CN112749297B - 视频推荐方法、装置、计算机设备和计算机可读存储介质 - Google Patents
视频推荐方法、装置、计算机设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN112749297B CN112749297B CN202010139127.7A CN202010139127A CN112749297B CN 112749297 B CN112749297 B CN 112749297B CN 202010139127 A CN202010139127 A CN 202010139127A CN 112749297 B CN112749297 B CN 112749297B
- Authority
- CN
- China
- Prior art keywords
- video
- characteristic information
- target video
- title
- content
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/73—Querying
- G06F16/735—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
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)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了一种视频推荐方法、装置、计算机设备和计算机可读存储介质;获取目标视频的多个关键帧特征信息、标题特征信息、以及用户的视频搜索内容的搜索内容特征信息;将所述多个关键帧特征信息与所述标题特征信息进行融合,得到所述目标视频的图像特征信息;将所述图像特征信息与所述标题特征信息进行融合,得到所述目标视频的内容特征信息;将所述图像特征信息与所述搜索内容特征信息进行融合,得到所述目标视频与所述视频搜索内容之间的匹配特征信息;基于所述内容特征信息与所述匹配特征信息,对所述目标视频进行推荐。该方案可以提高视频推荐的准确率。
Description
技术领域
本申请涉及通信技术领域,具体涉及一种视频推荐方法、装置、计算机设备和计算机可读存储介质。
背景技术
近年来通信技术飞速发展,可以基于用户输入的视频搜索内容来推荐相关视频。
在对相关技术的研究和实践过程中,本申请的发明人发现当前视频的推荐方法,多是将终端用户输入的视频搜索内容与视频标题进行匹配,根据匹配结果来推荐视频,但是视频标题并不能完整的描述整个视频的内容信息,并且部分视频的视频内容可能跟视频标题不符,视频推荐的准确率低。
发明内容
本申请实施例提供一种视频推荐方法、装置、计算机设备和计算机可读存储介质,可以提高视频推荐的准确率。
本申请实施例提供了一种视频推荐方法,包括:
获取目标视频的多个关键帧特征信息、标题特征信息、以及用户的视频搜索内容的搜索内容特征信息;
将所述多个关键帧特征信息与所述标题特征信息进行融合,得到所述目标视频的图像特征信息;
将所述图像特征信息与所述标题特征信息进行融合,得到所述目标视频的内容特征信息;
将所述图像特征信息与所述搜索内容特征信息进行融合,得到所述目标视频与所述视频搜索内容之间的匹配特征信息;
基于所述内容特征信息与所述匹配特征信息,对所述目标视频进行推荐。
相应的,本申请实施例提供了一种视频推荐装置,包括:
获取单元,用于获取目标视频的多个关键帧特征信息、标题特征信息、以及用户的视频搜索内容的搜索内容特征信息;
第一融合单元,用于将所述多个关键帧特征信息与所述标题特征信息进行融合,得到所述目标视频的图像特征信息;
第二融合单元,用于将所述图像特征信息与所述标题特征信息进行融合,得到所述目标视频的内容特征信息;
第三融合单元,用于将所述图像特征信息与所述搜索内容特征信息进行融合,得到所述目标视频与所述视频搜索内容之间的匹配特征信息;
推荐单元,用于基于所述内容特征信息与所述匹配特征信息,对所述目标视频进行推荐。
在一实施例中,所述获取单元,包括:
第一提取子单元,用于对目标视频进行关键帧提取,得到关键帧序列;
第二提取子单元,用于提取所述关键帧序列的特征信息,得到多个关键帧特征信息;
第三提取子单元,用于对所述目标视频的视频标题与用户的视频搜索内容进行特征提取,得到所述视频标题对应的标题特征信息与所述视频搜索内容对应的搜索内容特征信息。
在一实施例中,所述第三提取子单元还用于分别对所述目标视频的视频标题与用户的视频搜索内容进行分词处理,得到所述视频标题的标题词组、以及所述视频搜索内容的搜索内容词组;分别对所述标题词组与所述搜索内容词组进行特征转化,得到所述视频标题对应的标题特征信息与所述视频搜索内容对应的搜索内容特征信息。
在一实施例中,所述第一融合单元,包括:
第一融合子单元,用于分别将所述多个关键帧特征信息与所述标题特征信息进行融合,得到各关键帧与所述视频标题的多个关联程度信息;
第二融合子单元,用于将所述多个关联程度信息与所述多个关键帧特征信息进融合,得到所述目标视频的图像特征信息。
在一实施例中,所述第二融合子单元还用于将所述多个权重值与所述多个关键帧特征信息进行加权运算,得到所述目标视频的图像特征信息。
在一实施例中,所述第三融合单元,包括:
第一计算子单元,用于基于所述图像特征信息和所述搜索内容特征信息,计算所述目标视频与所述视频搜索内容的相关程度系数,得到相关系数参数;
加权运算子单元,用于将所述相关系数参数与所述搜索内容特征信息进行加权运算,得到所述目标视频和所述视频搜索内容之间的匹配特征信息。
在一实施例中,所述推荐单元,包括:
第二计算子单元,用于基于所述内容特征信息和所述匹配特征信息,计算所述目标视频与所述视频搜索内容的匹配概率,得到匹配概率参数;
推荐子单元,用于基于所述匹配概率参数,对所述目标视频进行推荐。
在一实施例中,所述第二计算子单元还用于将所述内容特征信息与所述匹配特征信息进行融合,得到融合后的目标特征信息;对所述目标特征信息进行全连接运算,得到所述目标视频与所述视频搜索内容的匹配概率参数。
在一实施例中,所述推荐子单元还用于当所述匹配概率参数达到预设匹配概率参数时,确定所述目标视频与所述视频搜索内容相匹配,并对所述目标视频进行推荐。
相应的,本申请实施例还提供了一种计算机设备,包括存储器,处理器及存储在储存器上并可在处理器上运行的计算机程序,其中,所述处理器执行本申请实施例任一提供的视频推荐方法中的步骤。
相应的,本申请实施例还提供一种计算机可读存储介质,所述存储介质存储有多条指令,所述指令适用于处理器进行加载,以执行本申请实施例任一提供的视频推荐方法中的步骤。
本申请实施例可以获取目标视频的多个关键帧特征信息、标题特征信息、以及用户的视频搜索内容的搜索内容特征信息;将所述多个关键帧特征信息与所述标题特征信息进行融合,得到所述目标视频的图像特征信息;将所述图像特征信息与所述标题特征信息进行融合,得到所述目标视频的内容特征信息;将所述图像特征信息与所述搜索内容特征信息进行融合,得到所述目标视频与所述视频搜索内容之间的匹配特征信息;基于所述内容特征信息与所述匹配特征信息,对所述目标视频进行推荐。该方案可以通过获取目标视频的多个关键帧特征、标题特征信息、以及用户的视频搜索内容对应的搜索特征信息,分别将该多个关键帧特征、标题特征信息、以及搜索特征信息进行融合,以得到更能完整的表示视频的整体特征信息的内容特征信息、以及能够得到表示目标视频与视频搜索内容之间匹配程度的匹配特征信息,基于该内容特征信息与该匹配特征信息,对该目标视频进行推荐,可以提高视频推荐的准确率。
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推荐方法的场景示意图;
图2是本申请实施例提供的视频推荐方法的流程图;
图3是本申请实施例提供的视频推荐方法的整体操作流程图;
图4是本申请实施例提供的视频推荐方法的部分操作流程图;
图5是本申请实施例提供的视频推荐方法的另一部分操作流程图;
图6是本申请实施例提供的区块链系统的结构示意图;
图7是本申请实施例提供的视频推荐方法的另一流程图;
图8是本申请实施例提供的视频推荐方法的整体示意图;
图9是本申请实施例提供的视频推荐方法的装置图;
图10是本申请实施例提供的计算机设备的结构示意图。
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推荐方法、装置、计算机设备和计算机可读存储介质。具体地,本申请实施例提供适用于计算机设备的视频推荐装置。其中,该计算机设备可以为终端或服务器等设备,该终端可以为手机、平板电脑、笔记本电脑等设备。该服务器可以是单台服务器,也可以是由多个服务器组成的服务器集群。
参考图1,以该计算机设备为服务器为例,该服务器可以获取目标视频的多个关键帧特征信息、标题特征信息、以及用户的视频搜索内容的搜索内容特征信息;将该多个关键帧特征信息与该标题特征信息进行融合,得到该目标视频的图像特征信息;将该图像特征信息与该标题特征信息进行融合,得到该目标视频的内容特征信息;将该图像特征信息与该搜索内容特征信息进行融合,得到该目标视频与该视频搜索内容之间的匹配特征信息;基于该内容特征信息与该匹配特征信息,对该目标视频进行推荐。
由以上可知,本实施例可以通过获取目标视频的多个关键帧特征、标题特征信息、以及用户的视频搜索内容对应的搜索特征信息,分别将该多个关键帧特征、标题特征信息、以及搜索特征信息进行融合,以得到更能完整的表示视频的整体特征信息的内容特征信息、以及能够得到表示目标视频与视频搜索内容之间匹配程度的匹配特征信息,基于该内容特征信息与该匹配特征信息,对该目标视频进行推荐,可以提高视频推荐的准确率。
以下分别进行详细说明,需说明的是,以下实施例的描述顺序不作为对实施例优选顺序的限定。
本申请实施例提供一种视频推荐方法,该方法可以由终端或服务器执行,也可以由终端和服务器共同执行;本申请实施例以视频推荐方法由终端执行为例来进行说明,具体的,由集成在终端中的视频推荐装置来执行。如图2所示,该视频推荐方法的具体流程可以如下:
101、获取目标视频的多个关键帧特征信息、标题特征信息、以及用户的视频搜索内容的搜索内容特征信息。
其中,关键帧特征信息指的是对目标视频进行关键帧提取,然后再对提取的关键帧进行特征信息提取而得到的特征信息,关键帧特征信息可以包括关键帧特征向量等,而目标视频则可以为多种不同类型的视频,可以从不同的渠道获取。
其中,标题特征信息指的是对目标视频的视频标题进行特征信息提取,得到的特征信息,可以更好地表示目标视频的特征信息。
其中,视频搜索内容为用户为了获取到需要的目标视频而在搜索时输入的信息,比如可以为短文本、音频、以及图像,等等,而搜索内容特征信息是对视频搜索内容进行特征信息提取而得到的特征信息,可以更好的表示该搜索内容的特征信息。
在一实施例中,为了得到更能完整的表示目标视频的整体特征信息的内容特征信息、以及更能表示目标视频与视频搜索内容之间匹配程度的匹配特征信息,可以获取目标视频的多个关键帧特征信息、目标视频标题的标题特征信息、以及视频搜索内容的搜索内容特征信息,以便分别将该多个关键帧特征、标题特征信息、以及搜索特征信息进行融合,得到内容特征信息与匹配特征信息,具体地,步骤“获取目标视频的多个关键帧特征信息、标题特征信息、以及用户的视频搜索内容的搜索内容特征信息”可以包括:
对目标视频进行关键帧提取,得到关键帧序列;
提取该关键帧序列的特征信息,得到多个关键帧特征信息;
对该目标视频的视频标题与用户的视频搜索内容进行特征提取,得到该视频标题对应的标题特征信息与该视频搜索内容对应的搜索内容特征信息。
例如,如图3所示,对于对目标视频进行关键帧提取,可以将目标视频输入关键帧提取器,得到该目标视频对应的关键帧序列,然后,可以通过使用卷积神经网络(CNN,Convolutional Neural Networks,卷积神经网络)对关键帧序列进行特征提取,可以得到多个关键帧特征信息。
其中,卷积神经网络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),是深度学习(deep learning)的代表算法之一。卷积神经网络具有表征学习(representation learning)能力,能够按其阶层结构对输入的信息进行平移不变分类(shift-invariant classification),因此也被称为“平移不变人工神经网络(Shift-Invariant Artificial Neural Networks,SIANN)”。
进一步的,对目标视频的视频标题与用户的视频搜索内容进行特征提取,可以该视频标题与该视频搜索内容传入LTD-BERT(一种压缩版的bert模型,其中,bert为BidirectionalEncoder Representations from Transformers,一种效果非常好的通用预训练语言表示模型)中得到该视频标题对应的标题特征信息与视频搜索内容对应的搜索内容特征信息。
在一实施例中,为了得到目标视频的视频标题对应的标题特征信息与视频搜索内容对应的搜索内容特征信息,可以对视频标题与视频搜索内容进行词转信息处理,具体地,步骤“对该目标视频的视频标题与用户的视频搜索内容进行特征提取,得到该视频标题对应的标题特征信息与该视频搜索内容对应的搜索内容特征信息”可以包括:
分别对该目标视频的视频标题与用户的视频搜索内容进行分词处理,得到该视频标题的标题词组、以及该视频搜索内容的搜索内容词组;
分别对该标题词组与该搜索内容词组进行特征转化,得到该视频标题对应的标题特征信息与该视频搜索内容对应的搜索内容特征信息。
102、将该多个关键帧特征信息与该标题特征信息进行融合,得到该目标视频的图像特征信息。
其中,图像特征信息可以更好的表示目标视频的特征信息,该图像特征信息既包含多个关键帧特征信息又包含视频标题的标题特征信息。
在一实施例中,在已知多个关键帧特征信息与标题特征信息的情况下,为了得到目标视频的图像特征信息,可以先分别将多个关键帧特征信息与标题特征信息进行融合,之后再跟多个关键帧特征信息进行融合,可以得到该目标视频的视频图像特征信息,具体地,步骤“将该多个关键帧特征信息与该标题特征信息进行融合,得到该目标视频的图像特征信息”可以包括:
分别将该多个关键帧特征信息与该标题特征信息进行融合,得到各关键帧与该视频标题的多个关联程度信息;
将该多个关联程度信息与该多个关键帧特征信息进融合,得到该目标视频的图像特征信息。
在一实施例中,该多个关联程度信息包括多个权重值,为了得到目标视频的视频图像特征信息,而将多个关联程度特征信息与多个关键帧特征信息进行融合的处理方法可以用其他的方法,即可以将该多个权重值与该多个关键帧特征信息进行加权运算,也可以得到目标视频的图像特征信息,具体地,步骤“将该多个关联程度信息与该多个关键帧特征信息进融合,得到该目标视频的图像特征信息”可以包括:
将该多个权重值与该多个关键帧特征信息进行加权运算,得到该目标视频的图像特征信息。
其中,如图4所示,可以将多个关键帧特征信息与多个权重值进行加权运算,得到图像特征信息。
103、将该图像特征信息与该标题特征信息进行融合,得到该目标视频的内容特征信息。
其中,内容特征信息是通过将图像特征信息与标题特征信息进行融合而得到的特征信息,该内容特征信息既包含图像特征信息又包含标题特征信息,更能完整的表示目标视频的整体特征信息。
例如,以标题特征信息包括标题特征向量为例进行说明,将图像特征信息与标题特征信息进行融合,得到目标视频的内容,也可以将图像特征信息与标题特征向量融合,得到目标视频的内容特征信息,等等方法以得到目标视频的内容特征信息。
104、将该图像特征信息与该搜索内容特征信息进行融合,得到该目标视频与该视频搜索内容之间的匹配特征信息。
其中,匹配特征信息可以表示目标视频与视频搜索内容之间匹配程度,对目标视频的推荐起到重要作用。
在一实施例中,为了得到目标视频与用户的视频搜索内容之间匹配的程度信息,可以对表示目标视频特征信息的图像特征信息与表示视频搜索内容的搜索内容特征信息进行融合处理,具体地,步骤“将该图像特征信息与该搜索内容特征信息进行融合,得到该目标视频与该视频搜索内容之间的匹配特征信息”可以包括:
基于该图像特征信息和该搜索内容特征信息,计算该目标视频与该视频搜索内容的相关程度系数,得到相关系数参数;
将该相关系数参数与该搜索内容特征信息进行加权运算,得到该目标视频和该视频搜索内容之间的匹配特征信息。
其中,相关程度系数的系数大小与图像特征信息、搜索内容特征信息是息息相关的,比如,该相关程度系数越大,目标视频与视频搜索内容的匹配程度就越高,等等。
例如,如图5所示,将该图像特征信息与该搜索内容特征信息进行融合,得到该目标视频与该视频搜索内容之间的匹配特征信息,该匹配特征信息对目标视频的推荐起到重要作用。
105、基于该内容特征信息与该匹配特征信息,对该目标视频进行推荐。
其中,内容特征信息既包含图像特征信息又包含标题特征信息,更能完整的表示目标视频的整体特征信息,而匹配特征信息则是表示目标视频与视频搜索内容之间匹配程度,基于该内容特征信息与该匹配特征信息对目标视频进行推荐,可以提高视频推荐的准确率。
一般来说,对于视频的推荐,可以通过将视频搜索内容信息与视频标题进行匹配,可以基于匹配结果对视频进推荐,但是却没有考虑到视频内容与视频标题是否符合,比如,为了博取用户眼球,部分视频的视频标题与视频内容严重不符,本申请实施例可以基于既包含图像特征信息又包含标题特征信息更能完整的表示目标视频的整体特征信息的内容特征信息与表示目标视频与视频搜索内容之间匹配程度的匹配特征信息,对该目标视频进行推荐,可以缓解视频内容与视频标题不符的现象。
在一实施例中,为了提高视频推荐的准确率,可以基于视频内容、视频标题、视频搜索内容等信息对视频进行推荐,具体地,步骤“基于该内容特征信息与该匹配特征信息,对该目标视频进行推荐”可以包括:
基于该内容特征信息和该匹配特征信息,计算该目标视频与该视频搜索内容的匹配概率,得到匹配概率参数;
基于该匹配概率参数,对该目标视频进行推荐。
在一实施例中,进一步的,步骤“基于该内容特征信息和该匹配特征信息,计算该目标视频与该视频搜索内容的匹配概率,得到匹配概率参数”可以包括:
将该内容特征信息与该匹配特征信息进行融合,得到融合后的目标特征信息;
对该目标特征信息进行全连接运算,得到该目标视频与该视频搜索内容的匹配概率参数。
其中,全连接层运算可以为将融合后的目标特征信息传入FC层(Full-connectedlayer,全连接层)后进行匹配判断,可以输出匹配概率参数,如,输出两个数值,匹配的概率和不匹配的概率。
在一实施例中,进一步的,步骤“基于该匹配概率参数,对该目标视频进行推荐”可以包括:
当该匹配概率参数达到预设匹配概率参数时,确定该目标视频与该视频搜索内容相匹配,并对该目标视频进行推荐。
例如,如图5所示,可以将得到的内容特征信息与匹配特征信息进行融合,再将融合后的特征信息输入全连接层进行全连接层运算,以输出目标视频与视频搜索内容的匹配概率参数,进而基于该匹配概率参数对该目标视频进行推荐。
在一实施例中,可以将目标视频存储到区块链中,以方便后续信息的提取存储,如图6所示,该服务器可以为分布式系统中的一个节点,其中,该分布式系统可以为区块链系统,该区块链系统可以是由多个节点通过网络通信的形式连接形成的分布式系统,节点之间可以组成点对点(P2P,Peer To Peer)网络,任意形式的计算机设备,比如服务器、终端等电子设备都可以通过加入该点对点网络而成为该区块链系统中的一个节点,其中,区块链,包括一系列按照产生的先后时间顺序相互接续的区块(Block),新区块一旦加入到区块链中就不会再被移除,区块中记录了区块链系统中节点提交的记录数据。
由以上可知,本实施例可以通过获取目标视频的多个关键帧特征、标题特征信息、以及用户的视频搜索内容对应的搜索特征信息,分别将该多个关键帧特征、标题特征信息、以及搜索特征信息进行融合,以得到更能完整的表示视频的整体特征信息的内容特征信息、以及能够得到表示目标视频与视频搜索内容之间匹配程度的匹配特征信息,基于该内容特征信息与该匹配特征信息,对该目标视频进行推荐,可以提高视频推荐的准确率。
根据上述介绍的内容,下面将举例来进一步说明本申请的视频推荐方法。参考图7,一种视频推荐方法,具体流程可以如下:
201、服务器获取目标视频的多个关键帧特征信息、标题特征信息、以及用户的视频搜索内容的搜索内容特征信息。
例如,服务器可以对获取的目标视频进行关键帧提取,如将目标视频输入关键帧提取器就可以得到该目标视频的关键帧序列,也可以通过其他方式提取目标视频的关键帧,然后,再对该关键帧序列进行特征提取,得到多个关键帧特征信息。还可以对目标视频的视频标题与用户的视频搜索内容进行特征提取,分别得到标题特征信息与搜索内容特征信息,其中,关键帧特征信息包括关键帧特征向量,标题特征信息包括标题特征向量,搜索内容特征信息包括标题特征向量。
其中,标题特征向量可以通过对目标视频的视频标题进行词转向量处理,比如,可以将视频标题进行分词处理,得到标题词组,然后再将该标题词组转换成特征向量,得到标题特征向量。同理,搜索内容特征向量也可以通过对视频搜索内容进行词转向量处理,可以先将该视频搜索内容进行分词处理,得到搜索内容词组,然后再将该搜索内容词组转换成特征向量,得到搜索内容特征向量。
202、服务器将该多个关键帧特征信息与该标题特征信息进行融合,得到该目标视频的图像特征信息。
例如,以多个关键帧特征信息包括多个关键帧特征向量,标题特征信息包括标题特征向量为例进行说明,服务器将该多个关键帧特征信息与该标题特征信息进行融合,得到该目标视频的图像特征信息,可以通过将多个关键帧特征向量与该标题特征向量进行融合处理,可以得到每个关键帧特征的重要性权重值,然后,再将这些权重值与该多个关键帧特征向量进行加权运算,可以得到图像特征信息。
203、服务器将该图像特征信息与该标题特征信息进行融合,得到该目标视频的内容特征信息。
例如,以标题特征信息包括标题特征向量为例进行说明,服务器将该图像特征信息与该标题融合,得到目标视频的内容特征信息,可以通过将该图像特征信息与该标题特征向量进行融合处理,得到该目标视频的内容特征信息,该内容特征信息包括内容特征向量。
204、服务器将该图像特征信息与该搜索内容特征信息进行融合,得到该目标视频与该视频搜索内容之间的匹配特征信息。
例如,以搜索内容特征信息包括搜索内容特征向量为例进行说明,服务器将图像特征信息与搜索内容特征信息进行融合,得到目标视频与视频搜索内容之间的匹配特征信息,可以将图像特征信息与搜索内容特征向量进行融合,得到该目标视频与该视频搜索内容的相关程度系数参数,然后再将相关程度系数参数与搜索内容特征向量进行加权运算,可以得到该目标视频和该视频搜索内容之间的匹配特征信息。
205、基于该内容特征信息和该匹配特征信息,服务器对该目标视频进行推荐。
例如,以内容特征信息包括内容特征向量、匹配特征信息包括匹配特征向量为例进行说明,基于该内容特征信息和该匹配特征信息,服务器对该目标视频进行推荐,可以对该内容特征向量与该匹配特征向量进行向量拼接,得到目标特征向量,然后将该目标特征向量进行全连接运算,得到该目标视频与该视频搜索内容的匹配概率参数,最后基于该匹配概率参数对目标视频进行推荐。
一般情况下,现有的视频推荐的方法多是基于短文本匹配的方式,即将搜索视频的短文本(比如搜索词)与视频标题短文本进行匹配,从而从视频库中得到与搜索视频的短文本相符的视频,但是仅仅通过视频标题进行短文本匹配并不能很好的得到与搜索视频的短文本真正相符的视频,一方面是因为视频标题并不能完整的描述整个视频的内容信息,另一方面是视频标题可能与视频内容不符。如图8所示,本申请实施例则是可以基于目标视频的视频内容、目标视频的视频标题、以及视频搜索内容三者的匹配结果,对该目标视频进行推荐,可以提高视频推荐的准确率。
由以上可知,本实施例可以通过获取目标视频的多个关键帧特征、标题特征信息、以及用户的视频搜索内容对应的搜索特征信息,分别将该多个关键帧特征、标题特征信息、以及搜索特征信息进行融合,以得到更能完整的表示视频的整体特征信息的内容特征信息、以及能够得到表示目标视频与视频搜索内容之间匹配程度的匹配特征信息,基于该内容特征信息与该匹配特征信息,对该目标视频进行推荐,可以提高视频推荐的准确率。
为了更好地实施以上方法,相应的,本申请实施例还提供一种视频推荐装置,其中,该视频推荐装置具体可以集成在服务器中,参考图9,该视频推荐装置可以包括获取单元301、第一融合单元302、第二融合单元303、第三融合单元304和推荐单元305,如下:
(1)获取单元301;
获取单元301,用于获取目标视频的多个关键帧特征信息、标题特征信息、以及用户的视频搜索内容的搜索内容特征信息。
在一实施例中,该获取单元301,包括:
第一提取子单元3011,用于对目标视频进行关键帧提取,得到关键帧序列;
第二提取子单元3012,用于提取该关键帧序列的特征信息,得到多个关键帧特征信息;
第三提取子单元3013,用于对该目标视频的视频标题与用户的视频搜索内容进行特征提取,得到该视频标题对应的标题特征信息与该视频搜索内容对应的搜索内容特征信息。
在一实施例中,该第三提取子单元3013还用于分别对该目标视频的视频标题与用户的视频搜索内容进行分词处理,得到该视频标题的标题词组、以及该视频搜索内容的搜索内容词组;分别对该标题词组与该搜索内容词组进行特征转化,得到该视频标题对应的标题特征信息与该视频搜索内容对应的搜索内容特征信息。
(2)第一融合单元302;
第一融合单元302,用于将该多个关键帧特征信息与该标题特征信息进行融合,得到该目标视频的图像特征信息。
在一实施例中,该第一融合单元302,包括:
第一融合子单元3021,用于分别将该多个关键帧特征信息与该标题特征信息进行融合,得到各关键帧与该视频标题的多个关联程度信息;
第二融合子单元3022,用于将该多个关联程度信息与该多个关键帧特征信息进融合,得到该目标视频的图像特征信息。
在一实施例中,该第二融合子单元3022还用于将该多个权重值与该多个关键帧特征信息进行加权运算,得到该目标视频的图像特征信息。
(3)第二融合单元303;
第二融合单元303,用于将该图像特征信息与该标题特征信息进行融合,得到该目标视频的内容特征信息。
(4)第三融合单元304;
第三融合单元304,用于将该图像特征信息与该搜索内容特征信息进行融合,得到该目标视频与该视频搜索内容之间的匹配特征信息。
在一实施例中,该第三融合单元304,包括:
第一计算子单元3041,用于基于该图像特征信息和该搜索内容特征信息,计算该目标视频与该视频搜索内容的相关程度系数,得到相关系数参数;
加权运算子单元3042,用于将该相关系数参数与该搜索内容特征信息进行加权运算,得到该目标视频和该视频搜索内容之间的匹配特征信息。
(5)推荐单元305;
推荐单元305,用于基于该内容特征信息与该匹配特征信息,对该目标视频进行推荐。
在一实施例中,该推荐单元305,包括:
第二计算子单元3051,用于基于该内容特征信息和该匹配特征信息,计算该目标视频与该视频搜索内容的匹配概率,得到匹配概率参数;
推荐子单元3052,用于基于该匹配概率参数,对该目标视频进行推荐。
在一实施例中,该第二计算子单元3051还用于将该内容特征信息与该匹配特征信息进行融合,得到融合后的目标特征信息;对该目标特征信息进行全连接运算,得到该目标视频与该视频搜索内容的匹配概率参数。
在一实施例中,该推荐子单元3052还用于当该匹配概率参数达到预设匹配概率参数时,确定该目标视频与该视频搜索内容相匹配,并对该目标视频进行推荐。
由以上可知,本申请实施例的视频推荐装置中获取单元301获取目标视频的多个关键帧特征信息、标题特征信息、以及用户的视频搜索内容的搜索内容特征信息;然后,由第一融合单元302将该多个关键帧特征信息与该标题特征信息进行融合,得到该目标视频的图像特征信息;由第二融合单元303将该图像特征信息与该标题特征信息进行融合,得到该目标视频的内容特征信息;由第三融合单元304将该图像特征信息与该搜索内容特征信息进行融合,得到该目标视频与该视频搜索内容之间的匹配特征信息;由推荐单元305基于该内容特征信息与该匹配特征信息,对该目标视频进行推荐。该方案可以通过获取目标视频的多个关键帧特征、标题特征信息、以及用户的视频搜索内容对应的搜索特征信息,分别将该多个关键帧特征、标题特征信息、以及搜索特征信息进行融合,以得到更能完整的表示视频的整体特征信息的内容特征信息、以及能够得到表示目标视频与视频搜索内容之间匹配程度的匹配特征信息,基于该内容特征信息与该匹配特征信息,对该目标视频进行推荐,可以提高视频推荐的准确率。
此外,本申请实施例还提供一种计算机设备,该计算机设备可以为终端或者服务器等设备,如图10所示,其示出了本申请实施例所涉及的计算机设备的结构示意图,具体来讲:
该计算机设备可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解,图10中示出的计算机设备结构并不构成对计算机设备的限定,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:
处理器401是该计算机设备的控制中心,利用各种接口和线路连接整个计算机设备的各个部分,通过运行或执行存储在存储器402内的软件程序和/或模块,以及调用存储在存储器402内的数据,执行计算机设备的各种功能和处理数据,从而对计算机设备进行整体监控。可选的,处理器401可包括一个或多个处理核心;优选的,处理器401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401中。
存储器402可用于存储软件程序以及模块,处理器401通过运行存储在存储器402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402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;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储器402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402还可以包括存储器控制器,以提供处理器401对存储器402的访问。
计算机设备还包括给各个部件供电的电源403,优选的,电源403可以通过电源管理系统与处理器401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403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。
该计算机设备还可包括输入单元404,该输入单元404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。
尽管未示出,计算机设备还可以包括显示单元等,在此不再赘述。具体在本实施例中,计算机设备中的处理器401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402中,并由处理器401来运行存储在存储器402中的应用程序,从而实现各种功能,如下:
获取目标视频的多个关键帧特征信息、标题特征信息、以及用户的视频搜索内容的搜索内容特征信息;将该多个关键帧特征信息与该标题特征信息进行融合,得到该目标视频的图像特征信息;将该图像特征信息与该标题特征信息进行融合,得到该目标视频的内容特征信息;将该图像特征信息与该搜索内容特征信息进行融合,得到该目标视频与该视频搜索内容之间的匹配特征信息;基于该内容特征信息与该匹配特征信息,对该目标视频进行推荐。
以上个操作的具体实施例可参见前面的实施例,在此不再赘述。
在一实施例中,如图6所示,该计算机设备可以是分布式系统中的一个节点,其中,该分布式系统可以为区块链系统,该区块链系统可以是由多个节点通过网络通信的形式连接形成的分布式系统。其中,节点之间可以组成点对点(P2P,Peer To Peer)网络,任意形式的计算机设备,比如服务器、终端等电子设备都可以通过加入该点对点网络而成为该区块链系统中的一个节点。
由以上可知,本实施例可以通过获取目标视频的多个关键帧特征、标题特征信息、以及用户的视频搜索内容对应的搜索特征信息,分别将该多个关键帧特征、标题特征信息、以及搜索特征信息进行融合,以得到更能完整的表示视频的整体特征信息的内容特征信息、以及能够得到表示目标视频与视频搜索内容之间匹配程度的匹配特征信息,基于该内容特征信息与该匹配特征信息,对该目标视频进行推荐,可以提高视频推荐的准确率。
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推荐方法中的步骤。例如,该指令可以执行如下步骤:
获取目标视频的多个关键帧特征信息、标题特征信息、以及用户的视频搜索内容的搜索内容特征信息;将该多个关键帧特征信息与该标题特征信息进行融合,得到该目标视频的图像特征信息;将该图像特征信息与该标题特征信息进行融合,得到该目标视频的内容特征信息;将该图像特征信息与该搜索内容特征信息进行融合,得到该目标视频与该视频搜索内容之间的匹配特征信息;基于该内容特征信息与该匹配特征信息,对该目标视频进行推荐。
以上各个操作的具体实施方式可参见前面的实施例,在此不再赘述。
其中,该计算机可读存储介质可以包括: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。
由于该计算机可读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推荐方法中的步骤,因此,可以实现本申请实施例所提供的任一种视频推荐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一种视频推荐方法、装置、计算机设备和计算机可读存储介质进行了详细介绍,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,本说明书内容不应理解为对本申请的限制。
Claims (9)
1.一种视频推荐方法,其特征在于,包括:
获取目标视频的多个关键帧特征信息、标题特征信息、以及用户的视频搜索内容的搜索内容特征信息;
将所述多个关键帧特征信息与所述标题特征信息进行融合,得到所述目标视频的图像特征信息;
将所述图像特征信息与所述标题特征信息进行融合,得到所述目标视频的内容特征信息;
基于所述图像特征信息和所述搜索内容特征信息,计算所述目标视频与所述视频搜索内容的相关程度系数,得到相关系数参数;
将所述相关系数参数与所述搜索内容特征信息进行加权运算,得到所述目标视频和所述视频搜索内容之间的匹配特征信息;
基于所述内容特征信息与所述匹配特征信息,对所述目标视频进行推荐。
2.根据权利要求1所述的方法,其特征在于,获取目标视频的多个关键帧特征信息、标题特征信息、以及用户的视频搜索内容的搜索内容特征信息,包括:
对目标视频进行关键帧提取,得到关键帧序列;
提取所述关键帧序列的特征信息,得到多个关键帧特征信息;
对所述目标视频的视频标题与用户的视频搜索内容进行特征提取,得到所述视频标题对应的标题特征信息与所述视频搜索内容对应的搜索内容特征信息。
3.根据权利要求2所述的方法,其特征在于,对所述目标视频的视频标题与用户发起的视频搜索内容进行特征提取,得到所述视频标题对应的标题特征信息与所述视频搜索内容对应的搜索内容特征信息,包括:
分别对所述目标视频的视频标题与用户的视频搜索内容进行分词处理,得到所述视频标题的标题词组、以及所述视频搜索内容的搜索内容词组;
分别对所述标题词组与所述搜索内容词组进行特征转化,得到所述视频标题对应的标题特征信息与所述视频搜索内容对应的搜索内容特征信息。
4.根据权利要求1所述的方法,其特征在于,将所述多个关键帧特征信息与所述标题特征信息进行融合,得到所述目标视频的图像特征信息,包括:
分别将所述多个关键帧特征信息与所述标题特征信息进行融合,得到各关键帧与所述目标视频的视频标题的多个关联程度信息;
将所述多个关联程度信息与所述多个关键帧特征信息进融合,得到所述目标视频的图像特征信息。
5.根据权利要求4所述的方法,其特征在于,所述多个关联程度信息包括多个权重值;
所述将所述多个关联程度信息与所述多个关键帧特征信息进融合,得到所述目标视频的图像特征信息,包括:
将所述多个权重值与所述多个关键帧特征信息进行加权运算,得到所述目标视频的图像特征信息。
6.根据权利要求1所述的方法,其特征在于,基于所述内容特征信息与所述匹配特征信息,对所述目标视频进行推荐,包括:
基于所述内容特征信息和所述匹配特征信息,计算所述目标视频与所述视频搜索内容的匹配概率,得到匹配概率参数;
基于所述匹配概率参数,对所述目标视频进行推荐。
7.根据权利要求6所述的方法,其特征在于,基于所述内容特征信息和所述匹配特征信息,计算所述目标视频与所述视频搜索内容的匹配概率,得到匹配概率参数,包括:
将所述内容特征信息与所述匹配特征信息进行融合,得到融合后的目标特征信息;
对所述目标特征信息进行全连接运算,得到所述目标视频与所述视频搜索内容的匹配概率参数。
8.根据权利要求6所述的方法,其特征在于,基于所述匹配概率参数,对所述目标视频进行推荐,包括:
当所述匹配概率参数达到预设匹配概率参数时,确定所述目标视频与所述视频搜索内容相匹配,并对所述目标视频进行推荐。
9.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述目标视频存储至区块链中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010139127.7A CN112749297B (zh) | 2020-03-03 | 2020-03-03 | 视频推荐方法、装置、计算机设备和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010139127.7A CN112749297B (zh) | 2020-03-03 | 2020-03-03 | 视频推荐方法、装置、计算机设备和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112749297A CN112749297A (zh) | 2021-05-04 |
CN112749297B true CN112749297B (zh) | 2023-07-21 |
Family
ID=75645473
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010139127.7A Active CN112749297B (zh) | 2020-03-03 | 2020-03-03 | 视频推荐方法、装置、计算机设备和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112749297B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018157746A1 (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 |
CN109874053A (zh) * | 2019-02-21 | 2019-06-11 | 南京航空航天大学 | 基于视频内容理解和用户动态兴趣的短视频推荐方法 |
CN110110203A (zh) * | 2018-01-11 | 2019-08-09 | 腾讯科技(深圳)有限公司 | 资源信息推送方法及服务器、资源信息展示方法及终端 |
CN110598618A (zh) * | 2019-09-05 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 内容推荐方法、装置、计算机设备和计算机可读存储介质 |
CN110609955A (zh) * | 2019-09-16 | 2019-12-24 | 腾讯科技(深圳)有限公司 | 一种视频推荐的方法及相关设备 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103365854A (zh) * | 2012-03-28 | 2013-10-23 | 鸿富锦精密工业(深圳)有限公司 | 视频文件检索系统及检索方法 |
CN104639993A (zh) * | 2013-11-06 | 2015-05-20 | 株式会社Ntt都科摩 | 视频节目推荐方法及其服务器 |
US20170147586A1 (en) * | 2015-11-25 | 2017-05-25 | Le Holdings (Beijing) Co., Ltd. | Method and electronic device for searching video contents |
CN105898362A (zh) * | 2015-11-25 | 2016-08-24 | 乐视网信息技术(北京)股份有限公司 | 检索视频内容的方法和装置 |
BR102016007265B1 (pt) * | 2016-04-01 | 2022-11-16 | Samsung Eletrônica da Amazônia Ltda. | Método multimodal e em tempo real para filtragem de conteúdo sensível |
CN106254933B (zh) * | 2016-08-08 | 2020-02-18 | 腾讯科技(深圳)有限公司 | 字幕提取方法及装置 |
CN107229737A (zh) * | 2017-06-14 | 2017-10-03 | 广东小天才科技有限公司 | 一种视频搜索的方法及电子设备 |
CN108429920A (zh) * | 2018-02-06 | 2018-08-21 | 北京奇虎科技有限公司 | 一种处理标题党视频的方法和装置 |
CN109359592B (zh) * | 2018-10-16 | 2019-12-06 | 北京达佳互联信息技术有限公司 | 视频帧的处理方法、装置、电子设备及存储介质 |
CN110149541B (zh) * | 2019-04-23 | 2021-08-03 | 腾讯科技(深圳)有限公司 | 视频推荐方法、装置、计算机设备及存储介质 |
CN110300329B (zh) * | 2019-06-26 | 2022-08-12 | 北京字节跳动网络技术有限公司 | 基于离散特征的视频推送方法、装置及电子设备 |
CN110781347B (zh) * | 2019-10-23 | 2023-03-07 | 腾讯科技(深圳)有限公司 | 一种视频处理方法、装置、设备以及可读存储介质 |
CN110796204B (zh) * | 2019-11-01 | 2023-05-02 | 腾讯科技(深圳)有限公司 | 视频标签确定方法、装置和服务器 |
CN110688526A (zh) * | 2019-11-07 | 2020-01-14 | 山东舜网传媒股份有限公司 | 基于关键帧识别和音频文本化的短视频推荐方法及系统 |
-
2020
- 2020-03-03 CN CN202010139127.7A patent/CN112749297B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018157746A1 (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 |
CN110110203A (zh) * | 2018-01-11 | 2019-08-09 | 腾讯科技(深圳)有限公司 | 资源信息推送方法及服务器、资源信息展示方法及终端 |
CN109874053A (zh) * | 2019-02-21 | 2019-06-11 | 南京航空航天大学 | 基于视频内容理解和用户动态兴趣的短视频推荐方法 |
CN110598618A (zh) * | 2019-09-05 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 内容推荐方法、装置、计算机设备和计算机可读存储介质 |
CN110609955A (zh) * | 2019-09-16 | 2019-12-24 | 腾讯科技(深圳)有限公司 | 一种视频推荐的方法及相关设备 |
Non-Patent Citations (1)
Title |
---|
基于视频七阶距特征的内容检索方法;李炎;杜秀华;曹俊;;实验室研究与探索(12);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112749297A (zh) | 2021-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112199375B (zh) | 跨模态的数据处理方法、装置、存储介质以及电子装置 | |
CN111324774B (zh) | 一种视频去重方法和装置 | |
CN113762322A (zh) | 基于多模态表示的视频分类方法、装置和设备及存储介质 | |
CN111258995B (zh) | 数据处理方法、装置、存储介质及设备 | |
CN109960747A (zh) | 视频描述信息的生成方法、视频处理方法、相应的装置 | |
CN112348111B (zh) | 视频中的多模态特征融合方法、装置、电子设备及介质 | |
CN111008336A (zh) | 一种内容推荐方法、装置、设备及可读存储介质 | |
CN112818251B (zh) | 视频推荐方法、装置、电子设备以及存储介质 | |
US20230259739A1 (en) | Image detection method and apparatus, computer-readable storage medium, and computer device | |
CN111324773A (zh) | 一种背景音乐构建方法、装置、电子设备和存储介质 | |
CN113590928A (zh) | 内容推荐方法、装置及计算机可读存储介质 | |
CN115114395A (zh) | 内容检索及模型训练方法、装置、电子设备和存储介质 | |
CN110750677A (zh) | 基于人工智能的音视频识别方法、系统及存储介质和服务器 | |
CN111988668B (zh) | 一种视频推荐方法、装置、计算机设备及存储介质 | |
CN111046655A (zh) | 一种数据处理方法、装置及计算机可读存储介质 | |
CN112749297B (zh) | 视频推荐方法、装置、计算机设备和计算机可读存储介质 | |
CN115687676B (zh) | 信息检索方法、终端及计算机可读存储介质 | |
CN113672522B (zh) | 测试资源压缩方法以及相关设备 | |
CN113704544A (zh) | 一种视频分类方法、装置、电子设备和存储介质 | |
CN115774797A (zh) | 视频内容检索方法、装置、设备和计算机可读存储介质 | |
CN113761270A (zh) | 视频召回方法、装置、电子设备以及存储介质 | |
CN116415624A (zh) | 模型训练方法及装置、内容推荐方法及装置 | |
CN113821687A (zh) | 一种内容检索方法、装置和计算机可读存储介质 | |
CN112988724A (zh) | 一种工作效率数据获取方法及系统 | |
CN114385902B (zh) | 一种内容推荐方法、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40048282 Country of ref document: HK |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |