CN113965806A - 视频推荐方法、装置和计算机可读存储介质 - Google Patents

视频推荐方法、装置和计算机可读存储介质 Download PDF

Info

Publication number
CN113965806A
CN113965806A CN202111263832.9A CN202111263832A CN113965806A CN 113965806 A CN113965806 A CN 113965806A CN 202111263832 A CN202111263832 A CN 202111263832A CN 113965806 A CN113965806 A CN 113965806A
Authority
CN
China
Prior art keywords
video
target
source
information
segment
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
CN202111263832.9A
Other languages
English (en)
Other versions
CN113965806B (zh
Inventor
刘刚
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.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen 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 Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN202111263832.9A priority Critical patent/CN113965806B/zh
Publication of CN113965806A publication Critical patent/CN113965806A/zh
Application granted granted Critical
Publication of CN113965806B publication Critical patent/CN113965806B/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
    • 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
    • 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
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • H04N21/23418—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics
    • 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]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream

Landscapes

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

Abstract

本申请实施例公开了一种视频推荐方法、装置和计算机可读存储介质，涉及互联网技术领域；通过获取目标视频以及源视频集合；分别对目标视频和每一源视频进行片段提取处理，得到目标片段和源视频片段集合；分别对目标片段以及源视频片段集合中每一源视频片段进行特征提取，得到目标视频的目标特征信息和源视频集合对应的源特征信息集合；根据目标特征信息和源特征信息集合从源视频片段集合中确定与目标视频相似的目标源视频片段；根据目标源视频片段在目标源视频中的定位信息，获取目标视频对应的至少一个候选推荐视频；基于候选推荐视频进行视频推荐处理。以此，通过目标视频相似的目标源视频片段实现关联视频的推荐，提高了视频推荐的效率。

Description

视频推荐方法、装置和计算机可读存储介质
技术领域
本申请涉及互联网技术领域，具体涉及一种视频推荐方法、装置和计算机可读存储介质。
背景技术
在互联网快速发展的时代，随着视频和图文等内容信息生产门槛的降低，内容信息的发布量快速增长。其中，视频类的内容信息主要包括短视频和小视频两种形式，通常是获取一段视频，然后通过剪辑和拆条等操作来生成最终进行发布的视频内容，尤其是对于篇幅较长的影视剧、体育比赛、动漫和电竞内容等视频资源，视频发布者可以将视频资源中的精彩片段进行剪辑得到不同时长的短视频，以吸引用户进行消费。
然而，在现有技术中，由于短视频的多次剪辑以及标题命名的灵活性，使得在一个短视频播放完成之后，无法快速获取与该短视频关联或者内容相邻的短视频并推送至用户，导致视频推荐效率较低。
发明内容
本申请实施例提供一种视频推荐方法、装置和计算机可读存储介质，可以提高视频推荐的效率。
本申请实施例提供一种视频推荐方法，包括：
获取目标视频以及源视频集合，所述源视频集合包括至少一个源视频；
分别对所述目标视频和所述源视频集合中每一源视频进行片段提取处理，得到目标片段和源视频片段集合；
分别对所述目标片段以及所述源视频片段集合中每一源视频片段进行特征提取，得到所述目标视频的目标特征信息和所述源视频集合对应的源特征信息集合；
根据所述目标特征信息和所述源特征信息集合从所述源视频片段集合中确定与所述目标视频相似的目标源视频片段；
根据所述目标源视频片段在对应的目标源视频中的定位信息，获取所述目标视频对应的至少一个候选推荐视频；
基于所述候选推荐视频进行视频推荐处理。
相应的，本申请实施例提供一种视频推荐装置，包括：
获取单元，用于获取目标视频以及源视频集合，所述源视频集合包括至少一个源视频；
片段提取单元，用于分别对所述目标视频和所述源视频集合中每一源视频进行片段提取处理，得到目标片段和源视频片段集合；
特征提取单元，用于分别对所述目标片段以及所述源视频片段集合中每一源视频片段进行特征提取，得到所述目标视频的目标特征信息和所述源视频集合对应的源特征信息集合；
确定单元，用于根据所述目标特征信息和所述源特征信息集合从所述源视频片段集合中确定与所述目标视频相似的目标源视频片段；
候选推荐视频获取单元，用于根据所述目标源视频片段在对应的目标源视频中的定位信息，获取所述目标视频对应的至少一个候选推荐视频；
推荐单元，用于基于所述候选推荐视频进行视频推荐处理。
在一实施例中，所述确定单元，包括：
查找子单元，用于查找所述源特征信息集合中与所述目标特征信息匹配的相似源特征信息；
确定子单元，用于基于所述相似源特征信息从所述源视频片段集合中确定与所述目标视频相似的目标源视频片段。
在一实施例中，所述查找子单元，包括：
计算模块，用于计算每一目标特征信息与所述源特征信息集合中的每一源特征信息的相似分数；
获取模块，用于根据所述相似分数获取相似分数大于预设阈值的源特征信息，得到至少一个相似源特征信息。
在一实施例中，所述确定子单元，包括：
排序模块，用于记录每一相似源特征信息对应的相似源视频片段，并根据每一相似源视频片段的记录次数对每一相似源视频片段进行排序，得到第一排序结果；
确定模块，用于根据所述第一排序结果确定所述相似源视频片段中的目标源视频片段。
在一实施例中，所述候选推荐视频获取单元，包括：
目标源视频确定子单元，用于根据所述目标源视频片段确定所述目标源视频片段所属的目标源视频；
定位信息确定子单元，用于获取所述目标源视频片段匹配的时间信息，根据所述时间信息确定所述目标源视频片段在目标源视频中的定位信息；
第一获取子单元，用于根据所述定位信息获取所述目标视频对应的至少一个候选推荐视频。
在一实施例中，所述推荐单元，包括:
排序子单元，用于获取每一候选推荐视频在所述目标源视频中的内容时间信息，根据所述内容时间信息对每一候选推荐视频进行排序；
推荐子单元，用于根据排序结果对每一候选推荐视频进行视频推荐处理。
在一实施例中，所述候选推荐视频获取单元，包括：
参考视频帧确定子单元，用于在所述目标视频中确定至少一个参考视频帧，根据至少一个参考视频帧确定所述目标视频在对应的目标源视频中的内容起止信息；
调节子单元，用于基于所述内容起止信息对所述定位信息中的时间信息进行调节，得到目标定位信息；
第二获取子单元，用于根据所述目标定位信息获取所述目标视频对应的至少一个候选推荐视频。
在一实施例中，所述参考视频帧确定子单元，包括：
视频帧获取模块，用于获取所述目标视频中的第一参考视频帧和第二参考视频帧，所述第一参考视频帧为所述目标视频中处于第一目标区间的至少一个视频帧，所述第二参考视频帧为所述目标视频中处于第二目标区间的至少一个视频帧；
内容起止信息确定模块，用于根据所述第一参考视频帧和第二参考视频帧确定所述目标视频在对应的目标源视频中的内容起止信息。
在一实施例中，所述内容起止信息确定模块，用于：
分别对所述第一参考视频帧和第二参考视频帧进行特征提取，得到第一特征信息和第二特征信息；
查找所述源特征信息集合中分别与所述第一特征信息和第二特征信息匹配的第一源特征信息和第二源特征信息，所述第一源特征信息携带第一时间信息，所述第二源特征信息携带第二时间信息；
分别根据所述第一时间信息和所述第二时间信息确定所述目标视频在目标源视频中的内容起始信息和内容终止信息；
基于所述内容起始信息以及内容终止信息确定所述目标视频在对应的目标源视频中的内容起止信息。
此外，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有多条指令，所述指令适于处理器进行加载，以执行本申请实施例所提供的任一种视频推荐方法中的步骤。
此外，本申请实施例还提供一种计算机设备，包括处理器和存储器，所述存储器存储有应用程序，所述处理器用于运行所述存储器内的应用程序实现本申请实施例提供的视频推荐方法。
本申请实施例还提供一种计算机程序产品或计算机程序，所述计算机程序产品或计算机程序包括计算机指令，所述计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取所述计算机指令，处理器执行所述计算机指令，使得所述计算机设备执行本申请实施例提供的视频推荐方法中的步骤。
本申请实施例通过获取目标视频以及源视频集合；分别对目标视频和源视频集合中每一源视频进行片段提取处理，得到目标片段和源视频片段集合；分别对目标片段以及源视频片段集合中每一源视频片段进行特征提取，得到目标视频的目标特征信息和源视频集合对应的源特征信息集合；根据目标特征信息和源特征信息集合从源视频片段集合中确定与目标视频相似的目标源视频片段；根据目标源视频片段在对应的目标源视频中的定位信息，获取目标视频对应的至少一个候选推荐视频；基于候选推荐视频进行视频推荐处理。以此，通过获取目标视频和源视频集合的目标特征信息和源特征信息集合，并以此根据目标特征信息和源特征信息集合的相似程度，从源视频片段集合中确定与目标视频相似的目标源视频片段，进而根据目标源视频片段在目标源视频中的定位信息来获取目标视频对应的候选推荐视频，以实现对目标视频的关联视频的推荐，提高了视频推荐的效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种视频推荐方法实施场景示意图；
图2是本申请实施例提供的一种视频推荐方法的流程示意图；
图3是本申请实施例提供的一种视频推荐方法的片段提取流程示意图；
图4a是本申请实施例提供的一种视频推荐方法的具体流程示意图；
图4b是本申请实施例提供的一种视频推荐方法的定位信息结构示意图；
图5是本申请实施例提供的一种视频推荐方法的另一流程示意图；
图6是本申请实施例提供的视频推荐装置的结构示意图；
图7是本申请实施例提供的计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请实施例提供一种视频推荐方法、装置和计算机可读存储介质。其中，该视频推荐装置可以集成在计算机设备中，该计算机设备可以是服务器，也可以是终端等设备。
请参阅图1，以视频推荐装置集成在计算机设备中为例，图1为本申请实施例所提供的视频推荐方法的实施场景示意图，包括服务器A以及终端B，其中，服务器A可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、网络加速服务（Content Delivery Network，CDN）、以及大数据和人工智能平台等基础云计算服务的云服务器。如本申请所公开的视频推荐方法或装置，其中多个服务器可组成为一区块链，而服务器为区块链上的节点。
服务器A可以获取目标视频以及源视频集合；分别对目标视频和源视频集合中每一源视频进行片段提取处理，得到目标片段和源视频片段集合；分别对目标片段以及源视频片段集合中每一源视频片段进行特征提取，得到目标视频的目标特征信息和源视频集合对应的源特征信息集合；根据目标特征信息和源特征信息集合从源视频片段集合中确定与目标视频相似的目标源视频片段；根据目标源视频片段在对应的目标源视频中的定位信息，获取目标视频对应的至少一个候选推荐视频；基于候选推荐视频进行视频推荐处理。
终端B可以包括但不限于手机、电脑、智能语音交互设备、智能家电、车载终端等各种设备。
终端B以及服务器A可以通过有线或无线通信方式进行直接或间接地连接，服务器A可以获取终端B上传的数据以执行相应的视频推荐操作，本申请在此不做限制。
需要说明的是，图1所示的视频推荐方法的实施环境场景示意图仅仅是一个示例，本申请实施例描述的视频推荐方法的实施环境场景是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定。本领域普通技术人员可知，随着视频推荐的演变和新业务场景的出现，本申请提供的技术方案对于类似的技术问题，同样适用。
在互联网快速发展的时代，随着视频类的内容信息生产门槛的降低，视频类的内容信息的发布量快速增长。其中，在视频上传的流程中，视频会经过重转码，将视频文件进行规范化，保存视频的元信息，以提升视频在各个平台播放兼容性。然后，视频需要进行平台的审核以及标准化处理，例如，根据视频内容进行标注以及分类，视频标准化通过后，会进入到视频平台的内容库以进行分发推荐，例如，可以基于用户的画像特征，通过推荐算法比如协同推荐、矩阵分解以及基于深度学习的模型等方法进行推荐。视频类的内容信息主要包括经过人工剪辑后的视频，通常是内容生产者获取或者拍摄一段视频，然后通过剪辑和拆条，尤其是长一些的影视剧、综艺节、体育比赛、动漫和电竞内容等等，通过拆条方式，可以分为很多不同时长片段的短视频。用户在观看完短视频中的精彩片段之后，一般希望获取与该短视频的内容关联或者内容相邻的视频来继续消费。
在现有技术中，大多都是在进行视频剪辑的时候人工保留原始视频的标注和标记在原始片源的元信息，以通过这些元信息来获取与该短视频的内容关联或者内容相邻的短视频，其中，该元信息可以包括知识产权（Intellectual Property，简称IP）作品名称，集数，演员，发布时间，时长等等信息，该原始视频可以为IP作品所在IP片源库中的视频，该IP片源库可以包括影视、综艺、动漫、体育及电竞等具有一定影响力和版权的内容库，这些内容通常是在一些版权平台中分发，大多数短视频的创作者都是根据这些原始视频剪辑得到的。然而，这种方法一方面成本很高，另一方面在短视频传播过程中，这些元信息很容易丢失，而且短视频片段二次剪辑之后，已有的标注以及标记的元信息等标记信息就失效。此外还有一种现有方案通过视频内容的标题抽取规则进行匹配来获取与该短视频的内容关联或者内容相邻的视频，但是很多小视频或者短视频没有标题，或者标题很不规范，使得关联的准确度较低。因此，在现有技术中，由于短视频的多次剪辑以及标题命名的灵活性，使得在一个短视频播放完成之后，无法快速获取与该短视频关联或者内容相邻的短视频并推送至用户，导致视频推荐效率较低。
为了解决以上问题，本申请实施例提供了一种视频推荐方法，通过获取短视频和IP片源库中每一原始视频的特征信息，并根据短视频和IP片源库中每一原始视频的特征信息的相似程度，从IP片源库中确定与短视频相似的原始视频片段，进而根据原始视频片段在对应的原始视频中的位置来获取短视频对应的候选推荐视频，以实现对短视频的关联视频的推荐，提高了视频推荐的效率。
以下分别进行详细说明。需要说明的是，以下实施例的描述顺序不作为对实施例优选顺序的限定。
本实施例将从视频推荐装置的角度进行描述，该视频推荐装置具体可以集成在计算机设备中，该计算机设备可以是服务器，本申请在此不作限制。
请参阅图2，图2是本申请实施例提供的视频推荐方法的流程示意图。该视频推荐方法包括：
在步骤101中，获取目标视频以及源视频集合。
其中，该目标视频可以为经过剪辑处理后得到的视频，例如，可以为将原始视频进行剪辑处理之后得到的短视频，该目标视频的视频时长可以比原始视频的视频时长短。其中，短视频可以指在各种新媒体平台上播放的、适合在移动状态和短时休闲状态下观看的、高频推送的视频内容，视频时长一般可以为几秒到几分钟不等。
该源视频集合可以包括至少一个源视频，该源视频集合（IP片源库）可以为至少一个源视频构成的整体，该源视频集合可以包括影视、综艺、动漫、体育以及电竞比赛等具有一定影响力和版权的内容库，这些内容通常是在一些版权平台中分发。该源视频也即为原始视频，可以为属于影视剧、综艺节目、体育比赛、动漫或者电竞内容等类别的视频。
具体的，可以获取目标视频以及源视频集合，其中，该目标视频可以为用户正在消费或者已经消费的视频，该源视频集合的获取方式可以有多种，可选的，可以通过搜索引擎来获取源视频，例如网络爬虫等搜索引擎，以此基于获取到的至少一个源视频得到源视频集合。
在步骤102中，分别对该目标视频和该源视频集合中每一源视频进行片段提取处理，得到目标片段和源视频片段集合。
其中，该目标片段可以为目标视频中的至少一帧视频帧，该源视频片段集合可以为源视频集合中每一源视频中的至少一帧视频帧构成的整体。
为了可以获取到目标视频中的内容所属于的源视频，可以分别对该目标视频和源视频集合中的每一源视频进行片段提取处理，得到目标视频对应的目标片段以及源视频集合对应的源视频片段集合。
具体的，请参考图3，图3为本申请实施例提供的一种视频推荐方法的片段提取流程示意图，可以对该目标视频进行片段提取处理，得到目标视频对应的至少一个目标片段。可选的，可以对目标视频进行抽帧处理，其中，可以抽取目标视频中的每一帧视频帧作为一个目标片段，也可以抽取目标视频中的两帧或者任意多帧的视频帧作为一个目标片段，具体的帧数在此不做限定。为了可以保证后续视频推荐的准确度，同时可以避免目标片段的数量太多占用大量存储空间的情况，可以采用每秒抽取一帧视频帧的频率，同时，可以将抽取得到的5帧视频帧作为一个目标片段。
同理，可以对该源视频集合中的每一源视频进行片段提取处理，得到每一源视频对应的至少一个源视频片段。可选的，可以对源视频集合中每一源视频进行抽帧处理，其中，可以抽取源视频中的每一帧视频帧作为一个源视频片段，也可以抽取源视频中的两帧或者任意多帧的视频帧作为一个源片段，具体的帧数在此不做限定。可选的，为了可以保证后续视频推荐的准确度，同时可以避免源视频片段的数量太多导致大量存储空间被占用的情况，可以采用每秒抽取一帧视频帧的频率，同时，可以将抽取得到的5帧视频帧作为一个源视频片段，基于每一源视频的源视频片段可以得到源视频片段集合。
可选的，为了可以获取每一视频帧在原视频中的位置，在对该源视频集合中的每一源视频进行片段提取处理时，可以对提取得到的每一视频帧进行视频帧以及对应的时间信息的提取，该时间信息可以为每一视频帧的时间戳信息。
需要说明的是，目标视频的片段提取处理方法和源视频集合中每一源视频的片段提取处理方法可以不同，例如，抽帧频率可以不同，或者目标片段以及源视频片段中包含的视频帧的数量可以不同，在此不做限定。
在步骤103中，分别对该目标片段以及该源视频片段集合中每一源视频片段进行特征提取，得到该目标视频的目标特征信息和该源视频集合对应的源特征信息集合。
其中，该目标特征信息可以为目标视频中每一目标片段经过特征提取得到的特征信息，该源特征信息集合可以为每一源视频中每一源视频片段经过特征提取得到的特征信息构成的集合。
其中，该特征信息用于表征目标片段以及源视频片段的特征的信息，该特征信息可以为特征向量，该特征向量可以为对目标片段以及源视频片段进行特征提取，对提取的特征进行向量化而得到的向量，具体向量化的方法可以采用图像分类模型来根据提取的特征，生成特征对应的向量，例如嵌入（embedding）向量。
该图像分类模型可以为卷积神经网络模型（VGG16）、初始（Inception）系列模型、残基神经网络（Residual Neural Network，简称ResNet）等经典的图像分类模型，其中，可选的，可以采用Inception-Resnet V2作为目标视频以及源视频抽帧提取视觉特征向量的模型。
具体的，请继续参考图3，可以对每一目标片段中的每一视频帧进行特征提取，得到每一目标片段的至少一个特征信息，进而可以对每一目标片段中的每一个特征信息进行融合处理，得到每一目标片段的目标特征信息，可选的，可以将每一目标片段中的每一个特征信息进行拼接处理，得到每一目标片段的目标特征信息，也可以将每一目标片段中的每一个特征信息进行加权处理，得到每一目标片段的目标特征信息，例如，可以将每一目标片段中的每一特征信息进行求和处理，并将求和结果进行平均处理，得到每一目标片段的目标特征信息等等，例如，假设目标视频中存在目标片段C，目标片段中包含5个视频帧，对这5个视频帧进行特征提取，得到目标片段C的特征信息c1、c2、c3、c4和c5，可以对目标片段C中的每一特征信息进行求和处理，得到求和结果（c1+c2+c3+c4+c5），并将求和结果进行平均处理，得到每一目标片段的目标特征信息（c1+c2+c3+c4+c5）/5。
同理，可以对源视频片段集合中每一源视频片段中每一视频帧进行特征提取，得到每一源视频片段的至少一个特征信息，进而可以对每一源视频片段的至少一个特征信息进行融合处理，得到每一源视频片段的源特征信息，并可以基于每一源视频的源特征信息得到源特征信息集合。可选的，可以将每一源视频片段中的每一个特征信息进行拼接处理，得到每一源视频片段的源特征信息，也可以将每一源视频片段中的每一个特征信息进行加权处理，得到每一源视频片段的源特征信息，例如，可以将每一源视频片段中的每一个特征信息进行求和，并将求和结果进行平均处理，得到每一源视频片段的源特征信息等等。
对于特征信息的融合处理的具体方法可以根据实际情况进行确定，例如，可以根据计算设备的存储空间，如果存储空间充足，可以直接进行多个特征信息的拼接处理，以此提升视频推荐的精确度；反之，可以进行多个特征信息的平均处理，以此有效减少特征信息占用的存储空间，具体可以根据业务实际情况来确定。此外，为了进一步减少存储空间，可以对目标特征信息以及源特征信息进行降维处理，在此不做限定。
在步骤104中，根据该目标特征信息和该源特征信息集合从该源视频片段集合中确定与该目标视频相似的目标源视频片段。
其中，该目标源视频片段可以为在源视频片段集合中与目标视频相似的源视频片段。为了获取与目标视频匹配的源视频，可以在源视频片段集合中与目标视频相似的目标源视频片段，根据这个目标源视频片段来确定与目标视频匹配的源视频，具体的，请参考图4a，图4a是本申请实施例提供的一种视频推荐方法的具体流程示意图，可以根据目标视频的目标特征信息以及源特征信息集合中的源特征信息，从源视频片段集合中确定与该目标视频相似的目标源视频片段。
在一实施例中，该根据该目标特征信息和该源特征信息集合从该源视频片段集合中确定与该目标视频相似的目标源视频片段的步骤，可以包括：
（1）查找该源特征信息集合中与该目标特征信息匹配的相似源特征信息；
（2）基于该相似源特征信息从该源视频片段集合中确定与该目标视频相似的目标源视频片段。
其中，可以在该源特征信息集合中查找与该目标特征信息匹配的至少一个相似源特征信息，进而可以基于该相似源特征信息从该源视频片段集合中确定与该目标视频相似的目标源视频片段。
在一实施例中，可以通过向量检索技术来查找该源特征信息集合中与该目标特征信息匹配的相似源特征信息，例如，该向量检索技术可以为脸书人工智能相似性搜索（Facebook AI Similarity Search，简称Faiss），Faiss是高效相似性搜索和密集向量聚类的库，为稠密向量提供高效相似度搜索和聚类，支持十亿级别向量的搜索，是目前较为成熟的近似近邻搜索库。
在一实施例中，可以通过计算每一目标特征信息与该源特征信息集合中的每一源特征信息的相似程度来查找该源特征信息集合中与该目标特征信息匹配的相似源特征信息，具体的，可以计算目标视频对应的每一目标特征信息与该源特征信息集合中的每一源特征信息的相似分数，进而可以根据该相似分数获取相似分数大于预设阈值的源特征信息，得到至少一个相似源特征信息。其中，该预设阈值可以为一个预先设定的临界值，当源特征信息集合中的任一源特征信息的相似分数大于这个临界值时，可以将该源特征信息确定为相似源特征信息，例如，假设该预设阈值为6分，目标视频对应的一个目标特征信息c1，源特征信息集合中存在源特征信息d1、d2以及d3，其中，d1、d2以及d3与c1的相似分数分别为7分、4分以及5分，则源特征信息集合中的源特征信息的相似分数大于预设阈值6分的源特征信息d1可以确定为相似源特征信息。
在一实施例中，可以通过每一相似源特征信息与目标特征信息的匹配次数，也即每一相似源视频片段与目标特征信息的匹配次数来从该源视频片段集合中确定与该目标视频相似的目标源视频片段，具体的，可以记录每一相似源特征信息对应的相似源视频片段，并根据每一相似源视频片段的记录次数对每一相似源视频片段进行排序，得到第一排序结果，并可以根据该第一排序结果确定该相似源视频片段中的目标源视频片段。可选的，可以根据每一相似源视频片段的记录次数按照由大到小的顺序对每一相似源视频片段进行排序，也可以按照由小到大的顺序对每一相似源视频片段进行排序，也可以为其他排序方式，在此不做限定。
例如，可以假设目标片段C的目标特征信息e1、e2以及e3，且在源特征信息集合中查找到目标特征信息e1和e2匹配的相似源特征信息均为d4，在源特征信息集合中查找到目标特征信息e3匹配的相似源特征信息均为d5，同时假设相似源特征信息d4对应的相似源视频片段为D4，相似源特征信息d5对应的相似源视频片段为D5，则可以记录相似源特征信息d4以及d5对应的相似源视频片段D4以及D5，并根据每一相似源视频片段的记录次数对每一相似源视频片段进行排序，其中，可以得到D4的记录次数为2次，D5的记录次数为1次，可选的，可以以由大到小的顺序对相似源视频片段D4和D5进行排序，得到第一排序结果（D4，D5），并可以根据该第一排序结果确定该相似源视频片段中的目标源视频片段为D4。
在步骤105中，根据该目标源视频片段在对应的目标源视频中的定位信息，获取该目标视频对应的至少一个候选推荐视频。
其中，该目标源视频可以为目标源视频片段所属的源视频，也即目标源视频片段可以为从目标源视频中片段提取得到的视频片段。该定位信息可以用于标识源视频片段在对应的目标源视频中的位置，通过该定位信息可以找到目标源视频片段对应的源视频以及在源视频中位置，该定位信息可以由对应的原视频携带的结构化信息以及预先记录的目标源视频片段在对应的源视频中的时间信息得到，其中，该结构化信息可以包含源视频的作品名称、集数、演员信息、发布时间以及播放时长等元信息，用于标识一个源视频，该时间信息可以包括源视频帧以及对应的时间戳信息，该时间信息可以包括目标源视频片段的起始时间点以及终止时间点，该时间信息可以在对源视频进行片段提取处理时记录得到。可选的，该定位信息可以参考图4b，图4b是本申请实施例提供的一种视频推荐方法的定位信息结构示意图。
该候选推荐视频在目标源视频中的定位信息与目标源视频片段在目标源视频中的定位信息可以存在相邻关系，也即候选推荐视频在目标源视频中的时间信息与目标源视频片段在目标源视频中的时间信息可以存在相邻关系，即目标视频与候选推荐视频具有时间顺序关系，例如，候选推荐视频可以为目标视频在目标源视频中的前部分时间线内容的视频，也可以为后部分时间线内容的视频，可以假设目标源视频片段在目标源视频中的第二集，则该候选推荐视频可以为目标源视频中的第一集或者第三集，具体可以根据实际需求进行选择，在此不做限定。
为了可以获取到与目标视频关联或者内容相邻的视频，请继续参考图4a，可以根据该目标源视频片段在对应的目标源视频中的定位信息，获取该目标视频对应的至少一个候选推荐视频。
具体的，可以根据该目标源视频片段确定该目标源视频片段所属的目标源视频，并获取该目标源视频片段匹配的时间信息，进而可以根据该时间信息确定该目标源视频片段在目标源视频中的定位信息，进而可以根据该定位信息获取该目标视频对应的至少一个候选推荐视频。例如，请继续参考图4b，可以根据图4b中的目标源视频片段对应的定位信息，得到该目标源视频片段所属的作品名称、集数、时间信息等信息，进而可以根据定位信息中的作品名称确定目标源视频片段对应的目标源视频，同时，可以根据定位信息中的集数可以确定目标源视频片段在目标源视频中的第几集，可以根据时间信息中的起始时间点以及终止时间点确定目标源视频片段在目标源视频中所在的进度区间，以此可以根据定位信息获取与该目标视频对应的关联的至少一个候选推荐视频，例如，该候选推荐视频可以为属于目标源视频的关联视频，也可以为时间信息在目标源视频片段的时间信息之后的视频，也可以为时间信息在目标源视频片段的时间信息之前的视频，以此可以实现对目标视频的关联视频的推荐，用户可以根据需求，选择观看与当前已观看或者正在观看的视频关联的前部分视频或者后部分视频，以此可以将视频之间的时间关系串联起来，实现同一内容情节的续播，提高了视频推荐的效率。
在一实施例中，为了可以实现对目标视频的内容情节的续播，进而提高视频推荐的效率，该根据该目标源视频片段在对应的目标源视频中的定位信息，获取该目标视频对应的至少一个候选推荐视频的步骤，可以包括：
（1）在该目标视频中确定至少一个参考视频帧，根据至少一个参考视频帧确定该目标视频在对应的目标源视频中的内容起止信息；
（2）基于该内容起止信息对该定位信息中的时间信息进行调节，得到目标定位信息；
（3）根据该目标定位信息获取该目标视频对应的至少一个候选推荐视频。
其中，该参考视频帧可以为目标视频中的至少一个视频帧，该参考视频帧可以用于对目标源视频片段的定位信息中的时间信息进行调节，以提高时间信息的准确度，进而可以提高视频推荐的准确度。该内容起止信息可以包括目标视频在目标源视频中涉及到的内容的起止时间。具体的，可以在该目标视频中确定至少一个参考视频帧，并根据至少一个参考视频帧确定该目标视频在对应的目标源视频中的内容起止信息，进而可以基于该内容起止信息对该定位信息中的时间信息进行调节，得到目标定位信息，并根据该目标定位信息获取该目标视频对应的至少一个候选推荐视频。
在一实施例中，为了可以进一步提高视频推荐的准确度，该在该目标视频中确定至少一个参考视频帧，根据至少一个参考视频帧确定该目标视频在对应的目标源视频中的内容起止信息的步骤，可以包括：
（1）获取该目标视频中的第一参考视频帧和第二参考视频帧；
（2）根据该第一参考视频帧和第二参考视频帧确定该目标视频在对应的目标源视频中的内容起止信息。
其中，该第一参考视频帧可以为该目标视频中处于第一目标区间的至少一个视频帧，该第二参考视频帧可以为该目标视频中处于第二目标区间的至少一个视频帧，该第一目标区间可以为目标视频中处于视频前端的位置，该第二目标区间可以为目标视频中处于视频后端的位置，其中，该视频前端与视频后端可以以目标视频的播放顺序来衡量。具体的，可以获取该目标视频中的第一参考视频帧和第二参考视频帧，并根据视频前端的第一参考视频帧和视频后端的第二参考视频帧确定该目标视频在对应的目标源视频中的内容起止信息。
具体的，该根据该第一视频帧和第二视频帧确定该目标视频在对应的目标源视频中的内容起止信息的步骤，可以包括：分别对该第一参考视频帧和第二参考视频帧进行特征提取，得到第一参考视频帧对应的第一特征信息，以及第二参考视频帧对应的第二特征信息。进而可以查找该源特征信息集合中分别与该第一特征信息和第二特征信息匹配的第一源特征信息和第二源特征信息，其中，该第一源特征信息携带第一时间信息，该第二源特征信息携带第二时间信息，该第一时间信息可以为第一视频帧在目标视频中的时间信息，该第二时间信息可以为第二视频帧在目标视频中的时间信息，从而可以分别根据该第一时间信息和该第二时间信息确定该目标视频在对应的目标源视频中的内容起始信息和内容终止信息，进而可以基于该内容起始信息以及内容终止信息确定该目标视频在目标源视频中的内容起止信息。
例如，可以假设该第一视频帧可以为目标视频中的首帧，该第二视频帧可以为目标视频中的尾帧，同时可以假设该第一视频帧在对应的目标源视频中的内容起始信息为第3分22秒，第二视频帧在对应的目标源视频中的内容终止信息为第14分钟11秒，因此，可以根据该第一参考视频帧和第二参考视频帧确定该目标视频在对应的目标源视频中的内容起止信息为（第3分22秒，第14分钟11秒），基于该内容起止信息可以对该定位信息中的时间信息进行调节，也即根据内容起止信息中的内容起始信息以及内容终止信息来对定位信息携带的时间信息中的起始时间点以及终止时间点进行调节，例如，可以将定位信息携带的时间信息中的起始时间点以及终止时间点对应的修改为内容起止信息中的内容起始信息以及内容终止信息，得到目标定位信息来获取该目标视频对应的至少一个候选推荐视频。以此，可以实现将待推荐视频之间的时间关系串联起来，实现同一内容情节的续播，以此实现连续播放及内容剧集的组织播放，同时可以减少人工进行标注的成本输入，提高了视频推荐的效率。
在步骤106中，基于该候选推荐视频进行视频推荐处理。
其中，可以在获取了至少一个候选推荐视频之后，可以将该候选推荐视频进行视频推荐处理，例如，可以通过推荐引擎将候选推荐视频分发到对应的用户，也可以直接将候选推荐视频推荐给目标视频对应的用户等等。
在一实施例中，可以获取每一候选推荐视频在目标源视频中的内容时间信息，根据该内容时间信息对每一候选推荐视频进行排序，根据排序结果对每一候选推荐视频进行视频推荐处理，其中，该内容时间信息可以为候选推荐视频在目标源视频中对应的时间信息，进而可以根据该内容时间信息中的起始时间点的先后顺序对每一候选推荐视频进行排序，也可以根据该内容时间信息中的终止时间点的先后顺序对每一候选推荐视频进行排序，例如，可以根据由大到小的时间顺序对每一候选推荐视频进行排序，也可以按照由小到大的时间顺序对每一候选推荐视频进行排序，也可以为其他排序方式，在此不做限定。进而可以根据得到的排序结果按照顺序的对每一候选推荐视频进行视频推荐处理，以此实现关联视频的推荐，提高视频推荐的效率。
由以上可知，本申请实施例通过获取目标视频以及源视频集合；分别对目标视频和源视频集合中每一源视频进行片段提取处理，得到目标片段和源视频片段集合；分别对目标片段以及源视频片段集合中每一源视频片段进行特征提取，得到目标视频的目标特征信息和源视频集合对应的源特征信息集合；根据目标特征信息和源特征信息集合从源视频片段集合中确定与目标视频相似的目标源视频片段；根据目标源视频片段在对应的目标源视频中的定位信息，获取目标视频对应的至少一个候选推荐视频；基于候选推荐视频进行视频推荐处理。以此，通过获取目标视频和源视频集合的目标特征信息和源特征信息集合，并以此根据目标特征信息和源特征信息集合的相似程度，从源视频片段集合中确定与目标视频相似的目标源视频片段，进而根据目标源视频片段在目标源视频中的定位信息来获取目标视频对应的候选推荐视频，以实现对目标视频的关联视频的推荐，提高了视频推荐的效率。
根据上面实施例所描述的方法，以下将举例作进一步详细说明。
在本实施例中，将以该视频推荐装置具体集成在计算机设备为例进行说明。其中，该视频推荐方法以服务器为执行主体，并以该目标视频为短视频为例进行具体的描述。
为了更好的描述本申请实施例，请一并参阅图3、图4a、图4b以及图5。如图5所示，图5为本申请实施例提供的视频推荐方法的另一流程示意图。具体流程如下：
在步骤201中，服务器获取目标视频以及源视频集合，分别对该目标视频和该源视频集合中每一源视频进行片段提取处理，得到目标片段和源视频片段集合。
具体的，服务器可以获取目标视频以及源视频集合，其中，该目标视频可以为用户正在消费或者已经消费的短视频，该源视频集合的获取方式可以有多种，可选的，可以通过搜索引擎来获取源视频，例如网络爬虫等搜索引擎，以此基于获取到的至少一个源视频得到源视频集合。
为了可以获取到目标视频中的内容所属于的源视频，服务器在获取目标视频以及源视频集合之后，可以分别对该目标视频和源视频集合中的每一源视频进行片段提取处理，得到目标视频对应的目标片段以及源视频集合对应的源视频片段集合。
具体的，请参考图3，图3为本申请实施例提供的一种视频推荐方法的片段提取流程示意图，服务器可以对该目标视频进行片段提取处理，得到目标视频对应的至少一个目标片段。可选的，可以对目标视频进行抽帧处理，其中，可以抽取目标视频中的每一帧视频帧作为一个目标片段，也可以抽取目标视频中的两帧或者任意多帧的视频帧作为一个目标片段，具体的帧数在此不做限定。为了可以保证后续视频推荐的准确度，同时可以避免目标片段的数量太多占用大量存储空间的情况，可以采用每秒抽取一帧视频帧的频率，同时，可以对目标视频可以将提取得到的5帧视频帧作为一个目标片段。
同理，服务器可以对该源视频集合中的每一源视频进行片段提取处理，得到每一源视频对应的至少一个源视频片段。可选的，可以对源视频集合中每一源视频进行抽帧处理，其中，可以抽取源视频中的每一帧视频帧作为一个源视频片段，也可以抽取源视频中的两帧或者任意多帧的视频帧作为一个源片段，具体的帧数在此不做限定。可选的，为了可以保证后续视频推荐的准确度，同时可以避免源视频片段的数量太多占用大量存储空间的情况，可以采用每秒抽取一帧视频帧的频率，同时，服务器可以将抽取得到的5帧视频帧作为一个源视频片段，基于每一源视频的源视频片段可以得到源视频片段集合。
可选的，为了可以获取每一视频帧在原视频中的位置，服务器在对该源视频集合中的每一源视频进行片段提取处理时，可以对提取得到的每一视频帧进行视频帧以及对应的时间信息的提取，该时间信息可以为每一视频帧的时间戳信息。
需要说明的是，目标视频的片段提取处理方法和源视频集合中每一源视频的片段提取处理方法可以不同，例如，抽帧频率可以不同，或者目标片段以及源视频片段中包含的视频帧的数量可以不同，在此不做限定。
在步骤202中，服务器分别对该目标片段以及该源视频片段集合中每一源视频片段进行特征提取，得到该目标视频的目标特征信息和该源视频集合对应的源特征信息集合。
具体的，请继续参考图3，服务器可以对每一目标片段中的每一视频帧进行特征提取，得到每一目标片段的至少一个特征信息，进而可以对每一目标片段中的每一个特征信息进行融合处理，得到每一目标片段的目标特征信息，可选的，可以将每一目标片段中的每一个特征信息进行拼接处理，得到每一目标片段的目标特征信息，也可以将每一目标片段中的每一个特征信息进行加权处理，得到每一目标片段的目标特征信息，例如，可以将每一目标片段中的每一特征信息进行求和处理，并将求和结果进行平均处理，得到每一目标片段的目标特征信息等等，例如，假设目标视频中存在目标片段C，目标片段中包含5个视频帧，对这5个视频帧进行特征提取，得到目标片段C的特征信息c1、c2、c3、c4和c5，可以对目标片段C中的每一特征信息进行求和处理，得到求和结果（c1+c2+c3+c4+c5），并将求和结果进行平均处理，得到每一目标片段的目标特征信息（c1+c2+c3+c4+c5）/5。
同理，服务器可以对源视频片段集合中每一源视频片段中每一视频帧进行特征提取，得到每一源视频片段的至少一个特征信息，进而可以对每一源视频片段的至少一个特征信息进行融合处理，得到每一源视频片段的源特征信息，并可以基于每一源视频的源特征信息得到源特征信息集合。可选的，可以将每一源视频片段中的每一个特征信息进行拼接处理，得到每一源视频片段的源特征信息，也可以将每一源视频片段中的每一个特征信息进行加权处理，得到每一源视频片段的源特征信息，例如，可以将每一源视频片段中的每一个特征信息进行求和，并将求和结果进行平均处理，得到每一源视频片段的源特征信息等等。
对于特征信息的融合处理的具体方法可以根据实际情况进行确定，例如，可以根据计算设备的存储空间，如果存储空间充足，可以直接进行多个特征信息的拼接处理，以此提升视频推荐的精确度；反之，可以进行多个特征信息的平均处理，以此有效减少特征信息占用的存储空间，具体可以根据业务实际情况来确定。此外，为了进一步减少存储空间，服务器可以对目标特征信息以及源特征信息进行降维处理，在此不做限定。
在步骤203中，服务器计算每一目标特征信息与该源特征信息集合中的每一源特征信息的相似分数，根据该相似分数获取相似分数大于预设阈值的源特征信息，得到至少一个相似源特征信息。
起止，服务器可以通过计算每一目标特征信息与该源特征信息集合中的每一源特征信息的相似程度来查找该源特征信息集合中与该目标特征信息匹配的相似源特征信息，具体的，服务器可以计算目标视频对应的每一目标特征信息与该源特征信息集合中的每一源特征信息的相似分数，进而可以根据该相似分数获取相似分数大于预设阈值的源特征信息，得到至少一个相似源特征信息。其中，该预设阈值可以为一个临界值，当源特征信息集合中的任一源特征信息的相似分数大于这个临界值时，可以将该源特征信息确定为相似源特征信息，例如，假设该预设阈值为6分，目标视频对应的一个目标特征信息c1，源特征信息集合中存在源特征信息d1、d2以及d3，其中，d1、d2以及d3与c1的相似分数分别为7分、4分以及5分，则源特征信息集合中的源特征信息的相似分数大于预设阈值6分的源特征信息d1可以确定为相似源特征信息。
在步骤204中，服务器记录每一相似源特征信息对应的相似源视频片段，并根据每一相似源视频片段的记录次数对每一相似源视频片段进行排序，得到第一排序结果，根据该第一排序结果确定该相似源视频片段中的目标源视频片段。
其中，服务器可以通过每一相似源特征信息与目标特征信息的匹配次数，也即每一相似源视频片段与目标特征信息的匹配次数来从该源视频片段集合中确定与该目标视频相似的目标源视频片段，具体的，服务器可以记录每一相似源特征信息对应的相似源视频片段，并根据每一相似源视频片段的记录次数对每一相似源视频片段进行排序，得到第一排序结果，并可以根据该第一排序结果确定该相似源视频片段中的目标源视频片段。可选的，服务器可以根据每一相似源视频片段的记录次数按照由大到小的顺序对每一相似源视频片段进行排序，也可以按照由小到大的顺序对每一相似源视频片段进行排序，也可以为其他排序方式，在此不做限定。
例如，可以假设目标片段C的目标特征信息e1、e2以及e3，且在源特征信息集合中查找到目标特征信息e1和e2匹配的相似源特征信息均为d4，在源特征信息集合中查找到目标特征信息e3匹配的相似源特征信息均为d5，同时假设相似源特征信息d4对应的相似源视频片段为D4，相似源特征信息d5对应的相似源视频片段为D5，则服务器可以记录相似源特征信息d4以及d5对应的相似源视频片段D4以及D5，并根据每一相似源视频片段的记录次数对每一相似源视频片段进行排序，其中，D4的记录次数为2次，D5的记录次数为1次，可选的，服务器可以以由大到小的顺序对相似源视频片段D4和D5进行排序，得到第一排序结果（D4，D5），并可以根据该第一排序结果确定该相似源视频片段中的目标源视频片段为D4。
在步骤205中，服务器获取该目标视频中的第一参考视频帧和第二参考视频帧，分别对该第一参考视频帧和第二参考视频帧进行特征提取，得到第一特征信息和第二特征信息，查找该源特征信息集合中分别与该第一特征信息和第二特征信息匹配的第一源特征信息和第二源特征信息。
其中，该第一参考视频帧可以为该目标视频中处于第一目标区间的至少一个视频帧，该第二参考视频帧可以为该目标视频中处于第二目标区间的至少一个视频帧，该第一目标区间可以为目标视频中处于视频前端的位置，该第二目标区间可以为目标视频中处于视频后端的位置，其中，该视频前端与视频后端可以以目标视频的播放顺序来衡量。具体的，可以获取该目标视频中的第一参考视频帧和第二参考视频帧，并根据视频前端的第一参考视频帧和视频后端的第二参考视频帧确定该目标视频在对应的目标源视频中的内容起止信息。
进而，服务器可以分别对该第一参考视频帧和第二参考视频帧进行特征提取，得到第一参考视频帧对应的第一特征信息，以及第二参考视频帧对应的第二特征信息，进而可以查找该源特征信息集合中分别与该第一特征信息和第二特征信息匹配的第一源特征信息和第二源特征信息。例如，服务器可以通过计算第一特征信息和第二特征信息与源特征信息集合中每一源特征信息的相似分数，根据相似分数的大小来确定最匹配的源特征信息，以此得到与该第一特征信息和第二特征信息匹配的第一源特征信息和第二源特征信息。
在步骤206中，服务器分别根据该第一时间信息和该第二时间信息确定该目标视频在目标源视频中的内容起始信息和内容终止信息，基于该内容起始信息以及内容终止信息确定该目标视频在对应的目标源视频中的内容起止信息。
其中，服务器可以分别根据该第一时间信息和该第二时间信息确定该目标视频在对应的目标源视频中的内容起始信息和内容终止信息，进而可以基于该内容起始信息以及内容终止信息确定该目标视频在目标源视频中的内容起止信息。
例如，可以假设该第一视频帧可以为目标视频中的首帧，该第二视频帧可以为目标视频中的尾帧，同时可以假设该第一视频帧在对应的目标源视频中的内容起始信息为第3分22秒，第二视频帧在对应的目标源视频中的内容终止信息为第14分钟11秒，因此，服务器可以根据该第一参考视频帧和第二参考视频帧确定该目标视频在对应的目标源视频中的内容起止信息为（第3分22秒，第14分钟11秒）。
在步骤207中，服务器基于该内容起止信息对该定位信息中的时间信息进行调节，得到目标定位信息，根据该目标定位信息获取该目标视频对应的至少一个候选推荐视频。
其中，服务器可以基于该内容起止信息可以对该定位信息中的时间信息进行调节，也即根据内容起止信息中的内容起始信息以及内容终止信息来对定位信息携带的时间信息中的起始时间点以及终止时间点进行调节，例如，可以将定位信息携带的时间信息中的起始时间点以及终止时间点对应的修改为内容起止信息中的内容起始信息以及内容终止信息，得到目标定位信息来获取该目标视频对应的至少一个候选推荐视频。以此，可以实现将待推荐视频之间的时间关系串联起来，实现同一内容情节的续播，以此实现连续播放及内容剧集的组织播放，同时可以减少人工进行标注的成本输入，提高了视频推荐的效率。
在步骤208中，服务器获取每一候选推荐视频在目标源视频中的内容时间信息，根据内容时间信息对每一候选推荐视频进行排序，根据排序结果对每一候选推荐视频进行视频推荐处理。
具体的，服务器可以获取每一候选推荐视频在目标源视频中的内容时间信息，根据该内容时间信息对每一候选推荐视频进行排序，进而可以根据排序结果对每一候选推荐视频进行视频推荐处理，其中，该内容时间信息可以为候选推荐视频在目标源视频中对应的时间信息，进而可以根据该内容时间信息中的起始时间点的先后顺序对每一候选推荐视频进行排序，也可以根据该内容时间信息中的终止时间点的先后顺序对每一候选推荐视频进行排序，例如，可以根据由大到小的时间顺序对每一候选推荐视频进行排序，也可以按照由小到大的时间顺序对每一候选推荐视频进行排序，也可以为其他排序方式，在此不做限定。进而可以根据得到的排序结果按照顺序的对每一候选推荐视频进行视频推荐处理，以此实现关联视频的推荐，提高视频推荐的效率。
由以上可知，本申请实施例通过服务器获取目标视频以及源视频集合，分别对该目标视频和该源视频集合中每一源视频进行片段提取处理，得到目标片段和源视频片段集合；服务器分别对该目标片段以及该源视频片段集合中每一源视频片段进行特征提取，得到该目标视频的目标特征信息和该源视频集合对应的源特征信息集合；服务器计算每一目标特征信息与该源特征信息集合中的每一源特征信息的相似分数，根据该相似分数获取相似分数大于预设阈值的源特征信息，得到至少一个相似源特征信息；服务器记录每一相似源特征信息对应的相似源视频片段，并根据每一相似源视频片段的记录次数对每一相似源视频片段进行排序，得到第一排序结果，根据该第一排序结果确定该相似源视频片段中的目标源视频片段；服务器获取该目标视频中的第一参考视频帧和第二参考视频帧，分别对该第一参考视频帧和第二参考视频帧进行特征提取，得到第一特征信息和第二特征信息，查找该源特征信息集合中分别与该第一特征信息和第二特征信息匹配的第一源特征信息和第二源特征信息；服务器分别根据该第一时间信息和该第二时间信息确定该目标视频在目标源视频中的内容起始信息和内容终止信息，基于该内容起始信息以及内容终止信息确定该目标视频在对应的目标源视频中的内容起止信息；服务器基于该内容起止信息对该定位信息中的时间信息进行调节，得到目标定位信息，根据该目标定位信息获取该目标视频对应的至少一个候选推荐视频；服务器获取每一候选推荐视频在目标源视频中的内容时间信息，根据内容时间信息对每一候选推荐视频进行排序，根据排序结果对每一候选推荐视频进行视频推荐处理。以此，通过获取目标视频和源视频集合的目标特征信息和源特征信息集合，并以此根据目标特征信息和源特征信息集合的相似程度，从源视频片段集合中确定与目标视频相似的目标源视频片段，同时，获取目标视频的第一参数视频帧以及第二参考视频帧来对目标源视频片段的定位信息进行调节得到目标定位信息。进而根据目标定位信息来获取目标视频对应的候选推荐视频，并基于每一候选推荐视频的内容时间信息对每一候选推荐视频进行视频推荐处理，以实现对目标视频的关联视频的推荐，能够将视频之间的时间关系串联起来，实现同一内容情节的续播，以此实现连续播放及内容剧集的组织播放，同时可以避免人工进行标注的成本输入，提高了视频推荐的效率。
为了更好地实施以上方法，本发明实施例还提供一种视频推荐装置，该视频推荐装置可以集成在计算机设备中，该计算机设备可以为服务器。
例如，如图6所示，为本申请实施例提供的视频推荐装置的结构示意图，该视频推荐装置可以包括获取单元301、片段提取单元302、特征提取单元303、确定单元304、候选推荐视频获取单元305以及推荐单元306，如下：
获取单元301，用于获取目标视频以及源视频集合，该源视频集合包括至少一个源视频；
片段提取单元302，用于分别对该目标视频和该源视频集合中每一源视频进行片段提取处理，得到目标片段和源视频片段集合；
特征提取单元303，用于分别对该目标片段以及该源视频片段集合中每一源视频片段进行特征提取，得到该目标视频的目标特征信息和该源视频集合对应的源特征信息集合；
确定单元304，用于根据该目标特征信息和该源特征信息集合从该源视频片段集合中确定与该目标视频相似的目标源视频片段；
候选推荐视频获取单元305，用于根据该目标源视频片段在对应的目标源视频中的定位信息，获取该目标视频对应的至少一个候选推荐视频；
推荐单元306，用于基于该候选推荐视频进行视频推荐处理。
在一实施例中，该确定单元304，包括：
查找子单元，用于查找该源特征信息集合中与该目标特征信息匹配的相似源特征信息；
确定子单元，用于基于该相似源特征信息从该源视频片段集合中确定与该目标视频相似的目标源视频片段。
在一实施例中，该查找子单元，包括：
计算模块，用于计算每一目标特征信息与该源特征信息集合中的每一源特征信息的相似分数；
获取模块，用于根据该相似分数获取相似分数大于预设阈值的源特征信息，得到至少一个相似源特征信息。
在一实施例中，该确定子单元，包括：
排序模块，用于记录每一相似源特征信息对应的相似源视频片段，并根据每一相似源视频片段的记录次数对每一相似源视频片段进行排序，得到第一排序结果；
确定模块，用于根据该第一排序结果确定该相似源视频片段中的目标源视频片段。
在一实施例中，该候选推荐视频获取单元305，包括：
目标源视频确定子单元，用于根据该目标源视频片段确定该目标源视频片段所属的目标源视频；
定位信息确定子单元，用于获取该目标源视频片段匹配的时间信息，根据该时间信息确定该目标源视频片段在目标源视频中的定位信息；
第一获取子单元，用于根据该定位信息获取该目标视频对应的至少一个候选推荐视频。
在一实施例中，该推荐单元306，包括:
排序子单元，用于获取每一候选推荐视频在该目标源视频中的内容时间信息，根据该内容时间信息对每一候选推荐视频进行排序；
推荐子单元，用于根据排序结果对每一候选推荐视频进行视频推荐处理。
在一实施例中，该候选推荐视频获取单元305，包括：
参考视频帧确定子单元，用于在该目标视频中确定至少一个参考视频帧，根据至少一个参考视频帧确定该目标视频在对应的目标源视频中的内容起止信息；
调节子单元，用于基于该内容起止信息对该定位信息中的时间信息进行调节，得到目标定位信息；
第二获取子单元，用于根据该目标定位信息获取该目标视频对应的至少一个候选推荐视频。
在一实施例中，该参考视频帧确定子单元，包括：
视频帧获取模块，用于获取该目标视频中的第一参考视频帧和第二参考视频帧，该第一参考视频帧为该目标视频中处于第一目标区间的至少一个视频帧，该第二参考视频帧为该目标视频中处于第二目标区间的至少一个视频帧；
内容起止信息确定模块，用于根据该第一参考视频帧和第二参考视频帧确定该目标视频在对应的目标源视频中的内容起止信息。
在一实施例中，该内容起止信息确定模块，用于：
分别对该第一参考视频帧和第二参考视频帧进行特征提取，得到第一特征信息和第二特征信息；
查找该源特征信息集合中分别与该第一特征信息和第二特征信息匹配的第一源特征信息和第二源特征信息，该第一源特征信息携带第一时间信息，该第二源特征信息携带第二时间信息；
分别根据该第一时间信息和该第二时间信息确定该目标视频在对应的目标源视频中的内容起始信息和内容终止信息；
基于该内容起始信息以及内容终止信息确定该目标视频在目标源视频中的内容起止信息。
具体实施时，以上各个单元可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元的具体实施可参见前面的方法实施例，在此不再赘述。
由以上可知，本申请实施例通过获取单元301获取目标视频以及源视频集合；片段提取单元302分别对目标视频和源视频集合中每一源视频进行片段提取处理，得到目标片段和源视频片段集合；特征提取单元303分别对目标片段以及源视频片段集合中每一源视频片段进行特征提取，得到目标视频的目标特征信息和源视频集合对应的源特征信息集合；确定单元304根据目标特征信息和源特征信息集合从源视频片段集合中确定与目标视频相似的目标源视频片段；候选推荐视频获取单元305根据目标源视频片段在对应的目标源视频中的定位信息，获取目标视频对应的至少一个候选推荐视频；推荐单元306基于候选推荐视频进行视频推荐处理。以此，通过获取目标视频和源视频集合的目标特征信息和源特征信息集合，并以此根据目标特征信息和源特征信息集合的相似程度，从源视频片段集合中确定与目标视频相似的目标源视频片段，进而根据目标源视频片段在目标源视频中的定位信息来获取目标视频对应的候选推荐视频，以实现对目标视频的关联视频的推荐，提高了视频推荐的效率。
本申请实施例还提供一种计算机设备，如图7所示，其示出了本申请实施例所涉及的计算机设备的结构示意图，该计算机设备可以是服务器，具体来讲：
该计算机设备可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解，图7中示出的计算机设备结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
处理器401是该计算机设备的控制中心，利用各种接口和线路连接整个计算机设备的各个部分，通过运行或执行存储在存储器402内的软件程序和/或模块，以及调用存储在存储器402内的数据，执行计算机设备的各种功能和处理数据，从而对计算机设备进行整体监控。可选的，处理器401可包括一个或多个处理核心；优选的，处理器401可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器401中。
存储器402可用于存储软件程序以及模块，处理器401通过运行存储在存储器402的软件程序以及模块，从而执行各种功能应用以及视频推荐。存储器402可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器402还可以包括存储器控制器，以提供处理器401对存储器402的访问。
计算机设备还包括给各个部件供电的电源403，优选的，电源403可以通过电源管理系统与处理器401逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该计算机设备还可包括输入单元404，该输入单元404可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出，计算机设备还可以包括显示单元等，在此不再赘述。具体在本实施例中，计算机设备中的处理器401会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中，并由处理器401来运行存储在存储器402中的应用程序，从而实现各种功能，如下：
获取目标视频以及源视频集合；分别对目标视频和源视频集合中每一源视频进行片段提取处理，得到目标片段和源视频片段集合；分别对目标片段以及源视频片段集合中每一源视频片段进行特征提取，得到目标视频的目标特征信息和源视频集合对应的源特征信息集合；根据目标特征信息和源特征信息集合从源视频片段集合中确定与目标视频相似的目标源视频片段；根据目标源视频片段在对应的目标源视频中的定位信息，获取目标视频对应的至少一个候选推荐视频；基于候选推荐视频进行视频推荐处理。
以上各个操作的具体实施可参见前面的实施例，在此不作赘述。应当说明的是，本申请实施例提供的计算机设备与上文实施例中的适用于视频推荐方法属于同一构思，其具体实现过程详见以上方法实施例，此处不再赘述。
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
为此，本申请实施例提供一种计算机可读存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本申请实施例所提供的任一种视频推荐方法中的步骤。例如，该指令可以执行如下步骤：
获取目标视频以及源视频集合；分别对目标视频和源视频集合中每一源视频进行片段提取处理，得到目标片段和源视频片段集合；分别对目标片段以及源视频片段集合中每一源视频片段进行特征提取，得到目标视频的目标特征信息和源视频集合对应的源特征信息集合；根据目标特征信息和源特征信息集合从源视频片段集合中确定与目标视频相似的目标源视频片段；根据目标源视频片段在对应的目标源视频中的定位信息，获取目标视频对应的至少一个候选推荐视频；基于候选推荐视频进行视频推荐处理。
其中，该计算机可读存储介质可以包括：只读存储器（ROM，Read Only Memory）、随机存取记忆体（RAM，Random Access Memory）、磁盘或光盘等。
由于该计算机可读存储介质中所存储的指令，可以执行本申请实施例所提供的任一种视频推荐方法中的步骤，因此，可以实现本申请实施例所提供的任一种视频推荐方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
其中，根据本申请的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述实施例提供的各种可选实现方式中提供的方法。
以上对本申请实施例所提供的一种视频推荐方法、装置和计算机可读存储介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (13)

1.一种视频推荐方法，其特征在于，包括：
获取目标视频以及源视频集合，所述源视频集合包括至少一个源视频；
分别对所述目标视频和所述源视频集合中每一源视频进行片段提取处理，得到目标片段和源视频片段集合；
分别对所述目标片段以及所述源视频片段集合中每一源视频片段进行特征提取，得到所述目标视频的目标特征信息和所述源视频集合对应的源特征信息集合；
根据所述目标特征信息和所述源特征信息集合从所述源视频片段集合中确定与所述目标视频相似的目标源视频片段；
根据所述目标源视频片段在对应的目标源视频中的定位信息，获取所述目标视频对应的至少一个候选推荐视频，所述候选推荐视频在所述目标源视频中的定位信息与所述目标源视频片段在所述目标源视频中的定位信息存在相邻关系；
基于所述候选推荐视频进行视频推荐处理。
2.如权利要求1所述的视频推荐方法，其特征在于，所述根据所述目标特征信息和所述源特征信息集合从所述源视频片段集合中确定与所述目标视频相似的目标源视频片段，包括：
查找所述源特征信息集合中与所述目标特征信息匹配的相似源特征信息；
基于所述相似源特征信息从所述源视频片段集合中确定与所述目标视频相似的目标源视频片段。
3.如权利要求2所述的视频推荐方法，其特征在于，所述查找所述源特征信息集合中与所述目标特征信息匹配的相似源特征信息，包括：
计算每一目标特征信息与所述源特征信息集合中的每一源特征信息的相似分数；
根据所述相似分数获取相似分数大于预设阈值的源特征信息，得到至少一个相似源特征信息。
4.如权利要求2所述的视频推荐方法，其特征在于，所述基于所述相似源特征信息从所述源视频片段集合中确定与所述目标视频相似的目标源视频片段，包括：
记录每一相似源特征信息对应的相似源视频片段，并根据每一相似源视频片段的记录次数对每一相似源视频片段进行排序，得到第一排序结果；
根据所述第一排序结果确定所述相似源视频片段中的目标源视频片段。
5.如权利要求1所述的视频推荐方法，其特征在于，所述根据所述目标源视频片段在对应的目标源视频中的定位信息，获取所述目标视频对应的至少一个候选推荐视频，包括：
根据所述目标源视频片段确定所述目标源视频片段所属的目标源视频；
获取所述目标源视频片段匹配的时间信息，根据所述时间信息确定所述目标源视频片段在目标源视频中的定位信息；
根据所述定位信息获取所述目标视频对应的至少一个候选推荐视频。
6.如权利要求1所述的视频推荐方法，其特征在于，所述基于所述候选推荐视频进行视频推荐处理，包括：
获取每一候选推荐视频在所述目标源视频中的内容时间信息，根据所述内容时间信息对每一候选推荐视频进行排序；
根据排序结果对每一候选推荐视频进行视频推荐处理。
7.如权利要求1至6中任一项所述的视频推荐方法，其特征在于，所述根据所述目标源视频片段在对应的目标源视频中的定位信息，获取所述目标视频对应的至少一个候选推荐视频，包括：
在所述目标视频中确定至少一个参考视频帧，根据至少一个参考视频帧确定所述目标视频在对应的目标源视频中的内容起止信息；
基于所述内容起止信息对所述定位信息中的时间信息进行调节，得到目标定位信息；
根据所述目标定位信息获取所述目标视频对应的至少一个候选推荐视频。
8.如权利要求7所述的视频推荐方法，其特征在于，所述在所述目标视频中确定至少一个参考视频帧，根据至少一个参考视频帧确定所述目标视频在对应的目标源视频中的内容起止信息，包括：
获取所述目标视频中的第一参考视频帧和第二参考视频帧，所述第一参考视频帧为所述目标视频中处于第一目标区间的至少一个视频帧，所述第二参考视频帧为所述目标视频中处于第二目标区间的至少一个视频帧；
根据所述第一参考视频帧和第二参考视频帧确定所述目标视频在对应的目标源视频中的内容起止信息。
9.如权利要求8所述的视频推荐方法，其特征在于，所述根据所述第一参考视频帧和第二参考视频帧确定所述目标视频在对应的目标源视频中的内容起止信息，包括：
分别对所述第一参考视频帧和第二参考视频帧进行特征提取，得到第一特征信息和第二特征信息；
查找所述源特征信息集合中分别与所述第一特征信息和第二特征信息匹配的第一源特征信息和第二源特征信息，所述第一源特征信息携带第一时间信息，所述第二源特征信息携带第二时间信息；
分别根据所述第一时间信息和所述第二时间信息确定所述目标视频在对应的目标源视频中的内容起始信息和内容终止信息；
基于所述内容起始信息以及内容终止信息确定所述目标视频在目标源视频中的内容起止信息。
10.一种视频推荐装置，其特征在于，包括：
获取单元，用于获取目标视频以及源视频集合，所述源视频集合包括至少一个源视频；
片段提取单元，用于分别对所述目标视频和所述源视频集合中每一源视频进行片段提取处理，得到目标片段和源视频片段集合；
特征提取单元，用于分别对所述目标片段以及所述源视频片段集合中每一源视频片段进行特征提取，得到所述目标视频的目标特征信息和所述源视频集合对应的源特征信息集合；
确定单元，用于根据所述目标特征信息和所述源特征信息集合从所述源视频片段集合中确定与所述目标视频相似的目标源视频片段；
候选推荐视频获取单元，用于根据所述目标源视频片段在对应的目标源视频中的定位信息，获取所述目标视频对应的至少一个候选推荐视频；
推荐单元，用于基于所述候选推荐视频进行视频推荐处理。
11.一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存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1至9任一项所述的视频推荐方法中的步骤。
12.一种计算机设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可以在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述的视频推荐方法。
13.一种计算机程序，其特征在于，所述计算机程序包括计算机指令，所述计算机指令存储在存储介质中，计算机设备的处理器从所述存储介质读取所述计算机指令，所述处理器执行所述计算机指令，使得所述计算机设备执行权利要求1至9任一项所述的视频推荐方法。
CN202111263832.9A 2021-10-28 2021-10-28 视频推荐方法、装置和计算机可读存储介质 Active CN113965806B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111263832.9A CN113965806B (zh) 2021-10-28 2021-10-28 视频推荐方法、装置和计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111263832.9A CN113965806B (zh) 2021-10-28 2021-10-28 视频推荐方法、装置和计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN113965806A true CN113965806A (zh) 2022-01-21
CN113965806B CN113965806B (zh) 2022-05-06

Family

ID=79467891

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111263832.9A Active CN113965806B (zh) 2021-10-28 2021-10-28 视频推荐方法、装置和计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN113965806B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114666657A (zh) * 2022-03-18 2022-06-24 北京达佳互联信息技术有限公司 一种视频剪辑方法、装置、电子设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140215506A1 (en) * 2013-01-25 2014-07-31 Mobitv, Inc. Time context weighted content recommendation
WO2014117490A1 (zh) * 2013-02-01 2014-08-07 华为技术有限公司 一种从视频库推荐视频的方法、装置
CN108416013A (zh) * 2018-03-02 2018-08-17 北京奇艺世纪科技有限公司 视频匹配、检索、分类和推荐方法、装置及电子设备
CN110134829A (zh) * 2019-04-28 2019-08-16 腾讯科技（深圳）有限公司 视频定位方法和装置、存储介质及电子装置
CN110149558A (zh) * 2018-08-02 2019-08-20 腾讯科技（深圳）有限公司 一种基于内容识别的视频播放实时推荐方法及系统
CN110324660A (zh) * 2018-03-29 2019-10-11 北京字节跳动网络技术有限公司 一种重复视频的判断方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140215506A1 (en) * 2013-01-25 2014-07-31 Mobitv, Inc. Time context weighted content recommendation
WO2014117490A1 (zh) * 2013-02-01 2014-08-07 华为技术有限公司 一种从视频库推荐视频的方法、装置
CN108416013A (zh) * 2018-03-02 2018-08-17 北京奇艺世纪科技有限公司 视频匹配、检索、分类和推荐方法、装置及电子设备
CN110324660A (zh) * 2018-03-29 2019-10-11 北京字节跳动网络技术有限公司 一种重复视频的判断方法及装置
CN110149558A (zh) * 2018-08-02 2019-08-20 腾讯科技（深圳）有限公司 一种基于内容识别的视频播放实时推荐方法及系统
CN110134829A (zh) * 2019-04-28 2019-08-16 腾讯科技（深圳）有限公司 视频定位方法和装置、存储介质及电子装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114666657A (zh) * 2022-03-18 2022-06-24 北京达佳互联信息技术有限公司 一种视频剪辑方法、装置、电子设备及存储介质
CN114666657B (zh) * 2022-03-18 2024-03-19 北京达佳互联信息技术有限公司 一种视频剪辑方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN113965806B (zh) 2022-05-06

Similar Documents

Publication Publication Date Title
CN112015949B (zh) 视频生成方法和装置、存储介质及电子设备
WO2021082668A1 (zh) 一种弹幕编辑方法、智能终端及存储介质
US8195038B2 (en) Brief and high-interest video summary generation
Del Fabro et al. State-of-the-art and future challenges in video scene detection: a survey
KR102068790B1 (ko) 컴퓨터 실행 방법, 시스템 및 컴퓨터 판독 가능 매체
Truong et al. Video abstraction: A systematic review and classification
JP4987907B2 (ja) メタデータ処理装置
US20170065888A1 (en) Identifying And Extracting Video Game Highlights
Han et al. An integrated baseball digest system using maximum entropy method
US20110243529A1 (en) Electronic apparatus, content recommendation method, and program therefor
KR101341808B1 (ko) 영상 내 비주얼 특징을 이용한 영상 요약 방법 및 시스템
CN111757170B (zh) 一种视频分段和标记的方法及装置
CN110769314B (zh) 一种视频播放方法、装置和计算机可读存储介质
Kolekar et al. Semantic concept mining in cricket videos for automated highlight generation
Chu et al. On broadcasted game video analysis: event detection, highlight detection, and highlight forecast
JP2011124681A (ja) 映像編集装置，映像編集方法および映像編集プログラム
CN113965806B (zh) 视频推荐方法、装置和计算机可读存储介质
JP2000285243A (ja) 信号処理方法及び映像音声処理装置
JP4732418B2 (ja) メタデータ処理方法
CN115379290A (zh) 视频处理方法、装置、设备及存储介质
Zhang et al. Unsupervised sports video scene clustering and its applications to story units detection
Sobue et al. Cooking video summarization guided by matching with step-by-step recipe photos
CN117221669B (zh) 一种弹幕生成方法及装置
JP4652389B2 (ja) メタデータ処理方法
Adami et al. An overview of video shot clustering and summarization techniques for mobile applications

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