CN114554245B - 一种视频内容理解的分析方法 - Google Patents

一种视频内容理解的分析方法 Download PDF

Info

Publication number
CN114554245B
CN114554245B CN202210143840.8A CN202210143840A CN114554245B CN 114554245 B CN114554245 B CN 114554245B CN 202210143840 A CN202210143840 A CN 202210143840A CN 114554245 B CN114554245 B CN 114554245B
Authority
CN
China
Prior art keywords
correlation
live broadcast
amplitude
analysis
video
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
Application number
CN202210143840.8A
Other languages
English (en)
Other versions
CN114554245A (zh
Inventor
成晨
黄马骥
叶生晅
张扬
白岚
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.)
Hangzhou Humpback Technology Co ltd
Original Assignee
Hangzhou Humpback Technology 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 Hangzhou Humpback Technology Co ltd filed Critical Hangzhou Humpback Technology Co ltd
Priority to CN202210143840.8A priority Critical patent/CN114554245B/zh
Publication of CN114554245A publication Critical patent/CN114554245A/zh
Application granted granted Critical
Publication of CN114554245B publication Critical patent/CN114554245B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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]
    • H04N21/20—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
    • H04N21/21—Server components or server architectures
    • H04N21/218—Source of audio or video content, e.g. local disk arrays
    • H04N21/2187—Live feed
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/233—Processing of audio elementary streams
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/235—Processing of additional data, e.g. scrambling of additional data or processing content descriptors
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
    • H04N21/47815—Electronic shopping

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种视频内容理解的分析方法，以直播过程复盘为切入点，提供一个视频复合元素解析协议和一套业务相关性分析方法，将直播视频中的直播元素识别并提供洞察见解；所述分析方法具体包括如下步骤：新增识别场景；综合解析；相关性的影响因素分析；衡量相关性程度，本发明以直播过程复盘为切入点，通过提供一个视频复合元素解析协议和一套业务相关性分析方法，将直播视频中的直播元素识别并提供洞察见解，并利用视频分析技术协助主播进行直播内容全方位复盘，从直播话术、营销动作、主播人选等多方位结构化和非结构化数据进行综合分析，保留正相关内容迭代负相关内容，提高直播质量与转化。

Description

一种视频内容理解的分析方法
技术领域
本发明涉及视频内容解析技术领域，具体为一种视频内容理解的分析方法。
背景技术
直播电商有内生增长的驱动力，因为它提供了独特的价值，一方面，它提供了新的流量，比如下沉用户通过在内容平台观看直播而购买商品，另一方面，它也节约了用户的购买成本和一些商家的生产成本，直播购物平台用户逐步年轻化，并且用户的消费观念呈现新的特点，比如价格敏感性降低、消费决策中感性因素比重更大等，这些特点对未来售卖模式产生影响，直播过程脚本、场景、产品等如何设计才能抓住粉丝就成了一大痛点，一次完整的直播营销活动不仅涉及交易订单、用户信息等结构化数据，还包括直播话术、前景、后景、前贴、主播颜值、直播风格、语速、营销动作、发生时机等，使用现有的工具，可以记录直播过程，但会遇到知识无法统一沉淀且效率低下的问题；
目前的技术方案，是把音频解析、文字解析和图像解析分别管理将结构化数据建模，保存在数据仓库，通过SQL语句进行挖掘后，在应用中展示分析结果，将非结构化数据保存在云端对象存储或本地系统中，对于非结构化数据分析，一直存在问题，比如解析周期长、解析占用资源久、无结果判断、无法识别直播场景等，同时一份视频数据需求请求多个AI模型，耗时长效率低，数据分散需要再聚合，主流的视频内容解析的场景无法满足直播间的视频所需的结构化数据，比如商品识别、优惠券识别、直播风格识别等，解析内容不包含分析结果，用户无法从解析的数据中获得业务洞察，比如主播直播的语音文本对于直播效果影响是正向的，还是负向。
发明内容
本发明提供一种视频内容理解的分析方法，可以有效解决上述背景技术中提出现有技术中一份视频数据需求请求多个AI模型，耗时长效率低，数据分散需要再聚合，主流的视频内容解析的场景无法满足直播间的视频所需的结构化数据，比如商品识别、优惠券识别、直播风格识别等，解析内容不包含分析结果，用户无法从解析的数据中获得业务洞察，比如主播直播的语音文本对于直播效果影响是正向的，还是负向的问题。
为实现上述目的，本发明提供如下技术方案：一种视频内容理解的分析方法，以直播过程复盘为切入点，提供一个视频复合元素解析协议和一套业务相关性分析方法，将直播视频中的直播元素识别并提供洞察见解；
所述分析方法具体包括如下步骤：
S1、新增识别场景；
S2、综合解析；
S3、相关性的影响因素分析；
S4、衡量相关性程度。
根据上述技术方案，所述S1中，新增识别场景包括话题话术识别、表情夸张分数、动作幅度快慢曲线和声音大小曲线；
识别场景中直播间主播常见识别业务场景包括直播间话题、主播语速、声音情绪、表情情绪、肢体动作、直播时长、直播画面清晰度、背景、前景、贴片、主播妆容、福袋内容、福袋发放时间点、直播过程与流量以及GMV关联。
根据上述技术方案，所述话题话术识别是指把主播的语言行为分成两类：介绍产品特性和促单提高转化，分析一段时间内主播说话的内容，给这段时间打上介绍产品特性、促单提高转化的标签，具体分为：
跟踪的关键字：显示直播过程中主播提到的预定义的关键字；
最佳实践关键字：显示可以在直播过程中用作最佳实践的关键字；
产品关键字：显示直播过程中提到的产品的名称关键字。
根据上述技术方案，所述表情夸张分数是指以数值区间的方式来表达表情的夸张程度，数值在[0，1]之间，越接近1，则代表主播的表情越夸张；
所述动作幅度快慢曲线是指以建立图表的形式来对主播的动作幅度进行直观表示，在建立图表时，以横坐标代表时间轴，纵坐标代表动作幅度，黑色虚线代表动作幅度平均值，黑点代表每个时间点的动作幅度大小；
则动作幅度平均值的数值越大代表主播在这段时间内的动作幅度越大，每个黑点的纵坐标变化程度越剧烈代表主播的动作越快，动作越卖力。
根据上述技术方案，所述声音大小曲线是指以建立图表的形式来对主播的声音大小进行直观表示，在建立图表时，以横坐标代表时间轴，纵坐标代表声音幅度，黑色虚线代表声音幅度平均值，黑点代表每个时间点的声音幅度大小；
则幅度平均值的数值越大代表主播在这段时间内的声音幅度越大，每个黑点的纵坐标变化程度越剧烈代表主播声音的越抑扬顿挫。
根据上述技术方案，所述S2中，综合解析是指将不同直播视频内容解析的结果输出，包括产品特性介绍、促单提高转化、音量变化和动作变化，并将视频结果整体输出为body、content、face和voice。
根据上述技术方案，所述S3中，相关性的影响因素分析是指根据视频的非结构化解析数据结果，来更好地深入查看见解需关联包括订单、流量和粉丝数等数据分析相关性，并将基础数据分拆为2个维度：影响因素和结果目标；
所述影响因素包括促转化、产品介绍、声音大小、动作幅度大小和表情夸张程度，所述结果目标包括订单数、新增粉丝数和流量。
根据上述技术方案，所述促转化是指对用户下单有帮助的常见关键词分组，所述产品介绍是指对与产品特性相关的常见关键词分组，所述声音大小是指数值越大代表主播在这段时间内的声音幅度越大，变化程度越剧烈代表主播声音的越抑扬顿挫，所述动作幅度大小是指数值越大代表主播在这段时间内的动作幅度越大，变化程度越剧烈代表主播的动作越快，动作越卖力，所述表情夸张程度是指数值范围在[0，1]之间，越接近1则代表主播的表情越夸张；
所述订单数是指用户在商城支付的订单笔数，所述新增粉丝数是指直播间新增关注的粉丝数，所述流量是指直播间观看直播的观看人次数。
根据上述技术方案，所述S4中，所述衡量相关性程度需要满足相关性分析的两个功能：两个变量的相关性方向和相关性大小，通过两个功能来表示两个变量的相关性程度；
衡量相关性时引入协方差：
cov(X,Y)＝E[(X-E[X])(Y-E[Y])]
有效的表示出两个变量的相关性方向，引入相关系数r，正确表示两个变量相关性程度；
根据两个变量相关性程度来将相关系数进行分类，具体包括：强相关、中等程度相关和弱相关，所述强相关的范围为：1-0.6，所述中等程度相关的范围为：0.6-0.3，所述弱相关的范围为：0.3-0。
根据上述技术方案，在对相关系数进行分类后，根据相关性程度来制定业务结果示意图来表示相关性，绘图时以黑色实线代表负相关、黑色虚线代表正相关、无连线代表弱相关。
与现有技术相比，本发明的有益效果：本发明结构科学合理，使用安全方便：
1、本发明以直播过程复盘为切入点，通过提供一个视频复合元素解析协议和一套业务相关性分析方法，将直播视频中的直播元素识别并提供洞察见解，并利用视频分析技术协助主播进行直播内容全方位复盘，从直播话术、营销动作、主播人选等多方位结构化和非结构化数据进行综合分析，保留正相关内容迭代负相关内容，提高直播质量与转化。
2、本发明在对非结构化视频数据分析时，通过新增识别场景，然后通过场景融合进行多元素整合json解析，结合相关性分析数据建模识别影响因素，有效的确保了直播视频分析的效果，同时本发明通过定义一个云端的直播视频分析系统，新增了直播过程中AI场景适配的问题，解决了AI算法效率低下和数据分散的问题以及有效的克服了非结构化数据无法进行业务洞察的问题。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明分析方法的步骤流程图；
图2是本发明动作幅度快慢曲线的示意图；
图3是本发明声音大小曲线的示意图；
图4是本发明业务结果的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例：如图1所示，本发明提供一种技术方案，一种视频内容理解的分析方法，以直播过程复盘为切入点，提供一个视频复合元素解析协议和一套业务相关性分析方法，将直播视频中的直播元素识别并提供洞察见解；
分析方法具体包括如下步骤：
S1、新增识别场景；
S2、综合解析；
S3、相关性的影响因素分析；
S4、衡量相关性程度。
基于上述技术方案，S1中，新增识别场景包括话题话术识别、表情夸张分数、动作幅度快慢曲线和声音大小曲线；
识别场景中直播间主播常见识别业务场景包括直播间话题、主播语速、声音情绪、表情情绪、肢体动作、直播时长、直播画面清晰度、背景、前景、贴片、主播妆容、福袋内容、福袋发放时间点、直播过程与流量以及GMV关联。
基于上述技术方案，话题话术识别是指把主播的语言行为分成两类：介绍产品特性和促单提高转化，分析一段时间内主播说话的内容，给这段时间打上介绍产品特性、促单提高转化的标签，具体分为：
跟踪的关键字：显示直播过程中主播提到的预定义的关键字；
最佳实践关键字：显示可以在直播过程中用作最佳实践的关键字；
产品关键字：显示直播过程中提到的产品的名称关键字。
基于上述技术方案，表情夸张分数是指以数值区间的方式来表达表情的夸张程度，数值在[0，1]之间，越接近1，则代表主播的表情越夸张；
如图2所示，动作幅度快慢曲线是指以建立图表的形式来对主播的动作幅度进行直观表示，在建立图表时，以横坐标代表时间轴，纵坐标代表动作幅度，黑色虚线代表动作幅度平均值，黑点代表每个时间点的动作幅度大小；
则动作幅度平均值的数值越大代表主播在这段时间内的动作幅度越大，每个黑点的纵坐标变化程度越剧烈代表主播的动作越快，动作越卖力。
如图3所示，基于上述技术方案，声音大小曲线是指以建立图表的形式来对主播的声音大小进行直观表示，在建立图表时，以横坐标代表时间轴，纵坐标代表声音幅度，黑色虚线代表声音幅度平均值，黑点代表每个时间点的声音幅度大小；
则幅度平均值的数值越大代表主播在这段时间内的声音幅度越大，每个黑点的纵坐标变化程度越剧烈代表主播声音的越抑扬顿挫。
基于上述技术方案，S2中，综合解析是指将不同直播视频内容解析的结果输出，包括产品特性介绍、促单提高转化、音量变化和动作变化，并将视频结果整体输出为body、content、face和voice。
基于上述技术方案，S3中，相关性的影响因素分析是指根据视频的非结构化解析数据结果，来更好地深入查看见解需关联包括订单、流量和粉丝数等数据分析相关性，并将基础数据分拆为2个维度：影响因素和结果目标；
影响因素包括促转化、产品介绍、声音大小、动作幅度大小和表情夸张程度，结果目标包括订单数、新增粉丝数和流量。
基于上述技术方案，促转化是指对用户下单有帮助的常见关键词分组，产品介绍是指对与产品特性相关的常见关键词分组，声音大小是指数值越大代表主播在这段时间内的声音幅度越大，变化程度越剧烈代表主播声音的越抑扬顿挫，动作幅度大小是指数值越大代表主播在这段时间内的动作幅度越大，变化程度越剧烈代表主播的动作越快，动作越卖力，表情夸张程度是指数值范围在[0，1]之间，越接近1则代表主播的表情越夸张；
订单数是指用户在商城支付的订单笔数，新增粉丝数是指直播间新增关注的粉丝数，流量是指直播间观看直播的观看人次数。
基于上述技术方案，S4中，衡量相关性程度需要满足相关性分析的两个功能：两个变量的相关性方向和相关性大小，通过两个功能来表示两个变量的相关性程度；
衡量相关性时引入协方差：
cov(X,Y)＝E[(X-E[X])(Y-E[Y])]
有效的表示出两个变量的相关性方向，引入相关系数r，正确表示两个变量相关性程度；
根据两个变量相关性程度来将相关系数进行分类，具体包括：强相关、中等程度相关和弱相关，强相关的范围为：1-0.6，中等程度相关的范围为：0.6-0.3，弱相关的范围为：0.3-0。
如图4所示，基于上述技术方案，在对相关系数进行分类后，根据相关性程度来制定业务结果示意图来表示相关性，绘图时以黑色实线代表负相关、黑色虚线代表正相关、无连线代表弱相关。
最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种视频内容理解的分析方法，其特征在于：以直播过程复盘为切入点，提供一个视频复合元素解析协议和一套业务相关性分析方法，将直播视频中的直播元素识别并提供洞察见解；
所述分析方法具体包括如下步骤：
S1、新增识别场景；
S2、综合解析；
S3、相关性的影响因素分析；
S4、衡量相关性程度；
所述S1中，新增识别场景包括话题话术识别、表情夸张分数、动作幅度快慢曲线和声音大小曲线；
识别场景中直播间主播常见识别业务场景包括直播间话题、主播语速、声音情绪、表情情绪、肢体动作、直播时长、直播画面清晰度、背景、前景、贴片、主播妆容、福袋内容、福袋发放时间点、直播过程与流量以及GMV关联；
所述S2中，综合解析是指将不同直播视频内容解析的结果输出，包括产品特性介绍、促单提高转化、音量变化和动作变化，并将视频结果整体输出为body、content、face和voice；
所述S3中，相关性的影响因素分析是指根据视频的非结构化解析数据结果，来更好地深入查看见解需关联包括订单、流量和粉丝数等数据分析相关性，并将基础数据分拆为2个维度：影响因素和结果目标；
所述影响因素包括促转化、产品介绍、声音大小、动作幅度大小和表情夸张程度，所述结果目标包括订单数、新增粉丝数和流量。
2.根据权利要求1所述的一种视频内容理解的分析方法，其特征在于：所述话题话术识别是指把主播的语言行为分成两类：介绍产品特性和促单提高转化，分析一段时间内主播说话的内容，给这段时间打上介绍产品特性、促单提高转化的标签，具体分为：
跟踪的关键字：显示直播过程中主播提到的预定义的关键字；
最佳实践关键字：显示可以在直播过程中用作最佳实践的关键字；
产品关键字：显示直播过程中提到的产品的名称关键字。
3.根据权利要求1所述的一种视频内容理解的分析方法，其特征在于：所述表情夸张分数是指以数值区间的方式来表达表情的夸张程度，数值在[0，1]之间，越接近1，则代表主播的表情越夸张；
所述动作幅度快慢曲线是指以建立图表的形式来对主播的动作幅度进行直观表示，在建立图表时，以横坐标代表时间轴，纵坐标代表动作幅度，黑色虚线代表动作幅度平均值，黑点代表每个时间点的动作幅度大小；
则动作幅度平均值的数值越大代表主播在这段时间内的动作幅度越大，每个黑点的纵坐标变化程度越剧烈代表主播的动作越快，动作越卖力。
4.根据权利要求1所述的一种视频内容理解的分析方法，其特征在于：所述声音大小曲线是指以建立图表的形式来对主播的声音大小进行直观表示，在建立图表时，以横坐标代表时间轴，纵坐标代表声音幅度，黑色虚线代表声音幅度平均值，黑点代表每个时间点的声音幅度大小；
则幅度平均值的数值越大代表主播在这段时间内的声音幅度越大，每个黑点的纵坐标变化程度越剧烈代表主播声音的越抑扬顿挫。
5.根据权利要求1所述的一种视频内容理解的分析方法，其特征在于：所述促转化是指对用户下单有帮助的常见关键词分组，所述产品介绍是指对与产品特性相关的常见关键词分组，所述声音大小是指数值越大代表主播在这段时间内的声音幅度越大，变化程度越剧烈代表主播声音的越抑扬顿挫，所述动作幅度大小是指数值越大代表主播在这段时间内的动作幅度越大，变化程度越剧烈代表主播的动作越快，动作越卖力，所述表情夸张程度是指数值范围在[0，1]之间，越接近1则代表主播的表情越夸张；
所述订单数是指用户在商城支付的订单笔数，所述新增粉丝数是指直播间新增关注的粉丝数，所述流量是指直播间观看直播的观看人次数。
6.根据权利要求1所述的一种视频内容理解的分析方法，其特征在于：所述S4中，所述衡量相关性程度需要满足相关性分析的两个功能：两个变量的相关性方向和相关性大小，通过两个功能来表示两个变量的相关性程度；
衡量相关性时引入协方差：
cov(X,Y)＝E[(X-E[X])(Y-E[Y])]
有效的表示出两个变量的相关性方向，引入相关系数r，正确表示两个变量相关性程度；
根据两个变量相关性程度来将相关系数进行分类，具体包括：强相关、中等程度相关和弱相关，所述强相关的范围为：1-0.6，所述中等程度相关的范围为：0.6-0.3，所述弱相关的范围为：0.3-0。
7.根据权利要求6所述的一种视频内容理解的分析方法，其特征在于：在对相关系数进行分类后，根据相关性程度来制定业务结果示意图来表示相关性，绘图时以黑色实线代表负相关、黑色虚线代表正相关、无连线代表弱相关。
CN202210143840.8A 2022-02-16 2022-02-16 一种视频内容理解的分析方法 Active CN114554245B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210143840.8A CN114554245B (zh) 2022-02-16 2022-02-16 一种视频内容理解的分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210143840.8A CN114554245B (zh) 2022-02-16 2022-02-16 一种视频内容理解的分析方法

Publications (2)

Publication Number Publication Date
CN114554245A CN114554245A (zh) 2022-05-27
CN114554245B true CN114554245B (zh) 2024-03-22

Family

ID=81675493

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210143840.8A Active CN114554245B (zh) 2022-02-16 2022-02-16 一种视频内容理解的分析方法

Country Status (1)

Country Link
CN (1) CN114554245B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011049707A (ja) * 2009-08-26 2011-03-10 Nec Corp 動画再生装置、動画再生方法及びプログラム
CN111695974A (zh) * 2020-06-18 2020-09-22 上海适享文化传播有限公司 在直播中随时随地使用零售知识数据库的方法
CN113382279A (zh) * 2021-06-15 2021-09-10 北京百度网讯科技有限公司 直播推荐方法、装置、设备、存储介质以及计算机程序产品
CN113689253A (zh) * 2021-07-09 2021-11-23 广州华多网络科技有限公司 直播场景订单生成方法及其相应的装置、设备、介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011049707A (ja) * 2009-08-26 2011-03-10 Nec Corp 動画再生装置、動画再生方法及びプログラム
CN111695974A (zh) * 2020-06-18 2020-09-22 上海适享文化传播有限公司 在直播中随时随地使用零售知识数据库的方法
CN113382279A (zh) * 2021-06-15 2021-09-10 北京百度网讯科技有限公司 直播推荐方法、装置、设备、存储介质以及计算机程序产品
CN113689253A (zh) * 2021-07-09 2021-11-23 广州华多网络科技有限公司 直播场景订单生成方法及其相应的装置、设备、介质

Also Published As

Publication number Publication date
CN114554245A (zh) 2022-05-27

Similar Documents

Publication Publication Date Title
Sun et al. Deep Learning and the Future of Auditing: How an Evolving Technology Could Transform Analysis and Improve Judgment.
WO2021190174A1 (zh) 信息确定方法、装置、计算机设备及存储介质
CN108521525A (zh) 基于用户标签体系的智能机器人客服营销方法和系统
US20160019885A1 (en) Word cloud display
CN114398512A (zh) 一种基于大数据的通信运营商行业客户语音画像分析方法
CN110913354A (zh) 短信分类方法、装置及电子设备
CN116563006A (zh) 业务风险预警方法、设备、存储介质及装置
CN112165639A (zh) 内容分发方法、装置、电子设备以及存储介质
CN114786035A (zh) 直播场景的合规质检和互动问答系统及方法
CN114554245B (zh) 一种视频内容理解的分析方法
Guo et al. Audio-visual fusion network based on conformer for multimodal emotion recognition
Xue et al. Evaluation and emotional analysis of mobile phone sales of JD E-commerce platform based on LDA model
CN116862659A (zh) 面审题组的生成方法、装置、设备及介质
Sokolova Multimodal IT marketing discourse: An integrated approach investigation
CN115730607A (zh) 对话检测模型训练方法及装置
CN114331572A (zh) 一种潜在客户的确定方法、装置、电子设备及存储介质
CN115409017A (zh) 一种客服交流文本挖掘方法和系统、电子设备、存储介质
Chang et al. Using Machine Learning to Extract Insights from Consumer Data
CN114297390A (zh) 一种长尾分布场景下的方面类别识别方法及系统
Guo et al. Short video audience identification data recommended by multiple neural network algorithms
Chandra et al. Artificial Intelligence Techniques to Revolutionize the Marketing Strategies for Enormous Business Expansion
Sravani et al. Multimodal Sentimental Classification using Long-Short Term Memory
Zizhen et al. The discursive construction of organizational identity of multinational enterprise in different stages of internationalization
Mukhopadhyay Memes as Marketing Strategy–A bibliometric study for future research agendas
Ning et al. A Cost-Sensitive Ensemble Model for e-Commerce Customer Behavior Prediction with Weighted SVM

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