CN112905291A - 数据展示方法、装置和电子设备 - Google Patents

Abstract

本公开的实施例公开了数据展示方法、装置和电子设备。该方法的一具体实施方式包括：基于待上线特效道具的数据包和演示视频，确定待上线特效道具的触发标识展示信息，其中，触发标识展示信息用于终端设备展示待上线特效道具的触发标识。该实施方式通过结合待上线特效道具的数据包和演示视频，可以更加准确地展示待上线特效道具的触发标识。

Description

数据展示方法、装置和电子设备

技术领域

本公开的实施例涉及互联网技术领域，尤其涉及一种数据展示方法、装置和电子设备。

背景技术

为了满足人们日益增加的娱乐需求，一些视频编辑类APP(Application，应用)可以提供特效编辑功能。实践中，用户可以利用这些APP，在视频中添加相应的特效，以此来增加视频内容的趣味性。

此外，用户还可以将添加特效的视频进行发布，供其他用户对该视频进行浏览、发布评论等，以此来丰富用户之间的社交方式。

发明内容

提供该公开内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该公开内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的实施例提供了一种数据展示方法、装置和电子设备，可以更加准确地展示待上线特效道具的触发标识。

第一方面，本公开的实施例提供了一种数据展示方法，该方法包括：基于待上线特效道具的数据包和演示视频，确定待上线特效道具的触发标识展示信息，其中，触发标识展示信息用于终端设备展示待上线特效道具的触发标识。

第二方面，本公开的实施例提供了一种数据展示装置，该装置包括：确定单元，用于基于待上线特效道具的数据包和演示视频，确定待上线特效道具的触发标识展示信息，其中，触发标识展示信息用于终端设备展示待上线特效道具的触发标识。

第三方面，本公开的实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的数据展示方法。

第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的数据展示方法的步骤。

本公开的实施例提供的数据展示方法、装置和电子设备，可以基于待上线特效道具的数据包和演示视频，确定待上线特效道具的触发标识展示信息。在实际应用中，触发标识展示信息用于终端设备展示待上线特效道具的触发标识，换句话说，终端设备可以基于触发标识展示信息，展示待上线特效道具的触发标识。由此，在综合考虑待上线特效道具的数据包和演示视频的前提下，展示待上线特效道具的触发标识。一方面，可以实现自动化展示待上线特效道具的触发标识，另一方面，可以更加准确地展示待上线特效道具的触发标识。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1是根据本公开的数据展示方法的一些实施例的流程图；

图2A、图2B是根据本公开的数据展示方法的一些实施例的流程图；

图3是根据本公开的数据展示方法的一些实施例的流程图；

图4A、图4B是根据本公开的数据展示方法的一些实施例的流程图；

图5是根据本公开的数据展示方法的一些实施例的流程图；

图6是根据本公开的数据展示装置的一些实施例的结构示意图；

图7是本公开的一些实施例的数据展示方法可以应用于其中的示例性系统架构；

图8是根据本公开的一些实施例提供的电子设备的基本结构的示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

请参考图1，其示出了根据本公开的数据展示方法的一些实施例的流程。如图1所示，该数据展示方法，包括以下步骤：

步骤101，基于待上线特效道具的数据包和演示视频，确定待上线特效道具的触发标识展示信息。

在本实施例中，数据展示方法的执行主体可以获取待上线特效道具的数据包和演示视频。

特效道具可以是对视频或者图像添加特效的道具。在一些场景中，需要添加特效的视频或者图像可以是用户实时拍摄的，也可以是用户从本地相册中选取的。

上述数据包中可以包含实现待上线特效道具所指示特效的相关数据。

上述演示视频可以是演示待上线特效道具的使用方式和展示效果的视频。

可见，上述数据包和上述演示视频中均包含待上线特效道具的相关特征。

需要说明的是，上述执行主体可以是服务器(例如，图7所示的服务器704)，也可以是终端设备(例如，图7所示的终端设备701、702)。当上述执行主体是服务器时，可以从本地或者其它设备获取待上线特效道具的数据包和演示视频。当上述执行主体是终端设备时，可以从本地或者服务器(例如，图7所示的服务器704)获取待上线特效道具的数据包和演示视频。

在本实施例中，上述执行主体可以基于上述数据包和演示视频，确定待上线特效道具的触发标识展示信息。

触发标识可以是用于触发特效道具的标识。例如，触发标识可以是图标、控件、链接等。当然，根据实际需求，触发标识可以采用其它的形式，此处不再一一列举。

触发标识展示信息可以是用于展示待上线特效道具的触发标识的信息。可选地，触发标识展示信息包括以下至少一者：待上线特效道具所属的目标道具类别的类别信息；待上线特效道具的相似特效道具的相似道具信息。

在本实施例中，触发标识展示信息用于终端设备(例如，图7所示的终端设备701、702)展示待上线特效道具的触发标识。也即，终端设备可以基于触发标识展示信息，展示待上线特效道具的触发标识。

当上述执行主体是服务器时，可以向终端设备发送触发标识展示信息，进一步，终端设备可以基于触发标识展示信息，展示待上线特效道具的触发标识。当上述主体是终端设备时，可以基于触发标识展示信息，展示待上线特效道具的触发标识。在实际应用中，服务器可以在多种时机下，向终端设备发送触发标识展示信息。在一些场景中，在确定上述触发标识展示信息后，上述执行主体可以直接向终端设备发送上述触发标识展示信息。在一些场景中，响应于接收到终端设备发送的特效道具更新请求，上述执行主体可以向终端设备发送上述触发标识展示信息。

在实际应用中，终端设备可以通过多种方式，展示待上线特效道具的触发标识。在一些场景中，特效道具数据包和演示视频的存储空间占用量越大，表明特效道具所实现的特效越复杂。上述执行主体可以根据上述数据包的存储空间占用量和上述演示视频的存储空间占用量，确定待上线特效道具的特效复杂程度，并且将所确定的特效复杂度作为触发标识展示信息。进一步，终端设备可以基于上述特效复杂程度，展示待上线特效道具。

在本实施例中，在综合考虑待上线特效道具的数据包和演示视频的前提下，展示待上线特效道具的触发标识。一方面，可以实现自动化展示待上线特效道具的触发标识，另一方面，可以更加准确地展示待上线特效道具的触发标识。

在一些实施例中，上述执行主体可以按照图2A所示流程包含的步骤，执行上述步骤101。该流程包括步骤201和步骤202。

步骤201，基于上述数据包和上述演示视频，确定待上线特效道具所属的目标道具类别。

触发标识展示信息包括待上线特效道具所属的目标道具类别的类别信息。

道具类别可以是针对特效道具预先划分的类别。通常，特效道具预先划分为多个道具类别。例如，特效道具可以划分为扮演类、头饰类、美妆类等。在这里，扮演类特效道具可以是添加扮演角色特效的特效道具。头饰类特效道具可以是添加头饰特效的特效道具。美妆类特效道具可以是添加美妆特效的特效道具。

上述类别信息可以是表征待上线特效道具所属的目标道具类别的信息。

在一些场景中，上述执行主体可以从上述数据包和上述演示视频中，分别提取待上线特效道具的数据包特征和视频特征。然后，上述执行主体可以将提取的数据包特征和视频特征融合为待上线特效道具的综合特征。接着，对于预定数量个道具类别中各个道具类别，上述执行主体可以确定针对该道具类别所设置的综合特征和待上线特效道具的综合特征之间的相似度。最后，上述执行主体可以将相似度最高的道具类别作为目标道具类别。

步骤202，将目标道具类别的类别信息作为触发标识展示信息。

此时，终端设备可以按照图2B所示的流程包含的步骤，展示待上线特效道具的触发标识。该流程包括步骤203。

步骤203，基于上述类别信息，在第一展示界面中展示待上线特效道具的触发标识。

第一展示界面中展示属于目标道具类别的特效道具的触发标识。可见，第一展示界面可以是用于触发属于目标道具类别的特效道具的界面。

通常，在展示待上线特效道具前，第一展示界面中可以展示属于目标道具类别的一个或者多个特效道具的触发标识。

由此，在综合考虑待上线特效道具的数据包和演示视频的前提下，确定待上线特效道具所属的目标道具类别。由此，可以更加准确地将待上线特效道具划分至目标道具类别。进一步，通过将待上线特效道具的触发标识展示于第一展示界面中，可以准确地将待上线特效道具的触发标识展示于用于触发目标道具类别的特效道具的界面。

在一些实施例中，上述执行主体可以按照图3所示的流程，执行上述步骤201。该流程包括步骤2011至步骤2013。

步骤2011，基于上述数据包，确定待上线特效道具属于预定数量个道具类别中各个道具类别的第一概率。

在一些场景中，上述执行主体可以从上述数据包中，提取待上线特效道具的数据包特征。然后，对于预定数量个道具类别中各个道具类别，上述执行主体可以确定上述数据包特征和针对该道具类别所设置的第一预定特征之间的第一相似度，并且将该第一相似度在第一相似度总和中的相似度占比，作为待上线特效道具属于该道具类别的第一概率。

步骤2012，基于上述演示视频，确定待上线特效道具属于预定数量个道具类别中各个道具类别的第二概率。

在一些场景中，与确定第一概率的方式类似。上述执行主体可以从上述演示视频中，提取待上线特效道具的视频特征。然后，对于预定数量个道具类别中各个道具类别，上述执行主体可以确定上述视频特征和针对该道具类别所设置的第二预定特征之间的第二相似度，并且将该第二相似度在第二相似度总和中的相似度占比，作为待上线特效道具属于该道具类别的第二概率。

步骤2013，基于待上线特效道具属于各个道具类别的第一概率和第二概率，确定待上线特效道具所属的目标道具类别。

在一些场景中，对于预定数量个道具类别中各个道具类别，上述执行主体可以确定待上线特效道具属于该道具类别的第一概率和第二概率的平均值。进一步，上述执行主体可以将平均值最高的道具类别，作为待上线特效道具所属的目标道具类别。

由此，通过综合考虑待上线特效道具属于各个道具类别的第一概率和第二概率，确定出待上线特效道具所属的目标道具类别。从而，可以更加准确地确定出待上线特效道具所属的目标道具类别。

在一些实施例中，上述执行主体可以按照如下方式，执行上述步骤2011。

第一步，从上述数据包中获取待上线特效道具的道具描述信息。

道具描述信息可以是描述特效道具的信息。

可选地，上述道具描述信息包括以下至少一者：特效手段描述信息，道具名称描述信息，触发方式描述信息。

特效手段描述信息可以描述为了实现特效所采用的手段。例如，实现特效所采用的手段可以包括以下至少一者：人脸检测，图像形变，抠图。

道具名称描述信息可以描述特效道具的道具名称。触发方式描述信息可以描述特效道具的触发方式。

需要说明的是，道具描述信息还可以包括对特效道具进行描述的其它信息，此处不再一一列举。实现特效所采用的手段还可以包括其它手段，此处不再一一列举。

第二步，根据上述道具描述信息，确定待上线特效道具的描述信息特征向量。

描述信息特征向量可以是表征道具描述信息的特征向量。

对于不同的道具描述信息，可以采用不同的方式确定特征向量。

在一些场景中，对于特效手段描述信息，可以采用One-Hot Encoding(一位有效编码)确定特征向量。

在一些场景中，道具名称描述信息和触发方式描述信息的特征向量可以采用类似的方式进行确定。作为示例，首先，从道具名称描述信息中获取至少一个分词，然后，从词向量库中查询各个分词的词向量，最后，可以根据各个分词的词向量，确定道具描述信息的特征向量。例如，将各个分词的词向量的平均向量，作为道具描述信息的特征向量。

第三步，将描述信息特征向量输入至第一分析模型中，以确定待上线特效道具属于各个道具类别的第一概率。

实践中，第一分析模型可以实现各种功能。

在一些场景中，第一分析模型通过对特效道具的描述信息特征向量进行处理，输出该特效道具属于各个道具类别的第一概率。

可选地，第一分析模型通过对输入的特效道具的描述信息特征向量进行处理，输出该特效道具的数据包特征和该特效道具属于各个道具类别的第一概率。

由此，上述执行主体可以从第一分析模型输出的结果中，确定出待上线特效道具属于各个道具类别的第一概率。

在一些实施例中，上述执行主体可以按照如下方式，执行上述步骤2012。

具体地，将上述演示视频输入至第二分析模型中，以确定待上线特效道具属于各个道具类别的第二概率。

与第一分析模型类似，第二分析模型也可以实现各种功能。

在一些场景中，第二分析模型通过对特效道具的演示视频进行处理，输出该特效道具属于各个道具类别的第二概率。

可选地，第二分析模型通过对输入的特效道具的演示视频进行处理，输出该特效道具的视频特征和该特效道具属于各个道具类别的第二概率。

由此，上述执行主体可以从第二分析模型输出的结果中，确定出待上线特效道具属于各个道具类别的第二概率。

在分析事件概率方面，机器学习模型通常具有较高的分析准确度。因此，利用第一分析模型，可以更加准确地确定出待上线特效工具属于各个道具类别的第一概率，利用第二分析模型可以更加准确地确定出待上线特效道具属于各个道具类别的第二概率。进一步，通过第一分析模型确定出的各个第一概率和第二分析模型确定出的各个第二概率，可以更加准确地确定出待上线特效道具所属的目标道具类别。

在一些实施例中，上述执行主体可以按照如下方式，执行上述步骤2013。

第一步，对于预定数量个道具类别中各个道具类别，确定待上线特效道具属于该道具类别的第一概率和第二概率的加权概率。

作为示例，待上线特效道具属于道具类别A的第一概率和第二概率分别是f1和f2，第一概率f1和第二概率f2的权重分别是w1和w2，因此，待上线特效道具属于道具类别A的加权概率是“f1×w1+f2×w2”。

第一概率和第二概率的权重可以根据实际需求进行设置。在一些场景中，对于不同的道具类别，针对第一概率设置相同的权重(例如，1)，相应地，对于不同的道具类别，针对第二概率设置相同的权重(例如，1)。在一些场景中，对于不同的道具类别，针对第一概率设置不同的权重，相应地，对于不同的道具类别，针对第一概率设置不同的权重。

第二步，将预定数量个道具类别中加权概率最大的道具类别作为目标道具类别。

各个第一概率可以基于待上线特效道具的数据包确定出来，各个第二概率可以基于待上线特效道具的演示视频确定出来。可见，第一概率的权重可以体现待上线特效工具的数据包的影响程度，第二概率的权重可以体现待上线特效工具的演示视频的影响程度。因此，通过加权概率可以更加准确地体现待上线特效道具属于某一个道具类别的概率，进一步，可以更加准确地确定出待上线特效道具所属的目标道具类别。

在一些实施例中，上述执行主体可以按照图4A所示流程包含的步骤，执行上述步骤101。该流程包括步骤401和步骤402。

步骤401，基于上述数据包和上述演示视频，从热门特效道具集合中，确定待上线特效道具的相似特效道具。

热门特效道具可以是用户使用频率较高的特效道具。

相似特效道具可以是与待上线特效道具相似的特效道具。

在一些场景中，上述执行主体可以按照前述内容中描述的方式，确定待上线特效道具的综合特征。进一步，上述执行主体可以确定待上线特效道具的综合特征和热门特效道具集合中各个热门特效道具的综合特征之间的相似度。再进一步，上述执行主体可以按照相似度由大至小的顺序，从热门特效道具集合中，确定待上线特效道具的相似特效道具。

需要说明的是，确定出相似特效道具的数量可以根据实际需求进行设置，此处不做具体限定。

步骤402，将相似特效道具的相似道具信息作为触发标识展示信息。

相似道具信息可以是描述相似特效道具的信息。

此时，终端设备可以按照图4B所示流程包含的步骤，展示待上线特效道具的触发标识。

步骤403，基于上述相似道具信息，在第二展示界面中展示待上线特效道具的触发标识和相似特效道具的触发标识。

第二展示界面中展示新上线特效道具的触发标识和与新上线特效道具相似的热门特效道具的触发标识。

不难理解，终端设备展示待上线特效道具以后，待上线特效道具实现上线。此时，待上线特效道具为新上线特效道具。

由此，通过将待上线特效道具的触发标识和相似特效道具的触发标识展示于第二展示界面中，可以在向用户推荐待上线特效道具的同时，向用户推荐与待上线特效道具相似的热门特效道具。另外，在综合考虑待上线特效道具的数据包和演示视频的前提下，可以更加准确地确定出与待上线特效道具相似的热门特效道具。进一步，可以更加准确地向用户推荐与待上线特效道具相似的热门特效道具。

在一些实施例中，上述执行主体可以按照图5所示的流程，执行上述步骤401。该流程包括步骤4011至步骤4013。

步骤4011，从上述数据包中提取待上线特效道具的数据包特征。

不难理解，上述数据包特征可以是从待上线特效道具的数据包中提取的特征。

步骤4012，从上述演示视频中提取待上线特效道具的视频特征。

不难理解，上述视频特征可以是从待上线特效道具的演示视频中提取的特征。

步骤4013，基于上述数据包特征和上述视频特征，从热门特效道具集合中，确定待上线特效道具的相似特效道具。

在一些场景中，上述执行主体可以将上述数据包特征和上述视频特征融合为待上线特效道具的综合特征。进一步，对于热门特效道具集合中的各个热门特效道具，上述执行主体可以确定该热门特效道具的综合特征和待上线特效道具的综合特征之间的相似度。从而，上述执行主体可以按照相似度由大至小的顺序，从热门特效道具集合中，确定待上线特效道具的相似特效道具。

通过上述数据包特征和视频特征，可以更加细致地描述待上线特效道具所具备的特征。因此，通过上述数据包特征和视频特征，可以更加准确地确定出与待上线特效道具相似的热门特效道具。

在一些实施例中，上述执行主体可以按照如下方式，执行上述步骤4011。

第一步，从上述数据包中获取待上线特效道具的道具描述信息。

第二步，根据上述道具描述信息，确定待上线特效道具的描述信息特征向量。

关于第一步和第二步中记载的内容，在前述内容中均有记载，此处不再赘述。

第三步，将描述信息特征向量输入至第一分析模型中，以确定待上线特效道具的数据包特征。

在一些场景中，第一分析模型通过对输入的特效道具的描述信息特征向量进行处理，输出该特效道具的数据包特征。

由此，上述执行主体可以从第一分析模型输出的结果中，确定出待上线特效道具的数据包特征。

在一些实施例中，上述执行主体可以按照如下方式，执行上述步骤4012。

具体地，将上述演示视频输入至第二分析模型中，以确定待上线特效道具的视频特征。

在一些场景中，第二分析模型通过对输入的特效道具的演示视频进行处理，输出该特效道具的视频特征。

由此，上述执行主体可以从第二分析模型输出的结果中，确定出待上线特效道的视频特征。

在提取特征方面，机器学习模型可以提取输入数据之间的关联关系，并且输出具有关联关系的特征，因此，具有较高的特征提取准确度。可见，利用第一分析模型确定的数据包特征能够体现待上线特效工具的各个特征之间的关联关系，利用第二分析模型确定的视频特征能够体现待上线特效工具的各个特征的关联关系。因此，利用第一分析模型和第二分析模型，可以更加准确地确定出待上线特效工具的数据包特征和视频特征。

在一些实施例中，上述执行主体可以按照如下方式，执行上述步骤4013。

第一步，对于热门特效道具集合中各个热门特效道具，执行相似度确定操作。相似度确定操作包括步骤L1至步骤L3。

步骤L1，确定该热门特效道具的数据包特征与待上线特效道具的数据包特征的第一相似度。

第一相似度可以是热门特效道具的数据包特征和待上线特效道具的数据包特征之间的相似度。

步骤L2，确定该热门特效道具的视频特征与待上线特效道具的视频特征的第二相似度。

第二相似度可以是热门特效道具的视频特征和待上线特效道具的视频特征之间的相似度。

步骤L3，确定第一相似度和第二相似度的加权相似度。

作为示例，第一相似度t1的权重是w3，第二相似度t2的权重是w4，因此第一相似度t1和第二相似度t2的加权相似度是“t1×w3+t2×w4”。

在一些场景中，针对热门特效道具集合中的每一个热门特效道具均可以确定出加权相似度。

第二步，按照加权相似度由大至少的顺序，从热门特效道具集合中，确定待上线特效道具的相似特效道具。

在一些场景中，上述执行主体可以按照加权相似度由大至小的顺序，从热门特效道具集合中确定至少一个热门特效道具，作为待上线特效道具的相似特效道具。

通过设置第一相似度的权重，可以准确把握待上线特效道具的数据包和热门特效道具的数据包之间的相似程度。通过设置第二相似度的权重，可以准确把握待上线特效道具的演示视频和热门特效道具的演示视频之间的相似程度。因此，通过第一相似度和第二相似度的加权相似度，可以更加准确地体现待上线特效道具和热门特效道具之间的相似程度，进一步，可以更加准确地确定出与待上线特效道具相似的热门特效道具。

在一些实施例中，如果第一分析模型的输入是特效道具的描述信息特征向量，输出是该特效道具的数据包特征和该特效道具属于各个道具类别的第一概率，训练第一分析模型的执行主体可以通过如下方式训练生成第一分析模型。

第一步，获取第一样本集合。

第一样本集合中的第一样本包括样本描述信息特征向量、样本数据包特征和样本特效道具属于各个道具类别的样本第一概率。

样本描述信息特征向量是表征样本特效道具的道具描述信息的特征向量。样本特效道具的道具描述信息获取自样本特效道具的样本数据包。样本数据包特征是从样本数据包中提取的特征。样本第一概率包括样本特效道具属于各个道具类别的第一概率。第二步，将第一样本集合中的第一样本所包括的样本描述信息特征向量作为第一初始模型的输入，将输入的第一样本所包括的样本数据包特征和各个样本第一概率作为第一初始模型的期望输出，训练生成第一分析模型。

具体参见如下所示的步骤S1至步骤S5。

步骤S1，将从第一样本集合中选取的第一样本所包括的样本描述信息特征向量输入至第一初始模型中，得到第一初始模型输出的数据包特征和样本特效道具属于各个道具类别的第一概率。

步骤S2，利用预先设置的损失函数，计算第一初始模型输出的数据包特征和所选取第一样本包括的样本数据包特征之间的差异程度，并计算第一初始模型输出的各个第一概率和所选取第一样本包括的各个样本第一概率之间的差异程度。

步骤S3，根据计算所得的差异程度，调整第一初始模型的模型参数。

步骤S4，响应于达到预先设置的训练结束条件，将训练后的第一初始模型作为第一分析模型。

步骤S5，响应于未达到上述训练结束条件，继续执行上述步骤S1至步骤S4。

在一些实施例中，如果第二分析模型的输入是特效道具的演示视频，输出是该特效道具的视频特征和该特效道具各个道具类别的第二概率，训练第二分析模型的执行主体可以通过如下方式训练生成第二分析模型。

第一步，获取第二样本集合。

第二样本集合中的第二样本包括样本演示视频、样本视频特征和样本特效道具属于各个道具类别的样本第二概率。

样本演示视频是演示样本特效道具的使用方式和展示效果的视频。样本视频特征是从样本演示视频中提取的特征。样本第二概率包括样本特效道具属于各个道具类别的第二概率。

第二步，将第二样本集合中的第二样本所包括的样本演示视频作为第二初始模型的输入，将输入的第二样本所包括的样本视频特征和各个样本第二概率作为第二初始模型的期望输出，训练生成第二分析模型。

具体参见如下所示的步骤T1至步骤T5。

步骤T1，将从第二样本集合中选取的第二样本所包括的样本演示视频输入至第二初始模型中，得到第二初始模型输出的视频特征和样本特效道具属于各个道具类别的第二概率。

步骤T2，利用预先设置的损失函数，计算第二初始模型输出的视频特征和所选取第二样本包括的样本视频特征之间的差异程度，并计算第二初始模型输出的各个第二概率和所选取第二样本包括的各个样本第二概率之间的差异程度。

步骤T3，根据计算所得的差异程度，调整第二初始模型的模型参数。

步骤T4，响应于达到预先设置的训练结束条件，将训练后的第二初始模型作为第二分析模型。

步骤T5，响应于未达到上述训练结束条件，继续执行上述步骤T1至步骤T4。

需要说明的是，第一分析模型和第二分析模型的训练存在一些共同的特点。二者在训练中使用到的损失函数可以包括但不限于以下至少一者：0-1损失函数，绝对值损失函数，平方损失函数，指数损失函数，对数损失函数等。二者在训练中使用到的调整模型参数的方法包括但不限于以下至少一者：BP(Back Propgation，反向传播)算法，GD(GradientDescent，梯度下降)。二者在训练中使用到的训练结束条件包括但不限于以下至少一者：训练时间超过预设时长，训练次数超过预设次数，计算所得的差异程度小于等于预先设置的差异阈值，计算所得的差异程度趋于稳定。

需要说明的是，训练第一分析模型的执行主体和数据展示方法的执行主体可以是同一个执行主体，也可以是不同的执行主体。当二者是不同的执行主体时，在训练完成后，训练第一分析模型的执行主体可以将第一分析模型的模型参数发送至数据展示方法的执行主体。类似地，当训练第二分析模型的执行主体和特效道具方法的执行主体是不同的执行主体时，在训练完成后，训练第二分析模型的执行主体可以将第二分析模型的模型参数发送至数据展示方法的执行主体。

通常，经过训练的机器学习模型，可以更加精确地实现数据处理。因此，利用训练后的第一分析模型，可以获取到能够全面地体现特效道具的特点的数据包特征，并且可以更准确地确定出特效道具属于各个道具类别的第一概率。。类似地，利用训练后的第二分析模型，可以获取到能够全面体现特效道具的特点的视频特征，并且可以更准确地确定出特效道具属于各个道具类别的第二概率。

进一步参考图6，作为对上述各图所示方法的实现，本公开提供了一种数据展示装置的一些实施例，该装置实施例与图1所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图6所示，本实施例的数据展示装置包括确定单元601。确定单元601用于：基于待上线特效道具的数据包和演示视频，确定待上线特效道具的触发标识展示信息，其中，触发标识展示信息用于终端设备展示待上线特效道具的触发标识。

在本实施例中，数据展示装置的确定单元601的具体处理及其所带来的技术效果可分别参考图1对应实施例中步骤101的相关说明，在此不再赘述。

在一些实施例中，确定单元601进一步用于：基于上述数据包和上述演示视频，确定待上线特效道具所属的目标道具类别；将目标道具类别的类别信息作为触发标识展示信息。上述数据展示装置还包括展示单元(图中未示出)。展示单元用于：基于上述类别信息，在第一展示界面中展示待上线特效道具的触发标识，其中，第一展示界面中展示属于目标道具类别的特效道具的触发标识。

在一些实施例中，确定单元601进一步用于：基于上述数据包，确定待上线特效道具属于预定数量个道具类别中各个道具类别的第一概率；基于上述演示视频，确定待上线特效道具属于预定数量个道具类别中各个道具类别的第二概率；基于待上线特效道具属于各个道具类别的第一概率和第二概率，确定待上线特效道具所属的目标道具类别。

在一些实施例中，确定单元601进一步用于：从上述数据包中获取待上线特效道具的道具描述信息；根据道具描述信息的描述向量，确定待上线特效道具的描述信息特征向量；将描述信息特征向量输入至第一分析模型中，以确定待上线特效道具属于各个道具类别的第一概率。

在一些实施例中，确定单元601进一步用于：将上述演示视频输入至第二分析模型中，以确定待上线特效道具属于各个道具类别的第二概率。

在一些实施例中，确定单元601进一步用于：对于预定数量个道具类别中各个道具类别，确定待上线特效道具属于该道具类别的第一概率和第二概率的加权概率；将预定数量个道具类别中加权概率最大的道具类别作为目标道具类别。

在一些实施例中，确定单元601进一步用于：基于上述数据包和上述演示视频，从热门特效道具集合中，确定待上线特效道具的相似特效道具；将相似特效道具的相似道具信息作为触发标识展示信息。展示单元用于：基于上述相似道具信息，在第二展示界面中展示待上线特效道具的触发标识和相似特效道具的触发标识，其中，第二展示界面中展示新上线特效道具的触发标识和与新上线特效道具相似的热门特效道具的触发标识。

在一些实施例中，确定单元601进一步用于：从上述数据包中提取待上线特效道具的数据包特征；从上述演示视频中提取待上线特效道具的视频特征；基于上述数据包特征和上述视频特征，从热门特效道具集合中，确定待上线特效道具的相似特效道具。

在一些实施例中，确定单元601进一步用于：从上述数据包中获取待上线特效道具的道具描述信息；根据道具描述信息，确定待上线特效道具的描述信息特征向量；将描述信息特征向量输入至第一分析模型中，以确定待上线特效道具的数据包特征。

在一些实施例中，确定单元601进一步用于：将上述演示视频输入至第二分析模型中，以确定待上线特效道具的视频特征。

在一些实施例中，道具描述信息包括以下至少一者：特效手段描述信息，道具名称描述信息，触发方式描述信息。

在一些实施例中，确定单元601进一步用于：对于热门特效道具集合中各个热门特效道具，执行相似度确定操作：确定该热门特效道具的数据包特征与待上线特效道具的数据包特征的第一相似度；确定该热门特效道具的视频特征与待上线特效道具的视频特征的第二相似度；确定第一相似度和第二相似度的加权相似度；按照加权相似度由大至少的顺序，从热门特效道具集合中，确定待上线特效道具的相似特效道具。

在一些实施例中，第一分析模型通过对输入的特效道具的描述信息特征向量进行处理，输出该特效道具的数据包特征和该特效道具属于各个道具类别的第一概率。

在一些实施例中，第一分析模型通过如下方式训练：获取第一样本集合，其中，第一样本包括样本描述信息特征向量、样本数据包特征和样本特效道具属于各个道具类别的样本第一概率；将第一样本集合中的第一样本所包括的样本描述信息特征向量作为第一初始模型的输入，将输入的第一样本所包括的样本数据包特征和各个样本第一概率作为第一初始模型的期望输出，训练生成第一分析模型。

在一些实施例中，第二分析模型通过对输入的特效道具的演示视频进行处理，输出该特效道具的视频特征和该特效道具属于各个道具类别的第二概率。

在一些实施例中，第二分析模型通过如下方式训练：获取第二样本集合，其中，第二样本包括样本演示视频、样本视频特征和样本特效道具属于各个道具类别的样本第二概率；将第二样本集合中的第二样本所包括的样本演示视频作为第二初始模型的输入，将输入的第二样本所包括的样本视频特征和各个样本第二概率作为第二初始模型的期望输出，训练生成第二分析模型。

进一步参考图7，图7示出了本公开的一些实施例的数据展示方法可以应用于其中的示例性系统架构。

如图7所示，系统架构可以包括终端设备701、702，网络703，服务器704。网络703用以在终端设备701、702和服务器704之间提供通信链路的介质。网络703可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

终端设备701、702可以通过网络703与服务器704交互，以接收或发送消息等。终端设备701、702上可以安装有各种客户端应用。例如，终端设备701、702上可以安装特效编辑类应用等。

在一些场景中，终端设备701、702可以基于待上线特效道具的数据包和演示视频，确定待上线特效道具的触发标识展示信息，进一步，终端设备701、702可以基于触发标识展示信息，展示待上线特效道具的触发标识。

在实际应用中，在展示待上线特效道具的触发标识以后，若用户对待上线特效道具的触发标识执行的触发操作，可以在视频或者图像中添加待上线特效道具对应的特效。

终端设备701、702可以是硬件，也可以是软件。当终端设备701、702为硬件时，可以是具有显示屏并且支持信息交互的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备701、702为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器704可以是提供各种服务的服务器。在一些场景中，服务器704可以基于待上线特效道具的数据包和演示视频，确定待上线特效道具的触发标识展示信息，进一步，可以向终端设备701、702发送该触发标识展示信息。再进一步，终端设备701、702可以基于触发标识展示信息，展示待上线特效道具的触发标识。

服务器704可以是硬件，也可以是软件。当服务器704为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器704为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本公开的实施例所提供的数据展示方法可以由服务器704执行，相应地，数据展示装置可以设置在服务器704中。

应该理解，图7中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

下面参考图8，其示出了适于用来实现本公开的一些实施例的电子设备(例如图7中的服务器)的结构示意图。图8示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。图8示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图8所示，电子设备可以包括处理装置(例如中央处理器、图形处理器等)801，其可以根据存储在只读存储器(ROM)802中的程序或者从存储装置808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中，还存储有电子设备操作所需的各种程序和数据。处理装置801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

通常，以下装置可以连接至I/O接口805：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置806；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置807；包括例如磁带、硬盘等的存储装置808；以及通信装置809。通信装置809可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图8示出了具有各种装置的电子设备，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图8中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置809从网络上被下载和安装，或者从存储装置808被安装，或者从ROM 802被安装。在该计算机程序被处理装置801执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开的一些实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的，也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：基于待上线特效道具的数据包和演示视频，确定待上线特效道具的触发标识展示信息，其中，触发标识展示信息用于终端设备展示待上线特效道具的触发标识。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，确定单元还可以被描述为“基于待上线特效道具的数据包和演示视频，确定待上线特效道具的触发标识展示信息”的单元。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中所公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (19)

1.一种数据展示方法，其特征在于，包括：

基于待上线特效道具的数据包和演示视频，确定所述待上线特效道具的触发标识展示信息，其中，所述触发标识展示信息用于终端设备展示所述待上线特效道具的触发标识。

2.根据权利要求1所述的方法，其特征在于，所述基于待上线特效道具的数据包和演示视频，确定所述待上线特效道具的触发标识展示信息，包括：

基于所述数据包和所述演示视频，确定所述待上线特效道具所属的目标道具类别；

将所述目标道具类别的类别信息作为所述触发标识展示信息；以及

所述向终端设备通过以下方式，展示所述待上线特效道具的触发标识，包括：

基于所述类别信息，在第一展示界面中展示所述待上线特效道具的触发标识，其中，所述第一展示界面中展示属于所述目标道具类别的特效道具的触发标识。

3.根据权利要求2所述的方法，其特征在于，所述基于所述数据包和所述演示视频，确定所述待上线特效道具所属的目标道具类别，包括：

基于所述数据包，确定所述待上线特效道具属于预定数量个道具类别中各个道具类别的第一概率；

基于所述演示视频，确定所述待上线特效道具属于所述预定数量个道具类别中各个道具类别的第二概率；

基于所述待上线特效道具属于各个道具类别的第一概率和第二概率，确定所述待上线特效道具所属的目标道具类别。

4.根据权利要求3所述的方法，其特征在于，所述基于所述数据包，确定所述待上线特效道具属于预定数量个道具类别中各个道具类别的第一概率，包括：

从所述数据包中获取所述待上线特效道具的道具描述信息；

根据所述道具描述信息，确定所述待上线特效道具的描述信息特征向量；

将所述描述信息特征向量输入至第一分析模型中，以确定所述待上线特效道具属于各个道具类别的第一概率。

5.根据权利要求3所述的方法，其特征在于，所述基于所述演示视频，确定所述待上线特效道具属于所述预定数量个道具类别中各个道具类别的第二概率，包括：

将所述演示视频输入至第二分析模型中，以确定所述待上线特效道具属于各个道具类别的第二概率。

6.根据权利要求3所述的方法，其特征在于，所述基于所述待上线特效道具属于各个道具类别的第一概率和第二概率，确定所述待上线特效道具所属的目标道具类别，包括：

对于所述预定数量个道具类别中各个道具类别，确定所述待上线特效道具属于该道具类别的第一概率和第二概率的加权概率；

将所述预定数量个道具类别中加权概率最大的道具类别作为所述目标道具类别。

7.根据权利要求1所述的方法，其特征在于，所述基于待上线特效道具的数据包和演示视频，确定所述待上线特效道具的触发标识展示信息，包括：

基于所述数据包和所述演示视频，从热门特效道具集合中，确定所述待上线特效道具的相似特效道具；

将所述相似特效道具的相似道具信息作为所述触发标识展示信息；以及

所述向终端设备通过以下方式，展示所述待上线特效道具的触发标识，包括：

基于所述相似道具信息，在第二展示界面中展示所述待上线特效道具的触发标识和所述相似特效道具的触发标识，其中，所述第二展示界面中展示新上线特效道具的触发标识和与新上线特效道具相似的热门特效道具的触发标识。

8.根据权利要求7所述的方法，其特征在于，所述基于所述数据包和所述演示视频，从热门特效道具集合中，确定所述待上线特效道具的相似特效道具，包括：

从所述数据包中提取所述待上线特效道具的数据包特征；

从所述演示视频中提取所述待上线特效道具的视频特征；

基于所述数据包特征和所述视频特征，从所述热门特效道具集合中，确定所述待上线特效道具的相似特效道具。

9.根据权利要求8所述的方法，其特征在于，所述从所述数据包中提取所述待上线特效道具的数据包特征，包括：

从所述数据包中获取所述待上线特效道具的道具描述信息；

根据所述道具描述信息，确定所述待上线特效道具的描述信息特征向量；

将所述描述信息特征向量输入至第一分析模型中，以确定所述待上线特效道具的数据包特征。

10.根据权利要求8所述的方法，其特征在于，所述从所述演示视频中提取所述待上线特效道具的视频特征，包括：

将所述演示视频输入至第二分析模型中，以确定所述待上线特效道具的视频特征。

11.根据权利要求4或9所述的方法，其特征在于，所述道具描述信息包括以下至少一者：特效手段描述信息，道具名称描述信息，触发方式描述信息。

12.根据权利要求8所述的方法，其特征在于，所述基于所述数据包特征和所述视频特征，从所述热门特效道具集合中，确定所述待上线特效道具的相似特效道具，包括：

对于所述热门特效道具集合中各个热门特效道具，执行相似度确定操作：确定该热门特效道具的数据包特征与所述待上线特效道具的数据包特征的第一相似度；确定该热门特效道具的视频特征与所述待上线特效道具的视频特征的第二相似度；确定第一相似度和第二相似度的加权相似度；

按照加权相似度由大至少的顺序，从所述热门特效道具集合中，确定所述待上线特效道具的相似特效道具。

13.根据权利要求4或9所述的方法，其特征在于，所述第一分析模型通过对输入的特效道具的描述信息特征向量进行处理，输出该特效道具的数据包特征和该特效道具属于各个道具类别的第一概率。

14.根据权利要求13所述的方法，其特征在于，所述第一分析模型通过如下方式训练：

获取第一样本集合，其中，第一样本包括样本描述信息特征向量、样本数据包特征和样本特效道具属于各个道具类别的样本第一概率；

将所述第一样本集合中的第一样本所包括的样本描述信息特征向量作为第一初始模型的输入，将输入的第一样本所包括的样本数据包特征和各个样本第一概率作为所述第一初始模型的期望输出，训练生成所述第一分析模型。

15.根据权利要求5或10所述的方法，其特征在于，所述第二分析模型通过对输入的特效道具的演示视频进行处理，输出该特效道具的视频特征和该特效道具属于各个道具类别的第二概率。

16.根据权利要求15所述的方法，其特征在于，所述第二分析模型通过如下方式训练：

获取第二样本集合，其中，第二样本包括样本演示视频、样本视频特征和样本特效道具属于各个道具类别的样本第二概率；

将所述第二样本集合中的第二样本所包括的样本演示视频作为第二初始模型的输入，将输入的第二样本所包括的样本视频特征和各个样本第二概率作为所述第二初始模型的期望输出，训练生成所述第二分析模型。

17.一种数据展示装置，其特征在于，包括：

确定单元，用于基于待上线特效道具的数据包和演示视频，确定所述待上线特效道具的触发标识展示信息，其中，所述触发标识展示信息用于终端设备展示所述待上线特效道具的触发标识。

18.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-16中任一所述的方法。

19.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-16中任一所述的方法。

Images