时刻为00:35，音频视频片段A2在视频A中的播放起始时刻为00:35，播放结束时刻为00:38，则音频视频片段A1与音频视频片段A2的音频切换点为时刻00:35，行为切换点00:35便为音频视频片段A1和音频视频片段A2在视频A中的行为划分点。
上述实施例中，利用视频中发行为或音频确定视频中的划分点，直接按照划分点对视频进行划分，得到该视频的多个备选行为片段，提高了划分视频的划分效率。
在一个实施例中，提取各备选视频片段的特征信息，并基于特征信息确定各备选视频片段的备选标签包括：将各备选视频片段输入已训练的标签确定模型；通过标签确定模型识别各备选视频片段的特征信息；通过标签确定模型，基于特征信息确定各备选视频片段的备选标签。
具体地，计算机设备的离线剪辑系统将划分得到的各备选视频片段输入已训练的标签确定模型。可以理解的是，计算机设备的离线剪辑系统可以将整个视频直接输入标签确定模型，输入的视频中标记有各备选视频片段所在的位置；计算机设备的离线剪辑系统也可以将该视频的各备选视频片段分别输入标签确定模型。标签确定模型对输入的备选视频片段进行特征识别，得到各备选视频片段的特征信息。标签确定模型基于识别得到的特征信息确定各备选视频片段的备选标签。例如，标签确定模型识别得到备选视频片段A的特征信息为“赛车”，则标签确定模型可以直接将“赛车”确定为备选视频片段A的备选标签。
上述实施例中，直接将备选视频片段输入已训练的标签确定模型，便能直接得到已确定的各备选视频片段的备选标签，提高了备选标签的确定效率。
在一个实施例中，标签确定模型的训练过程包括以下步骤：将训练样本输入卷积神经网络模型；训练样本包括静态图片样本和对应的图片特征信息，以及视频样本和对应的视频特征信息；基于训练样本对卷积神经网络模型进行训练，直至符合训练停止条件时停止训练，得到标签确定模型。
其中，卷积神经网络(Convoluti onal Neural Networks，CNN)模型是一类包含卷积计算且具有深度结构的前馈神经网络(Feedforward Neural Networks)模型。
具体地，计算机设备的离线剪辑系统可以将已标记的训练样本输入卷积神经网络模型，已标记的训练样本包括静态图片样本和对应的图片特征信息，以及视频样本和对应的视频特征信息。计算机设备的离线剪辑系统利用动静结合的训练样本对卷积神经网络模型进行训练，直到符合训练停止条件时停止训练，训练完成的卷积神经网络模型便为标签确实模型。进一步地，训练停止条件可以是预设的训练停止条件。
在一个实施例中，训练停止条件可以是“训练样本已用尽”，这样，当计算机设备的离线剪辑系统检测到训练样本已全部使用完时，确定当前训练已符合训练停止条件。训练停止条件还可以是“训练次数已达到预设次数阈值”，这样，当计算机设备的离线剪辑系统检测到对于卷积神经网络模型的训练次数已达到预设次数阈值时，确定当前训练已符合训练停止条件。
训练停止条件还可以是“结果偏差值属于偏差阈值范围”，这样，计算机设备的离线剪辑系统检测卷积神经网络模型每次输出的特征信息与对应标准特征信息的偏差值，当该偏差值属于偏差阈值范围时，确定当前训练已符合训练停止条件。当然，训练停止条件还可以是其他的停止条件，在此不再一一赘述。
上述实施例中，基于卷积神经网络对模型进行训练得到标签确定模型，并且在符合训练停止条件时才停止训练，使得训练得到的标签确定模型的准确率高。
在一个实施例中，获取视频信息和用户信息包括：当视频推荐指令被触发时，获取视频推荐指令对应的视频信息和用户信息。该视频推荐方法还包括：按照剪辑序列中各目标视频片段的标识信息的顺序，对各目标视频片段进行播放。
其中，视频推荐指令指用于对视频进行推荐的指令。
具体地，当计算机设备为终端时，该终端可以安装有视频应用程序。该视频应用程序可以具有视频推荐界面。当计算机设备检测到当前显示界面为视频推荐界面时，可以自动触发视频推荐指令。当然，也可以在计算机设备检测到视频推荐界面的指定推荐按钮被触发时，触发视频推荐指令。
触发的视频推荐指令可以携带有视频推荐界面当前待推荐视频的视频信息和用户信息。当视频推荐指令被触发时，计算机设备可以直接从该视频推荐指令中获取对应的视频信息和用户信息。当然，触发的视频推荐指令也可以不携带有视频推荐界面当前待推荐视频的视频信息和用户信息，这样，当视频推荐指令被触发时，计算机设备可以确定视频应用程序当前登录用户的用户信息，以及从视频推荐界面确定当前待推荐视频，并获取待推荐视频的视频信息。视频信息例如可以是该视频的视频标识，用户信息例如可以是视频应用程序当前登录用户的用户账号。
各目标视频片段的标识信息具体可以是各目标视频片段在所属视频中的位置信息、目标标签或编号等。计算机设备按照剪辑序列中的标识信息从对应视频中查找各标识信息对应的目标视频片段，并对查找得到的目标视频片段进行播放。当然，各目标视频片段的标识信息可以就是各目标视频片段本身的片段内容，这样生成的剪辑序列便包括视频中的各个目标视频片段，计算机设备可以直接对剪辑序列进行播放。
上述实施例中，当视频推荐指令被触发时，获取该视频推荐指令对应的视频信息和用户信息，并获取待视频信息对应的剪辑序列。由于剪辑序列是基于该用户信息对应的用户喜好视频标签生成的，使得该剪辑序列所对应的目标视频片段是与用户的个人喜好倾向相关的视频片段。按照剪辑序列对各标识信息对应的目标视频片段进行播放，使得不同的用户均可以通过观看视频中与自己的个人喜好相关的视频片段，准确地选取自己喜好的影片进行观看，提高了视频推荐的推荐效率。
在一个实施例中，该视频推荐方法还包括：当偏好视频记录指令被触发时，将偏好视频记录指令对应视频的视频标识记录至当前登录用户的偏好视频列表中；当视频播放指令被触发时，对视频播放指令对应视频的完整内容进行播放。
其中，偏好视频记录指令指用于对用户的偏好视频进行记录的指令。视频播放指令指用于对视频进行播放的指令。
具体地，计算机设备的视频推荐界面可以设置有偏好视频记录按钮，当计算机设备检查到该偏好视频记录按钮被触发时，触发偏好视频记录指令。计算机设备将偏好视频记录指令对应视频的视频标识记录至当前登录用户的偏好视频列表中。计算机设备的视频推荐界面可以设置有视频播放按钮，当计算机设备检查到视频播放按钮被触发时，触发偏好视频播放指令。计算机设备对视频播放指令对应视频的完整内容进行播放。
在一个实施例中，计算机设备可以具有如图5所示的视频推荐界面500，该视频推荐界面的视频播放按钮可以如图5中的视频播放按钮501所示。该视频推荐界面的偏好视频记录按钮可以如图5中的偏好视频记录按钮502所示。该视频推荐界面还可以设置有下一视频片段播放按钮503。下一视频片段播放按钮503用于触发下一待推荐视频的视频推荐指令。
上述实施例中，通过偏好视频记录指令对用户喜好的视频进行记录，使得用户可以直接在偏好视频列表中查找喜欢的视频进行观看。通过视频播放指令对当前推荐的视频的正片进行完整播放，使得用户可以在观看完推荐视频的视频片段后，直接对该推荐视频的完整内容进行观看。
在一个实施例中，如图6所示，例如计算机设备为服务器，该视频推荐方法具体可以包括以下步骤：
S602，计算机设备的实时推荐系统获取视频信息和用户信息。
S604，计算机设备的实时推荐系统获取用户信息对应的用户喜好视频标签，并拉取视频信息对应的视频中各备选视频片段的备选标签。
S606，计算机设备的实时推荐系统根据用户喜好视频标签从备选标签中选取目标标签，按照目标标签对应目标视频片段的标识信息生成剪辑序列。
S608，计算机设备的实时推荐系统将剪辑序列推荐至指定终端。
S610，指定终端从视频信息对应视频的视频内容中提取剪辑序列中的各标识信息对应的目标视频片段。
S612，指定终端按照剪辑序列中各标识信息的顺序对各标识信息对应的目标视频片段进行推荐并播放。
在一个实施例中，如图4所示，还提供了一种视频推荐方法，包括：
S402，当视频推荐指令被触发时，获取视频推荐指令对应的视频信息和用户信息。
其中，视频推荐指令指用于对视频进行推荐的指令。
具体地，当计算机设备为终端时，该终端可以安装有视频应用程序。该视频应用程序可以具有视频推荐界面。当计算机设备检测到当前显示界面为视频推荐界面时，可以自动触发视频推荐指令。当然，也可以在计算机设备检测到视频推荐界面的指定推荐按钮被触发时，触发视频推荐指令。
触发的视频推荐指令可以携带有视频推荐界面当前待推荐视频的视频信息和用户信息。当视频推荐指令被触发时，计算机设备可以直接从该视频推荐指令中获取对应的视频信息和用户信息。当然，触发的视频推荐指令也可以不携带有视频推荐界面当前待推荐视频的视频信息和用户信息，这样，当视频推荐指令被触发时，计算机设备可以确定视频应用程序当前登录用户的用户信息，以及从视频推荐界面确定当前待推荐视频，并获取待推荐视频的视频信息。视频信息例如可以是该视频的视频标识，用户信息例如可以是视频应用程序当前登录用户的用户账号。
S404，获取视频信息所对应视频的剪辑序列；剪辑序列是基于用户信息对应的用户喜好视频标签生成的；剪辑序列包括视频中多于一个的目标视频片段的标识信息。
具体地，计算机设备获取该视频信息所对应视频的已生成的剪辑序列。该剪辑序列是计算机设备的实时推荐系统基于获取的视频信息和用户信息生成的。生成的剪辑序列可以包括视频中各个目标视频片段的标识信息。这样在计算机设备播放目标视频片段时，可以按照剪辑序列中的标识信息对应地去查找视频中的目标视频片段并播放。
进一步地，计算机设备的实时推荐系统生成剪辑序列的过程具体可以包括图3中的以下步骤：S304，获取用户信息对应的用户喜好视频标签；S306，拉取视频信息对应的视频中各备选视频片段的备选标签；S308，基于用户喜好视频标签从备选标签中选取目标标签，并根据各目标标签对应的目标视频片段生成剪辑序列。对于S304、S306和S308的具体阐述可以参照上述视频推荐方法中对于S304、S306和S308的具体阐述，再次不再一一赘述。
S406，按照剪辑序列对各标识信息所对应的目标视频片段进行播放。
具体地，各目标视频片段的标识信息具体可以是各目标视频片段在所属视频中的位置信息、目标标签或编号等。计算机设备按照剪辑序列中的标识信息从对应视频中查找各标识信息对应的目标视频片段，并对查找得到的目标视频片段进行播放。当然，各目标视频片段的标识信息可以就是各目标视频片段本身的片段内容，这样生成的剪辑序列便包括视频中的各个目标视频片段，计算机设备可以直接对剪辑序列进行播放。
上述实施例中，当视频推荐指令被触发时，获取该视频推荐指令对应的视频信息和用户信息，并获取待视频信息对应的剪辑序列。由于剪辑序列是基于该用户信息对应的用户喜好视频标签生成的，使得该剪辑序列所对应的目标视频片段是与用户的个人喜好倾向相关的视频片段。按照剪辑序列对各标识信息对应的目标视频片段进行播放，使得不同的用户均可以通过观看视频中与自己的个人喜好相关的视频片段，准确地选取自己喜好的影片进行观看，提高了视频推荐的推荐效率。
在一个实施例中，该视频推荐方法还包括：当偏好视频记录指令被触发时，将偏好视频记录指令对应视频的视频标识记录至当前登录用户的偏好视频列表中；当视频播放指令被触发时，对视频播放指令对应视频的完整内容进行播放。
其中，偏好视频记录指令指用于对用户的偏好视频进行记录的指令。视频播放指令指用于对视频进行播放的指令。
具体地，计算机设备的视频推荐界面可以设置有偏好视频记录按钮，当计算机设备检查到该偏好视频记录按钮被触发时，触发偏好视频记录指令。计算机设备将偏好视频记录指令对应视频的视频标识记录至当前登录用户的偏好视频列表中。计算机设备的视频推荐界面可以设置有视频播放按钮，当计算机设备检查到视频播放按钮被触发时，触发偏好视频播放指令。计算机设备对视频播放指令对应视频的完整内容进行播放。
在一个实施例中，计算机设备可以具有如图5所示的视频推荐界面500，该视频推荐界面的视频播放按钮可以如图5中的视频播放按钮501所示。该视频推荐界面的偏好视频记录按钮可以如图5中的偏好视频记录按钮502所示。该视频推荐界面还可以设置有下一视频片段播放按钮503。下一视频片段播放按钮503用于触发下一待推荐视频的视频推荐指令。
上述实施例中，通过偏好视频记录指令对用户喜好的视频进行记录，使得用户可以直接在偏好视频列表中查找喜欢的视频进行观看。通过视频播放指令对当前推荐的视频的正片进行完整播放，使得用户可以在观看完推荐视频的视频片段后，直接对该推荐视频的完整内容进行观看。
在一个实施例中，如图7所示，该视频推荐方法具体可以包括以下步骤：
S702，当计算机设备检测到进入视频推荐界面时，触发视频推荐指令。
S704，根据视频推荐指令确定视频推荐界面中的待推荐视频，按照待推荐视频的剪辑序列对待推荐视频中的目标视频片段进行播放。
S706，当视频推荐界面中的视频播放按钮被触发时，对当前推荐视频的完整内容进行播放。
S708，当视频推荐界面中的偏好视频记录按钮被触发时，将当前推荐视频的视频标识记录至当前登录用户的偏好视频列表中。
S710，当视频推荐界面中的下一视频片段播放按钮被触发时，触发下一待推荐视频的视频推荐指令，并继续执行步骤S704。
图3、4、6和7为一个实施例中视频推荐方法的流程示意图。应该理解的是，虽然图3、4、6和7的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图3、4、6和7中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图8所示，提供了一种视频推荐装置800，包括信息获取模块801、喜好标签获取模块802、备选标签拉取模块803、剪辑序列生成模块804和剪辑序列推荐模块805，其中：
信息获取模块801，用于获取视频信息和用户信息。
喜好标签获取模块802，获取用户信息对应的用户喜好视频标签。
备选标签拉取模块803，用于拉取视频信息对应的视频中各备选视频片段的备选标签。
剪辑序列生成模块804，用于基于用户喜好视频标签从备选标签中选取目标标签，并根据各目标标签对应的目标视频片段生成剪辑序列。
剪辑序列推荐模块805，用于推荐剪辑序列。
上述实施例中，通过视频推荐装置获取用户信息对应的用户喜好视频标签，基于用户喜好视频标签从视频的备选标签中选取目标标签，使得选取的目标标签所对应的目标视频片段是与用户的个人喜好倾向相关的视频片段。对根据目标视频片段生成的剪辑序列进行推荐，使得不同的用户均可以通过观看视频中与自己的个人喜好相关的视频片段，准确地选取自己喜好的影片进行观看，提高了视频推荐的推荐效率。
在一个实施例中，喜好标签获取模块还用于拉取与用户信息对应的参考数据；参考数据包括历史观看视频数据和喜好视频数据中的至少一种；获取与参考数据相关的参考视频的参考标签；基于参考标签生成用户信息对应的用户喜好视频标签。
在一个实施例中，剪辑序列生成模块还用于确定各备选标签与用户喜好视频标签间的相关度；按照筛选条件并基于相关度从各备选标签中选取目标标签；从备选视频片段中确定各目标标签对应的目标视频片段；按照各目标视频片段在视频中的标识信息生成剪辑序列。
在一个实施例中，视频推荐装置800还包括离线剪辑模块，用于将视频划分为多于一个的备选视频片段；提取各备选视频片段的特征信息，并基于特征信息确定各备选视频片段的备选标签；将视频、各备选视频片段在视频中的位置信息和各备选视频片段的备选标签进行存储。
在一个实施例中，离线剪辑模块还用于对视频进行时序行为检测，得到用于对视频进行划分的行为划分点；按照行为划分点将视频划分为多于一个的备选视频片段；或者，对视频进行音频检测，得到用于对视频进行划分的音频划分点；按照音频划分点将视频划分为多于一个的备选视频片段。
在一个实施例中，离线剪辑模块还用于将各备选视频片段输入已训练的标签确定模型；通过标签确定模型识别各备选视频片段的特征信息；通过标签确定模型，基于特征信息确定各备选视频片段的备选标签。
在一个实施例中，视频推荐装置800还包括模型训练模块，用于将训练样本输入卷积神经网络模型；训练样本包括静态图片样本和对应的图片特征信息，以及视频样本和对应的视频特征信息；基于训练样本对卷积神经网络模型进行训练，直至符合训练停止条件时停止训练，得到标签确定模型。
在一个实施例中，视频推荐装置800还包括视频推荐模块，用于当视频推荐指令被触发时，获取视频推荐指令对应的视频信息和用户信息；获取视频信息所对应视频的剪辑序列；剪辑序列是基于用户信息对应的用户喜好视频标签生成的；剪辑序列包括视频中多于一个的目标视频片段的标识信息；按照剪辑序列对各标识信息所对应的目标视频片段进行播放。
在一个实施例中，视频推荐模块还用于当偏好视频记录指令被触发时，将偏好视频记录指令对应视频的视频标识记录至当前登录用户的偏好视频列表中；当视频播放指令被触发时，对视频播放指令对应视频的完整内容进行播放。
在一个实施例中，如图9所示，还提供了一种视频推荐装置900，包括信息获取模块901、剪辑序列获取模块902和视频片段播放模块903，其中：
信息获取模块901，用于当视频推荐指令被触发时，获取视频推荐指令对应的视频信息和用户信息；
剪辑序列获取模块902，用于获取视频信息所对应视频的剪辑序列；剪辑序列是基于用户信息对应的用户喜好视频标签生成的；剪辑序列包括视频中多于一个的目标视频片段的标识信息；
视频片段播放模块903，用于按照剪辑序列对各标识信息所对应的目标视频片段进行播放。
在一个实施例中，视频推荐装置900还包括指令执行模块，用于当偏好视频记录指令被触发时，将偏好视频记录指令对应视频的视频标识记录至当前登录用户的偏好视频列表中；当视频播放指令被触发时，对视频播放指令对应视频的完整内容进行播放。
在一个实施例中，如图10所示，还提供了一种视频推荐系统1000，视频推荐系统1000包括离线剪辑系统1001、基础服务系统1002和实时推荐系统1003，其中：
离线剪辑系统1001，用于将视频划分为多于一个的备选视频片段，并确定各备选视频片段的备选标签。
基础服务系统1002，用于对视频、各备选视频片段在视频中的位置信息和各备选视频片段的备选标签进行存储。
实时推荐系统1003，用于获取用户信息对应的用户喜好视频标签，基于用户喜好视频标签从视频的备选标签中选取目标标签；根据各目标标签对应的目标视频片段生成剪辑序列；推荐剪辑序列。
在一个实施例中，离线剪辑系统1001还用于将视频划分为多于一个的备选视频片段；提取各备选视频片段的特征信息，并基于特征信息确定各备选视频片段的备选标签；将视频、各备选视频片段在视频中的位置信息和各备选视频片段的备选标签进行存储。
在一个实施例中，离线剪辑系统1001还用于对视频进行时序行为检测，得到用于对视频进行划分的行为划分点；按照行为划分点将视频划分为多于一个的备选视频片段；或者，对视频进行音频检测，得到用于对视频进行划分的音频划分点；按照音频划分点将视频划分为多于一个的备选视频片段。
在一个实施例中，离线剪辑系统1001还用于将各备选视频片段输入已训练的标签确定模型；通过标签确定模型识别各备选视频片段的特征信息；通过标签确定模型，基于特征信息确定各备选视频片段的备选标签。
在一个实施例中，离线剪辑系统1001还用于将训练样本输入卷积神经网络模型；训练样本包括静态图片样本和对应的图片特征信息，以及视频样本和对应的视频特征信息；基于训练样本对卷积神经网络模型进行训练，直至符合训练停止条件时停止训练，得到标签确定模型。
在一个实施例中，实时推荐系统1003还用于拉取与用户信息对应的参考数据；参考数据包括历史观看视频数据和喜好视频数据中的至少一种；获取与参考数据相关的参考视频的参考标签；基于参考标签生成用户信息对应的用户喜好视频标签。
在一个实施例中，实时推荐系统1003还用于确定各备选标签与用户喜好视频标签间的相关度；按照筛选条件并基于相关度从各备选标签中选取目标标签；从备选视频片段中确定各目标标签对应的目标视频片段；按照各目标视频片段在视频中的标识信息生成剪辑序列。
在一个实施例中，实时推荐系统1003还用于当视频推荐指令被触发时，获取视频推荐指令对应的视频信息和用户信息；获取视频信息所对应视频的剪辑序列；剪辑序列是基于用户信息对应的用户喜好视频标签生成的；剪辑序列包括视频中多于一个的目标视频片段的标识信息；按照剪辑序列对各标识信息所对应的目标视频片段进行播放。
在一个实施例中，实时推荐系统1003还用于当偏好视频记录指令被触发时，将偏好视频记录指令对应视频的视频标识记录至当前登录用户的偏好视频列表中；当视频播放指令被触发时，对视频播放指令对应视频的完整内容进行播放。
图1示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是终端，也可以是服务器。可以理解的是，当计算机设备为终端时，该计算机设备还可以包括显示屏和输入装置等。如图1所示，该计算机设备包括通过系统总线连接的处理器和存储器。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现视频推荐方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行视频推荐方法。当计算机设备为终端时，计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图1中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述视频推荐方法的步骤。此处视频推荐方法的步骤可以是上述各个实施例的视频推荐方法中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述视频推荐方法的步骤。此处视频推荐方法的步骤可以是上述各个实施例的视频推荐方法中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (25)

1.一种视频推荐方法，包括：
获取视频推荐指令对应的当前推荐视频的视频信息和用户信息；所述视频推荐指令是在显示的页面为视频推荐界面时触发得到的；
拉取与所述用户信息对应的参考数据；所述参考数据包括历史观看视频数据和喜好视频数据；所述喜好视频数据包括已记录至当前登录用户的偏好视频列表中的视频标识；
获取与所述参考数据相关的参考视频的参考标签，并基于所述参考标签生成所述用户信息对应的用户喜好视频标签；
拉取所述当前推荐视频的视频信息对应的视频中各备选视频片段的备选标签；所述备选视频片段是按照划分点对视频进行划分得到的视频片段；所述划分点包括行为划分点和音频划分点中的至少一种；所述备选标签是基于备选视频片段的特征信息确定得到的；
基于生成的所述用户喜好视频标签从所述备选标签中选取目标标签，并确定各目标标签对应的目标视频片段的标识信息；
根据各所述目标标签对应的目标视频片段的标识信息，生成包括标识信息的当前推荐视频的剪辑序列；所述用户喜好视频标签与目标视频片段的目标标签之间的重合程度越高，则相应的标识信息在所述剪辑序列中排序越前；
推荐所述当前推荐视频的剪辑序列；推荐的所述剪辑序列用于触发按照所述标识信息在所述剪辑序列中的排序，对标识信息所对应的目标视频片段进行播放；
当所述视频推荐界面中的偏好视频记录按钮被触发时，触发将当前推荐视频的视频标识实时记录至当前登录用户的偏好视频列表中。
2.根据权利要求1所述的方法，其特征在于，所述用户信息是指用于标识当前登录用户的标志性信息。
3.根据权利要求1所述的方法，其特征在于，所述基于所述当前推荐视频的用户喜好视频标签从所述备选标签中选取目标标签包括：
确定各所述备选标签与所述用户喜好视频标签间的相关度；
按照筛选条件并基于所述相关度从各所述备选标签中选取目标标签；
所述根据各所述目标标签对应的目标视频片段的标识信息，生成包括标识信息的当前推荐视频的剪辑序列，包括：
从所述备选视频片段中确定各所述目标标签对应的目标视频片段；
按照各所述目标视频片段在所述视频中的标识信息生成剪辑序列。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将视频划分为多于一个的备选视频片段；
提取各所述备选视频片段的特征信息，并基于所述特征信息确定各所述备选视频片段的备选标签；
将所述视频、各所述备选视频片段在所述视频中的位置信息和各所述备选视频片段的备选标签进行存储。
5.根据权利要求4所述的方法，其特征在于，所述将视频划分为多于一个的备选视频片段包括：
对视频进行时序行为检测，得到用于对所述视频进行划分的行为划分点；按照所述行为划分点将所述视频划分为多于一个的备选视频片段；
或者，对视频进行音频检测，得到用于对所述视频进行划分的音频划分点；按照所述音频划分点将所述视频划分为多于一个的备选视频片段。
6.根据权利要求4所述的方法，其特征在于，所述提取各所述备选视频片段的特征信息，并基于所述特征信息确定各所述备选视频片段的备选标签包括：
将各所述备选视频片段输入已训练的标签确定模型；
通过所述标签确定模型识别各所述备选视频片段的特征信息；
通过所述标签确定模型，基于所述特征信息确定各所述备选视频片段的备选标签。
7.根据权利要求6所述的方法，其特征在于，所述标签确定模型的训练过程包括以下步骤：
将训练样本输入卷积神经网络模型；所述训练样本包括静态图片样本和对应的图片特征信息，以及视频样本和对应的视频特征信息；
基于所述训练样本对所述卷积神经网络模型进行训练，直至符合训练停止条件时停止训练，得到标签确定模型。
8.根据权利要求1-7任一项所述的方法，其特征在于，所述获取视频推荐指令对应的当前推荐视频的视频信息和用户信息包括：
当视频推荐指令被触发时，获取所述视频推荐指令对应的当前推荐视频的视频信息和用户信息。
9.根据权利要求1-7任一项所述的方法，其特征在于，所述方法还包括：
当视频播放指令被触发时，对视频播放指令对应视频的完整内容进行播放。
10.一种视频推荐方法，包括：
当显示的页面为视频推荐界面时，触发视频推荐指令，获取所述视频推荐指令对应的当前推荐视频的视频信息和用户信息；
获取所述当前推荐视频的视频信息所对应视频的剪辑序列；所述当前推荐视频的剪辑序列，是基于所述用户信息对应的当前推荐视频的用户喜好视频标签从备选标签中选取目标标签,并根据各所述目标标签对应的目标视频片段生成的；所述当前推荐视频的用户喜好视频标签,是基于参考标签生成的；所述参考标签是与参考数据相关的标签；所述参考数据，是与用户信息对应的、且包括历史观看视频数据和喜好视频数据的数据；所述喜好视频数据包括已记录至当前登录用户的偏好视频列表中的视频标识；所述用户喜好视频标签与目标视频片段的目标标签之间的重合程度越高，则相应的标识信息在所述剪辑序列中排序越前；所述剪辑序列包括所述视频中多于一个的目标视频片段的标识信息；所述备选标签是基于备选视频片段的特征信息确定得到的；所述备选视频片段是按照划分点对所述视频信息对应的视频进行划分得到的视频片段；所述划分点包括行为划分点和音频划分点中的至少一种；
按照所述当前推荐视频的剪辑序列中各所述标识信息的排序，对各所述标识信息所对应的目标视频片段进行播放；
当所述视频推荐界面中的偏好视频记录按钮被触发时，将当前推荐视频的视频标识实时记录至当前登录用户的偏好视频列表中。
11.根据权利要求10所述的方法，其特征在于，所述方法还包括：
当视频播放指令被触发时，对视频播放指令对应视频的完整内容进行播放。
12.一种视频推荐装置，包括：
信息获取模块，用于获取视频推荐指令对应的当前推荐视频的视频信息和用户信息；所述视频推荐指令是在显示的页面为视频推荐界面时触发得到的；
喜好标签获取模块，拉取与所述用户信息对应的参考数据；获取与所述参考数据相关的参考视频的参考标签，并基于所述参考标签生成所述用户信息对应的用户喜好视频标签；所述参考数据包括历史观看视频数据和喜好视频数据；所述喜好视频数据包括已记录至当前登录用户的偏好视频列表中的视频标识；
备选标签拉取模块，用于拉取所述当前推荐视频的视频信息对应的视频中各备选视频片段的备选标签；所述备选视频片段是按照划分点对视频进行划分得到的视频片段；所述划分点包括行为划分点和音频划分点中的至少一种；所述备选标签是基于备选视频片段的特征信息确定得到的；
剪辑序列生成模块，用于基于生成的所述用户喜好视频标签从所述备选标签中选取目标标签，并确定各目标标签对应的目标视频片段的标识信息；根据各所述目标标签对应的目标视频片段的标识信息，生成包括标识信息的当前推荐视频的剪辑序列；所述用户喜好视频标签与目标视频片段的目标标签之间的重合程度越高，则相应的标识信息在所述剪辑序列中排序越前；
剪辑序列推荐模块，用于推荐所述当前推荐视频的剪辑序列；推荐的所述剪辑序列用于触发按照所述标识信息在所述剪辑序列中的排序，对标识信息所对应的目标视频片段进行播放；当所述视频推荐界面中的偏好视频记录按钮被触发时，触发将当前推荐视频的视频标识实时记录至当前登录用户的偏好视频列表中。
13.根据权利要求12所述的装置，其特征在于，所述用户信息是指用于标识当前登录用户的标志性信息。
14.根据权利要求12所述的装置，其特征在于，所述剪辑序列生成模块还用于确定各所述备选标签与所述用户喜好视频标签间的相关度；按照筛选条件并基于所述相关度从各所述备选标签中选取目标标签；从所述备选视频片段中确定各所述目标标签对应的目标视频片段；按照各所述目标视频片段在所述视频中的标识信息生成剪辑序列。
15.根据权利要求12所述的装置，其特征在于，所述视频推荐装置还包括离线剪辑模块，用于将视频划分为多于一个的备选视频片段；提取各所述备选视频片段的特征信息，并基于所述特征信息确定各所述备选视频片段的备选标签；将所述视频、各所述备选视频片段在所述视频中的位置信息和各所述备选视频片段的备选标签进行存储。
16.根据权利要求15所述的装置，其特征在于，所述离线剪辑模块还用于对视频进行时序行为检测，得到用于对所述视频进行划分的行为划分点；按照所述行为划分点将所述视频划分为多于一个的备选视频片段；或者，对视频进行音频检测，得到用于对所述视频进行划分的音频划分点；按照所述音频划分点将所述视频划分为多于一个的备选视频片段。
17.根据权利要求15所述的装置，其特征在于，所述离线剪辑模块还用于将各所述备选视频片段输入已训练的标签确定模型；通过所述标签确定模型识别各所述备选视频片段的特征信息；通过所述标签确定模型，基于所述特征信息确定各所述备选视频片段的备选标签。
18.根据权利要求17所述的装置，其特征在于，所述视频推荐装置还包括模型训练模块，用于将训练样本输入卷积神经网络模型；所述训练样本包括静态图片样本和对应的图片特征信息，以及视频样本和对应的视频特征信息；基于所述训练样本对所述卷积神经网络模型进行训练，直至符合训练停止条件时停止训练，得到标签确定模型。
19.根据权利要求12-18任一项所述的装置，其特征在于，所述视频推荐装置还包括视频推荐模块，用于当视频推荐指令被触发时，获取所述视频推荐指令对应的视频信息和用户信息。
20.根据权利要求12-18任一项所述的装置，其特征在于，所述视频推荐模块还用于当视频播放指令被触发时，对视频播放指令对应视频的完整内容进行播放。
21.一种视频推荐装置，包括：
信息获取模块，用于当显示的页面为视频推荐界面时，触发视频推荐指令，获取所述视频推荐指令对应的当前推荐视频的视频信息和用户信息；
剪辑序列获取模块，用于获取所述当前推荐视频的视频信息所对应视频的剪辑序列；所述当前推荐视频的剪辑序列，是基于所述用户信息对应的当前推荐视频的用户喜好视频标签从备选标签中选取目标标签,并根据各所述目标标签对应的目标视频片段生成的；所述当前推荐视频的用户喜好视频标签,是基于参考标签生成的；所述参考标签是与参考数据相关的标签；所述参考数据，是与用户信息对应的、且包括历史观看视频数据和喜好视频数据的数据；所述喜好视频数据包括已记录至当前登录用户的偏好视频列表中的视频标识；所述用户喜好视频标签与目标视频片段的目标标签之间的重合程度越高，则相应的标识信息在所述剪辑序列中排序越前；所述剪辑序列包括所述视频中多于一个的目标视频片段的标识信息；所述备选标签是基于备选视频片段的特征信息确定得到的；所述备选视频片段是按照划分点对所述视频信息对应的视频进行划分得到的视频片段；所述划分点包括行为划分点和音频划分点中的至少一种；
视频片段播放模块，用于按照所述当前推荐视频的剪辑序列中各所述标识信息的排序，对各所述标识信息所对应的目标视频片段进行播放；当所述视频推荐界面中的偏好视频记录按钮被触发时，将当前推荐视频的视频标识实时记录至当前登录用户的偏好视频列表中。
22.根据权利要求21所述的装置，其特征在于，所述视频推荐装置还包括指令执行模块，用于当视频播放指令被触发时，对视频播放指令对应视频的完整内容进行播放。
23.一种视频推荐系统，包括：
离线剪辑系统，用于将视频划分为多于一个的备选视频片段，并确定各所述备选视频片段的备选标签；所述备选视频片段是按照划分点对视频进行划分得到的视频片段；所述划分点包括行为划分点和音频划分点中的至少一种；所述备选标签是基于备选视频片段的特征信息确定得到的；
基础服务系统，用于对所述视频、各所述备选视频片段在所述视频中的位置信息和各所述备选视频片段的备选标签进行存储；
实时推荐系统，用于获取视频推荐指令对应的当前推荐视频的视频信息和用户信息；所述视频推荐指令是在显示的页面为视频推荐界面时触发得到的；获取用户信息对应的当前推荐视频的用户喜好视频标签，基于所述用户喜好视频标签从所述视频的所述备选标签中选取目标标签；所述当前推荐视频的用户喜好视频标签,是基于参考标签生成的；所述参考标签是与参考数据相关的标签；所述参考数据，是与用户信息对应的、且包括历史观看视频数据和喜好视频数据的数据；所述喜好视频数据包括已记录至当前登录用户的偏好视频列表中的视频标识；根据各所述目标标签对应的目标视频片段的标识信息，生成包括标识信息的当前推荐视频的剪辑序列；推荐所述当前推荐视频的剪辑序列；推荐的所述剪辑序列用于触发终端按照所述标识信息在所述剪辑序列中的排序，对标识信息所对应的目标视频片段进行播放，且当所述视频推荐界面中的偏好视频记录按钮被触发时，触发将当前推荐视频的视频标识实时记录至当前登录用户的偏好视频列表中。
24.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至11中任一项所述方法的步骤。
25.一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，所述计算机程序被处理器执行时实现权利要求1至11中任一项所述的方法的步骤。
CN201910475185.4A 2019-05-31 2019-05-31 视频推荐方法、装置、系统和计算机设备 Active CN112019920B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910475185.4A CN112019920B (zh) 2019-05-31 2019-05-31 视频推荐方法、装置、系统和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910475185.4A CN112019920B (zh) 2019-05-31 2019-05-31 视频推荐方法、装置、系统和计算机设备

Publications (2)

Publication Number Publication Date
CN112019920A CN112019920A (zh) 2020-12-01
CN112019920B true CN112019920B (zh) 2023-04-14

Family

ID=73506388

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910475185.4A Active CN112019920B (zh) 2019-05-31 2019-05-31 视频推荐方法、装置、系统和计算机设备

Country Status (1)

Country Link
CN (1) CN112019920B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112399251B (zh) * 2020-12-02 2023-04-07 武汉四牧传媒有限公司 一种基于互联网云大数据视频剪辑方法及装置
CN113271478B (zh) * 2021-05-17 2023-01-10 北京大米科技有限公司 学习视频推荐方法、信息交互方法和装置
CN113423014B (zh) * 2021-06-08 2023-04-18 深圳康佳电子科技有限公司 一种播放信息的推送方法、装置、终端设备及存储介质
CN113536033A (zh) * 2021-07-12 2021-10-22 深圳康佳电子科技有限公司 一种多媒体资源的推荐方法及相关设备
CN113674833B (zh) * 2021-08-23 2024-02-06 成都拟合未来科技有限公司 健身视频生成方法、系统、终端及存储介质
CN113688260A (zh) * 2021-08-31 2021-11-23 维沃移动通信有限公司 视频推荐方法和装置
CN113965805A (zh) * 2021-10-22 2022-01-21 北京达佳互联信息技术有限公司 预测模型的训练方法及装置和目标视频剪辑方法及装置
CN114827709B (zh) * 2022-04-26 2024-03-01 北京达佳互联信息技术有限公司 一种视频展示方法、装置、电子设备及存储介质
CN115834959B (zh) * 2023-02-28 2023-04-28 北京奇树有鱼文化传媒有限公司 一种视频推荐信息确定方法、装置、电子设备和介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140101551A1 (en) * 2012-10-05 2014-04-10 Google Inc. Stitching videos into an aggregate video
CN105282565A (zh) * 2015-09-29 2016-01-27 北京奇艺世纪科技有限公司 一种视频推荐方法和装置
CN106604066B (zh) * 2016-12-13 2020-06-26 宁夏凯速德科技有限公司 改进的视频app中个性化推荐方法及系统
CN108810637A (zh) * 2018-06-12 2018-11-13 优视科技有限公司 视频播放方法、装置及终端设备
CN109587568A (zh) * 2018-11-01 2019-04-05 北京奇艺世纪科技有限公司 视频播放方法、装置、计算机可读存储介质

Also Published As

Publication number Publication date
CN112019920A (zh) 2020-12-01

Similar Documents

Publication Publication Date Title
CN112019920B (zh) 视频推荐方法、装置、系统和计算机设备
US11176213B2 (en) Systems and methods for identifying electronic content using video graphs
US10650861B2 (en) Video summarization and collaboration systems and methods
CN110213672B (zh) 视频生成、播放方法、系统、装置、存储介质和设备
US9641879B2 (en) Systems and methods for associating electronic content
US8583725B2 (en) Social context for inter-media objects
CN106415546B (zh) 用于在本地检测所消费视频内容的系统和方法
US8504918B2 (en) Identification of video segments
CN109660854B (zh) 视频推荐方法、装置、设备和存储介质
CN111131901B (zh) 处理长视频数据的方法、装置、计算机设备和存储介质
JP2006155384A (ja) 映像コメント入力・表示方法及び装置及びプログラム及びプログラムを格納した記憶媒体
CN111444415B (zh) 弹幕处理方法、服务器、客户端、电子设备及存储介质
CN107835439B (zh) 一种弹幕推送方法、电子设备以及计算机可读存储介质
CN111010619A (zh) 处理短视频数据的方法、装置、计算机设备和存储介质
CN107547922B (zh) 信息处理方法、装置、系统及计算机可读存储介质
KR102592904B1 (ko) 영상 요약 장치 및 방법
CN110891198B (zh) 视频播放提示、多媒体播放提示、弹幕处理方法和装置
US20170311015A1 (en) Content recommendation engine
CN109120996B (zh) 视频信息识别方法、存储介质及计算机设备
CN109842805B (zh) 视频看点的生成方法、装置、计算机设备及存储介质
US11212584B2 (en) Content recommendation system
CN114513686B (zh) 视频信息的确定方法、装置以及存储介质
CN102473178A (zh) 用于实现对媒体对象的组织的方法和计算机程序产品
CN112822540B (zh) 互动视频中的互动行为记录方法、装置和计算机设备
CN113127684B (zh) 一种基于用户兴趣和交互行为的短视频生成方法

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: 20221118

Address after: 1402, Floor 14, Block A, Haina Baichuan Headquarters Building, No. 6, Baoxing Road, Haibin Community, Xin'an Street, Bao'an District, Shenzhen, Guangdong 518100

Applicant after: Shenzhen Yayue Technology Co.,Ltd.

Address before: 518000 Tencent Building, No. 1 High-tech Zone, Nanshan District, Shenzhen City, Guangdong Province, 35 Floors

Applicant before: TENCENT TECHNOLOGY (SHENZHEN) Co.,Ltd.

GR01 Patent grant
GR01 Patent grant