CN114466251B - 一种基于视频的分类标签标志处理方法和系统 - Google Patents

Abstract

本发明适用于视频分类技术领域，提供了一种基于视频的分类标签标志处理方法和系统，包括以下步骤：接收视频初步标签信息，根据视频初步标签信息对视频进行推送；当视频播放量达到第一预设值时，采集所述视频的点赞用户信息和评论信息；对点赞用户信息进行分析，得到第一点赞标签信息；对评论信息进行分析，得到第一评论标签信息；根据第一点赞标签信息、第一评论标签信息和视频初步标签信息得到视频第一完善标签信息，根据视频第一完善标签信息对视频进行再次推送。在初步标签的基础上，本发明能够根据点赞用户信息和评论信息生成第一点赞标签信息和第一评论标签信息，视频第一完善标签信息具有更多更完善的视频特征信息，推送效果更好。

Description

一种基于视频的分类标签标志处理方法和系统

技术领域

本发明涉及视频分类技术领域，具体是涉及一种基于视频的分类标签标志处理方法和系统。

背景技术

随着网络技术和多媒体技术的快速发展，随时随地拍摄并上传内容丰富的短小视频已经变得非常流行，这些内容涉及我们日常生活中方方面面的短小视频被称为“短视频”，短视频更容易占据人们“碎片化”的时间，如何将短视频准确的推送给对其可能感兴趣的用户是十分重要的，实现视频精准推送的关键是为视频进行准确的分类并使用标签进行标注，标签分类方法一般采用人工审核标注，人工审核主观性太强，对于一些存在多元特征的视频流，人工标注的标签会有所欠缺，难以进行精准的视频推荐。因此，需要提供一种基于视频的分类标签标志处理方法和系统，旨在解决上述问题。

发明内容

针对现有技术存在的不足，本发明的目的在于提供一种基于视频的分类标签标志处理方法和系统，以解决上述背景技术中存在的问题。

本发明是这样实现的，一种基于视频的分类标签标志处理方法，所述方法包括以下步骤：

接收视频初步标签信息，根据视频初步标签信息对视频进行推送；

对所述视频的视频播放量进行监测，当视频播放量达到第一预设值时，采集所述视频的点赞用户信息和评论信息；

对所述点赞用户信息进行分析，得到第一点赞标签信息，所述点赞用户信息包括年龄、职业、喜爱视频类型；

对所述评论信息进行分析，得到第一评论标签信息；

根据第一点赞标签信息、第一评论标签信息和视频初步标签信息得到视频第一完善标签信息，根据视频第一完善标签信息对视频进行再次推送。

作为本发明进一步的方案：对所述点赞用户信息进行分析，得到第一点赞标签信息的步骤，具体包括：

获取所有点赞用户信息中的喜爱视频类型，对每种喜爱视频类型进行计数，根据数量对喜爱视频类型进行降序排列，选取前预设数量的喜爱视频类型作为标签信息一；

获取所有点赞用户信息中的年龄，将所有的年龄都输入年龄段库中，输出适合年龄段作为标签信息二；

获取所有点赞用户信息中的职业，将所有的职业都输入行业库中，输出每个职业所属于的行业，对每种行业进行计数，根据数量对行业进行降序排列，选取前预设数量的行业作为标签信息三；

对标签信息一、标签信息二和标签信息三进行整合得到第一点赞标签信息。

作为本发明进一步的方案：对所述评论信息进行分析，得到第一评论标签信息的步骤，具体包括：

对所述评论信息中的具象特征进行提取；

对每种具象特征进行计数，根据数量对具象特征进行降序排列，选取前预设数量的具象特征作为第一评论标签信息。

作为本发明进一步的方案：所述方法还包括：

当视频播放量达到第二预设值时，采集所述视频的点赞用户信息和评论信息；

对所述点赞用户信息进行分析，得到第二点赞标签信息，对所述评论信息进行分析，得到第二评论标签信息；

根据第二点赞标签信息、第二评论标签信息和视频初步标签信息得到视频第二完善标签信息，根据视频第二完善标签信息对视频进行再次推送。

作为本发明进一步的方案：所述具象特征包括物品、人物、植物、动物和作品，对所述评论信息中的具象特征进行提取时，将评论信息与具象特征库进行匹配得到具体的具象特征，所述具象特征库中包含多种具象特征。

作为本发明进一步的方案：当采集所述视频的点赞用户信息时，需要向对应的用户账号发送信息采集请求，当且仅当信息采集请求通过后，允许采集对应的点赞用户信息。

本发明的另一目的在于提供一种基于视频的分类标签标志处理系统，所述系统包括：

初步标签信息确定模块，用于接收视频初步标签信息，根据视频初步标签信息对视频进行推送；

用户评论信息采集模块，用于对所述视频的视频播放量进行监测，当视频播放量达到第一预设值时，采集所述视频的点赞用户信息和评论信息；

用户信息分析模块，用于对所述点赞用户信息进行分析，得到第一点赞标签信息，所述点赞用户信息包括年龄、职业、喜爱视频类型；

评论信息分析模块，用于对所述评论信息进行分析，得到第一评论标签信息；以及

第一完善标签确定模块，用于根据第一点赞标签信息、第一评论标签信息和视频初步标签信息得到视频第一完善标签信息，根据视频第一完善标签信息对视频进行再次推送。

作为本发明进一步的方案：所述用户信息分析模块包括：

标签信息一确定单元，用于获取所有点赞用户信息中的喜爱视频类型，对每种喜爱视频类型进行计数，根据数量对喜爱视频类型进行降序排列，选取前预设数量的喜爱视频类型作为标签信息一；

标签信息二确定单元，用于获取所有点赞用户信息中的年龄，将所有的年龄都输入年龄段库中，输出适合年龄段作为标签信息二；

标签信息三确定单元，用于获取所有点赞用户信息中的职业，将所有的职业都输入行业库中，输出每个职业所属于的行业，对每种行业进行计数，根据数量对行业进行降序排列，选取前预设数量的行业作为标签信息三；以及

标签信息整合单元，用于对标签信息一、标签信息二和标签信息三进行整合得到第一点赞标签信息。

作为本发明进一步的方案：所述评论信息分析模块包括：

具象特征提取单元，用于对所述评论信息中的具象特征进行提取；和

评论标签信息确定单元，用于对每种具象特征进行计数，根据数量对具象特征进行降序排列，选取前预设数量的具象特征作为第一评论标签信息。

作为本发明进一步的方案：所述系统还包括第二完善标签确定模块，第二完善标签确定模块包括：

信息采集单元，当视频播放量达到第二预设值时，采集所述视频的点赞用户信息和评论信息；

信息分析单元，用于对所述点赞用户信息进行分析，得到第二点赞标签信息，对所述评论信息进行分析，得到第二评论标签信息；以及

第二完善标签确定单元，用于根据第二点赞标签信息、第二评论标签信息和视频初步标签信息得到视频第二完善标签信息，根据视频第二完善标签信息对视频进行再次推送。

与现有技术相比，本发明的有益效果是：

在初步标签的基础上，本发明能够自动根据点赞用户信息和评论信息生成第一点赞标签信息和第一评论标签信息，并得到视频第一完善标签信息，视频第一完善标签信息具有更多更完善的视频特征信息，这样根据视频第一完善标签信息对视频进行再次推送，推送效果更好。

附图说明

图1为一种基于视频的分类标签标志处理方法的流程图。

图2为一种基于视频的分类标签标志处理方法中对点赞用户信息进行分析的流程图。

图3为一种基于视频的分类标签标志处理方法中对所述评论信息进行分析的流程图。

图4为一种基于视频的分类标签标志处理方法中当视频播放量达到第二预设值时，采集所述视频的点赞用户信息和评论信息的流程图。

图5为一种基于视频的分类标签标志处理系统的结构示意图。

图6为一种基于视频的分类标签标志处理系统中用户信息分析模块的结构示意图。

图7为一种基于视频的分类标签标志处理系统中评论信息分析模块的结构示意图。

图8为一种基于视频的分类标签标志处理系统中第二完善标签确定模块的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清晰，以下结合附图及具体实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

以下结合具体实施例对本发明的具体实现进行详细描述。

如图1所示，本发明实施例提供了一种基于视频的分类标签标志处理方法，所述方法包括以下步骤：

S100，接收视频初步标签信息，根据视频初步标签信息对视频进行推送；

S200，对所述视频的视频播放量进行监测，当视频播放量达到第一预设值时，采集所述视频的点赞用户信息和评论信息；

S300，对所述点赞用户信息进行分析，得到第一点赞标签信息，所述点赞用户信息包括年龄、职业、喜爱视频类型；

S400，对所述评论信息进行分析，得到第一评论标签信息；

S500，根据第一点赞标签信息、第一评论标签信息和视频初步标签信息得到视频第一完善标签信息，根据视频第一完善标签信息对视频进行再次推送。

需要说明的是，随着网络技术和多媒体技术的快速发展，随时随地拍摄并上传内容丰富的短小视频已经变得非常流行，这些内容涉及我们日常生活中方方面面的短小视频被称为“短视频”，短视频更容易占据人们“碎片化”的时间，如何将短视频准确的推送给对其可能感兴趣的用户是十分重要的，实现视频精准推送的关键是为视频进行准确的分类并使用标签进行标注，标签分类方法一般采用人工审核标注，人工审核主观性太强，对于一些存在多元特征的视频流，人工标注的标签会有所欠缺，难以进行精准的视频推荐，本发明实施例旨在解决上述问题。

本发明实施例中，首先要有视频初步标签信息，所述视频初步标签信息可以是人工审核标注的，也可以是视频上传者进行简单标注的，然后根据视频初步标签信息对视频进行推送，需要说明的是，现有的视频平台都能够通过对用户的视频观看习惯进行分析、为用户打上特定的喜爱视频类型，根据每个用户的喜爱视频类型对其进行视频推送；初步推送后，本发明实施例对所述视频的视频播放量进行监测，当视频播放量达到第一预设值时，所述第一预设值为事先设定的定值，采集所述视频的点赞用户信息和评论信息；本发明实施例能够自动对所述点赞用户信息进行分析，得到第一点赞标签信息，并对所述评论信息进行分析，得到第一评论标签信息；然后根据第一点赞标签信息、第一评论标签信息和视频初步标签信息得到视频第一完善标签信息，视频第一完善标签信息更加精准，具有更多更完善的视频特征信息，这样根据视频第一完善标签信息对视频进行再次推送，推送效果更好。

如图2所示，作为本发明一个优选的实施例，对所述点赞用户信息进行分析，得到第一点赞标签信息的步骤，具体包括：

S301，获取所有点赞用户信息中的喜爱视频类型，对每种喜爱视频类型进行计数，根据数量对喜爱视频类型进行降序排列，选取前预设数量的喜爱视频类型作为标签信息一；

S302，获取所有点赞用户信息中的年龄，将所有的年龄都输入年龄段库中，输出适合年龄段作为标签信息二；

S303，获取所有点赞用户信息中的职业，将所有的职业都输入行业库中，输出每个职业所属于的行业，对每种行业进行计数，根据数量对行业进行降序排列，选取前预设数量的行业作为标签信息三；

S304，对标签信息一、标签信息二和标签信息三进行整合得到第一点赞标签信息。

本发明实施例中，为了得到第一点赞标签信息，需要获取所有点赞用户信息中的喜爱视频类型，对每种喜爱视频类型进行计数，例如某个视频的所有点赞用户信息中靠前的三个喜爱视频类型分别是：科普有200人次、搞笑有320人次、车辆有406人次，假设所述预设数量为两个，则标签信息一的内容为：搞笑和车辆；然后获取所有点赞用户信息中的年龄，将所有的年龄都输入年龄段库中，所述年龄段库是事先建立好的，年龄段库中包含各个年龄段，例如年龄输入后得到0-15岁占比10%、16-25岁占比26%、26-35岁占比32%、36-45岁占比25%、46岁及以上占比7%，输出适合年龄段作为标签信息二，本发明实施例需要提前设定适合年龄段的确定规则，例如这里的规则为某个年龄段的占比大于12%就属于适合年龄段，所以这里的标签信息二为：16-45岁；接着获取所有点赞用户信息中的职业，将所有的职业都输入行业库中，输出每个职业所属于的行业，容易理解职业是对行业的细分，职业数量太多不容易进行分类，这里通过读取用户的职业后确定行业，行业库中包含所有的行业，以及每个行业对应的细分职业，接着对得到的每种行业进行计数，根据数量对行业进行降序排列，选取前预设数量的行业作为标签信息三，例如每种行业进行计数的结果为：运输业203人次、制造业301人次、教育文化52人次、服务业123人次，假设所述预设数量为两个，则标签信息三的内容为：运输业和制造业，最后对标签信息一、标签信息二和标签信息三进行整合得到第一点赞标签信息，第一点赞标签信息为：搞笑、车辆、运输业、制造业和16-45岁；另外，当采集所述视频的点赞用户信息时，需要向对应的用户账号发送信息采集请求，当且仅当信息采集请求通过后，允许采集对应的点赞用户信息，避免侵犯个人隐私。

如图3所示，作为本发明一个优选的实施例，对所述评论信息进行分析，得到第一评论标签信息的步骤，具体包括：

S401，对所述评论信息中的具象特征进行提取；

S402，对每种具象特征进行计数，根据数量对具象特征进行降序排列，选取前预设数量的具象特征作为第一评论标签信息。

本发明实施例中，所述具象特征包括物品、人物、植物、动物和作品，对所述评论信息中的具象特征进行提取时，将评论信息与具象特征库进行匹配得到具体的具象特征，具象特征库中的具象特征的数量很多，所述具象特征库中基本包含常见的所有具象特征，具象特征库需要相关工作人员不断补充和完善，例如具象特征有：演员名、运动员、电影名、游戏名等等，本发明实施例自动对每种具象特征进行计数，根据数量对具象特征进行降序排列，选取前预设数量的具象特征作为第一评论标签信息，所述预设数量为提前设定的定值，如此后续的视频推荐更加精准，且当用户搜索对应的具象特征时，也更容易搜索出准确的视频。

如图4所示，作为本发明一个优选的实施例，所述方法还包括：

S601，当视频播放量达到第二预设值时，采集所述视频的点赞用户信息和评论信息；

S602，对所述点赞用户信息进行分析，得到第二点赞标签信息，对所述评论信息进行分析，得到第二评论标签信息；

S603，根据第二点赞标签信息、第二评论标签信息和视频初步标签信息得到视频第二完善标签信息，根据视频第二完善标签信息对视频进行再次推送。

本发明实施例中，还能够对视频第一完善标签信息进行再次完善，当视频播放量达到第二预设值时，容易理解，第二预设值大于第一预设值，采集所述视频的点赞用户信息和评论信息，得到第二点赞标签信息和第二评论标签信息，根据第二点赞标签信息、第二评论标签信息和视频初步标签信息得到视频第二完善标签信息，根据视频第二完善标签信息对视频进行再次推送，再次推送相比第一次推送和第二次推送会更加精准。

如图5所示，本发明实施例还提供了一种基于视频的分类标签标志处理系统，所述系统包括：

初步标签信息确定模块100，用于接收视频初步标签信息，根据视频初步标签信息对视频进行推送；

用户评论信息采集模块200，用于对所述视频的视频播放量进行监测，当视频播放量达到第一预设值时，采集所述视频的点赞用户信息和评论信息；

用户信息分析模块300，用于对所述点赞用户信息进行分析，得到第一点赞标签信息，所述点赞用户信息包括年龄、职业、喜爱视频类型；

评论信息分析模块400，用于对所述评论信息进行分析，得到第一评论标签信息；以及

第一完善标签确定模块500，用于根据第一点赞标签信息、第一评论标签信息和视频初步标签信息得到视频第一完善标签信息，根据视频第一完善标签信息对视频进行再次推送。

本发明实施例中，首先要有视频初步标签信息，所述视频初步标签信息可以是人工审核标注的，也可以是视频上传者进行简单标注的，然后根据视频初步标签信息对视频进行推送，需要说明的是，现有的视频平台都能够通过对用户的视频观看习惯进行分析、为用户打上特定的喜爱视频类型，根据每个用户的喜爱视频类型对其进行视频推送；初步推送后，本发明实施例对所述视频的视频播放量进行监测，当视频播放量达到第一预设值时，所述第一预设值为事先设定的定值，采集所述视频的点赞用户信息和评论信息；本发明实施例能够自动对所述点赞用户信息进行分析，得到第一点赞标签信息，并对所述评论信息进行分析，得到第一评论标签信息；然后根据第一点赞标签信息、第一评论标签信息和视频初步标签信息得到视频第一完善标签信息，视频第一完善标签信息更加精准，具有更多更完善的视频特征信息，这样根据视频第一完善标签信息对视频进行再次推送，推送效果更好。

如图6所示，作为本发明一个优选的实施例，所述用户信息分析模块300包括：

标签信息一确定单元301，用于获取所有点赞用户信息中的喜爱视频类型，对每种喜爱视频类型进行计数，根据数量对喜爱视频类型进行降序排列，选取前预设数量的喜爱视频类型作为标签信息一；

标签信息二确定单元302，用于获取所有点赞用户信息中的年龄，将所有的年龄都输入年龄段库中，输出适合年龄段作为标签信息二；

标签信息三确定单元303，用于获取所有点赞用户信息中的职业，将所有的职业都输入行业库中，输出每个职业所属于的行业，对每种行业进行计数，根据数量对行业进行降序排列，选取前预设数量的行业作为标签信息三；以及

标签信息整合单元304，用于对标签信息一、标签信息二和标签信息三进行整合得到第一点赞标签信息。

本发明实施例中，为了得到第一点赞标签信息，需要获取所有点赞用户信息中的喜爱视频类型，对每种喜爱视频类型进行计数，例如某个视频的所有点赞用户信息中靠前的三个喜爱视频类型分别是：科普有200人次、搞笑有320人次、车辆有406人次，假设所述预设数量为两个，则标签信息一的内容为：搞笑和车辆；然后获取所有点赞用户信息中的年龄，将所有的年龄都输入年龄段库中，所述年龄段库是事先建立好的，年龄段库中包含各个年龄段，例如年龄输入后得到0-15岁占比10%、16-25岁占比26%、26-35岁占比32%、36-45岁占比25%、46岁及以上占比7%，输出适合年龄段作为标签信息二，本发明实施例需要提前设定适合年龄段的确定规则，例如这里的规则为某个年龄段的占比大于12%就属于适合年龄段，所以这里的标签信息二为：16-45岁；接着获取所有点赞用户信息中的职业，将所有的职业都输入行业库中，输出每个职业所属于的行业，容易理解职业是对行业的细分，职业数量太多不容易进行分类，这里通过读取用户的职业后确定行业，行业库中包含所有的行业，以及每个行业对应的细分职业，接着对得到的每种行业进行计数，根据数量对行业进行降序排列，选取前预设数量的行业作为标签信息三，例如每种行业进行计数的结果为：运输业203人次、制造业301人次、教育文化52人次、服务业123人次，假设所述预设数量为两个，则标签信息三的内容为：运输业和制造业，最后对标签信息一、标签信息二和标签信息三进行整合得到第一点赞标签信息，第一点赞标签信息为：搞笑、车辆、运输业、制造业和16-45岁；另外，当采集所述视频的点赞用户信息时，需要向对应的用户账号发送信息采集请求，当且仅当信息采集请求通过后，允许采集对应的点赞用户信息，避免侵犯个人隐私。

如图7所示，作为本发明一个优选的实施例，所述评论信息分析模块400包括：

具象特征提取单元401，用于对所述评论信息中的具象特征进行提取；和

评论标签信息确定单元402，用于对每种具象特征进行计数，根据数量对具象特征进行降序排列，选取前预设数量的具象特征作为第一评论标签信息。

本发明实施例中，所述具象特征包括物品、人物、植物、动物和作品，对所述评论信息中的具象特征进行提取时，将评论信息与具象特征库进行匹配得到具体的具象特征，所述具象特征库中包含常见的具象特征，例如具象特征有：演员名、运动员、电影名、游戏名等等，本发明实施例自动对每种具象特征进行计数，根据数量对具象特征进行降序排列，选取前预设数量的具象特征作为第一评论标签信息，所述预设数量为提前设定的定值，如此后续的视频推荐更加精准，且当用户搜索对应的具象特征时，也更容易搜索出准确的视频。

如图8所示，作为本发明一个优选的实施例，所述系统还包括第二完善标签确定模块600，第二完善标签确定模块600包括：

信息采集单元601，当视频播放量达到第二预设值时，采集所述视频的点赞用户信息和评论信息；

信息分析单元602，用于对所述点赞用户信息进行分析，得到第二点赞标签信息，对所述评论信息进行分析，得到第二评论标签信息；以及

第二完善标签确定单元603，用于根据第二点赞标签信息、第二评论标签信息和视频初步标签信息得到视频第二完善标签信息，根据视频第二完善标签信息对视频进行再次推送。

以上仅对本发明的较佳实施例进行了详细叙述，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。

本领域技术人员在考虑说明书及实施例处的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

Claims (8)

1.一种基于视频的分类标签标志处理方法，其特征在于，所述方法包括以下步骤：

接收视频初步标签信息，根据视频初步标签信息对视频进行推送；

对所述视频的视频播放量进行监测，当视频播放量达到第一预设值时，采集所述视频的点赞用户信息和评论信息；

对所述点赞用户信息进行分析，得到第一点赞标签信息，所述点赞用户信息包括年龄、职业和喜爱视频类型；

对所述评论信息进行分析，得到第一评论标签信息；

根据第一点赞标签信息、第一评论标签信息和视频初步标签信息得到视频第一完善标签信息，根据视频第一完善标签信息对视频进行再次推送；

其中，对所述点赞用户信息进行分析，得到第一点赞标签信息的步骤，具体包括：

获取所有点赞用户信息中的喜爱视频类型，对每种喜爱视频类型进行计数，根据数量对喜爱视频类型进行降序排列，选取前预设数量的喜爱视频类型作为标签信息一；

获取所有点赞用户信息中的年龄，将所有的年龄都输入年龄段库中，输出适合年龄段作为标签信息二；

获取所有点赞用户信息中的职业，将所有的职业都输入行业库中，输出每个职业所属于的行业，对每种行业进行计数，根据数量对行业进行降序排列，选取前预设数量的行业作为标签信息三；

对标签信息一、标签信息二和标签信息三进行整合得到第一点赞标签信息。

2.根据权利要求1所述一种基于视频的分类标签标志处理方法，其特征在于，对所述评论信息进行分析，得到第一评论标签信息的步骤，具体包括：

对所述评论信息中的具象特征进行提取；

对每种具象特征进行计数，根据数量对具象特征进行降序排列，选取前预设数量的具象特征作为第一评论标签信息。

3.根据权利要求1所述一种基于视频的分类标签标志处理方法，其特征在于，所述方法还包括：

当视频播放量达到第二预设值时，采集所述视频的点赞用户信息和评论信息；

对所述点赞用户信息进行分析，得到第二点赞标签信息，对所述评论信息进行分析，得到第二评论标签信息；

根据第二点赞标签信息、第二评论标签信息和视频初步标签信息得到视频第二完善标签信息，根据视频第二完善标签信息对视频进行再次推送。

4.根据权利要求2所述一种基于视频的分类标签标志处理方法，其特征在于，所述具象特征包括物品、人物、植物、动物和作品，对所述评论信息中的具象特征进行提取时，将评论信息与具象特征库进行匹配得到具体的具象特征，所述具象特征库中包含多种具象特征。

5.根据权利要求1所述一种基于视频的分类标签标志处理方法，其特征在于，当采集所述视频的点赞用户信息时，需要向对应的用户账号发送信息采集请求，当且仅当信息采集请求通过后，允许采集对应的点赞用户信息。

6.一种基于视频的分类标签标志处理系统，其特征在于，所述系统包括：

初步标签信息确定模块，用于接收视频初步标签信息，根据视频初步标签信息对视频进行推送；

用户评论信息采集模块，用于对所述视频的视频播放量进行监测，当视频播放量达到第一预设值时，采集所述视频的点赞用户信息和评论信息；

用户信息分析模块，用于对所述点赞用户信息进行分析，得到第一点赞标签信息，所述点赞用户信息包括年龄、职业和喜爱视频类型；

评论信息分析模块，用于对所述评论信息进行分析，得到第一评论标签信息；以及

第一完善标签确定模块，用于根据第一点赞标签信息、第一评论标签信息和视频初步标签信息得到视频第一完善标签信息，根据视频第一完善标签信息对视频进行再次推送；

其中，所述用户信息分析模块包括：

标签信息一确定单元，用于获取所有点赞用户信息中的喜爱视频类型，对每种喜爱视频类型进行计数，根据数量对喜爱视频类型进行降序排列，选取前预设数量的喜爱视频类型作为标签信息一；

标签信息二确定单元，用于获取所有点赞用户信息中的年龄，将所有的年龄都输入年龄段库中，输出适合年龄段作为标签信息二；

标签信息三确定单元，用于获取所有点赞用户信息中的职业，将所有的职业都输入行业库中，输出每个职业所属于的行业，对每种行业进行计数，根据数量对行业进行降序排列，选取前预设数量的行业作为标签信息三；以及

标签信息整合单元，用于对标签信息一、标签信息二和标签信息三进行整合得到第一点赞标签信息。

7.根据权利要求6所述一种基于视频的分类标签标志处理系统，其特征在于，所述评论信息分析模块包括：

具象特征提取单元，用于对所述评论信息中的具象特征进行提取；和

评论标签信息确定单元，用于对每种具象特征进行计数，根据数量对具象特征进行降序排列，选取前预设数量的具象特征作为第一评论标签信息。

8.根据权利要求6所述一种基于视频的分类标签标志处理系统，其特征在于，所述系统还包括第二完善标签确定模块，第二完善标签确定模块包括：

信息采集单元，当视频播放量达到第二预设值时，采集所述视频的点赞用户信息和评论信息；

信息分析单元，用于对所述点赞用户信息进行分析，得到第二点赞标签信息，对所述评论信息进行分析，得到第二评论标签信息；以及

第二完善标签确定单元，用于根据第二点赞标签信息、第二评论标签信息和视频初步标签信息得到视频第二完善标签信息，根据视频第二完善标签信息对视频进行再次推送。

Images