CN112818275A - 一种基于音视频的图文资源管理系统 - Google Patents

一种基于音视频的图文资源管理系统 Download PDF

Info

Publication number
CN112818275A
CN112818275A CN202110408870.2A CN202110408870A CN112818275A CN 112818275 A CN112818275 A CN 112818275A CN 202110408870 A CN202110408870 A CN 202110408870A CN 112818275 A CN112818275 A CN 112818275A
Authority
CN
China
Prior art keywords
image
video
text
document
central control
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.)
Granted
Application number
CN202110408870.2A
Other languages
English (en)
Other versions
CN112818275B (zh
Inventor
李鲲
李永海
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.)
Taide Wangju Beijing Technology Co ltd
Original Assignee
Taide Wangju Beijing 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 Taide Wangju Beijing Technology Co ltd filed Critical Taide Wangju Beijing Technology Co ltd
Priority to CN202110408870.2A priority Critical patent/CN112818275B/zh
Publication of CN112818275A publication Critical patent/CN112818275A/zh
Application granted granted Critical
Publication of CN112818275B publication Critical patent/CN112818275B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/957—Browsing optimisation, e.g. caching or content distillation
    • 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
    • G06F16/738—Presentation of query results
    • 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
    • G06F16/75—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
    • G06F16/70—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
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7834—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using audio features
    • 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
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7844—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using original textual content or text extracted from visual content or transcript of audio data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9538—Presentation of query results

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及基于音视频的图文资源管理系统，包括：用以提取视频中的音频的音频提取模块,用以识别图文文档中的文字的文字识别模块,用以对所述管理系统反馈的页面进行操作的操作模块和用以对录入的图文文档与所述管理系统内视频进行聚类的中控模块。当采用所述管理系统查阅任一视频时，所述中控模块调取该视频的关键词，并在系统内检索具有相同关键词的图文文档，中控模块根据相同关键词在视频与图文文档内出现的频率计算二者相关度，以判断图文文档是否为视频的相关文件；在进行相关度计算时，所述中控模块根据视频与图文文档的输入时长间隔、关键词重合数量和图文文档的篇幅长度对计算过程进行修正，确保计算结果的准确性。

Description

一种基于音视频的图文资源管理系统
技术领域
本发明涉及电数字处理领域，特别涉及到一种基于音视频的图文资源管理系统。
背景技术
随着科技的发展，网络逐渐成为大众获取外部信息的主要手段，人们在通过网络搜索信息的时候，往往很难通过一份文件获取全部所需信息内容，因此，在进行网络浏览时，常常会在屏幕的一侧进行相关信息推荐，然而，传统的网页推荐方法，对于基于内容的网页，该方法能够向用户推荐该网页的相关内容，而对相关内容的判定标准确参差不齐，尤其是一些中小企业的官网，没有相关技术人员进行网络维护导致官网的推荐内容往往达不到使用者的预期，尤其是对于夸种类文件的推荐，更是常常让使用者一头雾水，因此，急需开发一种应用于网络浏览时夸种类文件的推荐系统。
发明内容
为此，本发明提供一种基于音视频的图文资源管理系统，用以克服现有技术中网页浏览是夸种类文件内容推送不精准的问题。
为实现上述目的，本发明提供一种基于音视频的图文资源管理系统，包括：音频提取模块,用以提取视频中的音频；
文字识别模块,用以识别图文文档中的文字；
操作模块,其包括显示单元、选取单元和输入单元，用以对所述管理系统反馈的页面进行操作；
中控模块，其分别与所述音频提取模块、所述文字识别模块和所述操作模块相连，用以对录入的图文文档与所述管理系统内视频进行聚类；
在使用基于音视频的图文资源管理系统时，首先对录入的视频文件和图文文档进行关键词提取，确定每个视频文件和每个图文文档的关键词；
当当采用所述管理系统查阅任一视频时，所述中控模块调取该视频的关键词，并在系统内检索具有相同关键词的图文文档，中控模块根据相同关键词在视频与图文文档内出现的频率计算二者相关度，以判断图文文档是否为视频的相关文件；
在进行相关度计算时，所述中控模块根据视频与图文文档的输入时长间隔、关键词重合数量和图文文档的篇幅长度对计算过程进行修正，确保计算结果的准确性。
进一步地，当向所述管理系统内录入视频a1时，所述音频提取模块提取视频a1中的音频并生成视频a1的音频参数组b1，音频提取模块将音频参数组b1传递至所述中控模块；所述中控模块对音频参数组b1进行分析，提取音频参数组b1中重复次数最多的词语B1-1、B1-2、B1-3、B1-4、B1-5，其中，重复性词语B1-1的重复率为C1-1，重复性词语B1-2的重复率为C1-2，重复性词语B1-3的重复率为C1-3，重复性词语B1-4的重复率为C1-4，重复性词语B1-5的重复率为C1-5，C1-1≥C1-2≥C1-3≥C1-4≥C1-5，所述中控模块对重复性词语B1-1、B1-2、B1-3、B1-4、B1-5进行整合，生成视频a1的关键词组A1(B1-1、B1-2、B1-3、B1-4、B1-5)；所述中控模块对所述管理系统内输入的所有视频进行上述关键词提取操作，生成关键词组矩阵A0，A0(A1,A2,A3…An)，其中，A2为视频a2的关键词组，A3为视频a3的关键词组。
进一步地，当向所述管理系统内录入图文文档d1时，所述文字识别模块对文档d1中的文本进行转码识别生成文本e1，文字识别模块将生成的文本e1传递至所述中控模块，中控模块提取文本e1中重复次数最多的词语E1-1、E1-2、E1-3、E1-4、E1-5，其中，重复性词语E1-1的重复率为F1-1，重复性词语E1-2的重复率为F1-2，重复性词语E1-3的重复率为F1-3，重复性词语E1-4的重复率为F1-4，重复性词语E1-5的重复率为F1-5，F1-1≥F1-2≥F1-3≥F1-4≥F1-5，所述中控模块对重复性词语E1-1、E1-2、E1-3、E1-4、E1-5进行整合，生成图文文档d1的关键词组D1(E1-1、E1-2、E1-3、E1-4、E1-5)；所述中控模块对所述管理系统内输入的所有图文文档进行上述关键词提取操作，生成图文文档关键词组矩阵D0，D0(D1,D2,D3…Dm)，其中，D2为图文文档d2的关键词组，D3为图文文档d3的关键词组。
进一步地，当采用所述管理系统查阅视频ai时，i=1,2,3…n，所述中控模块从所述关键词组矩阵A0中调取视频ai的关键词组Ai(Bi-1、Bi-2、Bi-3、Bi-4、Bi-5)，中控模块从图文文档关键词组矩阵E0中检索关键词组Ai中的关键词，当图文文档dj的关键词组Ej中存有不少于一项关键词组Ai内的重复性词语时，j=1,2,3…m，中控模块对图文文档dj进行分析，判断图文文档dj是否为视频ai的关联文档；
当所述中控模块判定图文文档dj为视频ai的关联文档时，中控模块将图文文档dj的链接投放到所述显示单元的相关推荐处；
当所述中控模块判定图文文档dj不为视频ai的关联文档时，中控模块不投放图文文档dj的链接。
进一步地，当图文文档dj的关键词组Ej中存有一项关键词组Ai内的重复性词语时，所述中控模块计算图文文档dj与视频ai的相关度G1，
G1= Fj-k1×Ci-p1×M
其中，k1=1,2,3,4,5，p1=1,2,3,4,5，M为相关度计算补偿参数；
当图文文档dj的关键词组Ej中存有二项关键词组Ai内的重复性词语时，所述中控模块计算图文文档dj与视频ai的相关度G2，
G2=（Fj-k1×Ci-p1+ Fj-k2×Ci-p2）×M
其中，k2=1,2,3,4,5，p2=1,2,3,4,5；
当图文文档dj的关键词组Ej中存有三项关键词组Ai内的重复性词语时，所述中控模块计算图文文档dj与视频ai的相关度G3，
G3=（Fj-k1×Ci-p1+ Fj-k2×Ci-p2+ Fj-k3×Ci-p3）×M
其中，k3=1,2,3,4,5，p3=1,2,3,4,5；
当图文文档dj的关键词组Ej中存有四项关键词组Ai内的重复性词语时，所述中控模块计算图文文档dj与视频ai的相关度G4，
G4=（Fj-k1×Ci-p1+ Fj-k2×Ci-p2+ Fj-k3×Ci-p3+ Fj-k4×Ci-p4）×M
其中，k4=1,2,3,4,5，p4=1,2,3,4,5；
当图文文档dj的关键词组Ej中存有五项关键词组Ai内的重复性词语时，所述中控模块计算图文文档dj与视频ai的相关度G5，
G5=（Fj-k1×Ci-p1+ Fj-k2×Ci-p2+ Fj-k3×Ci-p3+ Fj-k4×Ci-p4+ Fj-k5×Ci-p5）×M
其中，k5=1,2,3,4,5，p5=1,2,3,4,5。
进一步地，所述中控模块内设有相关度基准参数G0，中控模块将计算的图文文档dj与视频ai的相关度Gs与相关度基准参数G0进行对比，s=1,2,3,4,5,
当Gs≤G0时，所述中控模块判定图文文档dj与视频ai的相关度不足，图文文档dj不是视频ai的关联文档；
当Gs＞G0时，所述中控模块判定图文文档dj与视频ai的相关度充足，图文文档dj是视频ai的关联文档。
进一步地，对于相关度计算补偿参数M有，M=T×N×Q×Mz，其中，T为图文文档dj与视频ai的上传时长间隔对相关度计算补偿参数M的调节参数，N为图文文档dj与视频ai的关键词重合数量对相关度计算补偿参数M的调节参数，Q为图文文档dj篇幅长度对相关度计算补偿参数M的调节参数，Mz为相关度计算补偿参数M的基础值。
进一步地，当图文文档dj与视频ai的上传时长间隔t不同时，图文文档dj与视频ai的上传时长间隔对相关度计算补偿参数M的调节参数T具有不同赋值，其中，
当t≤2day时，T=1.5；
当2day＜t≤7day时，T=1.2；
当7day＜t≤14day时，T=1；
当t＞14day时，T=0.8。
进一步地，当图文文档dj与视频ai的关键词重合数量不同时，图文文档dj与视频ai的关键词重合数量对相关度计算补偿参数M的调节参数N具有不同的赋值，其中，
当图文文档dj的关键词组Ej中存有一项关键词组Ai内的重复性词语时，N=1；
当图文文档dj的关键词组Ej中存有二项关键词组Ai内的重复性词语时，N=1.2；
当图文文档dj的关键词组Ej中存有三项关键词组Ai内的重复性词语时，N=1.4；
当图文文档dj的关键词组Ej中存有四项关键词组Ai内的重复性词语时，N=1.6；
当图文文档dj的关键词组Ej中存有五项关键词组Ai内的重复性词语时，N=1.8。
进一步地，所述中控模块内设有图文文档第一字数参数Z1和图文文档第二篇幅参数Z2，当文字识别模块对文档d1中的文本进行转码识别生成文本e1时，一并统计文本e1的字数Z，中控模块将Z与图文文档第一字数参数Z1和图文文档第二篇幅参数Z2进行对比，根据对比结果确定图文文档dj篇幅长度对相关度计算补偿参数M的调节参数Q的值，其中，
当Z≤Z1时，Q=0.6;
当Z1＜Z≤Z2时，Q=0.8;
当Z＞Z2时，Q=1。
与现有技术相比，本发明的有益效果在于，当采用所述管理系统查阅任一视频时，所述中控模块调取该视频的关键词，并在系统内检索具有相同关键词的图文文档，中控模块根据相同关键词在视频与图文文档内出现的频率计算二者相关度，以判断图文文档是否为视频的相关文件；在进行相关度计算时，所述中控模块根据视频与图文文档的输入时长间隔、关键词重合数量和图文文档的篇幅长度对计算过程进行修正，确保计算结果的准确性。
尤其，当向所述管理系统内录入视频a1时，所述音频提取模块提取视频a1中的音频并生成视频a1的音频参数组b1，音频提取模块将音频参数组b1传递至所述中控模块；所述中控模块对音频参数组b1进行分析，因视频的拍摄者不同，拍摄角度不同，叙述方式不同，在对同一类事物进行描述时可能会存有不同的图像信息，在对视频进行同类推荐时，会因视频的图像信息影像推荐结果，如，在描述同一种类产品生产过程时，有的厂商通过加工动画描述，有的厂商通过拍摄加工车间描述，有的厂商通过图文配音讲解描述，以往的同类别推荐过度重视视频内容，会导致对此类视频进行关联推荐时，推荐内容不精确的现象，如，对通过加工动画描述的视频推荐儿童动画的信息，对拍摄加工车间描述的视频推荐其他产品生产车间的信息，对图文配音讲解的视频推荐培训课件的信息；本发明在进行视频录入时提取视频音频信息，并根据音频信息确定视频描述的关键词，快速确定视频描述内容，并通过关键词选取视频的相关推荐信息，减小因分析视频内容导致推荐不合理的现象，提高推荐关联信息的准确性。
进一步地，当向所述管理系统内录入图文文档d1时，所述文字识别模块对文档d1中的文本进行转码识别生成文本e1，文字识别模块将生成的文本e1传递至所述中控模块，中控模块提取文本e1中重复次数最多的词语，图文文档输入格式不同，对关键词的提取精度存有不同，为提高图文文档关键词提取的一致性，在对关键词进行提取前统一图文文档格式，进一步地，通过对图文文档的关键词进行提取，快速确定文档描述内容，在对视频进行关联文档推荐时，加快处理器分析速度。
进一步地，当采用所述管理系统查阅视频ai时，i=1,2,3…n，所述中控模块从所述关键词组矩阵A0中调取视频ai的关键词组Ai(Bi-1、Bi-2、Bi-3、Bi-4、Bi-5)，中控模块从图文文档关键词组矩阵E0中检索关键词组Ai中的关键词，当图文文档dj的关键词组Ej中存有不少于一项关键词组Ai内的重复性词语时，j=1,2,3…m，中控模块对图文文档dj进行分析，判断图文文档dj是否为视频ai的关联文档，在对播放的视频进行关联推荐时，根据前期视频录入时确定的关键词进行信息检索，加快信息检索速率，同时，通过关键词检索加大视频推荐的准确性。
尤其，当图文文档dj的关键词组Ej中存有不少于一项关键词组Ai内的重复性词语时，通过关键词组Ej中关键词与关键词组Ai内关键词的重复率计算图文文档dj与视频ai的相关度，图文文档dj与视频ai间重合的关键词重复率越高说明二者之间关联度越高，同时，对不同重合数量的关键词采取不同的计算方法，重合的关键词数量越多图文文档dj与视频ai间关联度越高，加大相关文件推送的准确性。
尤其，当图文文档dj与视频ai的上传时长间隔t不同时，图文文档dj与视频ai的上传时长间隔对相关度计算补偿参数M的调节参数T具有不同赋值，对于图文文档dj与视频ai的不同的上传时长间隔对调节参数T设置不同赋值，当二者间隔越近时，二者属于同种事件的概率越大，调节参数T的数值越大，反之，当二者间隔越长时，调节参数T的数值越小，通过设置时间间隔调节参数确保相关文件推送的准确性。
尤其，当图文文档dj与视频ai的关键词重合数量不同时，图文文档dj与视频ai的关键词重合数量对相关度计算补偿参数M的调节参数N具有不同的赋值，图文文档dj与视频ai中关键词重复数量越多说明二者关联度越高，故当图文文档dj与视频ai中关键词重复数量增多时，加大调节参数N的数值，使补偿参数M的数值一并加大，确保相关文件推送的准确性。
尤其，所述中控模块内设有图文文档第一字数参数Z1和图文文档第二篇幅参数Z2，当文字识别模块对文档d1中的文本进行转码识别生成文本e1时，一并统计文本e1的字数Z，中控模块将Z与图文文档第一字数参数Z1和图文文档第二篇幅参数Z2进行对比，根据对比结果确定图文文档dj篇幅长度对相关度计算补偿参数M的调节参数Q的值，当文档字数越少时，描述内容越少，越容易出现判断误差，此时降低调节参数Q的数值，确保相关文件推送的准确性。
附图说明
图1为本发明所述基于音视频的图文资源管理系统的结构示意图。
具体实施方式
为了使本发明的目的和优点更加清楚明白，下面结合附图与实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
下面参照描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示，本发明提供一种基于音视频的图文资源管理系统，包括：音频提取模块1、文字识别模块2、中控模块3、操作模块4；
所述音频提取模块1用以提取视频中的音频；
所述文字识别模块2用以识别图文文档中的文字；
所述操作模块4包括显示单元、选取单元和输入单元，用以对所述管理系统反馈的页面进行操作；
所述中控模块3分别与所述音频提取模块1、所述文字识别模块2和所述操作模块4相连，用以对录入的图文文档与所述管理系统内视频进行聚类；
在使用基于音视频的图文资源管理系统时，首先对录入的视频文件和图文文档进行关键词提取，确定每个视频文件和每个图文文档的关键词；
当采用所述管理系统查阅任一视频时，所述中控模块3调取该视频的关键词，并在系统内检索具有相同关键词的图文文档，中控模块3根据相同关键词在视频与图文文档内出现的频率计算二者相关度，以判断图文文档是否为视频的相关文件；
在进行相关度计算时，所述中控模块3根据视频与图文文档的输入时长间隔、关键词重合数量和图文文档的篇幅长度对计算过程进行修正，确保计算结果的准确性。
当向所述管理系统内录入视频a1时，所述音频提取模块1提取视频a1中的音频并生成视频a1的音频参数组b1，音频提取模块1将音频参数组b1传递至所述中控模块3；所述中控模块3对音频参数组b1进行分析，提取音频参数组b1中重复次数最多的词语B1-1、B1-2、B1-3、B1-4、B1-5，其中，重复性词语B1-1的重复率为C1-1，重复性词语B1-2的重复率为C1-2，重复性词语B1-3的重复率为C1-3，重复性词语B1-4的重复率为C1-4，重复性词语B1-5的重复率为C1-5，C1-1≥C1-2≥C1-3≥C1-4≥C1-5，所述中控模块3对重复性词语B1-1、B1-2、B1-3、B1-4、B1-5进行整合，生成视频a1的关键词组A1(B1-1、B1-2、B1-3、B1-4、B1-5)；所述中控模块3对所述管理系统内输入的所有视频进行上述关键词提取操作，生成关键词组矩阵A0，A0(A1,A2,A3…An)，其中，A2为视频a2的关键词组，A3为视频a3的关键词组。
因视频的拍摄者不同，拍摄角度不同，叙述方式不同，在对同一类事物进行描述时可能会存有不同的图像信息，在对视频进行同类推荐时，会因视频的图像信息影像推荐结果，如，在描述同一种类产品生产过程时，有的厂商通过加工动画描述，有的厂商通过拍摄加工车间描述，有的厂商通过图文配音讲解描述，以往的同类别推荐过度重视视频内容，会导致对此类视频进行关联推荐时，推荐内容不精确的现象，如，对通过加工动画描述的视频推荐儿童动画的信息，对拍摄加工车间描述的视频推荐其他产品生产车间的信息，对图文配音讲解的视频推荐培训课件的信息；本发明在进行视频录入时提取视频音频信息，并根据音频信息确定视频描述的关键词，快速确定视频描述内容，并通过关键词选取视频的相关推荐信息，减小因分析视频内容导致推荐不合理的现象，提高推荐关联信息的准确性。
当向所述管理系统内录入图文文档d1时，所述文字识别模块2对文档d1中的文本进行转码识别生成文本e1，文字识别模块2将生成的文本e1传递至所述中控模块3，中控模块3提取文本e1中重复次数最多的词语E1-1、E1-2、E1-3、E1-4、E1-5，其中，重复性词语E1-1的重复率为F1-1，重复性词语E1-2的重复率为F1-2，重复性词语E1-3的重复率为F1-3，重复性词语E1-4的重复率为F1-4，重复性词语E1-5的重复率为F1-5，F1-1≥F1-2≥F1-3≥F1-4≥F1-5，所述中控模块3对重复性词语E1-1、E1-2、E1-3、E1-4、E1-5进行整合，生成图文文档d1的关键词组D1(E1-1、E1-2、E1-3、E1-4、E1-5)；所述中控模块3对所述管理系统内输入的所有图文文档进行上述关键词提取操作，生成图文文档关键词组矩阵D0，D0(D1,D2,D3…Dm)，其中，D2为图文文档d2的关键词组，D3为图文文档d3的关键词组。
图文文档输入格式不同，对关键词的提取精度存有不同，为提高图文文档关键词提取的一致性，在对关键词进行提取前统一图文文档格式，进一步地，通过对图文文档的关键词进行提取，快速确定文档描述内容，在对视频进行关联文档推荐时，加快处理器分析速度。
当采用所述管理系统查阅视频ai时，i=1,2,3…n，所述中控模块3从所述关键词组矩阵A0中调取视频ai的关键词组Ai(Bi-1、Bi-2、Bi-3、Bi-4、Bi-5)，中控模块3从图文文档关键词组矩阵E0中检索关键词组Ai中的关键词，当图文文档dj的关键词组Ej中存有不少于一项关键词组Ai内的重复性词语时，j=1,2,3…m，中控模块3对图文文档dj进行分析，判断图文文档dj是否为视频ai的关联文档；
当所述中控模块3判定图文文档dj为视频ai的关联文档时，中控模块3将图文文档dj的链接投放到所述显示单元的相关推荐处；
当所述中控模块3判定图文文档dj不为视频ai的关联文档时，中控模块3不投放图文文档dj的链接。
在对播放的视频进行关联推荐时，根据前期视频录入时确定的关键词进行信息检索，加快信息检索速率，同时，通过关键词检索加大视频推荐的准确性。
当图文文档dj的关键词组Ej中存有一项关键词组Ai内的重复性词语时，所述中控模块3计算图文文档dj与视频ai的相关度G1，
G1= Fj-k1×Ci-p1×M
其中，k1=1,2,3,4,5，p1=1,2,3,4,5，M为相关度计算补偿参数；
当图文文档dj的关键词组Ej中存有二项关键词组Ai内的重复性词语时，所述中控模块3计算图文文档dj与视频ai的相关度G2，
G2=（Fj-k1×Ci-p1+ Fj-k2×Ci-p2）×M
其中，k2=1,2,3,4,5，p2=1,2,3,4,5；
当图文文档dj的关键词组Ej中存有三项关键词组Ai内的重复性词语时，所述中控模块3计算图文文档dj与视频ai的相关度G3，
G3=（Fj-k1×Ci-p1+ Fj-k2×Ci-p2+ Fj-k3×Ci-p3）×M
其中，k3=1,2,3,4,5，p3=1,2,3,4,5；
当图文文档dj的关键词组Ej中存有四项关键词组Ai内的重复性词语时，所述中控模块3计算图文文档dj与视频ai的相关度G4，
G4=（Fj-k1×Ci-p1+ Fj-k2×Ci-p2+ Fj-k3×Ci-p3+ Fj-k4×Ci-p4）×M
其中，k4=1,2,3,4,5，p4=1,2,3,4,5；
当图文文档dj的关键词组Ej中存有五项关键词组Ai内的重复性词语时，所述中控模块3计算图文文档dj与视频ai的相关度G5，
G5=（Fj-k1×Ci-p1+ Fj-k2×Ci-p2+ Fj-k3×Ci-p3+ Fj-k4×Ci-p4+ Fj-k5×Ci-p5）×M
其中，k5=1,2,3,4,5，p5=1,2,3,4,5。
当图文文档dj的关键词组Ej中存有不少于一项关键词组Ai内的重复性词语时，通过关键词组Ej中关键词与关键词组Ai内关键词的重复率计算图文文档dj与视频ai的相关度，图文文档dj与视频ai间重合的关键词重复率越高说明二者之间关联度越高，同时，对不同重合数量的关键词采取不同的计算方法，重合的关键词数量越多图文文档dj与视频ai间关联度越高，加大相关文件推送的准确性。
所述中控模块3内设有相关度基准参数G0，中控模块3将计算的图文文档dj与视频ai的相关度Gs与相关度基准参数G0进行对比，s=1,2,3,4,5,
当Gs≤G0时，所述中控模块3判定图文文档dj与视频ai的相关度不足，图文文档dj不是视频ai的关联文档；
当Gs＞G0时，所述中控模块3判定图文文档dj与视频ai的相关度充足，图文文档dj是视频ai的关联文档。
对于相关度计算补偿参数M有，M=T×N×Q×Mz，其中，T为图文文档dj与视频ai的上传时长间隔对相关度计算补偿参数M的调节参数，N为图文文档dj与视频ai的关键词重合数量对相关度计算补偿参数M的调节参数，Q为图文文档dj篇幅长度对相关度计算补偿参数M的调节参数，Mz为相关度计算补偿参数M的基础值。
当图文文档dj与视频ai的上传时长间隔t不同时，图文文档dj与视频ai的上传时长间隔对相关度计算补偿参数M的调节参数T具有不同赋值，其中，
当t≤2day时，T=1.5；
当2day＜t≤7day时，T=1.2；
当7day＜t≤14day时，T=1；
当t＞14day时，T=0.8。
对于图文文档dj与视频ai的不同的上传时长间隔对调节参数T设置不同赋值，当二者间隔越近时，二者属于同种事件的概率越大，调节参数T的数值越大，反之，当二者间隔越长时，调节参数T的数值越小，通过设置时间间隔调节参数确保相关文件推送的准确性。
当图文文档dj与视频ai的关键词重合数量不同时，图文文档dj与视频ai的关键词重合数量对相关度计算补偿参数M的调节参数N具有不同的赋值，其中，
当图文文档dj的关键词组Ej中存有一项关键词组Ai内的重复性词语时，N=1；
当图文文档dj的关键词组Ej中存有二项关键词组Ai内的重复性词语时，N=1.2；
当图文文档dj的关键词组Ej中存有三项关键词组Ai内的重复性词语时，N=1.4；
当图文文档dj的关键词组Ej中存有四项关键词组Ai内的重复性词语时，N=1.6；
当图文文档dj的关键词组Ej中存有五项关键词组Ai内的重复性词语时，N=1.8。
图文文档dj与视频ai中关键词重复数量越多说明二者关联度越高，故当图文文档dj与视频ai中关键词重复数量增多时，加大调节参数N的数值，使补偿参数M的数值一并加大，确保相关文件推送的准确性。
所述中控模块3内设有图文文档第一字数参数Z1和图文文档第二篇幅参数Z2，当文字识别模块2对文档d1中的文本进行转码识别生成文本e1时，一并统计文本e1的字数Z，中控模块3将Z与图文文档第一字数参数Z1和图文文档第二篇幅参数Z2进行对比，根据对比结果确定图文文档dj篇幅长度对相关度计算补偿参数M的调节参数Q的值，其中，
当Z≤Z1时，Q=0.6;
当Z1＜Z≤Z2时，Q=0.8;
当Z＞Z2时，Q=1。
当文档字数越少时，描述内容越少，越容易出现判断误差，此时降低调节参数Q的数值，确保相关文件推送的准确性。
当视频ai同时具有多个符合关联度的文档时，所述中控模块3按照相关度Gs的数值由大到小对符合的文档进行排列，并按照排列顺序将各文档对应的连接投放到所述显示单元的相关推荐处，直至铺满推荐位。
所述管理系统内还设有存储模块5，用以存储音视频文件与文档文件，所述存储模块5与所述音频提取模块1、所述文字识别模块2、所述操作模块4分别相连，操作模块4能够向存储模块5内输入文件；
本实施例仅对如何快速寻找视频的图文文档关联文件进行阐述，本领域人员可以预想的是，本系统还可参考上述方法对视频进行视屏文件关联，对文档进行视频进行关联，对文档进行文档文件关联。
至此，已经结合优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

Claims (10)

1.一种基于音视频的图文资源管理系统，其特征在于，包括：
音频提取模块,用以提取视频中的音频；
文字识别模块,用以识别图文文档中的文字；
操作模块,其包括显示单元、选取单元和输入单元，用以对所述管理系统反馈的页面进行操作；
中控模块，其分别与所述音频提取模块、所述文字识别模块和所述操作模块相连，用以对录入的图文文档与所述管理系统内视频进行聚类；
在使用基于音视频的图文资源管理系统时，首先对录入的视频文件和图文文档进行关键词提取，确定每个视频文件和每个图文文档的关键词；
当采用所述管理系统查阅任一视频时，所述中控模块调取该视频的关键词，并在系统内检索具有相同关键词的图文文档，中控模块根据相同关键词在视频与图文文档内出现的频率计算二者相关度，以判断图文文档是否为视频的相关文件；
在进行相关度计算时，所述中控模块根据视频与图文文档的输入时长间隔、关键词重合数量和图文文档的篇幅长度对计算过程进行修正，确保计算结果的准确性。
2.根据权利要求1所述的基于音视频的图文资源管理系统，其特征在于，当向所述管理系统内录入视频a1时，所述音频提取模块提取视频a1中的音频并生成视频a1的音频参数组b1，音频提取模块将音频参数组b1传递至所述中控模块；所述中控模块对音频参数组b1进行分析，提取音频参数组b1中重复次数最多的词语B1-1、B1-2、B1-3、B1-4、B1-5，其中，重复性词语B1-1的重复率为C1-1，重复性词语B1-2的重复率为C1-2，重复性词语B1-3的重复率为C1-3，重复性词语B1-4的重复率为C1-4，重复性词语B1-5的重复率为C1-5，C1-1≥C1-2≥C1-3≥C1-4≥C1-5，所述中控模块对重复性词语B1-1、B1-2、B1-3、B1-4、B1-5进行整合，生成视频a1的关键词组A1(B1-1、B1-2、B1-3、B1-4、B1-5)；所述中控模块对所述管理系统内输入的所有视频进行上述关键词提取操作，生成关键词组矩阵A0，A0(A1,A2,A3…An)，其中，A2为视频a2的关键词组，A3为视频a3的关键词组。
3.根据权利要求2所述的基于音视频的图文资源管理系统，其特征在于，当向所述管理系统内录入图文文档d1时，所述文字识别模块对文档d1中的文本进行转码识别生成文本e1，文字识别模块将生成的文本e1传递至所述中控模块，中控模块提取文本e1中重复次数最多的词语E1-1、E1-2、E1-3、E1-4、E1-5，其中，重复性词语E1-1的重复率为F1-1，重复性词语E1-2的重复率为F1-2，重复性词语E1-3的重复率为F1-3，重复性词语E1-4的重复率为F1-4，重复性词语E1-5的重复率为F1-5，F1-1≥F1-2≥F1-3≥F1-4≥F1-5，所述中控模块对重复性词语E1-1、E1-2、E1-3、E1-4、E1-5进行整合，生成图文文档d1的关键词组D1(E1-1、E1-2、E1-3、E1-4、E1-5)；所述中控模块对所述管理系统内输入的所有图文文档进行上述关键词提取操作，生成图文文档关键词组矩阵D0，D0(D1,D2,D3…Dm)，其中，D2为图文文档d2的关键词组，D3为图文文档d3的关键词组。
4.根据权利要求3所述的基于音视频的图文资源管理系统，其特征在于，当采用所述管理系统查阅视频ai时，i=1,2,3…n，所述中控模块从所述关键词组矩阵A0中调取视频ai的关键词组Ai(Bi-1、Bi-2、Bi-3、Bi-4、Bi-5)，中控模块从图文文档关键词组矩阵E0中检索关键词组Ai中的关键词，当图文文档dj的关键词组Ej中存有不少于一项关键词组Ai内的重复性词语时，j=1,2,3…m，中控模块对图文文档dj进行分析，判断图文文档dj是否为视频ai的关联文档；
当所述中控模块判定图文文档dj为视频ai的关联文档时，中控模块将图文文档dj的链接投放到所述显示单元的相关推荐处；
当所述中控模块判定图文文档dj不为视频ai的关联文档时，中控模块不投放图文文档dj的链接。
5.根据权利要求4所述的基于音视频的图文资源管理系统，其特征在于，当图文文档dj的关键词组Ej中存有一项关键词组Ai内的重复性词语时，所述中控模块计算图文文档dj与视频ai的相关度G1，
G1= Fj-k1×Ci-p1×M
其中，k1=1,2,3,4,5，p1=1,2,3,4,5，M为相关度计算补偿参数；
当图文文档dj的关键词组Ej中存有二项关键词组Ai内的重复性词语时，所述中控模块计算图文文档dj与视频ai的相关度G2，
G2=（Fj-k1×Ci-p1+ Fj-k2×Ci-p2）×M
其中，k2=1,2,3,4,5，p2=1,2,3,4,5；
当图文文档dj的关键词组Ej中存有三项关键词组Ai内的重复性词语时，所述中控模块计算图文文档dj与视频ai的相关度G3，
G3=（Fj-k1×Ci-p1+ Fj-k2×Ci-p2+ Fj-k3×Ci-p3）×M
其中，k3=1,2,3,4,5，p3=1,2,3,4,5；
当图文文档dj的关键词组Ej中存有四项关键词组Ai内的重复性词语时，所述中控模块计算图文文档dj与视频ai的相关度G4，
G4=（Fj-k1×Ci-p1+ Fj-k2×Ci-p2+ Fj-k3×Ci-p3+ Fj-k4×Ci-p4）×M
其中，k4=1,2,3,4,5，p4=1,2,3,4,5；
当图文文档dj的关键词组Ej中存有五项关键词组Ai内的重复性词语时，所述中控模块计算图文文档dj与视频ai的相关度G5，
G5=（Fj-k1×Ci-p1+ Fj-k2×Ci-p2+ Fj-k3×Ci-p3+ Fj-k4×Ci-p4+ Fj-k5×Ci-p5）×M
其中，k5=1,2,3,4,5，p5=1,2,3,4,5。
6.根据权利要求5所述的基于音视频的图文资源管理系统，其特征在于，所述中控模块内设有相关度基准参数G0，中控模块将计算的图文文档dj与视频ai的相关度Gs与相关度基准参数G0进行对比，s=1,2,3,4,5,
当Gs≤G0时，所述中控模块判定图文文档dj与视频ai的相关度不足，图文文档dj不是视频ai的关联文档；
当Gs＞G0时，所述中控模块判定图文文档dj与视频ai的相关度充足，图文文档dj是视频ai的关联文档。
7.根据权利要求6所述的基于音视频的图文资源管理系统，其特征在于，对于相关度计算补偿参数M有，M=T×N×Q×Mz，其中，T为图文文档dj与视频ai的上传时长间隔对相关度计算补偿参数M的调节参数，N为图文文档dj与视频ai的关键词重合数量对相关度计算补偿参数M的调节参数，Q为图文文档dj篇幅长度对相关度计算补偿参数M的调节参数，Mz为相关度计算补偿参数M的基础值。
8.根据权利要求7所述的基于音视频的图文资源管理系统，其特征在于，当图文文档dj与视频ai的上传时长间隔t不同时，图文文档dj与视频ai的上传时长间隔对相关度计算补偿参数M的调节参数T具有不同赋值，其中，
当t≤2day时，T=1.5；
当2day＜t≤7day时，T=1.2；
当7day＜t≤14day时，T=1；
当t＞14day时，T=0.8。
9.根据权利要求8所述的基于音视频的图文资源管理系统，其特征在于，当图文文档dj与视频ai的关键词重合数量不同时，图文文档dj与视频ai的关键词重合数量对相关度计算补偿参数M的调节参数N具有不同的赋值，其中，
当图文文档dj的关键词组Ej中存有一项关键词组Ai内的重复性词语时，N=1；
当图文文档dj的关键词组Ej中存有二项关键词组Ai内的重复性词语时，N=1.2；
当图文文档dj的关键词组Ej中存有三项关键词组Ai内的重复性词语时，N=1.4；
当图文文档dj的关键词组Ej中存有四项关键词组Ai内的重复性词语时，N=1.6；
当图文文档dj的关键词组Ej中存有五项关键词组Ai内的重复性词语时，N=1.8。
10.根据权利要求9所述的基于音视频的图文资源管理系统，其特征在于，所述中控模块内设有图文文档第一字数参数Z1和图文文档第二篇幅参数Z2，当文字识别模块对文档d1中的文本进行转码识别生成文本e1时，一并统计文本e1的字数Z，中控模块将Z与图文文档第一字数参数Z1和图文文档第二篇幅参数Z2进行对比，根据对比结果确定图文文档dj篇幅长度对相关度计算补偿参数M的调节参数Q的值，其中，
当Z≤Z1时，Q=0.6;
当Z1＜Z≤Z2时，Q=0.8;
当Z＞Z2时，Q=1。
CN202110408870.2A 2021-04-16 2021-04-16 一种基于音视频的图文资源管理系统 Active CN112818275B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110408870.2A CN112818275B (zh) 2021-04-16 2021-04-16 一种基于音视频的图文资源管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110408870.2A CN112818275B (zh) 2021-04-16 2021-04-16 一种基于音视频的图文资源管理系统

Publications (2)

Publication Number Publication Date
CN112818275A true CN112818275A (zh) 2021-05-18
CN112818275B CN112818275B (zh) 2021-07-13

Family

ID=75862484

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110408870.2A Active CN112818275B (zh) 2021-04-16 2021-04-16 一种基于音视频的图文资源管理系统

Country Status (1)

Country Link
CN (1) CN112818275B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115422125A (zh) * 2022-09-29 2022-12-02 浙江星汉信息技术股份有限公司 一种基于智能算法的电子文档自动归档方法与系统

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101382937A (zh) * 2008-07-01 2009-03-11 深圳先进技术研究院 基于语音识别的多媒体资源处理方法及其在线教学系统
US20110179357A1 (en) * 2010-01-15 2011-07-21 Hulu Llc Method and apparatus for providing supplemental video content for third party websites
CN103024464A (zh) * 2011-12-31 2013-04-03 中国科学院计算技术研究所 提供与视频播放内容相关信息的系统和方法
CN103399917A (zh) * 2013-07-31 2013-11-20 北京小米科技有限责任公司 数据文件插入方法、装置和系统
CN103823829A (zh) * 2013-11-01 2014-05-28 北京奇虎科技有限公司 一种对网页视频进行播放的方法和装置
US20140195506A1 (en) * 2013-01-07 2014-07-10 Fotofad, Inc. System and method for generating suggestions by a search engine in response to search queries
CN105005578A (zh) * 2015-05-21 2015-10-28 中国电子科技集团公司第十研究所 多媒体目标信息可视化分析系统
CN105578222A (zh) * 2016-02-01 2016-05-11 百度在线网络技术（北京）有限公司 一种信息推送方法和装置
CN105574142A (zh) * 2015-12-15 2016-05-11 北京奇虎科技有限公司 一种向用户推荐内容的方法及系统
CN105868292A (zh) * 2016-03-23 2016-08-17 中山大学 一种视频可视化处理方法及系统
CN106210882A (zh) * 2016-08-09 2016-12-07 乐视控股（北京）有限公司 视频文件的播放处理方法及装置
CN110751950A (zh) * 2019-10-25 2020-02-04 武汉森哲地球空间信息技术有限公司 基于大数据的警用谈话语音识别方法及系统
CN110750679A (zh) * 2019-09-05 2020-02-04 天脉聚源(杭州)传媒科技有限公司 一种基于关键词的视频搜索方法、系统、装置及存储介质
CN111897999A (zh) * 2020-07-27 2020-11-06 九江学院 一种用于视频推荐且基于lda的深度学习模型构建方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101382937A (zh) * 2008-07-01 2009-03-11 深圳先进技术研究院 基于语音识别的多媒体资源处理方法及其在线教学系统
US20110179357A1 (en) * 2010-01-15 2011-07-21 Hulu Llc Method and apparatus for providing supplemental video content for third party websites
CN103024464A (zh) * 2011-12-31 2013-04-03 中国科学院计算技术研究所 提供与视频播放内容相关信息的系统和方法
US20140195506A1 (en) * 2013-01-07 2014-07-10 Fotofad, Inc. System and method for generating suggestions by a search engine in response to search queries
CN103399917A (zh) * 2013-07-31 2013-11-20 北京小米科技有限责任公司 数据文件插入方法、装置和系统
CN103823829A (zh) * 2013-11-01 2014-05-28 北京奇虎科技有限公司 一种对网页视频进行播放的方法和装置
CN105005578A (zh) * 2015-05-21 2015-10-28 中国电子科技集团公司第十研究所 多媒体目标信息可视化分析系统
CN105574142A (zh) * 2015-12-15 2016-05-11 北京奇虎科技有限公司 一种向用户推荐内容的方法及系统
CN105578222A (zh) * 2016-02-01 2016-05-11 百度在线网络技术（北京）有限公司 一种信息推送方法和装置
CN105868292A (zh) * 2016-03-23 2016-08-17 中山大学 一种视频可视化处理方法及系统
CN106210882A (zh) * 2016-08-09 2016-12-07 乐视控股（北京）有限公司 视频文件的播放处理方法及装置
CN110750679A (zh) * 2019-09-05 2020-02-04 天脉聚源(杭州)传媒科技有限公司 一种基于关键词的视频搜索方法、系统、装置及存储介质
CN110751950A (zh) * 2019-10-25 2020-02-04 武汉森哲地球空间信息技术有限公司 基于大数据的警用谈话语音识别方法及系统
CN111897999A (zh) * 2020-07-27 2020-11-06 九江学院 一种用于视频推荐且基于lda的深度学习模型构建方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JASON D. KELLY 等: "The effect of video playback speed on surgeon technical skill perception", 《INTERNATIONAL JOURNAL OF COMPUTER ASSISTED RADIOLOGY AND SURGERY》 *
杜凡凡: "多媒体课件在线制作及管理", 《中国优秀硕士学位论文全文数据库 社会科学Ⅱ辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115422125A (zh) * 2022-09-29 2022-12-02 浙江星汉信息技术股份有限公司 一种基于智能算法的电子文档自动归档方法与系统
CN115422125B (zh) * 2022-09-29 2023-05-19 浙江星汉信息技术股份有限公司 一种基于智能算法的电子文档自动归档方法与系统

Also Published As

Publication number Publication date
CN112818275B (zh) 2021-07-13

Similar Documents

Publication Publication Date Title
CN110162593B (zh) 一种搜索结果处理、相似度模型训练方法及装置
US11055342B2 (en) System and method for rich media annotation
US9875222B2 (en) Capturing and storing elements from a video presentation for later retrieval in response to queries
CN104573054B (zh) 一种信息推送方法和设备
US8935246B2 (en) Identifying textual terms in response to a visual query
US5822731A (en) Adjusting a hidden Markov model tagger for sentence fragments
WO2021129435A1 (zh) 视频清晰度评估模型训练方法、视频推荐方法及相关装置
CN109874053A (zh) 基于视频内容理解和用户动态兴趣的短视频推荐方法
CN101021855A (zh) 基于内容的视频检索系统
CN115994230A (zh) 一种融合人工智能和知识图谱技术的智慧档案构建方法
WO2023138590A1 (zh) 无参考的视频质量确定方法、装置、设备和存储介质
CN112818275B (zh) 一种基于音视频的图文资源管理系统
CN112579822A (zh) 一种视频数据的推送方法、装置、计算机设备和存储介质
CN113177138A (zh) 一种基于弹幕和标题分析的有监督视频分类方法
CN114625918A (zh) 视频推荐方法、装置、设备、存储介质及程序产品
US20210151038A1 (en) Methods and systems for automatic generation and convergence of keywords and/or keyphrases from a media
Belcavello et al. Charon: A FrameNet annotation tool for multimodal corpora
CN114722191A (zh) 一种基于语义理解处理的通话自动聚类方法及系统
CN116051192A (zh) 处理数据的方法和装置
CN117056863A (zh) 一种基于多模态数据融合的大数据处理方法
CN107451194A (zh) 一种图片搜索方法及装置
CN113242470B (zh) 一种应用于外贸营销的视频发布方法及装置
CN115525792A (zh) 视频搜索方法、装置、服务器及终端设备
CN111737288B (zh) 搜索控制方法、装置、终端设备、服务器及存储介质
CN114548730A (zh) 基于校园场景的数字教学资源共享系统及方法

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
GR01 Patent grant
GR01 Patent grant