CN113836348A - 基于视频的分类标签标志处理方法、装置、终端及介质 - Google Patents

Abstract

本发明公开了基于视频的分类标签标志处理方法、装置、终端及介质，其中，方法包括：收集获取观看指定视频用户的积极观看行为数据；确认对所述指定视频喜爱程度大于预定值的用户群数据，并筛选出该用户群用户指定时间内观看的第一视频数据；基于第一视频数据，仅保留用户喜爱程度大于预定值的第二视频数据，并得到该第二视频数据对应的视频类型标签；基于所述视频类型标签，获取用户群数据中拥有不同特征用户群的预设数量个视频类型标签作为指定视频的视频类型标签。与现有技术相比，本发明可以避免用户上传标签不正确导致视频推送效果不佳的问题，还能帮助视频平台对海量的视频资源进行快速准确的分析、处理、归类，提高自动标签的速度，极大节省人工审核效率，节约成本。

Description

基于视频的分类标签标志处理方法、装置、终端及介质

技术领域

本发明涉及视频处理技术领域，尤其涉及的是基于视频的分类标签标志处理方法、装置、终端及介质。

背景技术

随着科学技术的发展，尤其是互联网技术的快速发展，各种视频通过各种网络平台传播越来越快。

目前，由于互联网视频数据日益增多，用户观看短视频、小视频的时长也迅速增长，但是现有技术不能对海量的视频资源快速准确地分析、处理、归类，有时不方便用户使用。

因此，现有技术还有待改进和发展。

发明内容

本发明的主要目的在于提供一种基于视频的分类标签标志处理方法、装置、智能终端及计算机可读存储介质，本发明可以通过简单实现方式对视频的打上分类标签，提高了视频自动标签的速度，自动分类打标签，极大节省人工审核效率，节约成本，同时实现精准用户推荐，为用户的使用提供了方便。

为了实现上述目的，本发明第一方面提供一种基于视频的分类标签标志处理方法，其中，上述方法包括：

A、收集获取用户对指定视频具有积极观看行为的积极观看行为数据；

B、基于所述积极观看行为数据，确认对所述指定视频喜爱程度大于预定值用户群数据，并筛选出所述用户群数据最近指定时间段观看的第一视频数据；

C、基于筛选出的第一视频数据，对所述第一视频数据进行数据清洗筛选出用户喜爱程度大于预定值的第二视频数据，得到用户群数据最近指定时间段观看的视频类型标签；

D、基于所述得到用户群数据最近指定时间段观看的视频类型标签，从不同用户群对所述指定视频的类型标签选取预定数量的类型标签作为所述指定视频的最终视频标签，并根据用户喜爱程度赋予对应用户所拥有的标签权重。

可选的，上述收集获取用户对指定视频具有积极观看行为的积极观看行为数据的步骤包括：

根据用户积极观看行为指标，收集获取用户对指定视频积极观看行为数据；

根据用户对指定视频积极观看行为数据，统计分析对所述指定视频的用户喜爱程度。

可选的，上述基于所述积极观看行为数据，确认对所述指定视频喜爱程度大于预定值用户群数据，并筛选出所述用户群数据最近指定时间段观看的第一视频数据的步骤包括：

基于所述积极观看行为数据确认的每个用户对所述指定视频的用户喜爱程度，确认对所述指定视频喜爱程度大于预定值的用户群数据；

基于所述用户群数据，筛选出所述用户群数据最近指定时间段观看的第一视频数据。

可选的，上述基于筛选出的第一视频数据，对所述第一视频数据进行数据清洗筛选出用户喜爱程度大于预定值的第二视频数据，得到用户群数据最近指定时间段观看的视频类型标签的步骤包括：

基于筛选出的所述用户群数据最近指定时间段观看的第一视频数据，对于所述用户群数据中的每一个用户最近指定时间段观看的第一视频数据进行数据清洗，将用户喜爱程度小于预定值的视频数据清洗掉，统计剩下视频已有的标签；

并将出现次数乘最高的k个视频标签作为对应用户最近观看的视频标签；

并统计所述用户群数据中每个用户最近观看的视频标签，得到用户群数据最近指定时间段观看的视频类型标签。

可选的，上述基于所述得到用户群数据最近指定时间段观看的视频类型标签，从不同用户群对所述指定视频的类型标签选取预定数量的类型标签作为所述指定视频的最终视频标签，并根据用户喜爱程度赋予对应用户所拥有的标签权重的步骤包括：

提取对所述指定视频感兴趣用户的用户特征，并进行无监督聚类，得到不同用户群体G1，G2，Gn；

并根据不同群体数量赋予不同权重，w1，w2，wn；

设某标签是否出现在G1中为is_label1，其中出现为1，不出现为0，则最后统计标签权重的公式为：is_label1*w1+is_label2*w2+...+is_labeln*wn；

将标签出现次数最多的r个视频标签作为所述指定视频的视频标签。

可选的，上述基于所述得到用户群数据最近指定时间段观看的视频类型标签，从不同用户群对所述指定视频的类型标签选取预定数量的类型标签作为所述指定视频的最终视频标签，并根据用户喜爱程度赋予对应用户所拥有的标签权重的步骤包括：

基于所述得到用户群数据最近指定时间段观看的视频类型标签，根据用户对指定视频积极行为的程度赋予用户相应的权重；

根据该部分特征对用户进行聚类，得到不同用户群对所述指定视频的类型标签；

从不同用户群对所述指定视频的类型标签选择指定数量的类型标签作为该指定视频的类型标签。

可选的，上述基于所述得到用户群数据最近指定时间段观看的视频类型标签，从不同用户群对所述指定视频的类型标签选取预定数量的类型标签作为所述指定视频的最终视频标签，并根据用户喜爱程度赋予对应用户所拥有的标签权重的步骤之后包括：

对视频标签准确度进行结果评测,对权重和标签清洗的权重进行反馈性调整。

本发明第二方面提供一种基于视频的分类标签标志处理装置，其中，上述装置包括：

观看行为数据获取模块，用于收集获取用户对指定视频具有积极观看行为的积极观看行为数据；

筛选模块，用于基于所述积极观看行为数据，确认对所述指定视频喜爱程度大于预定值用户群数据，并筛选出所述用户群数据最近指定时间段观看的第一视频数据；

视频类型标签初确认模块，用于基于筛选出的第一视频数据，对所述第一视频数据进行数据清洗筛选出用户喜爱程度大于预定值的第二视频数据，得到用户群数据最近指定时间段观看的视频类型标签；

最终视频标签确认模块，用于基于所述得到用户群数据最近指定时间段观看的视频类型标签，从不同用户群对所述指定视频的类型标签选取预定数量的类型标签作为所述指定视频的最终视频标签，并根据用户喜爱程度赋予对应用户所拥有的标签权重。

本发明第三方面提供一种智能终端，上述智能终端包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的基于视频的分类标签标志处理程序，所述基于视频的分类标签标志处理程序被所述处理器执行时实现任意一项所述基于视频的分类标签标志处理方法的步骤。

本发明第四方面提供一种计算机可读存储介质，上述计算机可读存储介质上存储有基于视频的分类标签标志处理程序，所述基于视频的分类标签标志处理程序被处理器执行时实现任意一项所述基于视频的分类标签标志处理方法的步骤。

由上可见，本发明公开了基于视频的分类标签标志处理方法、装置、终端及介质，本发明主要用于对无标签视频进行自动标签标注。本发明实施通过搜集对某一视频进行积极行为的用户数据,筛选出用户最近一段时间观看的视频标签,对这些视频标签进行数据清洗后得到高质量的用户最近观看的视频标签,根据用户对某视频的完播率，是否点赞，是否评论，赋予不同的权重。基于赋予权重化后的视频标签聚类结果、作为视频标签,对视频标签准确度进行结果评测,对权重和标签清洗的权重进行反馈性调整，直至达成一个较为理想的效果。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1是本发明实施例提供的一种基于视频的分类标签标志处理方法的流程示意图。

图2是本发明实施图1中步骤S100的具体流程示意图；

图3是本发明实施图1中步骤S200的具体流程示意图；

图4是本发明实施图1中步骤S300的具体流程示意图；

图5是本发明实施图1中步骤S400的具体流程示意图；

图6是本发明具体实施例使用基于视频的分类标签标识处理方法时的具体流程示意图。

图7是本发明实施例提供的一种基于视频的分类标签标志处理装置的结构示意图。

图8是本发明实施例提供的一种智能终端的内部结构原理框图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况下，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当…时”或“一旦”或“响应于确定”或“响应于检测到”。类似的，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述的条件或事件]”或“响应于检测到[所描述条件或事件]”。

下面结合本发明实施例的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其它不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。

随着科学技术的发展，尤其是互联网技术的快速发展，短视频以及小视频程序越来越占据人们的精神生活，视频的上传者可以是记录自己的生活，或者时拍摄其他自己感兴趣的想要表达的事物。而视频的观看者也仅利用碎片化的时间即可得到快乐的视频体验，使自己短暂的碎片化的时间也充满了意义。但随着短视频和小视频的数量的激增，视频平台或网站如何管理小视频的内容以及小视频的分类、标签成为了一大难点。

现有技术中的视频标签多为用户自己选择的与视频有关的一些关键字，但视频平台以及用户本身也无法保证该用户选择的视频关键词或标签是否真正的符合视频内容，因此一款智能的为用户视频选择标签的方法就显得极为重要。

为了解决现有技术的问题，本发明方案中，通过搜集对某一视频进行积极行为的用户数据，筛选出用户最近一段时间观看的视频标签,对这些视频标签进行数据清洗后得到高质量的用户最近观看的视频标签,根据用户对某视频的完播率，是否点赞，是否评论，赋予不同的权重。基于赋予权重化后的视频标签聚类结果、作为视频标签,对视频标签准确度进行结果评测,对权重和标签清洗的权重进行反馈性调整，直至达成一个较为理想的效果。

示例性方法

如图1所示，本发明实施例提供一种基于视频的分类标签标志处理方法，具体的，上述方法包括如下步骤：

步骤S100、收集获取用户对指定视频具有积极观看行为的积极观看行为数据；

在本实施例中，短视频平台收集观看指定视频例如《舌尖上的中国》这一视频具有积极观看行为的积极观看行为数据。所述用户的积极观看行为可由量化的数据决定，所述数据包括观看或打开次数、观看时长、是否参与评论、是否点赞等实际可以反应用户行为的参数，且根据不同的用户行为赋予不同的权重，例如相比其打开次数而言，点赞和评论更能够反应用户对该视频的积极观看程度，则给予点赞和评论的权重较高而观看或打开次数对应的权重较低。则此时所述平台收集观看该视频《舌尖上的中国》这一视频的所有用户的积极观看行为数据。通过本方法步骤可获取所有用户在观看某视频时的兴趣程度，且当积极观看行为数据较高则可认为对应用户对该视频的兴趣较大，当积极观看行为数据较低则认为对应用户对该视频的兴趣不大，有利于筛选出真正喜爱并且对某视频感兴趣的用户群体。

步骤S200、基于所述积极观看行为数据，确认对所述指定视频喜爱程度大于预定值用户群数据，并筛选出所述用户群数据最近指定时间段观看的第一视频数据；

在本实施例中，所述平台基于上述获取的积极观看行为数据，确认对所述指定视频喜爱程度大于预定值的用户群数据，所述预定值为预先设定的关于积极观看行为数据的值，通过该预定值可通过判断上述获取的所有用户的积极行为观看数据，得到哪一用户对该视频表现为喜爱，哪一用户对该视频表现为不喜爱。并且所述平台根据判断结果挑选出对该视频表现为喜爱的用户，并获取喜爱该视频的用户的数据得到对所述指定视频喜爱程度大于预定值的用户群数据。通过本步骤可判断出在所有观看某视频的用户中，哪一部分为真正喜欢该视频的用户，并且获取所有喜欢该视频用户的用户数据。

进一步的，所述平台根据筛选出的用户群数据，进一步提取用户群数据所有用户在指定时间内观看的第一视频数据。所述平台的工作人员可通过设定所述指定时间的长短对获取的视频数据量进行控制，有利于根据平台服务器的运算能力自定义调节运算数据量，且有利于根据实际情况，真正的获取到用户在某固定时间内喜爱的视频种类。

步骤S300、基于筛选出的第一视频数据，对所述第一视频数据进行数据清洗筛选出用户喜爱程度大于预定值的第二视频数据，得到用户群数据最近指定时间段观看的视频类型标签；

在本实施例中，所述平台基于筛选出的第一视频数据，对所述第一视频数据进行筛选，筛选出用户喜爱程度大于预定值的第二视频数据，此处的预定值与步骤100中的预定值可为一个预定值，也可为另一数值。通过该预定值判断所述第一视频数据中哪一些视频是用户打开但实际上不喜欢的，通过将这些用户打开了但实际上不喜欢的视频清洗掉，仅留下用户群数据中用户表现为喜爱观看的视频的第二视频数据，并进一步通过获取所述第二视频数据的视频类型标签，得到用户群数据在最近指定时间段内观看的视频类型标签。通过本方法步骤，精确的获取用户在指定时间内观看的喜爱的视频，并进一步得到用户在指定时间内喜爱视频对应的视频类型标签，为后续判断所述指定视频例如《舌尖上的中国》做基础，有效减少判断误差。

步骤S400、基于所述得到用户群数据最近指定时间段观看的视频类型标签，从不同用户群对所述指定视频的类型标签选取预定数量的类型标签作为所述指定视频的最终视频标签，并根据用户喜爱程度赋予对应用户所拥有的标签权重。

在本实施例中，所述平台基于获取的用户在指定时间内喜爱视频对应的视频类型标签，获取多个不同用户群对应的预设数量的视频类型标签作为最终确定的指定视频的最终视频标签。所述多个不同用户群为在所述用户群数据中根据用户特征划分出的若干个用户群，所述特征包括年龄、性别、收入等。在本步骤中，通过对用户群数据进行再划分，使得指定视频的视频标签可从多种用户角度获得，使指定视频的视频标签更加多元化，且更加符合所有用户的喜好，将指定视频得以更精准的打上视频标签并推送给目标用户群体，间接提升短视频软件平台的智能化服务以及用户粘性。

由上可见，本发明实施例提供的基于视频的标签标志处理方法，收集获取指定视频的用户观看行为数据，统计用户对该指定视频的喜爱程度；基于所述喜爱程度，筛选出喜爱程度大于预定值的多个用户，形成用户群数据，并统计该用户群数据最近指定时间观看的视频数据；对用户群数据中每个用户最近指定时间观看的视频数据进行清洗，将每个用户最近指定时间观看的视频数据中筛选出喜爱程度大于预定值的视频数据，并筛选出对应的视频类型标签；基于筛选出对应的视频类型标签，根据出现次数和用户喜爱程度，得到权重之和最高的K个视频标签，作为对应用户的最近观看视频标签；基于所述得到用户群数据最近指定时间段观看的视频类型标签，从不同用户群对所述指定视频的类型标签选取预定数量的类型标签作为所述指定视频的最终视频标签，并根据用户喜爱程度赋予对应用户所拥有的标签权重。与现有技术相比，能够智能分析得到指定视频的视频标签，避免手动添加视频标签以及视频平台审核人员无法界定视频标签和类型的问题。

具体的，本实施例中以用户常用的短视频平台为例，当上述短视频平台为其他视频平台时，可参照本实施例中的具体方案。

在一种应用场景中，所述短视频平台手机获取用户对指定视频具有积极观看行为的基极观看行为数据。

具体的，如图2所示，上述步骤S100包括：

步骤S101、根据用户积极观看行为指标，收集获取用户对指定视频积极观看行为数据；

步骤S102、根据用户对指定视频积极观看行为数据，统计分析对所述指定视频的用户喜爱程度。

举例说明，例如有某用户上传了一则生活的vlog视频，在此称为视频A。该用户在上传视频A的时候并未手动填写视频标签，而选择短视频平台的智能添加标签的选项。则在该视频审核发布后，视频会随机分配到各种不同年龄段、收入情况、性别用户的推荐区域中。当各用户打开该视频A后，所述平台记录所有用户的积极观看行为指标，同时收集所有观看视频A的用户在观看视频A时的积极观看行为数据。所述积极观看行为指标包括观看次数、观看时长、是否评论以及是否点赞，其对应的积极观看行为数据分别记为v1、v2、v3、v4，进一步的为每一种积极观看行为指标设定一权重，对应分别为p1、p2、p3、p4。则通过上述积极观看行为数据以及其权重可得到每个用户对该视频A的喜爱程度L＝v1p1+v2p2+v3p3+v4p4。该步骤中通过将各用户的观看行为转换成量化的数据得知每一位用户对视频A的喜爱程度，进而可依据各用户的喜爱程度分布或喜爱用户中用户的特点得到该视频的受众、潜力、视频标签等信息。

在一种应用场景中，所述平台基于用户的积极观看行为数据，确定对指定视频的喜爱程度大于预设值的用户群体，并获取对应用户群体的数据，取该用户群数据中在指定时间内观看的视频对应的第一视频数据。

具体的，如图3所示，上述步骤S200包括：

步骤S201、基于所述积极观看行为数据确认的每个用户对所述指定视频的用户喜爱程度，确认对所述指定视频喜爱程度大于预定值的用户群数据；

步骤S202、基于所述用户群数据，筛选出所述用户群数据最近指定时间段观看的第一视频数据。

举例说明，所述短视频平台基于确定的所有观众的积极观看行为数据利用上述公式L＝v1p1+v2p2+v3p3+v4p4计算得出每一位用户对视频A的喜爱程度。并且根据预先设定的与喜爱程度有关的预定值L1对所有用户进行筛选，例如设定仅有在经过喜爱程度L计算后得出的数值超过预定值L1的用户才被判断为喜爱视频A的用户，则将所有判断为喜爱视频A的用户，即计算得到的喜爱程度L大于预定值L1的用户设定为用户群数据。通过结合用户喜爱程度公式以及预定值L1的方法仅筛选出对视频A感兴趣的用户的用户群数据，有利于在之后步骤中分析得到视频A的视频标签时更具有精确性。

进一步的，基于所述用户群数据，筛选出所述用户群数据中的所有用户在指定时间段内观看的所有视频的数据，即所述第一视频数据。

在一种应用场景中，所述短视频平台基于筛选出的所述第一视频数据，对所述第一视频数据进行数据清洗筛选，仅得到所述第一视频数据中用户喜爱的第二视频数据，并进一步获取对应所述第二视频数据的视频类型标签。

具体的，如图4所示，上述步骤S300包括：

步骤S301、基于筛选出的所述用户群数据最近指定时间段观看的第一视频数据，对于所述用户群数据中的每一个用户最近指定时间段观看的第一视频数据进行数据清洗，将用户喜爱程度小于预定值的视频数据清洗掉，统计剩下视频已有的标签；

步骤S302、并将出现次数最高的k个视频标签作为对应用户最近观看的视频标签；

步骤S303、并统计所述用户群数据中每个用户最近观看的视频标签，得到用户群数据最近指定时间段观看的视频类型标签。

举例说明，所述短视频平台基于筛选出的所述第一视频数据，将所述第一视频数据中，每一个用户观看的每一个视频进行比对判断，通过喜爱程度L的计算公式计算每一个用户在观看每一个视频时的喜爱程度L，当某用户在观看某视频B时的喜爱程度小于所述预定值L1时判断删去视频B的数据，即用户虽然看了视频B，但实际上并不喜爱看视频B；当用户在观看视频C时的喜爱程度大于所述预定值L1时判断用户喜爱该视频C，则保留该视频C的数据。通过上述方法将保留的所有视频进行整合，并统计用户所有喜爱的视频的标签以及所出现标签的次数。

进一步的，平台将上述每个用户保留下的视频的标签次数进行排序，将出现次数最高的k个视频标签作为对应用户最近观看的视频标签。例如某小朋友观看的视频中王者荣耀的视频标签出现次数为20，搞笑的视频标签出现次数为18，vlog的视频标签出现的次数为15，则当k为3时，将王者荣耀、搞笑以及vlog的视频标签作为该用户最近观看的视频标签。最后所述平台根据上述步骤获取每一个用户在最近观看的视频标签，将其统计为用户群数据最近指定时间段观看的视频类型标签。通过本步骤实现将所述用户群数据中所有用户喜爱程度较高的视频对应的视频标签进行获取，精确得到该用户群数据中用户喜好的视频标签，通过排序和获取部分视频标签的方法，避免用户无意打开某视频但其积极行为数据达到要求而计入喜好视频，使获取视频标签时产生误差的问题。

在一种应用场景中，所述短视频平台基于所述获取的用户群数据在指定时间段内观看的视频类型标签，从不同用户群对应的视频标签中选取预定数量的视频类型标签作为指定视频最终的视频类型标签，并根据用户喜爱程度赋予对应用户所拥有的标签权重。

具体的，如图5所示，上述步骤S400包括：

步骤S401、基于所述得到用户群数据最近指定时间段观看的视频类型标签，根据用户对指定视频积极行为的程度赋予用户相应的权重；

步骤S402、根据该部分特征对用户进行聚类，得到不同用户群对所述指定视频的类型标签；

步骤S403、从不同用户群对所述指定视频的类型标签选择指定数量的类型标签作为该指定视频的类型标签。

举例说明，所述短视频平台基于所述获取的用户群数据指定时间段观看的视频类型的标签，根据用户对指定视频积极行为的喜爱程度赋予用户相应的权重，例如当某个用户在观看指定视频时平台获取到该用户的基极观看行为数据对应的喜爱程度L值较高，则应给予该用户的视频类型标签更高的权重。进一步的，根据用户的特征对用户进行聚类分类，得到不同用户群体对所述指定视频的类型标签，例如男生用户群体在看某视频时关注的时视频中的跑车，则由男生群体提供给指定视频的类型标签为跑车，而女生用户群体在看视频时更加关注视频中出现的化妆品，则由女生群体提供给所述指定视频的类型标签为美妆。进一步的限定每个用户群体仅能贡献固定数量的类型标签给所述指定视频，且根据实际情况还可设置各用户群体根据用户数量的比例贡献类型标签，且总共提供的类型标签不得超过预设数量例如10个。

在更具体的实施例中，步骤S400还包括：

提取对所述指定视频感兴趣用户的用户特征，并进行无监督聚类，得到不同用户群体G1，G2，Gn；

并根据不同群体数量赋予不同权重，w1，w2，wn；

设某标签是否出现在G1中为is_label1，其中出现为1，不出现为0，则最后统计标签权重的公式为：is_label1*w1+is_label2*w2+...+is_labeln*wn；

将标签出现次数最多的r个视频标签作为所述指定视频的视频标签。

举例说明，所述短视频平台提取对所述指定视频感兴趣用户，即用户群数据中用户的用户特征，并进行无监督聚类，得到不同的用户群体G1、G2…Gn。所述用户特征包括用户账号的年龄段、收入情况、性别等数据，所述无监督聚类为深度学习中一种建模框架，在此处可将所述用户群数据中的用户根据用户特征进行分类。进一步的根据不同群体的用户数量赋予不同的权重w1、w2…wn。则进行统计标签权重的计算时，设定一变量is_label1，用于界定是否出现该参数，当出现时变量为1，当不出现时变量为0。则最后统计标签权重的公式为：is_label1*w1+is_label2*w2+...+is_labeln*wn。将标签出现次数最多的r个视频标签作为所述指定视频的视频标签。在本步骤中，通过将所述用户群数据中的用户分散为多个不同的用户群体，获取每个用户群体中出现次数最多或权重最高的视频标签分别作为指定视频的视频标签的方法，可收集各种各样的用户在面对该视频时感兴趣的标签，使该视频通过该智能设定获取到标签后，可最大程度的将指定视频推送给所有目标用户，提高短视频平台的智能化以及用户的用户粘性。

在所述步骤S400之后还包括：

对视频标签准确度进行结果评测,对权重和标签清洗的权重进行反馈性调整。

举例说明，将智能赋予视频标签的视频投放到目标用户的视频推荐区域中，通过视频浏览量、完播率等参数反馈视频标签是否合格，并通过调整上述方法步骤中的各权重、预定值以及聚类特征等，对短视频平台智能赋予标签的方法进行调整。实现更加智能、成功的智能标签标识处理，为用户提供更加精准的视频推送，并且减少视频平台审核人员的工作量。并且由通过用户观看数据智能判断得出的视频标签相比人为赋予的标签，更能够站在用户的角度思考如何吸引用户眼球以及智能推送，相比起人为上标签的方法可使视频曝光量增加。

以下通过以具体应用实施例对本发明做进一步详细说明：

如图6所示，本发明具体实施例所述基于视频的分类标签标识处理方法，包括以下步骤：

步骤S10、开始，进入步骤S11；

步骤S11、搜集冷启动观看该视频进行积极行为用户的用户数据，进入步骤S12；

步骤S12、搜集该部分用户最近观看视频数据，进入步骤S13

步骤S13、将数据清洗，得出用户最近观看视频的类型标签，进入步骤S14；

步骤S14、根据用户对该视频积极行为的程度赋予用户相应的权重，进入步骤S15；

步骤S15、根据部分特征对用户进行聚类，得到不同用户群对该视频的类型标签，进入步骤S16；

步骤S16、从不同用户群对该视频的类型标签选取合适数量的类型标签作为该视频的标签，进入步骤S17,；

步骤S17、测试视频标签的准确度是否合格，若合格则进入步骤S20，若不合格则根据实际情况返回步骤S14或步骤S16对相关参数进行调整；

步骤S20、结束。

由上可见，在本发明具体应用实施例中，视频平台对冷启动观看某视频并且有积极行为用户的用户数据，所述冷启动在本实施例中为，用户打开并未视频标签而被随机推送给视频用户的视频。进一步的获取该部分用户最近观看视频的数据，并将所述最近观看视频的数据进行清洗，仅保留用户在观看时表现出有积极行为的视频的数据，例如用户对该视频进行点赞好评推荐或多次观看等，通过本步骤将用户不小心打开或用户打开后不喜欢的视频的数据进行清除。进一步的，根据用户对该视频的积极行为的程度赋予该用户相应的权重，例如用户A仅将视频观看完整，用户B不仅将视频观看完整还点赞评论并且分享了该视频，说明用户B大概率比用户A跟喜欢该类视频，则在用户B喜爱的视频中的视频标签则有更大的几率能够体现该视频的视频类型标签，所以设定赋予所述用户B更大的权重。所述平台基于用户的特征对用户进行聚类，得到不同用户群对该视频的类型标签，并从不同用户群对该视频的类型标签选取合适数量的类型标签作为该视频的标签，例如当看某视频的用户均为男生时，获取到的视频类型标签则带有较重的男生的特色，而基数较大的男生群体的标签则会全权代表该视频的类型标签，将会导致该视频在上了标签后仅能够根据带有男生特色的标签推送给男性用户群体，而无法多方面的推送给不同的用户群体例如不同性别的用户群体、不同收入的用户群体、不同年龄段的用户群体，每个用户群体对同一个视频的看法和标签都不同，通过该步骤可使所述平台给所述视频赋予更加全面且多元化的视频类型标签。最后所述平台将上好标签的视频投放、推荐给目标用户，同时记录反馈信息，判断该视频根据当前标签情况是否做到了良好的视频推广效果，若是则结束；若否则返回步骤S14或步骤S16中，通过对不同用户的权重以及调整不同用户群选取的视频标签的数量或其他参数进行调整，对该视频的标签进行调整直到视频达到平台预先设定的推广效果。

示例性设备

如图7中所示，对应于上述基于视频的分类标签标志处理方法，本发明实施例还提供一种基于视频的分类标签标志处理装置，上述基于视频的分类标签标志处理装置包括：

观看行为数据获取模块710，用于收集获取用户对指定视频具有积极观看行为的积极观看行为数据；

筛选模块720，用于基于所述积极观看行为数据，确认对所述指定视频喜爱程度大于预定值用户群数据，并筛选出所述用户群数据最近指定时间段观看的第一视频数据；

视频类型标签初确认模块730，用于基于筛选出的第一视频数据，对所述第一视频数据进行数据清洗筛选出用户喜爱程度大于预定值的第二视频数据，得到用户群数据最近指定时间段观看的视频类型标签；

最终视频标签确认模块740，用于基于所述得到用户群数据最近指定时间段观看的视频类型标签，从不同用户群对所述指定视频的类型标签选取预定数量的类型标签作为所述指定视频的最终视频标签，并根据用户喜爱程度赋予对应用户所拥有的标签权重。

具体的，本实施例中，上述基于视频的分类标签标志处理装置的各模块的具体功能可以参照上述基于视频的分类标签标志处理方法中的对应描述，在此不再赘述。

基于上述实施例，本发明还提供了一种智能终端，其原理框图可以如图8所示。上述智能终端包括通过系统总线连接的处理器、存储器、网络接口。其中，该智能终端的处理器用于提供计算和控制能力。该智能终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和基于视频的分类标签标志处理程序。该内存储器为非易失性存储介质中的操作系统和基于视频的分类标签标志处理程序的运行提供环境。该智能终端的网络接口用于与外部的终端通过网络连接通信。该基于视频的分类标签标志处理程序被处理器执行时实现上述任意一种基于视频的分类标签标志处理方法的步骤。

本领域技术人员可以理解，图8中示出的原理框图，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的智能终端的限定，具体的智能终端可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种智能终端，上述智能终端包括存储器、处理器以及存储在上述存储器上并可在上述处理器上运行的基于视频的分类标签标志处理程序，上述基于视频的分类标签标志处理程序被上述处理器执行时进行以下操作指令：

A、收集获取用户对指定视频具有积极观看行为的积极观看行为数据；

B、基于所述积极观看行为数据，确认对所述指定视频喜爱程度大于预定值用户群数据，并筛选出所述用户群数据最近指定时间段观看的第一视频数据；

C、基于筛选出的第一视频数据，对所述第一视频数据进行数据清洗筛选出用户喜爱程度大于预定值的第二视频数据，得到用户群数据最近指定时间段观看的视频类型标签；

D、基于所述得到用户群数据最近指定时间段观看的视频类型标签，从不同用户群对所述指定视频的类型标签选取预定数量的类型标签作为所述指定视频的最终视频标签，并根据用户喜爱程度赋予对应用户所拥有的标签权重。

本发明实施例还提供一种计算机可读存储介质，上述计算机可读存储介质上存储有基于视频的分类标签标志处理程序，上述基于视频的分类标签标志处理程序被处理器执行时实现本发明实施例提供的任意一种基于视频的分类标签标志处理方法的步骤。

综上所述，本发明公开了一种基于视频的分类标签标志处理方法、装置、智能终端及计算机可读存储介质，其中，方法包括：收集获取用户对指定视频具有积极观看行为的积极观看行为数据；基于所述积极观看行为数据，确认对所述指定视频喜爱程度大于预定值用户群数据，并筛选出所述用户群数据最近指定时间段观看的第一视频数据；基于筛选出的第一视频数据，对所述第一视频数据进行数据清洗筛选出用户喜爱程度大于预定值的第二视频数据，得到用户群数据最近指定时间段观看的视频类型标签；基于所述得到用户群数据最近指定时间段观看的视频类型标签，从不同用户群对所述指定视频的类型标签选取预定数量的类型标签作为所述指定视频的最终视频标签，并根据用户喜爱程度赋予对应用户所拥有的标签权重。与现有技术相比，本发明可以避免用户上传标签不正确导致视频推送效果不佳的问题，还能帮助视频平台对海量的视频资源进行快速准确的分析、处理、归类，提高自动标签的速度，极大节省人工审核效率，节约成本。

应理解，上述实施例中各步骤的序号大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将上述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各实例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟是以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，上述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以由另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。

上述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，上述计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，上述计算机程序包括计算机程序代码，上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质可以包括：能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，上述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不是相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于视频的分类标签标志处理方法，其特征在于，所述方法包括：

收集获取用户对指定视频具有积极观看行为的积极观看行为数据；

基于所述积极观看行为数据，确认对所述指定视频喜爱程度大于预定值用户群数据，并筛选出所述用户群数据最近指定时间段观看的第一视频数据；

基于筛选出的第一视频数据，对所述第一视频数据进行数据清洗筛选出用户喜爱程度大于预定值的第二视频数据，得到用户群数据最近指定时间段观看的视频类型标签；

基于所述得到用户群数据最近指定时间段观看的视频类型标签，从不同用户群对所述指定视频的类型标签选取预定数量的类型标签作为所述指定视频的最终视频标签，并根据用户喜爱程度赋予对应用户所拥有的标签权重。

2.根据权利要求1所述的基于视频的分类标签标志处理方法，其特征在于，所述收集获取用户对指定视频具有积极观看行为的积极观看行为数据的步骤包括：

根据用户积极观看行为指标，收集获取用户对指定视频积极观看行为数据；

根据用户对指定视频积极观看行为数据，统计分析对所述指定视频的用户喜爱程度。

3.根据权利要求1所述的基于视频的分类标签标志处理方法，其特征在于，所述基于所述积极观看行为数据，确认对所述指定视频喜爱程度大于预定值用户群数据，并筛选出所述用户群数据最近指定时间段观看的第一视频数据的步骤包括：

基于所述积极观看行为数据确认的每个用户对所述指定视频的用户喜爱程度，确认对所述指定视频喜爱程度大于预定值的用户群数据；

基于所述用户群数据，筛选出所述用户群数据最近指定时间段观看的第一视频数据。

4.根据权利要求1所述的基于视频的分类标签标志处理方法，其特征在于，所述基于筛选出的第一视频数据，对所述第一视频数据进行数据清洗筛选出用户喜爱程度大于预定值的第二视频数据，得到用户群数据最近指定时间段观看的视频类型标签的步骤包括：

基于筛选出的所述用户群数据最近指定时间段观看的第一视频数据，对于所述用户群数据中的每一个用户最近指定时间段观看的第一视频数据进行数据清洗，将用户喜爱程度小于预定值的视频数据清洗掉，统计剩下视频已有的标签；

并将出现次数最高的k个视频标签作为对应用户最近观看的视频标签；

并统计所述用户群数据中每个用户最近观看的视频标签，得到用户群数据最近指定时间段观看的视频类型标签。

5.根据权利要求1所述的基于视频的分类标签标志处理方法，其特征在于，所述基于所述得到用户群数据最近指定时间段观看的视频类型标签，从不同用户群对所述指定视频的类型标签选取预定数量的类型标签作为所述指定视频的最终视频标签，并根据用户喜爱程度赋予对应用户所拥有的标签权重的步骤包括：

提取对所述指定视频感兴趣用户的用户特征，并进行无监督聚类，得到不同用户群体G1，G2，Gn；

并根据不同群体数量赋予不同权重，w1，w2，wn；

设某标签是否出现在G1中为is_label1，其中出现为1，不出现为0，则最后统计标签权重的公式为：is_label1*w1+is_label2*w2+...+is_labeln*wn；

将标签出现次数最多的r个视频标签作为所述指定视频的视频标签。

6.根据权利要求1所述的基于视频的分类标签标志处理方法，其特征在于，所述基于所述得到用户群数据最近指定时间段观看的视频类型标签，从不同用户群对所述指定视频的类型标签选取预定数量的类型标签作为所述指定视频的最终视频标签，并根据用户喜爱程度赋予对应用户所拥有的标签权重的步骤包括：

基于所述得到用户群数据最近指定时间段观看的视频类型标签，根据用户对指定视频积极行为的程度赋予用户相应的权重；

根据该部分特征对用户进行聚类，得到不同用户群对所述指定视频的类型标签；

从不同用户群对所述指定视频的类型标签选择指定数量的类型标签作为该指定视频的类型标签。

7.根据权利要求1所述的基于视频的分类标签标志处理方法，其特征在于，所述基于所述得到用户群数据最近指定时间段观看的视频类型标签，从不同用户群对所述指定视频的类型标签选取预定数量的类型标签作为所述指定视频的最终视频标签，并根据用户喜爱程度赋予对应用户所拥有的标签权重的步骤之后包括：

对视频标签准确度进行结果评测,对权重和标签清洗的权重进行反馈性调整。

8.一种基于视频的分类标签标志处理装置，其特征在于，所述装置包括：

观看行为数据获取模块，用于收集获取用户对指定视频具有积极观看行为的积极观看行为数据；

筛选模块，用于基于所述积极观看行为数据，确认对所述指定视频喜爱程度大于预定值用户群数据，并筛选出所述用户群数据最近指定时间段观看的第一视频数据；

视频类型标签初确认模块，用于基于筛选出的第一视频数据，对所述第一视频数据进行数据清洗筛选出用户喜爱程度大于预定值的第二视频数据，得到用户群数据最近指定时间段观看的视频类型标签；

最终视频标签确认模块，用于基于所述得到用户群数据最近指定时间段观看的视频类型标签，从不同用户群对所述指定视频的类型标签选取预定数量的类型标签作为所述指定视频的最终视频标签，并根据用户喜爱程度赋予对应用户所拥有的标签权重。

9.一种智能终端，其特征在于，所述智能终端包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的基于视频的分类标签标志处理程序，所述基于视频的分类标签标志处理程序被所述处理器执行时实现如权利要求1-7任意一项所述基于视频的分类标签标志处理方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有基于视频的分类标签标志处理程序，所述基于视频的分类标签标志处理程序被处理器执行时实现如权利要求1-7任意一项所述基于视频的分类标签标志处理方法的步骤。

Images