CN113505264A - 用于推荐视频的方法及系统 - Google Patents

用于推荐视频的方法及系统 Download PDF

Info

Publication number
CN113505264A
CN113505264A CN202110288301.9A CN202110288301A CN113505264A CN 113505264 A CN113505264 A CN 113505264A CN 202110288301 A CN202110288301 A CN 202110288301A CN 113505264 A CN113505264 A CN 113505264A
Authority
CN
China
Prior art keywords
videos
video
text
recommending
noun
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
CN202110288301.9A
Other languages
English (en)
Other versions
CN113505264B (zh
Inventor
尹钟植
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.)
Data Education Co
Original Assignee
Individual
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 Individual filed Critical Individual
Publication of CN113505264A publication Critical patent/CN113505264A/zh
Application granted granted Critical
Publication of CN113505264B publication Critical patent/CN113505264B/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
    • 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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0623—Item investigation
    • G06Q30/0625—Directed, with specific intent or strategy
    • G06Q30/0627—Directed, with specific intent or strategy using item specifications
    • 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
    • G06F16/78—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
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/268—Morphological analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G06F40/35—Discourse or dialogue representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/047—Probabilistic or stochastic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems
    • 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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/233—Processing of audio elementary streams
    • 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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending 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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/254—Management at additional data server, e.g. shopping server, rights management server
    • H04N21/2542—Management at additional data server, e.g. shopping server, rights management server for selling goods, e.g. TV shopping
    • 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
    • H04N21/47—End-user applications
    • H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
    • H04N21/47815—Electronic shopping
    • 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
    • H04N21/47—End-user applications
    • H04N21/482—End-user interface for program selection
    • H04N21/4826—End-user interface for program selection using recommendation lists, e.g. of programs or channels sorted out according to their score
    • 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
    • H04N21/81—Monomedia components thereof
    • H04N21/812—Monomedia components thereof involving advertisement data
    • 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
    • H04N21/84—Generation or processing of descriptive data, e.g. content descriptors
    • H04N21/8405—Generation or processing of descriptive data, e.g. content descriptors represented by keywords
    • 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
    • H04N21/85—Assembly of content; Generation of multimedia applications
    • H04N21/854—Content authoring
    • H04N21/8547—Content authoring involving timestamps for synchronizing content

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Library & Information Science (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computing Systems (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Software Systems (AREA)
  • Marketing (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Computer Security & Cryptography (AREA)
  • Human Computer Interaction (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Acoustics & Sound (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)

Abstract

本公开涉及一种通过视频推荐系统推荐视频的方法以及视频推荐系统，本公开的用于推荐视频的方法包括收集与存储步骤、转换步骤、时间戳获取步骤、提取与确认步骤、情感分析步骤、接收选择步骤、识别步骤、视频提供步骤以及部分影像提供步骤。

Description

用于推荐视频的方法及系统
技术领域
本公开涉及用于推荐视频的方法及系统，更具体地，涉及通过分析视频中包括的语音来推荐视频的方法及系统。
背景技术
在提供销售服务等的过程中，事先掌握产品信息并合理确定是否购买产品的消费者的需求正在增加。相同地，提供产品信息的同时更容易地宣传并推荐相应的产品的运营商的需求也正在增加。正在研发用于满足如上所述的两方需求的多种技术，尤其，正在研究筛选适合推荐产品的视频并推荐的技术。在这种视频推荐技术的情况下，需要更准确地判断视频与产品之间的相关性及与视频的产品有关的情感，并且，消费者需从视频中更容易地获取与产品有关的信息。
专利文献1公开了通过考虑实际观看视频的用户的评价及所要观看视频的用户的喜好度来筛选推荐视频的方法。并且，专利文献2公开了如下的技术，即，当再生影像时，识别用户的表情及生物信息中的至少一种来判断用户是否关注影像的各个画面，并从上述影像获取与上述用户的关注画面有关的再生时间值。
现有技术文献
专利文献
专利文献1：韩国授权专利公报第10-1305535号(2013年09月02日)
专利文献2：韩国授权专利公报第10-1617649号(2016年04月27日)
发明内容
但是，专利文献1具有如下的问题，即，并不以视频的内容本身为基础，因此，难以向所要购买产品的消费者提供与相应产品有关的信息。
专利文献2也具有如下的问题，即，并不是从视频的内容本身提取出现产品的部分，而是通过学习观看视频的用户的反应，来提取判断为关注画面的区间，因此，消费者难以从视频中获取与产品有关的信息。
根据本公开的一部分实施例，通过视频推荐系统推荐视频的方法包括：通过上述视频推荐系统的视频收集部收集与销售中的产品相关的多个视频及多个视频的影像信息并存储在上述视频推荐系统的数据库的步骤，以产品名或表示多个产品的一个以上的特性的名称中的至少一个为基础收集并存储与上述销售中的多个产品相关的多个视频及多个视频的影像信息；通过上述视频推荐系统的视频数据加工部将上述多个视频中所包括的语音转换为文本的步骤；通过上述视频数据加工部从转换的上述文本获取多个单词及与多个单词有关的时间戳的步骤；通过上述视频数据加工部分析上述文本的词素，由此提取上述文本中的多个名词关键词并确认上述多个名词关键词的多个频率的步骤；通过上述视频数据加工部对由上述文本中的上述多个单词构成的多个文章执行情感分析的步骤；通过上述视频推荐系统的视频推荐部接收与上述多个产品中的一个有关的选择的步骤；通过上述视频推荐部，以上述多个名词关键词及上述多个名词关键词的多个频率为基础从存储在上述数据库的上述多个视频中识别与选择的产品相关的多个视频的步骤；通过上述视频推荐部，以上述情感分析结果为基础提供所识别的上述多个视频中的根据预设基准的多个视频的步骤；以及若选择所提供的上述多个视频中的一个，则通过上述视频推荐部提供与所选择的上述产品相关的时间段中的部分影像的步骤。
根据本公开的一部分实施例，用于推荐视频的系统包括：视频收集部；视频数据加工部；视频推荐部；以及数据库，用于存储被上述视频收集部及上述视频数据加工部处理的数据，上述视频收集部收集与销售中的多个产品相关的多个视频及多个视频的影像信息并存储在上述数据库，以产品名或表示多个产品的一个以上的特性的名称中的至少一个为基础收集并存储与上述销售中的多个产品相关的多个视频及多个视频的影像信息，在上述视频数据加工部中，将上述多个视频中所包括的语音转换为文本，从转换的上述文本获取多个单词及与多个单词有关的时间戳，通过分析上述文本的词素来提取上述文本中的多个名词关键词并确认上述多个名词关键词的多个频率，对由上述文本中的上述多个单词构成的多个文章执行情感分析，在上述视频推荐部中，接收与上述多个产品中的一个有关的选择，以上述多个名词关键词及上述多个名词关键词的多个频率为基础从存储在上述数据库的上述多个视频中识别与所选择的产品相关的多个视频，以上述情感分析结果为基础，提供所识别的上述多个视频中的根据预设基准的多个视频，若选择所提供的上述多个视频中的一个，则提供与所选择的上述产品相关的时间段中的部分影像。
在本公开的用于推荐视频的方法及系统中，在推荐视频的过程中，将视频的语音数据转换为文本，分析文本的各个文章的情感，由此，可更准确地判断与产品有关的相应视频的情感，使得视频可被利用于产品的广告及宣传。
在本公开的用于推荐视频的方法及系统中，在推荐视频的过程中，从所选择的视频中导出所提及的特定产品或产品特性的时间点，由此，以能够从相应时间点再生的方式提供视频，从而可在视频中更便利地确认产品及与产品的特性有关的部分。
在本公开的用于推荐视频的方法及系统中，在推荐视频的过程中，与在视频中所提及的产品及产品特性的区间相关地，在相应区间对产品及与产品的特性有关的情感进行分类，使得消费者可以更迅速地掌握与产品或服务有关的信息并作出决定。
附图说明
图1示出一部分实施例的服务提供系统。
图2示出一部分实施例的视频推荐系统的结构。
图3示出一部分实施例的电子装置的结构。
图4示出在一部分实施例的视频推荐系统中用于推荐视频的流程图。
图5示出在一部分实施例的视频推荐系统中提供与产品相关的视频的例。
图6示出在一部分实施例的视频推荐系统中追加提供与产品相关的视频的例。
图7示出在一部分实施例的视频推荐系统中提供与产品相关的时间段中的部分影像的例。
附图标记的说明
100：服务提供系统
110：视频推荐系统
120：网络服务器
130：用户设备
210：视频收集部
220：视频数据加工部
230：视频推荐部
240：数据库
300：电子装置
310：通信部
320：控制部
330：存储部
具体实施方式
以下，参照附图详细说明本公开的实施例。以下说明仅将实施例具体化，并不限制或限定本公开的发明要求保护范围。需要理解的是，本公开技术领域的普通技术人员容易从发明的详细说明及实施例类推的方案属于本公开的发明要求保护范围。
以在本公开的技术领域中广泛使用的常规术语记载在本公开中使用的术语，在本公开中使用的术语的含义可根据相应领域的普通技术人员的意图、判例或新技术的出现等不同。可通过申请人随机选择一部分术语，在此情况下，将详细说明相应术语的含义。在本公开中使用的术语需根据说明书全文的脉络解释，而不是仅以词典上的含义解释。
在本公开中使用的如“构成”或“包括”的术语不应解释为必须包括在说明书中记载的结构要素或步骤，在不包括部分结构要素或步骤的情况以及还包括追加结构要素或步骤的情况下，也应解释为相应术语的意图。
在本公开中使用的包括如“第一”或“第二”的序数的术语可用于说明多种结构要或步骤，相应结构要素或步骤不应限定于序数。包括序数的术语应解释为仅用于区别一个结构要素或步骤与其他结构要素或步骤。
在以下所说明的本公开的实施例中，以硬件访问方法为例示进行说明。但是，本公开的实施例中包括使用硬件和软件两种技术，因此，本公开的实施例并未排除基于软件的访问方法。
以下，本公开涉及用于推荐视频的方法及系统。具体地，本公开说明通过识别并分析与多个产品相关的多个视频的语音来提供适合所选择的产品的多个视频中的特定信息的技术。
在以下说明中所使用的指代系统的术语、指代系统中的对象的术语、指代对象中的模块的术语、指代装置的结构要素的术语、指代存储在对象的数据的术语等为了便于说明而提供。因此，本公开并不限定于后述的术语，可使用具有等同技术含义的其他术语。
尤其，在本公开的全文中，术语“部分影像”可定义为以从提及产品名或产品的一个以上的特性的区间的起点开始再生的方式设置的视频或者以比提及产品名或产品的一个以上的特性的区间的起点提前预设时间的时间点开始再生的方式设置的视频。即，术语“部分影像”的含义如下，即，从视频的整个再生区间的起点之外的中间时间点开始再生，所要再生的区间为整个再生区间的至少一部分的视频。
以下，参照附图详细说明本公开的实施例。对于本公开技术领域的普通技术人员所熟知的事项将省略详细说明。
图1示出一部分实施例的服务提供系统100。图1的服务提供系统100包括视频推荐系统110、网络服务器120、用户设备130。
服务提供系统100可意味着用于向用户设备130的用户提供特定服务的综合系统。例如，服务可以为考虑产品销售的整体服务，例如，通过网页提供与销售中的产品有关的信息，并配送消费者所购买的产品。
视频推荐系统110为用于向用户设备130推荐多个视频的系统。视频推荐系统110存储与为了销售等而登录在服务提供系统100的多个产品有关的多个视频及与各个视频有关的分析结果，可提供与通过用户设备130选择的产品相关的多个视频。例如，视频推荐系统110以多个视频所包括的语音数据为基础掌握在各个视频中提及的产品及与相应产品有关的评价，提供适合通过用户设备130搜索及选择的产品的多个视频，进而，可直接提供所选择的视频中提及相应产品的部分。为了执行如上所述的功能，视频推荐系统110可包括一个对象或功能上分离的多个对象。
网络服务器120为用于向用户提供网络(web)的服务器，当用户设备130通过网络请求服务时，可通过网络提供网页。例如，网络服务器120可向用户设备130提供示出产品目录的网页，上述产品目录包括如销售中的多个产品的图像、产品名、价格的信息。并且，若用户设备130请求搜索特定产品，则网络服务器120可向用户设备130提供示出搜索结果的网页。并且，在通过用户设备130选择特定产品的情况下，网络服务器120可向用户设备130提供包括与从视频推荐系统110提供的特定产品相关的多个视频在内的网页。并且，在通过用户设备130选择特定视频的情况下，网络服务器120可向用户设备130提供示出在从视频推荐系统110提供的特定视频中提及特定产品的部分的网页。如上所述，网络服务器120能够以网页形态向用户设备130提供通过视频推荐系统110提供的各种形态的视频推荐服务。
用户设备130作为被用户使用的装置，可以为通过网络服务器120接收服务提供系统100所提供的服务的各种装置。例如，用户设备130可以为如个人计算机(personalcomputer，PC)、智能手机、平板电脑及其他移动设备等的各种计算设备。上述用户设备130可通过网络服务器120接收以下所要详细说明的视频推荐系统110所提供的视频推荐服务。
图2示出一部分实施例的视频推荐系统的结构。可将图2中例示的结构理解为视频推荐系统110的结构。以下所使用的“……部”、“……器”等的术语意味着处理至少一个功能或动作的单位，其可通过硬件或软件、硬件及软件的结合体现。
参照图2，视频推荐系统110包括视频收集部210、视频数据加工部220、视频推荐部230以及数据库240。
视频收集部210收集与通过服务提供系统100销售中的多个产品相关的多个视频及多个视频的影像信息并存储在数据库240。具体地，视频收集部210以产品名或表示多个产品的一个以上的特性的名称中的至少一个为基础收集与销售中的多个产品相关的多个视频及多个视频的影像信息。例如，在正在提供的服务为销售保健补品的情况下，视频收集部210能够以销售中的多个保健补品的产品名或多个保健补品所包括的主成分名中的至少一个为基础收集多个视频。并且，视频收集部210根据预设的周期再次收集并存储多个视频及多个视频的影像信息，从而反映最近上传至互联网的多个相关视频。
视频收集部210可收集并存储与多个视频相关的各种影像信息。例如，视频收集部210可与多个视频一同将如下述表1的信息存储在数据库240。
表1
Figure BDA0002981362090000071
Figure BDA0002981362090000081
如表1所示，视频收集部210同时收集多个视频和包括与多个视频有关的视频标题、视频点击量、视频上传日期、表示视频喜好度的标记(例：点赞数、点踩数)、上传视频的频道的订阅数、视频地址或视频留言中的至少一个的影像信息并存储在数据库240。并且，除在表1中说明的影像信息之外，视频收集部210还可存储与视频相关的各种附加信息。
视频数据加工部220可将多个视频中包括的语音转换为文本。通过视频数据加工部220将语音转换为文本的步骤可包括以语音转文字(STT，speech to text)为基础将语音转换为文本的步骤。
视频数据加工部220可从转换的文本获取与多个单词及与多个单词有关的时间戳。具体地，通过视频数据加工部220获取时间戳的步骤可包括：以语音持续的时间为基础来识别文本中所包括的多个单词的步骤；以及同时输出所识别的多个单词及多个单词的时间戳的步骤。
从文本获取的时间戳可包括表示多个单词的起点及持续时间的值。并且，时间戳还可包括用于以数值表示是否准确地识别文本中包括的多个单词的准确率。以下，可在表2确认与视频的一部分内容有关的按照单词的时间戳的例示。
表2
Figure BDA0002981362090000082
Figure BDA0002981362090000091
如表2所示，视频数据加工部220能够以视频中存在语音的区间之间的间隔、持续时间等为基础识别与各个区间的语音相对应的文本并计算与所识别的文本有关的准确率。在此情况下，准确率能够以表示[0，1]之间的概率的值表达。
以语音转文字为基础将视频中包括的语音转换为文本的过程能够以深度学习(deep learning)训练模型为基础执行。并且，深度学习训练模型可包括声学模型或语言模型中的至少一个。即，视频数据加工部220能够以利用深度学习训练模型学习的语音转文字为基础将视频中包括的语音转换为文本。
视频数据加工部220可通过分析文本的词素来提取文本中的多个名词关键词并确认多个名词关键词的多个频率。更具体地，通过视频数据加工部220提取文本中的多个名词关键词并确认多个名词关键词的多个频率的步骤可包括确认所提取的多个名词关键词是否相同并计数来确认多个名词关键词的多个频率的步骤。并且，通过视频数据加工部220提取的多个名词关键词可包括产品名或表示多个产品的一个以上的特性的名称中的至少一个。
能够以深度学习为基础，利用事先学习的词素分析器分析文本的词素。在此情况下，为了提取与通过服务提供系统100正在提供的服务相关的名词关键词，可利用预处理的词素分析器。例如，在正在提供的服务为销售保健补品的情况下，可获取如上述表2的按照单词的时间戳。在此情况下，根据执行语音转文字的结果，将“维生素”及“D”识别为独立的单词，将“奥米伽”及“3”也识别为独立的单词。在本公开的一部分实施例中，为了将识别为独立的单词的“维生素”、“D”提取为“维生素D”、将“奥米伽”、“3”提取为“奥米伽3”，可通过收集销售中的保健补品的信息来对词素分析器进行预处理。如上所述，以适合服务的形态对词素分析器进行预处理并学习，由此，视频数据加工部220可通过分析词素来从表2将“营养剂”、“初次”、“人”、“基本”、“综合微生物”、“维生素D”、“奥米伽3”提取为名词关键词。
视频数据加工部220可确认所提取的多个名词关键词的频率并存储在数据库240。以下，在表3例示根据频率整列的多个名词关键词。
表3
名词关键词 频率(frequency)
维生素 28
产品 27
程度 26
含量 18
但是 14
高容量 12
胶囊 11
形态 11
硒 11
说明 10
叶酸 10
例如，在正在提供的服务为销售保健补品的情况下，视频数据加工部220从对视频执行语音转文字来获取的文本中提取多个名词关键词，并可根据所提取的次数整列多个名词关键词。参照表3，“维生素”、“产品”、“程度”、“含量”分别以28次、27次、26次、18次且其他多个名词关键词以其以下的次数提取并整列，之后可存储在数据库240。当提供视频时，视频数据加工部220可将通过上述方式存储的多个名词关键词及其频率用于判断相应视频的适合性。
视频数据加工部220可对由文本中的多个单词构成的多个文章执行情感分析。具体地，通过视频数据加工部220执行情感分析的步骤可包括以事先构成的情感词典为基础按照文章计算与情感有关的预测值及与预测值有关的可靠度的步骤。并且，视频数据加工部220将按照文章计算的与情感有关的预测值及与预测值有关的可靠度存储在数据库240，之后，可用于确定服务的提供水平。与情感有关的预测值可计算为表示积极的第一值或表示消极的第二值中的一个。在此情况下，可将第一值及第二值设置为互不相同的值。例如，可将第一值设置为1，将第二值设置为0，但是，这仅为例示，第一值及第二值可设置为各种值。并且，与各个预测值有关的可靠度能够以百分比单位具有[0，100]之间的值。在此情况下，百分比单位的数值表达仅为例示，可靠度能够以多种形式表达。追加地，与情感有关的预测值可包括用于表示无法判断情感的情况的第三值，可将第三值设置为与第一值及第二值不同的值。例如，可将表示积极的第一值设置为1，可将表示消极的第二值设置为0，可将表示无法判断的第三值设置为2，但这仅为例示，第一值、第二值及第三值可设置为各种值。
用于执行情感分析的情感词典能够以预设的周期更新。即，持续更新情感词典，使得如与情感表达有关的新感叹词及评价单词的新词反映在情感词典，从而保持情感词典的准确率。在一部分实施例中，能够以多种方式确定情感词典的更新周期。
通过视频数据加工部220执行的情感分析可利用情感模型来执行，上述情感模型以深度学习为基础事先学习情感词典。情感模型能够以n元语法(n-gram)或朴素贝叶斯(Naive Bayesian)分类模型为基础构成。即，情感模型可通过向事先收集的多种数据适用n元语法或朴素贝叶斯分类模型来构成。并且，若收集情感分析的结果数据，则视频数据加工部220使情感模型再次学习，从而能够以适合正在提供的服务的形态构成情感模型。例如，在正在提供的服务为销售保健补品的情况下，视频数据加工部220可通过再次学习以适合保健补品的评价的形态改善情感模型，使得情感模型更准确地反映与在视频中提及的产品有关的评价。与通过视频数据加工部220执行的情感分析的结果有关的数据，即，各个文章和按照文章的预测值及可靠度和与如上所述的词素分析结果有关的数据一同存储在数据库240之后用于提供视频。
视频推荐部230可接收与多个产品中的一个有关的选择。与多个产品中的一个有关的选择可从用户设备130发送。具体地，为了在通过网络服务器120提供的网页上搜索已登录的多个产品中的至少一个，可向用户设备130输入作为与多个产品中的至少一个相关的产品名的至少一部分或表示多个产品的特性的名称中的至少一个的搜索关键词。用户设备130可接收用于选择根据所输入的搜索关键词搜索的多个产品中的一个的输入，可通过网络服务器120向视频推荐部230传递与如上所述的多个产品中的一个有关的选择。例如，在正在提供的服务为销售保健补品的情况下，用户设备130可通过网络服务器120接收销售多个保健补品的网页。在此情况下，利用搜索关键词搜索在网页上显示的多个保健补品中的用户所要的产品或具有主要成分的多个产品，可通过用户设备130选择搜索的至少一个产品中的一个产品。
视频推荐部230能够以多个名词关键词及多个名词关键词的多个频率为基础识别存储在数据库240的多个视频中的与所选择的产品相关的多个视频。更具体地，通过视频推荐部230识别在存储的多个视频中与所选择的产品相关的多个视频的步骤包括：识别与所选择的产品相对应的至少一个名词关键词的步骤；以及从提取至少一个名词关键词的多个视频中确定至少一个名词关键词的频率满足预设基准的多个视频的步骤。
视频推荐部230可识别与所选择的产品相对应的至少一个名词关键词。具体地，若选择产品，则视频推荐部230可判断存储在数据库240的多个名词关键词中是否存在与产品相关的名词关键词。即，视频推荐部230可从以上述方式通过视频数据加工部220从文本提取来存储在数据库240的多个名词关键词中识别所选择的产品的产品名或与所选择的产品的至少一个特性相对应的名词关键词。在此情况下，在以上述方式提取视频的名词关键词的过程中，视频推荐部230可根据存储在数据库240的产品名及相应产品的至少一个特性的相关关系识别与所选择的产品相关的主要成分。
视频推荐部230可从提取至少一个名词关键词的多个视频中确定至少一个名词关键词的频率满足预设基准的多个视频。具体地，若以上述方式识别与所选择的产品相对应的名词关键词，则视频推荐部230可从存储的多个视频中识别从文本提取名词关键词的多个视频。并且，视频推荐部230可从所识别的多个视频中确定提取相应名词关键词的频率满足预设基准的多个视频。即，视频推荐部230可识别与所选择的产品相对应的名词关键词以预设的频率以上提取的多个视频。例如，在正在提供的服务为销售保健补品的情况下，视频推荐部230识别通过用户设备130选择的保健补品的产品名或与主要成分相对应的名词关键词，可从存储在数据库240的多个视频中识别保健补品的产品名或与主要成分相对应的名词关键词提取N次以上的多个视频。
视频推荐部230能够以情感分析结果为基础，在所识别的多个视频中根据预设基准提供多个视频。更具体地，通过视频推荐部230以情感分析结果为基础，在所识别的多个视频中根据预设基准提供多个视频的步骤可包括：对于所识别的多个视频按照文章识别与情感有关的预测值及与预测值有关的可靠度的步骤；以及以预测值及与预测值有关的可靠度为基础来根据优先顺序提供所识别的多个视频中满足预设基准的多个视频的步骤。
对于所识别的多个视频，视频推荐部230可按照文章识别与情感有关的预测值及与预测值有关的可靠度。具体地，如上所述，对于名词关键词的频率满足预设基准的多个视频，视频推荐部230可确认对于多个视频执行情感分析的结果。由此，视频推荐部230可通过确认存储在数据库240的情感分析的结果数据来从相应视频确认对于从名词关键词识别的产品或产品的至少一个特性具有何种情感。例如，在正在提供的服务为销售保健补品的情况下，视频推荐部230可通过确认相应视频的情感分析结果，即，预测值及可靠度来确认对于搜索相应视频的保健补品表示积极情感还是消极情感。
视频推荐部230能够以预测值及与预测值有关的可靠度为基础，根据优先顺序提供满足所识别的多个视频中的预设基准的多个视频。具体地，如上所述，视频推荐部230对于名词关键词的频率满足预设基准的多个视频确认情感分析结果，能够以按照文章的预测值及与预测值有关的可靠度为基础确定所要提供的多个视频。在此情况下，所提供的多个视频可根据运营方的意图优先考虑积极情感或消极情感来确定。并且，预设基准能够以多种方式确定，例如，表示与特定情感有关的预测值的文章为预设的数量以上，或者可靠度为预设的数值以上，或者计算与按照文章的多个预测值有关的平均的结果为预设的值以上。由此，为了将所要提供的多个视频的数保持在运营方所意图的水平，视频推荐部230可根据与相应产品有关的情感的水平按照顺序提供满足预设水平的多个视频。
能够根据优先顺序的顺序以视觉显示由视频推荐部230提供的多个视频。具体地，所提供的多个视频可通过网络服务器120和与所选择的产品有关的销售信息一同显示在相同的画面中。例如，在正在提供的服务为销售保健补品的情况下，可通过后述的图5及图6例示与所选择的产品相关的视频的提供。
若选择所提供的多个视频中的一个，则视频推荐部230可提供与所选择的产品相关的时间段中的部分影像。通过视频推荐部230提供与所选择的产品相关的时间段中的部分影像的步骤可包括：从与所选择的视频有关的语音转文字的结果识别与所选择的产品相对应的名词关键词的时间戳的步骤；以及提供包括以在比与时间戳相对应的再生区间的起点提前预设时间的时间点开始再生的方式设置的部分影像、开始再生部分影像的时间点及名词关键词的文本的步骤。
视频推荐部230可从与所选择的视频有关的语音转文字的结果识别与所选择的产品相对应的名词关键词的时间戳。更具体地，视频推荐部230可识别表示与所选择的产品相对应的名词关键词从视频的哪个区间提取的时间戳。可通过时间戳导出包括名词关键词的文章的起点或提及名词关键词的部分的再生区间。如上所述，所导出的文章的起点或再生区间可用于提供部分影像。
视频推荐部230可提供包括以在比与时间戳相对应的再生区间的起点提前预设时间的时间点开始再生的方式设置的部分影像、开始再生部分影像的时间点及名词关键词的文本。更具体地，视频推荐部230识别提及包括名词关键词的文章的再生区间的起点，能够以使所选择的视频比所识别的起点提前预设时间的时间点开始再生的方式设置。如上所述，可将以在整个视频的任意中间时间点开始再生的方式设置的视频称为部分影像。预设时间是为了用户方便观看视频，能够以0或预定值设置。即，在预设时间为0的情况下，部分影像可从包括名词关键词的文章的起点开始再生，在预设时间为非0的正值的情况下，部分影像可从比包括名词关键词的文章提前的时间点开始再生。如上所述，视频推荐部230可向网络服务器120提供设置再生起点的部分影像。追加地，视频推荐部230可向网络服务器120提供提及名词关键词的相应文章的文本及开始再生部分影像或提及名词关键词的文章开始的时间点的信息。例如，在正在提供的服务为销售保健补品的情况下，可在图7例示与所选择的视频有关的部分影像及与部分影像有关的各种信息的显示。
在数据库240可存储如上所述的被视频收集部210、视频数据加工部220处理并分析的所有数据。在数据库240中，能够以多个数据相关联的形态存储多个数据，为此，多个数据能够以如表格的形态存储，但并不局限于此，能够以不同的多种形态存储。存储在数据库240的表格可包括如与产品成分相关的表格、与产品名相关的表格、用于连接产品名及产品特性的表格、用于在视频匹配产品名或产品特性的表格、用于存储对于视频执行语音转文字的基本结果的表格、用于存储语音转文字结果中的普通深度学习的结果的表格、用于存储名词关键词的频率的表格、用于存储语音转文字结果中的对于名词关键词执行深度学习的结果的表格、用于存储根据执行语音转文字的时间戳的表格、用于存储视频的评论的表格、用于存储根据视频的收集获取的影像信息的表格中的至少一个。为了确定所要推荐的视频，视频推荐部230可通过识别以上述方式存储在数据库240的数据来提取并利用所需的信息。
图3示出一部分实施例的电子装置的结构。以下所使用的“……部”、“……器”等的术语是指处理至少一个功能或动作的单位，其可通过硬件或软件或者硬件及软件的结合实现。
参照图3，电子装置300包括通信部310、控制部320以及存储部330。
通信部310可执行用于发送或接收信息的功能。具体地，通信部310可提供用于与系统内的其他装置通信的接口。即，通信部310将向其他装置发送的比特串转换为物理信号，将从其他装置接收的物理信号转换为比特串。通信部310还可执行用于在无线或有线通信环境发送或接收信号的功能。例如，通信部310可根据系统的物理层标准执行基带信号与比特串之间的转换功能。并且，通信部310可包括多个发送或接收路径(path)。
如上所述，通信部310发送及接收信号。由此，通信部310可称为“发送部”、“接收部”、“发送或接收部”。并且，在下述说明中，发送及接收以包括通过通信部310执行如上所述的处理的含义使用。
控制部320控制电子装置300的整体动作。例如，控制部320通过通信部310发送及接收信号。并且，控制部320在存储部330记录数据并读取。为此，控制部320能够以多个逻辑门的阵列或通用微处理器体现。控制部320可由至少一个处理器构成。控制部320还可与存储程序等的存储部330形成为一体，而不是以与存储部330不同的结构构成。控制部320可以为设置于电子装置300内的中央处理器(CPU，central processing unit)、图形处理器(GPU，graphics processing unit)、或应用处理器(AP，application processor)中的至少一个，这仅为例示，控制部320还能够以多种形态体现。
存储部330存储用于电子装置300的动作的基本程序、应用程序、设置信息等的数据。存储部330可由易失性存储器、非易失性存储器或者易失性存储器和非易失性存储器的组合构成。并且，存储部330根据控制部320的请求提供所存储的数据。
如上所述的图3的结构可理解为构成本公开实施例的视频推荐系统110的一个以上的装置、网络服务器120或用户设备130的结构。
在可将图3所例示的结构理解为构成视频推荐系统110的一个以上的装置的结构的情况下，在图2所示的视频收集部210、视频数据加工部220、视频推荐部230、数据库240可由一个以上的装置实现。例如，具有图3的结构的多个电子装置可分别执行视频收集部210、视频数据加工部220、视频推荐部230的功能。或者，第一电子装置可执行视频收集部210、视频数据加工部220、视频推荐部230中的一个功能性单位的功能，第二电子装置可执行剩余两个功能性单位的功能。或者，一个电子装置可执行视频收集部210、视频数据加工部220、视频推荐部230的所有功能。并且，数据库240以独立于执行视频收集部210、视频数据加工部220、视频推荐部230的功能的一个以上的电子装置的个体体现或可在一个以上的上述电子装置体现。在图2所示的视频推荐系统110由两个以上的装置构成的情况下，多个装置可通过各个装置的通信部310发送或接收在本公开中说明的多种信息。
图4示出用于在一部分实施例的视频推荐系统中推荐视频的流程图。图4例示通过视频推荐系统110的动作。
参照图4，通过视频推荐系统推荐视频的方法可包括步骤401至步骤415。但并不局限于此，除在图4所示的步骤之外，图4的方法还可包括其他通用步骤。
图4的方法可由在通过图1至图3说明的构成视频推荐系统110或视频推荐系统110的一个以上的装置按时间顺序处理的步骤构成。因此，对于图4的方法，即使为在以下说明中省略的内容，在上述在图1至图3中说明的内容还可相同地适用于图4的方法。
参照图4，在步骤401中，视频推荐系统110可收集与销售中的多个产品相关的多个视频及多个视频的影像信息并存储在视频推荐系统的数据库。与销售中的多个产品相关的多个视频及多个视频的影像信息能够以产品名或表示多个产品的一个以上的特性的名称中的至少一个为基础收集。并且，多个视频的影像信息可包括视频标题、视频点击量、视频上传日期、表示视频喜好度的标记、上传视频的频道的订阅数、视频地址或视频留言中的至少一个。
在步骤403中，视频推荐系统110将多个视频各自所包括的语音转换为文本，可从所转换的文本获取与多个单词及多个单词有关的时间戳。具体地，视频推荐系统110能够以语音转文字为基础将语音转换为文本。并且，视频推荐系统110能够以语音持续的时间为基础识别文本中包括的多个单词，并一同输出所识别的多个单词及多个单词的时间戳。并且，时间戳可包括多个单词各自的起点及持续时间。并且，时间戳还可包括用于以数值表示是否准确地识别文本中包括的多个单词的准确率。即，时间戳包括如多个单词各自的起点及持续时间的时间信息，追加地，还可包括与多个单词有关的准确率。用于将语音转换为文本的语音转文字可在视频推荐系统110中以深度学习训练模型为基础执行。并且，深度学习训练模型可包括声学模型或语言模型中的至少一个。
在步骤405中，视频推荐系统110通过分析文本的词素来提取文本中的多个名词关键词，并可确认多个名词关键词的频率。具体地，视频推荐系统110确认所提取的多个名词关键词是否相同并计数，由此可确认多个名词关键词的多个频率。并且，所提取的多个名词关键词可包括产品名或表示多个产品的一个以上的特性的名称中的至少一个。并且，词素分析可在视频推荐系统110以深度学习为基础利用事先学习的词素分析器来执行。
在步骤407中，视频推荐系统110可对文本中的由多个单词构成的多个文章执行情感分析。具体地，视频推荐系统110能够以事先构成的情感词典为基础按照文章计算与情感有关的预测值和与上述预测值有关的可靠度。预测值可以为表示积极的第一值或表示消极的第二值中的一个。并且，情感词典能够以通过视频推荐系统110预设的周期更新。并且，情感分析可通过视频推荐系统110以深度学习为基础利用事先学习上述情感词典的情感模型来执行。在此情况下，情感模型能够以n元语法或朴素贝叶斯分类模型为基础构成。根据本公开的一部分实施例，步骤407可在执行步骤405之后执行，还可与步骤405并行执行。
在步骤409中，视频推荐系统110可接收对于多个产品中的一个的选择。
在步骤411中，视频推荐系统110能够以多个名词关键词及多个名词关键词的多个频率为基础在所存储的多个视频中识别与所选择的产品相关的多个视频。具体地，视频推荐系统110识别与所选择的产品相对应的至少一个名词关键词，可在提取至少一个名词关键词的多个视频中确定至少一个名词关键词的频率满足预设基准的多个视频。
在步骤413中，视频推荐系统110能够以情感分析的结果为基础来根据所识别的多个视频中的预设基准提供多个视频。具体地，视频推荐系统110对于所识别的多个视频，按照文章识别与情感有关的预测值及与预测值有关的可靠度，能够以预测值及与预测值有关的可靠度为基础根据优先顺序提供所识别的多个视频中满足预设基准的多个视频。并且，可通过根据优先顺序的顺序以视觉显示所提供的多个视频。
在步骤415中，若选择所提供的多个视频中的一个，则视频推荐系统110可提供与所选择的产品相关的时间段中的部分影像。具体地，视频推荐系统110可从与所选择的视频有关的语音转文字的结果识别与所选择的产品相对应的名词关键词的时间戳，可提供包括以在比与时间戳相对应的再生区间的起点提前预设时间的时间点开始再生的方式设置的部分影像、开始再生部分影像的时间点及名词关键词的文本。
如上所述的图4的方法可通过分别包括通信部(例：通信部310)、控制部(例：控制部320)、存储部(例：存储部330)的一个以上的装置执行，与图3相关地，如上所述，一个以上的上述装置可以为构成视频推荐系统110的装置。
图5示出在一部分实施例的视频推荐系统中提供与产品相关的多个视频的例，图6示出在一部分实施例的视频推荐系统中追加提供与产品相关的多个视频的例。具体地，在图5及图6例示的网页500、600为通过图4的步骤411及步骤413的结果，可理解为如上所述的视频推荐系统110或构成视频推荐系统110的一个以上的装置中提供的多个视频显示在通过网络服务器120提供的网页上。以下，以正在提供的服务为销售保健补品的情况为例示进行说明。
参照图5，通过用户设备130选择的保健补品可以为包含叶黄素作为主要成分的产品。视频推荐系统110在数据库240识别与所选择的产品的产品名或作为主要成分的叶黄素相关的多个视频，并可根据多个名词关键词的频率及情感分析的结果确定所要提供的多个视频。由此，网络服务器120可向用户设备130提供如图5所示的网页500。即，网络服务器120可向用户设备130提供在包括可选择所选择的产品的价格及产品的购买数量的标记505、510的部分的下方按照顺序罗列通过视频推荐系统110提供的多个视频的画面515。并且，如图6所示，若在图5中选择“更多视频”按钮520，则网络服务器120可向用户设备130提供还显示与所选择的产品的产品名或作为主要成分的叶黄素相关的多个视频的网页600。如上所述，在图5及图6中显示的多个视频对于相应产品或叶黄素成分示出积极情感，在使得用户获取与相应产品或叶黄素有关的信息的同时诱导用户购买产品。
图7示出在一部分实施例的视频推荐系统中提供与产品相关的时间段中的部分影像的例。具体地，在图7例示的网页700为通过图4的步骤415的结果，可理解为在上述视频推荐系统110或构成视频推荐系统110的一个以上的装置中提供的多个视频显示在通过网络服务器120提供的网页上。以下，以正在提供的服务为销售保健补品的情况为例示进行说明。
参照图7，可通过用户设备130从显示在图5及图6的网页500、600上显示的多个视频中选择一个视频705。若选择特定视频，则视频推荐系统110在数据库240搜索与所选择的视频有关的语音转文字执行结果，并可识别与提取表示作为所选择的产品的主要成分的叶黄素的名词关键词的时间点或再生区间有关的时间戳。视频推荐系统110以使所选择的视频在比所识别的起点提前预设时间的时间点开始再生的方式设置，并可向网络服务器120提供以上述方式设置再生起点的部分影像、提及名词关键词的相应文章的文本及开始再生部分影像或提及名词关键词的文章开始的时间点的信息。由此，如图7所示，网络服务器120可直接向用户设备130提供包括所选择的视频中的与叶黄素有关的说明、提及评价等的部分中的开始再生的部分影像710的网页700。如上所述，通过提供如图7所示的部分影像来更迅速且简单地确认视频中用户所关注的产品、与产品的成分有关的内容。
本公开的发明要求保护范围或说明书中记载的实施例的方法能够以硬件、软件或硬件和软件的组合的形态实现(implemented)。
在以软件实现的情况下，可提供存储一个以上的程序(软件模块)的计算机可读存储介质。存储在计算机可读存储介质的一个以上的程序以能够通过电子装置(device)中的一个以上的处理器执行的方式构成(configured for execution)。一个以上的程序包括使得电子装置执行本公开的发明要求保护范围或说明书中记载的实施例的方法的指令(instructions)。
这种程序(软件模块、软件)可存储在随机存取存储器(random access memory)、包括闪存(flash)的非易失性(non-volatile)存储器、只读存储器(read only memory，ROM)、电可擦除只读存储器(electrically erasable programmable read only memory，EEPROM)、磁盘存储设备(magnetic disc storage device)、只读光盘驱动器(compactdisc-ROM，CD-ROM)、数字通用光盘(digital versatile discs，DVDs)或其他形态的光学存储装置、磁带盒(magnetic cassette)。或者，可存储在由它们的一部分或全部的组合构成的存储器。并且，还可包括多个结构存储器。
并且，程序可存储在通过如互联网(Internet)、内联网(Intranet)、局域网(LAN，local area network)、广域网(WAN，wide area network)或存储区域网(SAN，storagearea network)的通信网络或它们的组合构成的通信网络访问(access)的可附上的(attachable)存储装置(storage device)。这种存储装置可通过外部端口与执行本公开的实施例的装置联接。并且，通信网络中的额外的存储装置还可与执行本公开的实施例的装置联接。
在如上所述的本公开的具体实施例中，包括在公开的结构要素可根据所提出的具体实施例以单数或复数表达。但是，单数或复数的表达以适合便于说明而提出的情况的方式选择，本公开并不局限于单数或复数的结构要素，即使以复数表达的结构要素，也可由单数构成，或者即使以单数表达的结构要素，也可由复数构成。
另外，在本公开的详细说明中说明了具体实施例，但可在不超出本公开的范围内进行各种变形。因此，本公开的范围并不局限于所说明的实施例，需通过包括后述的发明要求保护范围在内的与发明要求保护范围等同的方案定义。

Claims (28)

1.一种用于推荐视频的方法，通过视频推荐系统推荐视频，其特征在于，包括：
通过上述视频推荐系统的视频收集部收集与销售中的产品相关的多个视频及多个视频的影像信息并存储在上述视频推荐系统的数据库的步骤，以产品名或表示多个产品的一个以上的特性的名称中的至少一个为基础收集并存储与上述销售中的多个产品相关的多个视频及多个视频的影像信息；
通过上述视频推荐系统的视频数据加工部将上述多个视频中所包括的语音转换为文本的步骤；
通过上述视频数据加工部从转换的上述文本获取多个单词及与多个单词有关的时间戳的步骤；
通过上述视频数据加工部分析上述文本的词素，由此提取上述文本中的多个名词关键词并确认上述多个名词关键词的多个频率的步骤；
通过上述视频数据加工部对由上述文本中的上述多个单词构成的多个文章执行情感分析的步骤；
通过上述视频推荐系统的视频推荐部接收与上述多个产品中的一个有关的选择的步骤；
通过上述视频推荐部，以上述多个名词关键词及上述多个名词关键词的多个频率为基础从存储在上述数据库的上述多个视频中识别与选择的产品相关的多个视频的步骤；
通过上述视频推荐部，以上述情感分析结果为基础提供所识别的上述多个视频中的根据预设基准的多个视频的步骤；以及
若选择所提供的上述多个视频中的一个，则通过上述视频推荐部提供与所选择的上述产品相关的时间段中的部分影像的步骤。
2.根据权利要求1所述的用于推荐视频的方法，其特征在于，上述多个视频的影像信息包括视频标题、视频点击量、视频上传日期、表示视频喜好度的标记、上传视频的频道的订阅数、视频地址或视频留言中的至少一个。
3.根据权利要求1所述的用于推荐视频的方法，其特征在于，
通过上述视频数据加工部将上述语音转换为文本的步骤包括以语音转文字为基础将上述语音转换为上述文本的步骤，
通过上述视频数据加工部获取上述时间戳的步骤包括：
以上述语音持续的时间为基础，识别上述文本中包括的多个单词的步骤；以及
同时输出所识别的上述多个单词及上述多个单词的时间戳的步骤，
上述时间戳包括上述多个单词的起点及持续时间。
4.根据权利要求3所述的用于推荐视频的方法，其特征在于，上述时间戳还包括用于以数值表示是否准确地识别上述文本中包括的多个单词的准确率。
5.根据权利要求3所述的用于推荐视频的方法，其特征在于，
以深度学习训练模型为基础执行上述语音转文字，
上述深度学习训练模型包括声学模型或语言模型中的至少一个。
6.根据权利要求1所述的用于推荐视频的方法，其特征在于，
通过上述视频数据加工部提取上述文本中的多个名词关键词并确认上述多个名词关键词的多个频率的步骤包括确认所提取的多个名词关键词是否相同并计数来确认上述多个名词关键词的多个频率的步骤，
所提取的上述多个名词关键词包括产品名或表示多个产品的一个以上的特性的名称中的至少一个。
7.根据权利要求1所述的用于推荐视频的方法，其特征在于，以深度学习为基础，利用事先学习的词素分析器分析上述词素。
8.根据权利要求1所述的用于推荐视频的方法，其特征在于，
通过上述视频数据加工部对上述多个文章执行情感分析的步骤包括以事先构成的情感词典为基础，按照文章计算与情感有关的预测值和与上述预测值有关的可靠度的步骤，
上述预测值为表示积极的第一值或表示消极的第二值中的一个。
9.根据权利要求8所述的用于推荐视频的方法，其特征在于，上述情感词典以预设的周期更新。
10.根据权利要求8或9所述的用于推荐视频的方法，其特征在于，
以深度学习为基础，利用事先学习上述情感词典的情感模型执行上述情感分析，
上述情感模型以n元语法或朴素贝叶斯分类模型为基础构成。
11.根据权利要求1所述的用于推荐视频的方法，其特征在于，
通过上述视频推荐部，以上述多个名词关键词及上述多个名词关键词的多个频率为基础从存储在上述数据库的上述多个视频中识别与所选择的上述产品相关的多个视频的步骤包括：
识别与所选择的上述产品相对应的至少一个名词关键词的步骤；以及
在提取至少一个上述名词关键词的多个视频中，确定至少一个上述名词关键词的频率满足预设基准的多个视频的步骤。
12.根据权利要求1所述的用于推荐视频的方法，其特征在于，
通过上述视频推荐部，以上述情感分析结果为基础提供所识别的上述多个视频中的根据预设基准的多个视频的步骤包括：
对于所识别的上述多个视频，按照文章识别与情感有关的预测值及与上述预测值有关的可靠度的步骤；以及
以上述预测值及与上述预测值有关的可靠度为基础，根据优先顺序提供所识别的上述多个视频中的满足上述预设基准的多个视频。
13.根据权利要求12所述的用于推荐视频的方法，其特征在于，通过根据上述优先顺序的顺序以视觉显示所提供的上述多个视频。
14.根据权利要求13所述的用于推荐视频的方法，其特征在于，
若选择所提供的上述多个视频中的一个，则通过上述视频推荐部提供与所选择的上述产品相关的时间段中的部分影像的步骤包括：
从与所选择的视频有关的上述语音转文字的结果，识别与所选择的上述产品相对应的名词关键词的时间戳的步骤；以及
提供包括上述部分影像、上述部分影像再生起点及上述名词关键词的文本的步骤，上述文本以在比与上述时间戳相对应的再生区间的起点提前预设时间的时间点开始再生的方式设置。
15.一种用于推荐视频的系统，其特征在于，
包括：
视频收集部；
视频数据加工部；
视频推荐部；以及
数据库，用于存储被上述视频收集部及上述视频数据加工部处理的数据，
上述视频收集部收集与销售中的多个产品相关的多个视频及多个视频的影像信息并存储在上述数据库，以产品名或表示多个产品的一个以上的特性的名称中的至少一个为基础收集并存储与上述销售中的多个产品相关的多个视频及多个视频的影像信息，
在上述视频数据加工部中，
将上述多个视频中所包括的语音转换为文本，
从转换的上述文本获取多个单词及与多个单词有关的时间戳，
通过分析上述文本的词素来提取上述文本中的多个名词关键词并确认上述多个名词关键词的多个频率，
对由上述文本中的上述多个单词构成的多个文章执行情感分析，
在上述视频推荐部中，
接收与上述多个产品中的一个有关的选择，
以上述多个名词关键词及上述多个名词关键词的多个频率为基础从存储在上述数据库的上述多个视频中识别与所选择的产品相关的多个视频，
以上述情感分析结果为基础，提供所识别的上述多个视频中的根据预设基准的多个视频，
若选择所提供的上述多个视频中的一个，则提供与所选择的上述产品相关的时间段中的部分影像。
16.根据权利要求15所述的用于推荐视频的系统，其特征在于，上述多个视频的影像信息包括视频标题、视频点击量、视频上传日期、表示视频喜好度的标记、上传视频的频道的订阅数、视频地址或视频留言中的至少一个。
17.根据权利要求15所述的用于推荐视频的系统，其特征在于，
在上述视频数据加工部中，
以语音转文字为基础将上述语音转换为上述文本，
以上述语音持续的时间为基础，识别上述文本中包括的多个单词，
同时输出所识别的上述多个单词及上述多个单词的时间戳，
上述时间戳包括上述多个单词的起点及持续时间。
18.根据权利要求17所述的用于推荐视频的系统，其特征在于，上述时间戳还包括用于以数值表示是否准确地识别上述文本中包括的多个单词的准确率。
19.根据权利要求17所述的用于推荐视频的系统，其特征在于，
以深度学习训练模型为基础执行上述语音转文字，
上述深度学习训练模型包括声学模型或语言模型中的至少一个。
20.根据权利要求15所述的用于推荐视频的系统，其特征在于，
上述视频数据加工部还用于确认所提取的多个名词关键词是否相同并计数来确认上述多个名词关键词的多个频率，
所提取的上述多个名词关键词包括产品名或表示多个产品的一个以上的特性的名称中的至少一个。
21.根据权利要求15所述的用于推荐视频的系统，其特征在于，以深度学习为基础，利用事先学习的词素分析器分析上述词素。
22.根据权利要求15所述的用于推荐视频的系统，其特征在于，
上述视频数据加工部还以事先构成的情感词典为基础，按照文章计算与情感有关的预测值和与上述预测值有关的可靠度，
上述预测值为表示积极的第一值或表示消极的第二值中的一个。
23.根据权利要求22所述的用于推荐视频的系统，其特征在于，上述情感词典以预设的周期更新。
24.根据权利要求22或23所述的用于推荐视频的系统，其特征在于，
以深度学习为基础，利用事先学习上述情感词典的情感模型执行上述情感分析，
上述情感模型以n元语法或朴素贝叶斯分类模型为基础构成。
25.根据权利要求15所述的用于推荐视频的系统，其特征在于，
上述视频推荐部还用于识别与所选择的上述产品相对应的至少一个名词关键词，
在提取至少一个上述名词关键词的多个视频中，确定至少一个上述名词关键词的频率满足预设基准的多个视频。
26.根据权利要求15所述的用于推荐视频的系统，其特征在于，
上述视频推荐部还对所识别的上述多个视频，按照文章识别与情感有关的预测值及与上述预测值有关的可靠度，
以上述预测值及与上述预测值有关的可靠度为基础，根据优先顺序提供所识别的上述多个视频中的满足上述预设基准的多个视频。
27.根据权利要求26所述的用于推荐视频的系统，其特征在于，通过根据上述优先顺序的顺序以视觉显示所提供的上述多个视频。
28.根据权利要求27所述的用于推荐视频的系统，其特征在于，
上述视频推荐部还从与所选择的视频有关的上述语音转文字的结果识别与所选择的上述产品相对应的名词关键词的时间戳，
提供包括上述部分影像、上述部分影像再生起点及上述名词关键词的文本，上述文本以在比与上述时间戳相对应的再生区间的起点提前预设时间的时间点开始再生的方式设置。
CN202110288301.9A 2020-03-23 2021-03-18 用于推荐视频的方法及系统 Active CN113505264B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2020-0034965 2020-03-23
KR1020200034965A KR102313037B1 (ko) 2020-03-23 2020-03-23 동영상을 추천하기 위한 방법 및 시스템

Publications (2)

Publication Number Publication Date
CN113505264A true CN113505264A (zh) 2021-10-15
CN113505264B CN113505264B (zh) 2024-05-14

Family

ID=77747924

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110288301.9A Active CN113505264B (zh) 2020-03-23 2021-03-18 用于推荐视频的方法及系统

Country Status (3)

Country Link
US (1) US11640427B2 (zh)
KR (1) KR102313037B1 (zh)
CN (1) CN113505264B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022051241A (ja) * 2020-09-18 2022-03-31 東芝テック株式会社 情報処理装置およびプログラム
CN114268818B (zh) * 2022-01-24 2023-02-17 珠海格力电器股份有限公司 故事播放的控制方法及装置、存储介质、计算设备
CN114979767B (zh) * 2022-05-07 2023-11-21 咪咕视讯科技有限公司 视频推荐方法、装置、设备及计算机可读存储介质
KR20240020671A (ko) 2022-08-08 2024-02-15 픽클래스 주식회사 시멘틱 웹 기술을 활용한 강의영상 추천시스템
KR102601471B1 (ko) * 2022-08-24 2023-11-13 주식회사 프라임에듀넷 인공지능 기반 데이터베이스화된 동영상 강의의 검색 및 추천 서비스 제공 방법, 장치 및 시스템
US11983386B2 (en) * 2022-09-23 2024-05-14 Coupang Corp. Computerized systems and methods for automatic generation of livestream carousel widgets
KR20240074032A (ko) * 2022-11-18 2024-05-28 주식회사 일만백만 피드백 데이터를 이용한 사용자 맞춤형 리뷰 영상 생성 방법 및 이를 실행하는 서버

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090101865A (ko) * 2008-03-24 2009-09-29 강민수 유무선 네트워크를 통하여 방송 서비스를 수행하는 방송 서비스 시스템의 정보 처리 방법
CN104104704A (zh) * 2013-04-12 2014-10-15 中国移动通信集团上海有限公司 一种在终端间推荐视频数据的方法、设备及系统
KR20160143411A (ko) * 2015-06-05 2016-12-14 아주대학교산학협력단 감정 온톨로지에 기반한 동영상 컨텐츠 추천 장치 및 그 방법
US20210125389A1 (en) * 2019-10-23 2021-04-29 Tata Consultancy Services Limited Method and system for creating an intelligent cartoon chat strip based on dynamic content

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005029353A1 (ja) * 2003-09-18 2005-03-31 Fujitsu Limited 注釈管理システム、注釈管理方法、文書変換サーバ、文書変換プログラム、電子文書付加プログラム
US8345097B2 (en) * 2008-02-15 2013-01-01 Harris Corporation Hybrid remote digital recording and acquisition system
JP5161658B2 (ja) * 2008-05-30 2013-03-13 株式会社東芝 キーワード入力支援装置、キーワード入力支援方法及びプログラム
US9197736B2 (en) * 2009-12-31 2015-11-24 Digimarc Corporation Intuitive computing methods and systems
KR101305535B1 (ko) 2011-08-26 2013-09-06 허순영 동영상 추천 시스템
KR101617649B1 (ko) 2014-12-26 2016-05-03 세종대학교산학협력단 영상의 관심 구간 추천 시스템 및 방법
US10095686B2 (en) * 2015-04-06 2018-10-09 Adobe Systems Incorporated Trending topic extraction from social media
US11023523B2 (en) * 2015-10-23 2021-06-01 Carnegie Mellon University Video content retrieval system
KR101886373B1 (ko) * 2016-07-14 2018-08-09 주식회사 언더핀 딥러닝 인공신경망 기반의 타스크 제공 플랫폼
KR20180059030A (ko) * 2016-11-25 2018-06-04 한국전자통신연구원 자막 출력 장치 및 그 방법
EP3616090A1 (en) * 2017-04-26 2020-03-04 Piksel, Inc. Multimedia stream analysis and retrieval
US10579401B2 (en) * 2017-06-21 2020-03-03 Rovi Guides, Inc. Systems and methods for providing a virtual assistant to accommodate different sentiments among a group of users by correlating or prioritizing causes of the different sentiments
US10924808B2 (en) * 2017-12-28 2021-02-16 Facebook, Inc. Automatic speech recognition for live video comments
US11245962B2 (en) * 2018-03-28 2022-02-08 Rovi Guides, Inc. Systems and methods for automatically identifying a user preference for a participant from a competition event
US10835823B2 (en) * 2018-12-27 2020-11-17 Electronic Arts Inc. Sensory-based dynamic game-state configuration
US10860345B2 (en) * 2019-03-27 2020-12-08 Electronic Arts Inc. System for user sentiment tracking

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090101865A (ko) * 2008-03-24 2009-09-29 강민수 유무선 네트워크를 통하여 방송 서비스를 수행하는 방송 서비스 시스템의 정보 처리 방법
CN104104704A (zh) * 2013-04-12 2014-10-15 中国移动通信集团上海有限公司 一种在终端间推荐视频数据的方法、设备及系统
KR20160143411A (ko) * 2015-06-05 2016-12-14 아주대학교산학협력단 감정 온톨로지에 기반한 동영상 컨텐츠 추천 장치 및 그 방법
US20210125389A1 (en) * 2019-10-23 2021-04-29 Tata Consultancy Services Limited Method and system for creating an intelligent cartoon chat strip based on dynamic content

Also Published As

Publication number Publication date
CN113505264B (zh) 2024-05-14
KR20210118566A (ko) 2021-10-01
US20210294847A1 (en) 2021-09-23
KR102313037B1 (ko) 2021-10-14
US11640427B2 (en) 2023-05-02

Similar Documents

Publication Publication Date Title
CN113505264B (zh) 用于推荐视频的方法及系统
CN110134931B (zh) 媒介标题生成方法、装置、电子设备及可读介质
CN102119385B (zh) 用于在内容检索服务系统内检索媒体内容的方法和子系统
EP2521044A1 (en) Information recommendation method
US9015168B2 (en) Device and method for generating opinion pairs having sentiment orientation based impact relations
JP2012511769A (ja) 使用者の意図に基づく情報検索方法及び情報提供方法
US20160063596A1 (en) Automatically generating reading recommendations based on linguistic difficulty
KR20090033989A (ko) 위치정보를 기반으로 한 지역정보 광고 방법과 상기 방법을수행하기 위한 시스템
KR102322668B1 (ko) 콘텐츠 크리에이터의 창작활동 활성화를 위한 다중 플랫폼 서비스 제공 시스템
CN110309414B (zh) 内容推荐方法、内容推荐装置和电子设备
JP2011107826A (ja) 行動情報抽出システム及び抽出方法
CN108280081B (zh) 生成网页的方法和装置
Genç et al. ClickbaitTR: Dataset for clickbait detection from Turkish news sites and social media with a comparative analysis via machine learning algorithms
CN114881685A (zh) 广告投送方法、装置、电子装置及存储介质
JP2016177690A (ja) サービス推薦装置およびサービス推薦方法並びにサービス推薦プログラム
CN116881554A (zh) 一种医疗处方推荐方法、装置、电子设备和可读存储介质
JPWO2016103519A1 (ja) データ分析システム、データ分析方法、およびデータ分析プログラム
KR101526872B1 (ko) 문어체 변환단계를 포함하는 광고 제공방법
KR102422844B1 (ko) 인공지능에 기반하여 영상 컨텐츠의 언어 위기를 관리하는 방법
KR102028356B1 (ko) 코멘트 기반의 광고 추천 장치 및 방법
KR20050035072A (ko) 개인정보 축적장치 및 개인정보 관리장치와, 방법
CN112800230B (zh) 文本处理方法、装置、计算机可读存储介质及电子设备
CN113971581A (zh) 一种机器人的控制方法、装置、终端设备及存储介质
Santos An efficient method for modelling tourists’ length of stay
JP2022018724A (ja) 情報処理装置、情報処理方法、及び情報処理プログラム

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

Effective date of registration: 20230106

Address after: Busan City, Korea

Applicant after: Data Education Co.

Address before: No. 102, Annan Road, Dongnaigu, Busan

Applicant before: Yin Zhongzhi

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant