CN112464027A - 一种视频检测方法、装置及存储介质 - Google Patents

一种视频检测方法、装置及存储介质 Download PDF

Info

Publication number
CN112464027A
CN112464027A CN201910843071.0A CN201910843071A CN112464027A CN 112464027 A CN112464027 A CN 112464027A CN 201910843071 A CN201910843071 A CN 201910843071A CN 112464027 A CN112464027 A CN 112464027A
Authority
CN
China
Prior art keywords
video
user
rate
videos
tag
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
Application number
CN201910843071.0A
Other languages
English (en)
Inventor
白雪峰
程文文
白肇强
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.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen 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 Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN201910843071.0A priority Critical patent/CN112464027A/zh
Publication of CN112464027A publication Critical patent/CN112464027A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/7867Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title and artist information, manually generated time, location and usage information, user ratings
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73Querying
    • G06F16/735Filtering based on additional data, e.g. user or group profiles

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Library & Information Science (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本发明实施例公开一种视频检测方法、装置及存储介质,包括:获取待检测视频,所述待检测视频包括多个视频;获取所述多个视频的用户反馈信息,所述用户反馈信息包括用户评论、视频标签点击率以及后验数据,所述视频标签点击率为用户针对视频对应标签的点击率;根据所述用户评论、所述视频标签点击率和所述后验数据,从所述多个视频中选取问题视频。本发明实施例,可以提高视频检测的效率和准确度。

Description

一种视频检测方法、装置及存储介质
技术领域
本发明实施例涉及多媒体技术领域,尤其涉及一种视频检测方法、装置及存储介质。
背景技术
随着计算机网络技术和多媒体技术的不断发展,视频给人们的工作和生活带来了极大的便利和无穷的乐趣。常见推荐给用户的视频中会存在不同的问题,比如视频封面图像与内容不符、视频内容老旧重复、视频封面图像为不良图像等,从而部分用户对推荐的视频不会产生兴趣,影响视频的点击率,导致用户体验不佳。
目前,一种常见的视频检测方法为:从视频中获取一帧图像,将获取到的图像与图像数据库进行标识匹配,通过匹配来确定该视频所存在的问题。上述方法中,由于需要大量的样本进行训练并且准确率不高,以致降低了视频检测效率和准确度。
发明内容
本发明实施例公开了一种视频检测方法、装置及存储介质,用于提高视频检测的效率和准确度。
第一方面公开一种视频检测方法,包括:
获取待检测视频,所述待检测视频包括多个视频;
获取所述多个视频的用户反馈信息,所述用户反馈信息包括用户评论、视频标签点击率以及后验数据,所述视频标签点击率为用户针对视频对应标签的点击率;
根据所述用户评论、所述视频标签点击率和所述后验数据,从所述多个视频中选取问题视频。
作为一种可能的实施方式,所述根据所述用户评论、所述视频标签点击率和所述后验数据,从所述多个视频中选取问题视频包括:
为第一漏斗模型中用户评论、视频标签点击率和后验数据分别设置阈值,得到第二漏斗模型;
根据获取的用户评论、视频标签点击率和后验数据使用所述第二漏斗模型从所述多个视频中选取问题视频。
作为一种可能的实施方式,所述根据所述用户评论、所述视频标签点击率和所述后验数据,从所述多个视频中选取问题视频包括:
从所述多个视频中选取所述用户评论中包括负面评论、所述视频标签点击率大于或等于第一阈值以及所述后验数据小于或等于第二阈值的视频,得到问题视频。
作为一种可能的实施方式,所述视频对应标签包括多类问题标签,所述多类问题标签包括视频的封面图像与内容不匹配的标签、视频内容虚假的标签以及视频内容过时的标签。
作为一种可能的实施方式,所述后验数据包括视频的播放率、点赞率、转发率以及收藏率中的一个或多个。
作为一种可能的实施方式,所述后验数据小于或等于第二阈值包括:
所述播放率小于播放率阈值、所述点赞率小于点赞率阈值、所述转发率小于转发率阈值以及所述收藏率小于收藏率阈值。
作为一种可能的实施方式,所述方法还包括:
删除所述问题视频;或者
输出用于提示用户所述问题视频对应的提示信息。
第二方面公开一种视频检测装置,该视频检测装置包括用于执行第一方面或第一方面的任一种实施例所公开的检测方法的单元。
第三方面公开一种视频检测装置,该视频检测装置包括处理器和存储器,存储器存储有一组程序代码,处理器通过执行存储器存储的程序代码,使得视频检测装置执行第一方面或第一方面的任一种实施例所公开的视频检测方法。
第四方面公开一种可读存储介质,该可读存储介质上存储有程序,当该程序运行时,实现如第一方面或第一方面的任一种实施例所公开的视频检测方法。
本发明实施例中,获取包括的多个视频待检测视频,获取多个视频的用户反馈信息,根据用户反馈信息从多个视频中选取问题视频,可见,可以使用用户反馈信息来检测视频,不需要建立图像数据库,因此,可以提高视频检测的效率,此外,由于对用户反馈信息进行细化分析,可以检测到一些不易发现的问题视频,因此,可以提高视频检测的准确度。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,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它附图。
图1是本发明实施例公开的一种网络架构示意图;
图2是本发明实施例公开的一种视频检测方法的流程示意图;
图3是本发明实施例公开的另一种视频检测方法的流程示意图;
图4是本发明实施例公开的又一种视频检测方法的流程示意图;
图5是本发明实施例公开的一种视频检测的示意图;
图6是本发明实施例公开的一种视频检测装置的结构示意图;
图7是本发明实施例公开的另一种视频检测装置的结构示意图。
具体实施方式
本发明实施例公开了一种视频检测方法、装置及存储介质,用于提高视频检测效率和准确度。下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
请参阅图1,图1是本发明实施例公开的一种网络架构示意图。如图1所示,该网络架构可以包括服务器101和电子设备102。服务器101与电子设备102之间通过网络连接。电子设备102,用于向服务器101发送视频获取请求。服务器101,用于接收来自电子设备102的视频获取请求,向电子设备102发送视频。电子设备102,还用于接收来自服务器101的视频,播放视频,接收用户输入的对视频的用户反馈信息,以及向服务器101发送用户反馈信息。服务器101,还用于接收来自电子设备102的用户反馈信息,根据用户反馈信息进行视频检测,存储检测结果。用户反馈信息可以包括用户评论、视频标签点击率和后验数据。用户反馈信息中的用户评论的格式可以为真体字(true type front,TTF)格式,也可以为真体字集合(true type font collection,TTC)格式,还可以为其它格式。TTF是最常用的一种字体文件表示方式。用户反馈信息中的视频标签的格式可以为标签图形(tagged graphics,TGA)格式,也可以为可扩展标记语言(extensible markup language,XML)格式,还可以为其它格式。
电子设备可以是前端设备,如平板电脑、智能手机、个人电脑(personalcomputer,PC)、笔记本电脑、掌上电脑等。
请参阅图2,图2是本发明实施例公开的一种视频检测方法的流程示意图。其中,该视频检测方法应用于服务器。如图2所示,该视频检测方法可以包括以下步骤。
201、获取包括多个视频的待检测视频。
可以周期性地获取待检测视频。周期可以是一小时、一天、一周等。待检测视频可以是当前周期内推送给电子设备的视频。具体地,可以是当前周期内给应用QQ看点所推送的视频。更具体地,可以是当前周期内在应用QQ看点中给全网用户曝光过的所有视频。可以是服务器推送给电子设备的所有视频,也可以是服务器推送给电子设备中即时通讯应用的视频,还可以是服务器推送给电子设备中视频播放应用的视频,还可以是服务器推送给电子设备中浏览器的视频,还可以是服务器推送给电子设备中邮件的视频,还可以是服务器推送给电子设备中其它应用的视频,在此不作限定。其中,待检测视频可以包括多个视频。
202、获取多个视频的包括用户评论、视频标签点击率和后验数据的用户反馈信息。
获取到包括多个视频的待检测视频之后,可以获取多个视频的用户反馈信息。用户反馈信息可以在用户观看视频的过程中,电子设备接收到用户输入的用户反馈信息之后,周期性或实时地上报给服务器的,也可以是在用户观看完视频之后电子设备一次性上报给服务器的,还可以是服务器周期性或实时地从电子设备获取的。用户反馈信息可以与视频存储在一起,也可以分开存储,在此不作限定。步骤202获取多个视频的用户反馈信息即从本地获取用户反馈信息。其中,多个视频与多个视频的用户反馈信息可以是同时获取的,也可以是前后获取的。
用户反馈信息可以包括用户评论、视频标签点击率、后验数据等。用户评论可以是用户在观看视频过程中或观看完视频之后对视频发表的文字评论,也可以是表情评论,还可以是图片评论。用户评论可以体现用户对视频的意见,如满意度、存在的问题等,可以用于评判视频是否契合用户需求。
视频标签点击率为用户针对视频对应标签的点击率,视频对应标签为用于标识视频问题的问题类型。视频对应标签可以包括多类问题标签,多类问题标签可以包括视频的内容问题标签、视频的标题问题标签、视频的封面问题标签、视频的内容与封面问题标签等。视频的内容问题标签可以为视频内容虚假标签、视频内容过时标签等。视频的内容与封面问题标签可以为视频的封面图像与内容不匹配的标签。视频的封面问题标签可以为封面图色情低俗标签、对封面图不感兴趣标签等。电子设备在播放视频时,可以同时显示这些标签,用户可以通过操作选中某一个或多个标签。视频标签点击率可以是某个标签的点击次数,也可以是这个标签的点击次数与该视频的播放次数或推送次数的比值。
视频存在的问题本质上取决于用户在观看过程中需求是否得到满足,且不同用户间对同一视频判断存在一定的主观差异。而直接要求用户观看视频后进行打分会降低用户体验,且收集到的数据易出现稀疏性、冷启动等缺陷,难以得到用户在观看视频后的直接感受。可以通过后验数据得到用户在观看视频后的直接感受。后验数据是用户对视频操作所产生的的基础数据,可以包括视频的播放率、点赞率、转发率、收藏率等中的一个或多个。播放率可以是视频的播放次数,也可以是视频的播放次数与视频的推送次数的比值,播放次数即用户点开播放视频的次数。在播放视频的时候,可以同时显示点赞图标,如大拇指向上的图标。点赞率可以为用户对点赞图标的点击次数,也可以为用户对点赞图标的点击次数与视频总播放次数的比值,还可以为用户对点赞图标的点击次数与视频推送次数的比值。一个视频在一次播放过程中可以只能接收到一次用户对点赞图标的点击,也可以接收到多次用户对点赞图标的点击。一个视频在一次播放过程中接收到的多次用户对点赞图标的点击可以作为一次点赞,也可以作为多次点赞。转发率可以为用户转发视频的次数,也可以为用户转发视频的次数与视频总播放次数的比值,还可以为用户转发视频的次数与视频推送次数的比值。收藏率可以为用户收藏视频的次数,也可以为用户收藏视频的次数与视频总播放次数的比值,还可以为用户收藏视频的次数与视频推送次数的比值。点赞率和收藏率为用户的正向反馈数据,可以表示用户对视频的认可程度。转发率可以体现用户对视频的分享行为。
203、根据用户评论、视频标签点击率和后验数据,从多个视频中选取问题视频。
获取到多个视频的用户反馈信息之后,可以根据用户评论、视频标签点击率和后验数据,从多个视频中选取问题视频。
可以使用漏斗模型逐级设置阈值对多个视频进行过滤和筛选得到问题视频。具体地,可以先为第一漏斗模型中用户评论、视频标签点击率和后验数据分别设置阈值,得到第二漏斗模型,之后再根据获取的用户评论、视频标签点击率和后验数据使用第二漏斗模型从多个视频中选取问题视频。在漏斗模型中,第一个漏斗可以是针对用户评论的漏斗,第二个漏斗可以是针对视频标签点击率的漏斗,第三个漏斗可以是针对后验数据的漏斗。在漏斗模型中,第一个漏斗可以是针对视频标签点击率的漏斗,第二个漏斗可以是针对用户评论的漏斗,第三个漏斗可以是针对后验数据的漏斗。也可以是其它组合,在此不作限定。
也可以从多个视频中选取用户评论中包括负面评论、视频标签点击率大于或等于(或者大于)第一阈值以及后验数据小于或等于(或者小于)第二阈值的视频,得到问题视频。可以先判断第一视频对应的用户评论中是否包括负面评论。在判断出第一视频对应的用户评论中包括负面评论的情况下,可以继续判断第一视频对应的视频标签点击率是否大于或等于(或者大于)第一阈值。在判断出第一视频对应的视频标签点击率大于或等于(或者大于)第一阈值的情况下,可以继续判断第一视频对应的后验数据是否小于或等于(或者小于)第二阈值。在判断出第一视频对应的后验数据小于或等于(或者小于)第二阈值的情况下,可以确定第一视频为问题视频。在判断出第一视频对应的用户评论中不包括负面评论、第一视频对应的视频标签点击率小于(或者小于或等于)第一阈值或第一视频对应的后验数据大于(或者大于或等于)第二阈值的情况下,可以确定第一视频没有问题。其中,第一视频为多个视频中的任一视频。视频标签点击率可以为用户针对视频对应标签包括的多类问题标签的点击率的累加和、加权和、加权平均、平均值、最大值或最小值。后验数据小于或等于第二阈值,即播放率小于播放率阈值、点赞率小于点赞率阈值、转发率小于转发率阈值以及收藏率小于收藏率阈值。
也可以先判断第一视频对应的视频标签点击率是否大于或等于(或者大于)第一阈值。在判断出第一视频对应的视频标签点击率大于或等于(或者大于)第一阈值的情况下,可以继续判断第一视频对应的用户评论中是否包括负面评论。在判断出第一视频对应的用户评论中包括负面评论的情况下,可以继续判断第一视频对应的后验数据是否小于或等于(或者小于)第二阈值。在判断出第一视频对应的后验数据小于或等于(或者小于)第二阈值的情况下,可以确定第一视频为问题视频。在判断出第一视频对应的视频标签点击率小于(或者小于或等于)第一阈值、第一视频对应的用户评论中不包括负面评论或第一视频对应的后验数据大于(或者大于或等于)第二阈值的情况下,可以确定第一视频没有问题。
还可以先判断第一视频对应的后验数据是否小于或等于(或者小于)第二阈值。在判断出第一视频对应的后验数据小于或等于(或者小于)第二阈值的情况下,可以继续判断第一视频对应的用户评论中是否包括负面评论。在判断出第一视频对应的用户评论中包括负面评论的情况下,可以继续判断第一视频对应的视频标签点击率是否大于或等于(或者大于)第一阈值。在判断出第一视频对应的视频标签点击率大于或等于(或者大于)第一阈值的情况下,可以确定第一视频为问题视频。在判断出第一视频对应的后验数据大于(或者大于或等于)第二阈值、第一视频对应的用户评论中不包括负面评论或第一视频对应的视频标签点击率小于(或者小于或等于)第一阈值的情况下,可以确定第一视频没有问题。
除了上述三种方式之外,还可以通过其它顺序进行判断,在此不加赘述。
还可以同时判断第一视频对应的用户评论中是否包括负面评论、判断第一视频对应的视频标签点击率是否大于或等于(或者大于)第一阈值以及判断第一视频对应的后验数据是否小于或等于(或者小于)第二阈值,在判断出第一视频对应的用户评论中包括负面评论、第一视频对应的视频标签点击率大于(或者大于或等于)第一阈值且第一视频对应的后验数据小于或等于(或者小于)第二阈值的情况下,可以确定第一视频为问题视频。在判断出第一视频对应的用户评论中不包括负面评论、第一视频对应的视频标签点击率小于(或者小于或等于)第一阈值或第一视频对应的后验数据大于(或者大于或等于)第二阈值的情况下,可以确定第一视频没有问题。
在一个实施例中,判断第一视频对应的用户评论中是否包括负面评论,当用户评论是文字评论时,可以先对用户评论信息进行分词得到多个词,之后判断多个词中是否包括负面评论;当用户评论是表情评论和图片评论时,可以根据图像处理来识别用户评论是否为负面评论。判断第一视频对应的后验数据是否小于或等于(或者小于)第二阈值,可以先计算后验数据的相应比率,如计算后验数据中的播放量对应的播放率、点赞量对应的点赞率、转发量对应的转发率以及收藏量对应的收藏率等。在计算得到后验数据的相应比率之后,可以判断播放率是否小于或等于(或者小于)播放率阈值、点赞率是否小于或等于(或者小于)点赞率阈值、转发率是否小于或等于(或者小于)转发率阈值以及收藏率是否小于或等于(或者小于)收藏率阈值。也可以进行串行判断,例如,可以先判断播放率,在播放率满足要求之后继续判断点赞率,在点赞率满足要求之后继续判断转发率,在转发率满足要求之后再判断收藏率,具体方式在此不加赘述。在判断出后验数据小于或等于(或者小于)第二阈值的情况下,可以根据用户评论中的负面评论、选取的问题标签得到视频存在的问题。例如,从一个视频的用户评论中选取的负面评论为“封面”、“低俗”,选取的问题标签为“封面图色情低俗”,后验数据小于或等于(或者小于)第二阈值,那么就判定这是一个有封面图低俗问题的视频,将该视频筛选出来。
在图2所描述的视频检测方法中,可以使用用户反馈信息来检测视频,不需要建立图像数据库,因此,可以提高视频检测的效率,此外,由于对用户反馈信息进行细化分析,可以检测到一些不易发现的问题视频,因此,可以提高视频检测的准确度。
请参阅图3,图3是本发明实施例公开的另一种视频检测方法的流程示意图。其中,该视频检测方法应用于服务器。如图3所示,该视频检测方法可以包括以下步骤。
301、获取包括多个视频的待检测视频。
其中,步骤301与步骤201相同,详细描述请参考步骤201,在此不加赘述。
302、获取多个视频的包括用户评论、视频标签点击率和后验数据的用户反馈信息。
其中,步骤302与步骤202相同,详细描述请参考步骤202,在此不加赘述。
303、根据用户评论、视频标签点击率和后验数据,从多个视频中选取问题视频。
其中,步骤303与步骤203相同,详细描述请参考步骤203,在此不加赘述。
304、删除问题视频,或者输出用于提示用户问题视频对应的提示信息。
根据用户评论、视频标签点击率和后验数据,从多个视频中选取出问题视频之后,服务器可以直接删除问题视频,也可以输出用于提示用户问题视频对应的提示信息。例如,在视频1的问题为视频的封面图像与内容不匹配的情况下,可以输出用于提示用户视频1的封面图像与内容不匹配的提示信息。提示信息可以是以语音方式输出的,也可以是以文本方式输出的。还可以是先输出用于提示用户问题视频对应的提示信息,之后接收用户输入的用于删除问题视频的删除指令之后,根据删除指令可以删除问题视频。还可以向用户对应的电子设备、邮箱等发送用于提示用户问题视频对应的提示信息。还可以通过闪烁指示灯提示用户存在问题视频,以便用户可以及时处理。还可以通过输出特殊的声音提示用户存在问题视频,以便用户可以及时处理。
在图3所描述的视频检测方法中,可以使用用户反馈信息来检测视频,不需要建立图像数据库,因此,可以提高视频检测的效率,此外,由于对用户反馈信息进行细化分析,可以检测到一些不易发现的问题视频,因此,可以提高视频检测的准确度。
请参阅图4,图4是本发明实施例公开的又一种视频检测方法的流程示意图。其中,该视频检测方法是从QQ看点和服务器的角度来描述的。如图4所示,该视频检测方法可以包括以下步骤。
401、QQ看点向服务器发送视频获取请求。
QQ看点可以在启动时,或在接收到用户的特定操作之后,向服务器发送视频获取请求。例如,用户打开QQ看点时,QQ看点可以向服务器发送视频获取请求。在例如,QQ看点检测到用户向下的活动操作时,可以向服务器发送视频获取请求。
402、服务器向QQ看点发送视频。
服务器接收到来自QQ看点的视频获取请求之后,向QQ看点发送视频。
403、QQ看点播放视频。
QQ看点接收到来自服务器的视频之后,可以显示视频缩略图,检测到用户对某个视频缩略图的点击等操作时,播放该视频。
404、QQ看点接收针对视频的用户反馈信息。
在视频播放的过程中,或者视频播放完之后,QQ看点可以接收用户针对视频的用户反馈信息。例如,用户在观看视频过程中或观看完视频之后,可以通过评论、选取视频标签和包括点赞、转发和收藏等操作来表达对所看视频的感受。
405、QQ看点向服务器上报视频的用户反馈信息。
QQ看点接收到针对视频的用户反馈信息,可以向服务器上报视频的包括用户评论、视频标签点击率和后验数据的用户反馈信息。上报可以是周期性地,也可以是在接收到用户反馈信息的时候就立即上报,还可以是在播放下一个视频的时候上报上一个视频的用户反馈信息。周期可以是一小时、一天、一周等。
406、服务器获取多个视频和多个视频的用户反馈信息。
服务器接收到来自QQ看点的用户反馈信息之后,可以存储用户反馈信息。服务器可以周期性地从本地获取多个视频和多个视频的用户反馈信息。周期可以是一小时、一天、一周等。
407、服务器根据多个视频的用户反馈信息,从多个视频中选取问题视频。
其中,这里与步骤203相同,详细描述请参考步骤203,在此不加赘述。
408、服务器删除问题视频,或者输出用于提示用户问题视频对应的提示信息。
其中,这里与步骤304相同,详细描述请参考步骤304,在此不加赘述。后续,服务器接收到来自QQ看点的视频获取请求之后,可以将没有问题的视频推送给QQ看点。
请参阅图5,图5是本发明实施例公开的一种视频检测的示意图。如图5所示,QQ看点用来将针对视频的用户反馈信息上报到服务器。服务器包括腾讯分布式数据仓库(tencent distributed data warehouse,TDW)、存储器、处理器和报表。其中,TDW用来存储来自QQ看点的视频的用户反馈信息,存储器中存储基于python计算机语言的程序代码和数据仓库工具hive,hive可以提供结构化查询语言(structured query language,SQL),处理器用于调用存储器中存储的程序代码执行步骤401-步骤408的方法得到问题视频,报表用于存储来自处理器的问题视频。
请参阅图6,图6是本发明实施例公开的一种视频检测装置的结构示意图。其中,该视频检测装置可以为服务器。如图6所示,该视频检测装置可以包括:
第一获取单元601,用于获取视频,该视频可以包括多个待检测视频;
第二获取单元602,用于获取多个视频的用户反馈信息,该用户反馈信息可以包括用户评论、视频标签点击率以及后验数据,视频标签点击率为用户针对视频对应标签的点击率;
选取单元603,用于根据用户评论、视频标签点击率和后验数据,从多个视频中选取问题视频。
在一个实施例中,选取单元603具体用于:
为第一漏斗模型中用户评论、视频标签点击率和后验数据分别设置阈值,得到第二漏斗模型;
根据获取的用户评论、视频标签点击率和后验数据使用第二漏斗模型从多个视频中选取问题视频。
在一个实施例中,选取单元603具体用于:
从多个视频中选取用户评论中包括负面评论、视频标签点击率大于或等于第一阈值以及后验数据小于或等于第二阈值的视频,得到问题视频。
在一个实施例中,视频对应标签可以包括多类问题标签,多类问题标签可以包括视频的封面图像与内容不匹配的标签、视频内容虚假的标签以及视频内容过时的标签。
在一个实施例中,后验数据可以包括视频的播放率、点赞率、转发率以及收藏率中的一个或多个。
在一个实施例中,后验数据小于或等于(或者小于)第二阈值可以包括:
播放率小于播放率阈值、点赞率小于点赞率阈值、转发率小于转发率阈值以及收藏率小于收藏率阈值。
在一个实施例中,该视频检测装置还可以包括:
处理单元604,用于删除问题视频,或者输出用于提示用户问题视频对应的提示信息。
有关上述第一获取单元601、第二获取单元602、选取单元603和处理单元604详细的描述可以直接参考上述图2和图3所示的方法实施例中的相关描述直接得到,这里不加赘述。
请参阅图7,图7是本发明实施例公开的另一种视频检测装置的结构示意图。其中,该视频检测装置可以为服务器。如图7所示,该视频检测装置可以包括处理器701、存储器702、输出装置703、通信接口704和连接线705。存储器702可以是独立存在,连接线705与处理器701相连接。存储器702也可以和处理器701集成在一起。连接线705可包括一通路,在上述组件之间传送信息。
其中:
存储器702中存储有一组计算机程序代码,处理器701用于调用存储器702中存储的程序指令执行以下操作:
获取待检测视频,待检测视频包括多个视频;
获取多个视频的用户反馈信息,用户反馈信息可以包括用户评论、视频标签点击率以及后验数据,视频标签点击率为用户针对视频对应标签的点击率;
根据用户评论、视频标签点击率和后验数据,从多个视频中选取问题视频。
在一个实施例中,处理器701根据用户评论、视频标签点击率和后验数据,从多个视频中选取问题视频包括:
为第一漏斗模型中用户评论、视频标签点击率和后验数据分别设置阈值,得到第二漏斗模型;
根据获取的用户评论、视频标签点击率和后验数据使用第二漏斗模型从多个视频中选取问题视频。
在一个实施例中,处理器701根据用户评论、视频标签点击率和后验数据,从多个视频中选取问题视频包括:
从多个视频中选取用户评论中包括负面评论、视频标签点击率大于或等于第一阈值以及后验数据小于或等于第二阈值的视频,得到问题视频。
在一个实施例中,视频对应标签可以包括多类问题标签,多类问题标签可以包括视频的封面图像与内容不匹配的标签、视频内容虚假的标签以及视频内容过时的标签。
在一个实施例中,后验数据可以包括视频的播放率、点赞率、转发率以及收藏率中的一个或多个。
在一个实施例中,后验数据小于或等于第二阈值包括:
播放率小于播放率阈值、点赞率小于点赞率阈值、转发率小于转发率阈值以及收藏率小于收藏率阈值。
在一个实施例中,处理器701还用于调用存储器702中存储的程序指令执行以下操作:
处理器701删除问题视频;或者
输出装置703输出用于提示用户问题视频对应的提示信息。
其中,输出装置703可以为显示屏,也可以为语音输出装置,如麦克风等。
在一个实施例中,通信接口704用于与其它设备进行通信。
其中,步骤201-步骤203、步骤301-步骤303以及步骤304中删除问题视频的步骤可以由处理器701和存储器702来执行,步骤304中输出用于提示用户问题视频对应的提示信息的步骤可以由输出装置703来执行。
其中,第一获取单元601、第二获取单元602、选取单元603以及处理单元604删除问题视频可以由处理器701和存储器702来实现,处理单元604输出用于提示用户问题视频对应的提示信息可以由输出装置703来实现。
本发明实施例还公开了一种存储介质,该存储介质上存储有程序,该程序运行时,实现如图2和图3所示的视频检测方法。
以上所述的具体实施方式,对本申请的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本申请的具体实施方式而已,并不用于限定本申请的保护范围,凡在本申请的技术方案的基础之上,所做的任何修改、等同替换、改进等,均应包括在本申请的保护范围之内。

Claims (10)

1.一种视频检测方法,其特征在于,包括:
获取待检测视频,所述待检测视频包括多个视频;
获取所述多个视频的用户反馈信息,所述用户反馈信息包括用户评论、视频标签点击率以及后验数据,所述视频标签点击率为用户针对视频对应标签的点击率;
根据所述用户评论、所述视频标签点击率和所述后验数据,从所述多个视频中选取问题视频。
2.根据权利要求1所述的方法,其特征在于,所述根据所述用户评论、所述视频标签点击率和所述后验数据,从所述多个视频中选取问题视频包括:
为第一漏斗模型中用户评论、视频标签点击率和后验数据分别设置阈值,得到第二漏斗模型;
根据获取的用户评论、视频标签点击率和后验数据使用所述第二漏斗模型从所述多个视频中选取问题视频。
3.根据权利要求1所述的方法,其特征在于,所述根据所述用户评论、所述视频标签点击率和所述后验数据,从所述多个视频中选取问题视频包括:
从所述多个视频中选取所述用户评论中包括负面评论、所述视频标签点击率大于或等于第一阈值以及所述后验数据小于或等于第二阈值的视频,得到问题视频。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述视频对应标签包括多类问题标签,所述多类问题标签包括视频的封面图像与内容不匹配的标签、视频内容虚假的标签以及视频内容过时的标签。
5.根据权利要求1-3任一项所述的方法,其特征在于,所述后验数据包括视频的播放率、点赞率、转发率以及收藏率中的一个或多个。
6.根据权利要求5所述的方法,其特征在于,所述后验数据小于或等于第二阈值包括:
所述播放率小于播放率阈值、所述点赞率小于点赞率阈值、所述转发率小于转发率阈值以及所述收藏率小于收藏率阈值。
7.根据权利要求1-3任一项所述的方法,其特征在于,所述方法还包括:
删除所述问题视频,或者输出用于提示用户所述问题视频对应的提示信息。
8.一种视频检测装置,其特征在于,包括:
第一获取单元,用于获取待检测视频,所述待检测视频包括多个视频;
第二获取单元,用于获取所述多个视频的用户反馈信息,所述用户反馈信息包括用户评论、视频标签点击率以及后验数据,所述视频标签点击率为用户针对视频对应标签的点击率;
选取单元,用于根据所述用户评论、所述视频标签点击率和所述后验数据,从所述多个视频中选取问题视频。
9.一种视频检测装置,其特征在于,包括处理器和存储器,所述存储器存储有一组计算机程序代码,所述处理器通过执行所述存储器存储的计算机程序代码实现如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序或计算机指令,当所述计算机程序或计算机指令被运行时,实现如权利要求1-7任一项所述的方法。
CN201910843071.0A 2019-09-06 2019-09-06 一种视频检测方法、装置及存储介质 Pending CN112464027A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910843071.0A CN112464027A (zh) 2019-09-06 2019-09-06 一种视频检测方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910843071.0A CN112464027A (zh) 2019-09-06 2019-09-06 一种视频检测方法、装置及存储介质

Publications (1)

Publication Number Publication Date
CN112464027A true CN112464027A (zh) 2021-03-09

Family

ID=74807244

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910843071.0A Pending CN112464027A (zh) 2019-09-06 2019-09-06 一种视频检测方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN112464027A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113255473A (zh) * 2021-05-07 2021-08-13 北京达佳互联信息技术有限公司 视频识别方法及装置、视频封面识别模型生成方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016019227A1 (en) * 2014-08-01 2016-02-04 Ineoquest Technologies, Inc. Video quality monitoring
CN105898294A (zh) * 2016-05-27 2016-08-24 乐视控股(北京)有限公司 一种视频质量评价方法及装置
CN108509457A (zh) * 2017-02-28 2018-09-07 阿里巴巴集团控股有限公司 一种视频数据的推荐方法和装置
CN109657097A (zh) * 2018-11-07 2019-04-19 北京达佳互联信息技术有限公司 视频筛选方法、装置、电子设备及存储介质
CN109684513A (zh) * 2018-12-14 2019-04-26 北京奇艺世纪科技有限公司 一种低质量视频识别方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016019227A1 (en) * 2014-08-01 2016-02-04 Ineoquest Technologies, Inc. Video quality monitoring
CN105898294A (zh) * 2016-05-27 2016-08-24 乐视控股(北京)有限公司 一种视频质量评价方法及装置
CN108509457A (zh) * 2017-02-28 2018-09-07 阿里巴巴集团控股有限公司 一种视频数据的推荐方法和装置
CN109657097A (zh) * 2018-11-07 2019-04-19 北京达佳互联信息技术有限公司 视频筛选方法、装置、电子设备及存储介质
CN109684513A (zh) * 2018-12-14 2019-04-26 北京奇艺世纪科技有限公司 一种低质量视频识别方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113255473A (zh) * 2021-05-07 2021-08-13 北京达佳互联信息技术有限公司 视频识别方法及装置、视频封面识别模型生成方法及装置

Similar Documents

Publication Publication Date Title
CN108881339B (zh) 推送方法、用户标签的生成方法、装置及设备
US12015807B2 (en) System and method for providing image-based video service
KR20160055930A (ko) 연속적인 소셜 커뮤니케이션에 사용되는 콘텐츠를 능동적으로 구성하기 위한 시스템 및 방법
CN110225398B (zh) 多媒体对象播放方法、装置和设备及计算机存储介质
CN113569037A (zh) 一种消息处理方法、装置以及可读存储介质
CN111158831A (zh) 基于即时通讯应用的数据处理方法、装置、设备及介质
CN110035302B (zh) 信息推荐及模型训练方法和装置、计算设备、存储介质
CN109829063B (zh) 一种数据处理方法、装置及存储介质
CN112995690B (zh) 直播内容品类识别方法、装置、电子设备和可读存储介质
CN106407393A (zh) 一种用于智能设备的信息处理方法及装置
CN113766268B (zh) 视频处理方法、装置、电子设备和可读介质
CN106294601B (zh) 数据处理方法和装置
JP5767413B1 (ja) 情報処理システム、情報処理方法、および情報処理プログラム
CN112464027A (zh) 一种视频检测方法、装置及存储介质
CN110716774A (zh) 金融业务数据大脑的数据驱动方法、系统及存储介质
CN116016421A (zh) 促进在计算装置中执行的基于媒体的内容共享的方法、计算装置可读存储介质以及计算装置
CN112601129B (zh) 视频交互系统、方法和接收端
CN113269577B (zh) 数据获取方法、装置、服务器及存储介质
CN114020384A (zh) 消息显示方法、装置和电子设备
CN112445921A (zh) 摘要生成方法和装置
CN114124864B (zh) 消息处理方法、装置
CN112650595A (zh) 一种通讯内容处理方法及相关装置
CN112764553B (zh) 聊天表情的收集方法、装置及电子设备
CN116955830B (zh) 基于吸烟舱的信息推送方法、计算机设备与可读存储介质
CN112287184B (zh) 基于神经网络的迁移标注方法、装置、设备及存储介质

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