CN114048348B - 视频质量评分方法和装置、以及存储介质和电子设备 - Google Patents
视频质量评分方法和装置、以及存储介质和电子设备 Download PDFInfo
- Publication number
- CN114048348B CN114048348B CN202111198578.9A CN202111198578A CN114048348B CN 114048348 B CN114048348 B CN 114048348B CN 202111198578 A CN202111198578 A CN 202111198578A CN 114048348 B CN114048348 B CN 114048348B
- Authority
- CN
- China
- Prior art keywords
- word
- video
- determining
- state level
- conditional probability
- 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.)
- Active
Links
- 238000013077 scoring method Methods 0.000 title abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 77
- 230000011218 segmentation Effects 0.000 claims abstract description 69
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012550 audit Methods 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 238000012015 optical character recognition Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010030 laminating Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/73—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
- G06F16/7844—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
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Library & Information Science (AREA)
- General Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Television Signal Processing For Recording (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种视频质量评分方法和装置、以及存储介质和电子设备，包括：获取与目标视频对应的第一文本信息；对第一文本信息进行分词处理，获取第一分词结果；确定第一分词结果中第一词语对应的目标状态等级；获取第一词语在对应的目标状态等级下的条件概率，并基于条件概率，确定目标视频的质量评分，以根据质量评分进行视频展示。本发明的方法能够实现基于视频的文本类数据进行分析，从而高效、准确地实现对视频质量进行评分，以根据视频的质量评分进行视频显示，为视频业务的管理和运营提供了技术支撑。
Description
技术领域
本发明涉及计算机信息处理技术领域，并且更具体地，涉及一种视频质量评分方法和装置、以及存储介质和电子设备。
背景技术
随着视频技术的发展，每天都有大量如动画、电影、电视剧、综艺节目等视频产生，同时随着互联网技术的发展，为人们提供了更加便利的途径来观看数量庞大的视频。但是，从不同来源获取的视频数据存在视频质量参差不齐的情况。对于视频质量较高，适合给用户推送，而视频质量低的视频，不应该向用户展示。因此，为了解决视频质量参差不齐的情况，需要进行视频的过滤，筛选出优质视频，过滤掉低质视频。
现有的视频排序方法一般通过视频的数值型数据(如发布时间、长度、观看数、点赞数、评论数等)计算出分值进行排序。由于视频来源的多样性，排序出来的结果很有可能不匹配业务需求。此外，排序算法依赖数值型数据，对标题等文本类数据没有很好地利用起来。
发明内容
本发明要解决的问题包括如何基于标题等文本类数据，对视频质量进行评分。
为了解决上述诸如如何基于标题等文本类数据，对视频质量进行评分的技术问题，提出了本发明。本发明的实施例提供了一种视频质量评分方法和装置、以及存储介质和电子设备。
根据本发明实施例的一个方面，提供了一种视频质量评分方法，所述方法包括：
获取与目标视频对应的第一文本信息；
对所述第一文本信息进行分词处理，获取第一分词结果；
确定所述第一分词结果中第一词语对应的目标状态等级；
获取所述第一词语在对应的目标状态等级下的条件概率，并基于所述条件概率，确定所述目标视频的质量评分，以根据所述质量评分进行视频展示。
优选地，其中所述确定所述第一分词结果中第一词语对应的目标状态等级，包括：
将所述第一分词结果中的第一词语与预设状态等级对应的特征词库中的第二词语进行匹配，根据匹配结果，确定所述第一词语对应的目标状态等级。
优选地，其中所述基于所述条件概率，确定所述目标视频的质量评分，包括：
根据目标状态等级为第一预设状态等级时第一词语对应的条件概率，确定第一质量评分；
根据目标状态等级为第二预设状态等级时第一词语对应的条件概率，确定第二质量评分；
根据所述第一质量评分和第二质量评分，确定所述目标视频的质量评分。
优选地，其中所述方法还包括：
当所述第一质量评分大于预设评分阈值时，直接对所述目标视频进行过滤处理。
优选地，其中所述方法还包括：
获取视频样本对应的第二文本信息；
对所述第二文本信息进行分词处理，获取第二分词结果；
根据所述视频样本对应的状态等级，确定第二分词结果中的第二词语对应不同状态等级时的条件概率。
优选地，其中所述方法利用如下方式确定条件概率，包括：
其中，P(cj|wi)为第i个第二词语对应第j个状态等级时的条件概率；nij为第i个第二词语在第j个状态等级对应的视频样本中出现的次数。
优选地，其中所述方法还包括：
确定任一第二词语在所述第二分词结果中出现的第一数量；
根据所述第一数量，确定所述任一第二词语对应的频次；
根据所述任一第二词语对应不同状态等级时的条件概率、第一数量和频次，确定所述任一第二词语对应的目标状态等级。
优选地，其中所述根据所述任一第二词语对应不同状态等级时的条件概率、第一次数和频次，确定所述任一第二词语对应的目标状态等级，包括：
当任一第二词语对应第一预设状态等级时的条件概率大于或者等于第一预设阈值，并且对应第二预设状态等级时的条件概率小于或者等于第二预设阈值，并且所述第一数量大于或者等于第三预设阈值，并且所述频次大于或者等于第四预设阈值时，确定所述任一第二词语对应的目标状态等级为所述第一预设状态等级；
当任一第二词语对应第二预设状态等级时的条件概率大于或者等于第一预设阈值，并且对应第一预设状态等级时的条件概率小于或者等于第二预设阈值，并且所述第一数量大于或者等于第三预设阈值，并且所述频次大于或者等于第四预设阈值时，确定所述任一第二词语对应的目标状态等级为所述第二预设状态等级。
优选地，其中所述方法还包括：
根据每个第二词语对应的目标状态等级对第二词语进行分类，确定不同状态等级对应的特征词库。
优选地，其中所述方法还包括：
根据视频样本的播放记录信息和审核记录信息，确定所述视频样本对应的状态等级。
优选地，其中所述第一文本信息和/或所述第二文本信息，包括：标题信息、视频简介信息、作者名称、作者简介信息、视频帧文字信息和/或视频音轨文字信息。
优选地，其中所述方法还包括：
按照预设时间间隔获取视频帧图像；
利用预设文字识别工具对所述视频帧图像进行分析，以获取所述视频帧文字信息。
优选地，其中所述方法还包括：
利用预设语音识别工具对视频音轨数据进行分析，以获取所述视频音轨文字信息。
优选地，其中所述方法还包括：
对所述第一分词结果和/或所述第二分词结果中的词语进行去重处理。
根据本发明实施例的另一个方面，提供了一种视频质量评分装置，所述装置包括：
文本信息获取模块，用于获取与目标视频对应的第一文本信息；
第一分词结果获取模块，用于对所述第一文本信息进行分词处理，获取第一分词结果；
目标状态等级确定模块，用于确定第一分词结果中第一词语对应的目标状态等级；
评分模块，用于获取第一词语在对应的目标状态等级下的条件概率，并基于所述条件概率，确定所述目标视频的质量评分，以根据所述质量评分进行视频展示。
根据本发明实施例的又一个方面，提供了一种电子设备，所述电子设备包括：处理器和存储器；其中，
所述存储器，用于存储所述处理器可执行指令的存储器；
所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现本发明上述任一实施例所述的方法。
根据本发明实施例的又一个方面，提供了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计算机程序，所述计算机程序用于执行上述任一实施例所述的方法。
根据本发明实施例的又一个方面，提供了一种计算机程序，包括计算机可读代码，当所述计算机可读代码在设备上运行时，所述设备中的处理器执行用于实现上述任一实施例所述的方法。
本发明上述实施例提供了一种视频质量评分方法和装置、以及存储介质和电子设备，包括：获取与目标视频对应的第一文本信息；对所述第一文本信息进行分词处理，获取第一分词结果；确定第一分词结果中第一词语对应的目标状态等级；获取第一词语在对应的目标状态等级下的条件概率，并基于所述条件概率，确定所述目标视频的质量评分，以根据所述质量评分进行视频展示。本发明的方法能够实现基于视频的文本类数据进行分析，从而高效、准确地实现对视频质量进行评分，以根据视频的质量评分进行视频显示，为视频业务的管理和运营提供了技术支撑。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：
图1为根据本发明一示例性实施例提供的视频质量评分方法100的流程图；
图2为本发明一示例性实施例提供的视频质量评分方法装置200的结构示意图；
图3为本发明一示例性实施例提供的电子设备30的结构图。
具体实施方式
下面，将参考附图详细地描述根据本发明的示例实施例。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。
应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
本领域技术人员可以理解，本发明实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。
还应理解，在本发明实施例中，“多个”可以指两个或两个以上，“至少一个”可以指一个、两个或两个以上。
还应理解，对于本发明实施例中提及的任一部件、数据或结构，在没有明确限定或者在前后文给出相反启示的情况下，一般可以理解为一个或多个。
另外，本发明中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本发明中字符“/”，一般表示前后关联对象是一种“或”的关系。
还应理解，本发明对各个实施例的描述着重强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，技术、方法和设备应当被视为说明书的一部分。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
本发明实施例可以应用于终端设备、计算机系统、服务器等电子设备，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。
终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
示例性方法
图1为根据本发明一示例性实施例提供的视频质量评分方法100的流程图。本实施例可应用在电子设备上，如图1所示，包括以下步骤：
步骤101，获取与目标视频对应的第一文本信息。
优选地，其中所述第一文本信息，包括：标题信息、视频简介信息、作者名称、作者简介信息、视频帧文字信息和/或视频音轨文字信息。应当理解的是，第一文本信息还可以包括其他信息，本领域技术人员可以根据实际需要进行选择，此处不做限定。
优选地，其中所述方法还包括：
按照预设时间间隔获取视频帧图像；
利用预设文字识别工具对所述视频帧图像进行分析，以获取所述视频帧文字信息。
优选地，其中所述方法还包括：
利用预设语音识别工具对视频音轨数据进行分析，以获取所述视频音轨文字信息。
在本发明的实施例中，若需要确定目标视频的质量评分，则需要获取目标视频对应的第一文本信息。其中，第一文本信息，包括：标题信息、视频简介信息、作者名称、作者简介信息、视频帧文字信息和/或视频音轨文字信息。
对于视频帧文字信息，通过按照预设时间间隔获取视频帧图像，再利用预设文字识别工具光学字符识别(Optical Character Recogniti on，OCR光学字符识别)技术对视频帧图像进行处理，以获取视频帧图像中的视频帧文字信息。
对于视频音轨文字信息，利用自动语音识别(Automatic Speech Recognition，ASR)技术对视频音轨数据进行分析，获取视频音轨中文字信息。
步骤102，对所述第一文本信息进行分词处理，获取第一分词结果。
优选地，其中所述方法还包括：
对所述第一分词结果中的词语进行去重处理。
在本发明的实施方式中，为了避免分词结果中的词语重复导致的目标视频的质量评分结果不准确，还需要对第一分词结果进行去重处理。
步骤103，确定所述第一分词结果中第一词语对应的目标状态等级。
优选地，其中所述确定所述第一分词结果中第一词语对应的目标状态等级，包括：
将所述第一分词结果中的第一词语与预设状态等级对应的特征词库中的第二词语进行匹配，根据匹配结果，确定所述第一词语对应的目标状态等级。
在本发明的实施例中，对于单个目标视频，根据标题信息、视频简介信息、作者名称、作者简介信息、视频帧文字信息和/或视频音轨文字信息确定第一文本信息，并对所述第一文本信息进行分词，以获取第一分词结果，然后，将所述第一分词结果中的第一词语与预设状态等级对应的特征词库中的第二词语进行匹配，根据匹配结果，确定所述第一词语对应的目标状态等级。
在本发明的实施例中，预设状态等级包括：A、B和C三个等级，对应的特征词库也分为A等特征词库、B等特征词库和C等特征词库。其中，当某个词语属于A等特征词库时，表明该词语经常出现在A等视频中；相应地，当某个词语属于C等特征词库时，表明该词语经常出现在C等视频中；其中，A等视频的视频质量优于C等视频的视频质量。本发明的实施例通过将分词后的第一词语分别与A等特征词库和C等特征词库中的第二词语分别进行匹配，从而实现对第一词语的分类。根据匹配的词语可以确定A等匹配词集合为WA，C等匹配词集合为WC，其他的则可以确定为B等匹配词集合WB。
步骤104，获取所述第一词语在对应的目标状态等级下的条件概率，并基于所述条件概率，确定所述目标视频的质量评分，以根据所述质量评分进行视频展示。
优选地，其中所述基于所述条件概率，确定所述目标视频的质量评分，包括：
根据目标状态等级为第一预设状态等级时第一词语对应的条件概率，确定第一质量评分；
根据目标状态等级为第二预设状态等级时第一词语对应的条件概率，确定第二质量评分；
根据所述第一质量评分和第二质量评分，确定所述目标视频的质量评分。
优选地，其中所述方法还包括：
当所述第一质量评分大于预设评分阈值时，直接对所述目标视频进行过滤处理。
在本发明的实施例中，在确定每个第一词语对应的目标状态等级后，即可通过查找获取每个第一词语在对应的目标状态等级下的条件概率。其中，第一预设状态等级为C等，第二预设状态等级为A等。
在本发明的实施方式中，首先，通过将C等匹配词集合WC中的每个C等词语对应的条件概率进行求和，即可获取到第一质量评分；然后，通过将A等匹配词集合WA中的每个A等词语对应的条件概率进行求和，即可获取到第二质量评分；最后，通过计算第二质量评分和第一质量评分的差值，即可得到目标视频的质量评分。通过目标视频的质量评分可以确定目标视频的显示方式。例如，可以根据评分按照降序的方式进行目标视频的展示。
另外，由于有的目标视频还可能存在初始的视频得分，因此，在本发明的实施例中，此时可以再根据差值和初始的视频得分得到目标视频的最终的质量评分，并根据最终的质量评分进行目标视频的显示。
在本发明的实施例中，当某个目标视频对应的第一质量评分(即C等词语对应的条件概率之和)大于预设评分阈值时，还可以直接确定该目标视频属于劣质视频，可以直接将该目标视频过滤掉，不进行展示。如果第一质量评分小于或者等于预设评分阈值，则进行第二质量评分的计算，并根据第二质量评分和第一质量评分的差值，得到目标视频的质量评分。
优选地，其中所述方法还包括：
获取视频样本对应的第二文本信息；
对所述第二文本信息进行分词处理，获取第二分词结果；
根据所述视频样本对应的状态等级，确定第二分词结果中的第二词语对应不同状态等级时的条件概率。
优选地，其中所述方法利用如下方式确定条件概率，包括：
其中，P(cj|wi)为第i个第二词语对应第j个状态等级时的条件概率；nij为第i个第二词语在第j个状态等级对应的视频样本中出现的次数。
优选地，其中所述方法还包括：
根据视频样本的播放记录信息和审核记录信息，确定所述视频样本对应的状态等级。
在本发明的实施例中，对于每个词语在不同状态等级下的条件概率是通过对其他视频样本分析得到的。当在需要确定目标视频对应的质量评分时，直接从数据库中调用即可得到其他视频样本。
具体地，在本发明的实施例中，获取数据库中所有视频样本数据，并根据视频样本数据中的播放记录信息和审核记录信息进行标注，确定每个视频样本对应的状态等级。其中，视频样本数据包括视频信息、播放记录和审核记录。视频信息包含标题信息、视频简介信息、作者名称和作者简介信息等。播放记录包括视频点击率、播放次数、平均播放时长、完播率、点赞量、点赞率、分享量、分享率、评论量、评论率、点踩量、点踩率等。审核记录包括通过、优质、贴合业务、不通过、广告、违规、举报等标签。
具体地，根据播放记录和审核记录对视频样本进行分类，确定每个视频样本对应的状态等级，包括：取播放记录和/或审核记录优秀的视频为A等视频，A等视频指业务贴合性强，视频质量高；取播放记录差和/或审核记录差的视频为C等视频，C等视频指业务贴合性差，视频质量低。例如，对于点击率前10％的视频和/或有审核优质标签的视频，确定其等级为A等。例如，对于点踩率前50％的视频和/或有广告、违规或举报标签的视频，确定其等级为C等。剩余视频即列为B等视频。
在本发明的实施里中，确定条件概率的过程包括：
S1，根据播放记录和审核记录对视频样本进行分类，确定每个视频样本对应的状态等级。
S2，对于每个视频样本对应的第二文本信息进行分词，获取第二分词结果。其中，第二文本信息也包括：标题信息、视频简介信息、作者名称、作者简介信息、视频帧文字信息和/或视频音轨文字信息。
同样地，对于视频帧文字信息，通过按照预设时间间隔获取视频帧图像，再利用预设文字识别工具光学字符识别技术对视频帧图像进行处理，以获取视频帧图像中的视频帧文字信息。对于视频音轨文字信息，利用自动语音识别技术对视频音轨文件进行分析，获取视频音轨中文字信息。
S3，根据所述视频样本对应的状态等级，确定第二分词结果中的第二词语对应不同状态等级时的条件概率。
具体地，确定条件概率的过程包括：对第二分词结果中的第二词语去重后进行统计，获得总词数为K；再统计各第二词语在不同类别的视频中出现的次数，记第i个第二词语wi在第j个分类cj中出现的次数为nij，其中i的取值为[1,K]，K为大于1的正整数，j的取值范围为[1,3],j＝1表示A等，j＝2表示B等,j＝3表示C等；再利用如下公式计算各个第二词语对应不同状态等级时的条件概率，包括：
其中，P(cj|wi)为第i个第二词语对应第j个状态等级时的条件概率，nij为第i个第二词语在第j个状态等级对应的视频样本中出现的次数。
其中，对于任一个第二词语，其对应不同状态等级时的条件概率即为其在视频中出现时，对应视频被划分到不同类别的概率。
优选地，其中所述方法还包括：
确定任一第二词语在所述第二分词结果中出现的第一数量；
根据所述第一数量，确定所述任一第二词语对应的频次；
根据所述任一第二词语对应不同状态等级时的条件概率、第一数量和频次，确定所述任一第二词语对应的目标状态等级。
优选地，其中所述根据所述任一第二词语对应不同状态等级时的条件概率、第一次数和频次，确定所述任一第二词语对应的目标状态等级，包括：
当任一第二词语对应第一预设状态等级时的条件概率大于或者等于第一预设阈值，并且对应第二预设状态等级时的条件概率小于或者等于第二预设阈值，并且所述第一数量大于或者等于第三预设阈值，并且所述频次大于或者等于第四预设阈值时，确定所述任一第二词语对应的目标状态等级为所述第一预设状态等级；
当任一第二词语对应第二预设状态等级时的条件概率大于或者等于第一预设阈值，并且对应第一预设状态等级时的条件概率小于或者等于第二预设阈值，并且所述第一数量大于或者等于第三预设阈值，并且所述频次大于或者等于第四预设阈值时，确定所述任一第二词语对应的目标状态等级为所述第二预设状态等级。
优选地，其中所述方法还包括：
根据每个第二词语对应的目标状态等级对第二词语进行分类，确定不同状态等级对应的特征词库。
在本发明的实施例中，在确定了每个第二词语对应不同状态等级下的条件概率后，还可以根据条件概率对第二词语进行分类，确定第二词语所属的状态等级，从而确定不同状态等级对应的特征词库。
具体地，确定特征词库的过程包括：
首先，统计计算每个第二词语在全部视频样本中出现的总次数Ni，记作第一数量。
然后，利用如下公式计算每个第二词语在全部视频中出现的频次，包括：
其中，P(wi)表示第i个第二词语wi出现的频次；nij为第i个第二词语在第j个状态等级对应的视频样本中出现的次数；K为第二词语的总数。
然后，根据任一第二词语对应不同状态等级时的条件概率、第一数量和频次，确定任一第二词语对应的目标状态等级，从而确定不同状态等级对应的特征词库。其中，设置第一预设状态等级为A等，第二预设状态等级为C等。当任一第二词语对应第一预设状态等级时的条件概率大于或者等于第一预设阈值，并且对应第二预设状态等级时的条件概率小于或者等于第二预设阈值，并且所述第一数量大于或者等于第三预设阈值，并且所述频次大于或者等于第四预设阈值时，确定所述任一第二词语对应的目标状态等级为所述第一预设状态等级；当任一第二词语对应第二预设状态等级时的条件概率大于或者等于第一预设阈值，并且对应第一预设状态等级时的条件概率小于或者等于第二预设阈值，并且所述第一数量大于或者等于第三预设阈值，并且所述频次大于或者等于第四预设阈值时，确定所述任一第二词语对应的目标状态等级为所述第二预设状态等级。
在本发明的实施例中，A等特征词库中的特征词表示当有该词出现的视频为A等视频的概率较高，且有该词出现的视频为C等视频的概率较低，即P(cA|wi)较高，且P(cC|wi)较低，同时该词出现总次数Ni和总频次P(wi)需要满足一定比例，以保证一定的统计意义。
例如，可以对P(cA|wi)、P(cC|wi)、Ni、P(wi)分别对应设置预设阈值为p1(第一预设阈值)、p2(第二预设阈值)、p3(第二预设阈值)和p4(第二预设阈值)，p1＝0.9，p2＝0.01，p3＝100，p4＝0.0001，此时可以确定满足P(cA|wi)>p1、P(cC|wi)<p2、Ni>p3、P(wi)>p4的词语wi的目标状态等级为A等，将该词语视为A等视频的特征词，添加到A等对应的特征词库中，并记录P(cA|wi)、P(cC|wi)，以供在对目标视频进行分析时，直接获取条件概率。
同理，可以确定满足P(cC|wi)>p1、P(cA|wi)<p2、Ni>p3、P(wi)>p4的词语wi的目标状态等级为C等，将该词语视为C等视频的特征词，添加到C等对应的特征词库中。
优选地，其中所述方法还包括：
对所述第二分词结果中的词语进行去重处理。
同理，在本发明的实施方式中，为了避免分词结果中的词语重复导致条件概率计算错误，从而导致特征词库构建错误，进而导致目标视频的质量评分结果不准确，还需要对第二分词结果进行去重处理。
本发明实施例提供的方法，一方面通过引入视频的文本信息对视频进行筛选，对文本信息进行统计分析，通过提取高频词的方式发掘优质视频和劣质视频各自的共性，从而选取出体现视频质量的特征词；另一方面能通过文本信息快速进行视频质量的判断，保证了用户看到的视频的质量；本发明的方法能够快速有效地筛选出符合质量预期的视频，方便视频业务的管理和运营。
示例性装置
图2本发明一示例性实施例提供的视频质量评分装置200的结构示意图。如图2所示，本实施例包括：
根据本发明实施例的另一个方面，提供了一种视频质量评分装置，所述装置包括：
文本信息获取模块201，用于获取与目标视频对应的第一文本信息。
第一分词结果获取模块202，用于对所述第一文本信息进行分词处理，获取第一分词结果。
目标状态等级确定模块203，用于确定所述第一分词结果中第一词语对应的目标状态等级。
优选地，其中所述目标状态等级确定模块203，确定所述第一分词结果中第一词语对应的目标状态等级，包括：
将所述第一分词结果中的第一词语与预设状态等级对应的特征词库中的第二词语进行匹配，根据匹配结果，确定所述第一词语对应的目标状态等级。
评分模块204，用于获取所述第一词语在对应的目标状态等级下的条件概率，并基于所述条件概率，确定所述目标视频的质量评分，以根据所述质量评分进行视频展示。
优选地，其中所述评分模块，基于所述条件概率，确定所述目标视频的质量评分，包括：
根据目标状态等级为第一预设状态等级时第一词语对应的条件概率，确定第一质量评分；
根据目标状态等级为第二预设状态等级时第一词语对应的条件概率，确定第二质量评分；
根据所述第一质量评分和第二质量评分，确定所述目标视频的质量评分。
优选地，其中所述装置还包括：
过滤模块，用于当所述第一质量评分大于预设评分阈值时，直接对所述目标视频进行过滤处理。
优选地，其中所述装置还包括：条件概率确定模块，用于：
获取视频样本对应的第二文本信息；
对所述第二文本信息进行分词处理，获取第二分词结果；
根据所述视频样本对应的状态等级，确定第二分词结果中的第二词语对应不同状态等级时的条件概率。
优选地，其中所述条件概率确定模块,利用如下方式确定条件概率，包括：
其中，P(cj|wi)为第i个第二词语对应第j个状态等级时的条件概率；nij为第i个第二词语在第j个状态等级对应的视频样本中出现的次数。
优选地，其中所述条件概率确定模块,还包括：
确定任一第二词语在所述第二分词结果中出现的第一数量；
根据所述第一数量，确定所述任一第二词语对应的频次；
根据所述任一第二词语对应不同状态等级时的条件概率、第一数量和频次，确定所述任一第二词语对应的目标状态等级。
优选地，其中所述条件概率确定模块，根据所述任一第二词语对应不同状态等级时的条件概率、第一次数和频次，确定所述任一第二词语对应的目标状态等级，包括：
当任一第二词语对应第一预设状态等级时的条件概率大于或者等于第一预设阈值，并且对应第二预设状态等级时的条件概率小于或者等于第二预设阈值，并且所述第一数量大于或者等于第三预设阈值，并且所述频次大于或者等于第四预设阈值时，确定所述任一第二词语对应的目标状态等级为所述第一预设状态等级；
当任一第二词语对应第二预设状态等级时的条件概率大于或者等于第一预设阈值，并且对应第一预设状态等级时的条件概率小于或者等于第二预设阈值，并且所述第一数量大于或者等于第三预设阈值，并且所述频次大于或者等于第四预设阈值时，确定所述任一第二词语对应的目标状态等级为所述第二预设状态等级。
优选地，其中所述装置还包括：
特征词库确定模块，用于根据每个第二词语对应的目标状态等级对第二词语进行分类，确定不同状态等级对应的特征词库。
优选地，其中所述条件概率确定模块，还包括：
根据视频样本的播放记录信息和审核记录信息，确定所述视频样本对应的状态等级。
优选地，其中所述第一文本信息和/或所述第二文本信息，包括：标题信息、视频简介信息、作者名称、作者简介信息、视频帧文字信息和/或视频音轨文字信息。
优选地，其中所述条件概率确定模块和文本信息获取模块，还包括：
按照预设时间间隔获取视频帧图像；
利用预设文字识别工具对所述视频帧图像进行分析，以获取所述视频帧文字信息。
优选地，其中所述所述条件概率确定模块和文本信息获取模块，还包括：
利用预设语音识别工具对视频音轨数据进行分析，以获取所述视频音轨文字信息。
优选地，其中所述装置还包括：
去重模块，用于对所述第一分词结果和/或所述第二分词结果中的词语进行去重处理。
本发明的实施例的视频质量评分装置200与本发明的另一个实施例的视频质量评分方法100相对应，在此不再赘述。
示例性电子设备
图3是本发明一示例性实施例提供的电子设备的结构。该电子设备可以是第一设备和第二设备中的任一个或两者、或与它们独立的单机设备，该单机设备可以与第一设备和第二设备进行通信，以从它们接收所采集到的输入信号。图3图示了根据本公开实施例的电子设备的框图。如图3所示，电子设备30包括一个或多个处理器31和存储器32。
处理器31可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备中的其他组件以执行期望的功能。
存储器32可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器31可以运行所述程序指令，以实现上文所述的本公开的各个实施例的软件程序的对历史变更记录进行信息挖掘的方法以及/或者其他期望的功能。在一个示例中，电子设备还可以包括：输入装置33和输出装置34，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
此外，该输入装置33还可以包括例如键盘、鼠标等等。
该输出装置34可以向外部输出各种信息。该输出设备34可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然，为了简化，图3中仅示出了该电子设备中与本公开有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
除了上述方法和设备以外，本公开的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的对历史变更记录进行信息挖掘的方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外，本公开的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的对历史变更记录进行信息挖掘的方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本公开的基本原理，但是，需要指出的是，在本公开中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本公开为必须采用上述具体的细节来实现。
本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
可能以许多方式来实现本公开的方法和装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
还需要指出的是，在本公开的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此，本公开不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (16)
1.一种视频质量评分方法，其特征在于，所述方法包括：
获取与目标视频对应的第一文本信息；
对所述第一文本信息进行分词处理，获取第一分词结果；
确定所述第一分词结果中第一词语对应的目标状态等级；
获取所述第一词语在对应的目标状态等级下的条件概率，并基于所述条件概率，确定所述目标视频的质量评分，以根据所述质量评分进行视频展示；
其中，所述确定所述第一分词结果中第一词语对应的目标状态等级，包括：
将所述第一分词结果中的第一词语与预设状态等级对应的特征词库中的第二词语进行匹配，根据匹配结果，确定所述第一词语对应的目标状态等级；
其中，所述基于所述条件概率，确定所述目标视频的质量评分，包括：
根据目标状态等级为第一预设状态等级时第一词语对应的条件概率，确定第一质量评分；
根据目标状态等级为第二预设状态等级时第一词语对应的条件概率，确定第二质量评分；
根据所述第一质量评分和第二质量评分，确定所述目标视频的质量评分。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当所述第一质量评分大于预设评分阈值时，直接对所述目标视频进行过滤处理。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取视频样本对应的第二文本信息；
对所述第二文本信息进行分词处理，获取第二分词结果；
根据所述视频样本对应的状态等级，确定第二分词结果中的第二词语对应不同状态等级时的条件概率。
4.根据权利要求3所述的方法，其特征在于，所述方法利用如下方式确定条件概率，包括：
其中，P(cj|wi)为第i个第二词语对应第j个状态等级时的条件概率；nij为第i个第二词语在第j个状态等级对应的视频样本中出现的次数。
5.根据权利要求3所述的方法，其特征在于，所述方法还包括：
确定任一第二词语在所述第二分词结果中出现的第一数量；
根据所述第一数量，确定所述任一第二词语对应的频次；
根据所述任一第二词语对应不同状态等级时的条件概率、第一数量和频次，确定所述任一第二词语对应的目标状态等级。
6.根据权利要求5所述的方法，其特征在于，所述根据所述任一第二词语对应不同状态等级时的条件概率、第一次数和频次，确定所述任一第二词语对应的目标状态等级，包括：
当任一第二词语对应第一预设状态等级时的条件概率大于或者等于第一预设阈值，并且对应第二预设状态等级时的条件概率小于或者等于第二预设阈值，并且所述第一数量大于或者等于第三预设阈值，并且所述频次大于或者等于第四预设阈值时，确定所述任一第二词语对应的目标状态等级为所述第一预设状态等级；
当任一第二词语对应第二预设状态等级时的条件概率大于或者等于第一预设阈值，并且对应第一预设状态等级时的条件概率小于或者等于第二预设阈值，并且所述第一数量大于或者等于第三预设阈值，并且所述频次大于或者等于第四预设阈值时，确定所述任一第二词语对应的目标状态等级为所述第二预设状态等级。
7.根据权利要求5所述的方法，其特征在于，所述方法还包括：
根据每个第二词语对应的目标状态等级对第二词语进行分类，确定不同状态等级对应的特征词库。
8.根据权利要求3所述的方法，其特征在于，所述方法还包括：
根据视频样本的播放记录信息和审核记录信息，确定所述视频样本对应的状态等级。
9.根据权利要求1或3所述的方法，其特征在于，所述第一文本信息和/或所述第二文本信息，包括：标题信息、视频简介信息、作者名称、作者简介信息、视频帧文字信息和/或视频音轨文字信息。
10.根据权利要求9所述的方法，其特征在于，所述方法还包括：
按照预设时间间隔获取视频帧图像；
利用预设文字识别工具对所述视频帧图像进行分析，以获取所述视频帧文字信息。
11.根据权利要求9所述的方法，其特征在于，所述方法还包括：
利用预设语音识别工具对视频音轨数据进行分析，以获取所述视频音轨文字信息。
12.根据权利要求1或3所述的方法，其特征在于，所述方法还包括：
对所述第一分词结果和/或所述第二分词结果中的词语进行去重处理。
13.一种视频质量评分装置，其特征在于，所述装置包括：
文本信息获取模块，用于获取与目标视频对应的第一文本信息；
第一分词结果获取模块，用于对所述第一文本信息进行分词处理，获取第一分词结果；
目标状态等级确定模块，用于确定所述第一分词结果中第一词语对应的目标状态等级；
评分模块，用于获取所述第一词语在对应的目标状态等级下的条件概率，并基于所述条件概率，确定所述目标视频的质量评分，以根据所述质量评分进行视频展示；
其中，所述目标状态等级确定模块，确定所述第一分词结果中第一词语对应的目标状态等级，包括：
将所述第一分词结果中的第一词语与预设状态等级对应的特征词库中的第二词语进行匹配，根据匹配结果，确定所述第一词语对应的目标状态等级；
其中，所述评分模块，基于所述条件概率，确定所述目标视频的质量评分，包括：
根据目标状态等级为第一预设状态等级时第一词语对应的条件概率，确定第一质量评分；
根据目标状态等级为第二预设状态等级时第一词语对应的条件概率，确定第二质量评分；
根据所述第一质量评分和第二质量评分，确定所述目标视频的质量评分。
14.一种电子设备，其特征在于，所述电子设备包括：处理器和存储器；其中，
所述存储器，用于存储所述处理器可执行指令的存储器；
所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述权利要求1-12中任一项所述的方法。
15.一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计算机程序，所述计算机程序用于执行上述权利要求1-12中任一项所述的方法。
16.一种计算机程序，包括计算机可读代码，其特征在于，当所述计算机可读代码在设备上运行时，所述设备中的处理器执行用于实现权利要求1-12中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111198578.9A CN114048348B (zh) | 2021-10-14 | 2021-10-14 | 视频质量评分方法和装置、以及存储介质和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111198578.9A CN114048348B (zh) | 2021-10-14 | 2021-10-14 | 视频质量评分方法和装置、以及存储介质和电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114048348A CN114048348A (zh) | 2022-02-15 |
| CN114048348B true CN114048348B (zh) | 2024-08-16 |
Family
ID=80205137
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111198578.9A Active CN114048348B (zh) | 2021-10-14 | 2021-10-14 | 视频质量评分方法和装置、以及存储介质和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114048348B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109766770A (zh) * | 2018-12-18 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 服务质量评价方法、装置、计算机设备和存储介质 |
| CN110489593A (zh) * | 2019-08-20 | 2019-11-22 | 腾讯科技（深圳）有限公司 | 视频的话题处理方法、装置、电子设备及存储介质 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8095546B1 (en) * | 2009-01-09 | 2012-01-10 | Google Inc. | Book content item search |
| US9015156B2 (en) * | 2012-03-30 | 2015-04-21 | Percolate Industries, Inc. | Interactive computing recommendation facility with learning based on user feedback and interaction |
| CN108512883B (zh) * | 2017-04-10 | 2020-08-11 | 腾讯科技（深圳）有限公司 | 一种信息推送方法、装置及可读介质 |
| WO2018232622A1 (en) * | 2017-06-21 | 2018-12-27 | Microsoft Technology Licensing, Llc | RECOMMENDATION OF MULTIMEDIA CONTENT THROUGH CONVERSATIONAL ROBOTS |
| CN110569496B (zh) * | 2018-06-06 | 2022-05-17 | 腾讯科技（深圳）有限公司 | 实体链接方法、装置及存储介质 |
| CN109119095B (zh) * | 2018-08-31 | 2023-06-06 | 平安科技（深圳）有限公司 | 疲劳等级识别方法、装置、计算机设备及存储介质 |
| US20200394455A1 (en) * | 2019-06-15 | 2020-12-17 | Paul Lee | Data analytics engine for dynamic network-based resource-sharing |
| CN113011172B (zh) * | 2021-03-15 | 2023-08-22 | 腾讯科技（深圳）有限公司 | 文本处理方法、装置、计算机设备和存储介质 |
| CN113220999B (zh) * | 2021-05-14 | 2024-07-09 | 北京百度网讯科技有限公司 | 用户特征的生成方法、装置、电子设备和存储介质 |
-
2021
- 2021-10-14 CN CN202111198578.9A patent/CN114048348B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109766770A (zh) * | 2018-12-18 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 服务质量评价方法、装置、计算机设备和存储介质 |
| CN110489593A (zh) * | 2019-08-20 | 2019-11-22 | 腾讯科技（深圳）有限公司 | 视频的话题处理方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114048348A (zh) | 2022-02-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106897428B (zh) | 文本分类特征提取方法、文本分类方法及装置 | |
| CN112115299B (zh) | 视频搜索方法、装置、推荐方法、电子设备及存储介质 | |
| CN107608964B (zh) | 基于弹幕的直播内容的筛选方法、装置、设备及存储介质 | |
| US20190320217A1 (en) | Method and device for pushing a barrage, and electronic device | |
| CN108874832B (zh) | 目标评论确定方法及装置 | |
| CN110909165A (zh) | 数据处理方法、装置、介质及电子设备 | |
| US20090177651A1 (en) | Information processing device and method, program, and recording medium | |
| KR20120088650A (ko) | 컴퓨터 실행 방법, 시스템 및 컴퓨터 판독 가능 매체 | |
| CN109325121B (zh) | 用于确定文本的关键词的方法和装置 | |
| CN107577672B (zh) | 基于舆情设定剧本的方法和装置 | |
| CN113806588A (zh) | 搜索视频的方法和装置 | |
| CN111949785A (zh) | 查询语句管理方法和装置、可读存储介质、电子设备 | |
| CN112291612A (zh) | 视频与音频的匹配方法、装置、存储介质与电子设备 | |
| CN114625918A (zh) | 视频推荐方法、装置、设备、存储介质及程序产品 | |
| CN115392235A (zh) | 字符匹配方法、装置、电子设备及可读存储介质 | |
| CN110717788A (zh) | 一种目标用户的筛选方法及装置 | |
| CN113096687B (zh) | 音视频处理方法、装置、计算机设备及存储介质 | |
| CN114169418A (zh) | 标签推荐模型训练方法及装置、标签获取方法及装置 | |
| CN111737607B (zh) | 数据处理方法、装置、电子设备以及存储介质 | |
| CN114048348B (zh) | 视频质量评分方法和装置、以及存储介质和电子设备 | |
| Aichroth et al. | Mico-media in context | |
| CN113077292B (zh) | 一种用户分类方法、装置、存储介质及电子设备 | |
| CN115563282A (zh) | 一种舆情分析方法、系统、计算机设备和存储介质 | |
| CN111144122A (zh) | 评价处理方法、装置和计算机系统及介质 | |
| CN112800230B (zh) | 文本处理方法、装置、计算机可读存储介质及电子设备 |
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: 20230731 Address after: Room 404-405, 504, Building B-17-1, Big data Industrial Park, Kecheng Street, Yannan High tech Zone, Yancheng, Jiangsu Province, 224000 Applicant after: Yancheng Tianyanchawei Technology Co.,Ltd. Address before: 224000 room 501-503, building b-17-1, Xuehai road big data Industrial Park, Kecheng street, Yannan high tech Zone, Yancheng City, Jiangsu Province Applicant before: Yancheng Jindi Technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |