CN115086772B - 视频脱敏方法、装置、设备及存储介质 - Google Patents

视频脱敏方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115086772B
CN115086772B CN202210655240.XA CN202210655240A CN115086772B CN 115086772 B CN115086772 B CN 115086772B CN 202210655240 A CN202210655240 A CN 202210655240A CN 115086772 B CN115086772 B CN 115086772B
Authority
CN
China
Prior art keywords
video
calculating
degree
played
user
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
CN202210655240.XA
Other languages
English (en)
Other versions
CN115086772A (zh
Inventor
付琦
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.)
China Mobile Communications Group Co Ltd
MIGU Interactive Entertainment Co Ltd
MIGU Culture Technology Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
MIGU Interactive Entertainment Co Ltd
MIGU Culture 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 China Mobile Communications Group Co Ltd, MIGU Interactive Entertainment Co Ltd, MIGU Culture Technology Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN202210655240.XA priority Critical patent/CN115086772B/zh
Publication of CN115086772A publication Critical patent/CN115086772A/zh
Application granted granted Critical
Publication of CN115086772B publication Critical patent/CN115086772B/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]
    • H04N21/40—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
    • H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
    • H04N21/4665—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms involving classification methods, e.g. Decision trees
    • 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
    • H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
    • H04N21/4666—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms using neural networks, e.g. processing the feedback provided by the user
    • 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
    • H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本申请公开了一种视频脱敏方法、装置、设备及存储介质，该方法包括步骤：确定待播放视频的敏感程度，所述待播放视频含有敏感信息；获取第一用户观看的历史观看视频，其中，所述历史观看视频含有所述敏感信息；基于所述历史观看视频，计算所述第一用户对所述敏感信息的接受程度；若所述待播放视频的敏感程度大于或等于所述接受程度，则对所述待播放视频进行脱敏处理。本申请提高了对包含敏感信息的视频进行脱敏的准确性。

Description

视频脱敏方法、装置、设备及存储介质
技术领域
本申请涉及视频处理技术领域，尤其涉及一种视频脱敏方法、装置、设备及存储介质。
背景技术
目前对于含有敏感信息(例如“斗殴”、“恐怖”和“暴力”等)视频的分类，是基于用户的年龄段来实现的。在用户的年龄段不符合一视频的年龄段要求时，对该视频中的敏感信息进行脱敏处理(例如打码、删减、图片覆盖等)的。其中，视频可分类为未成年允许观看的视频和成年允许观看的视频这两种视频类型，或者是分为儿童允许观看的视频、青少年允许观看的视频和成年允许观看的视频这三种视频类型，即用户的年龄和视频类型之间存在唯一对应的关系。
然而，相同年龄段的不同用户，对于同一类型视频的敏感信息，其接受能力是不同的。例如用户为成人，理论上无需为成年允许观看的视频进行脱敏处理，但对于包含“暴力”这类敏感信息的成年允许观看的视频，该用户也可能无法接受，因此，在对该用户推送包含“暴力”这类敏感信息的成年允许观看的视频时，应当对“暴力”进行脱敏处理。然而以目前对视频进行分类的方法而言，是无法实现这一点的。
发明内容
本申请的主要目的在于提供一种视频脱敏方法、装置、设备及存储介质，旨在解决如何提高对包含敏感信息的视频进行脱敏的准确性的技术问题。
为实现上述目的，本申请提供一种视频脱敏方法，所述方法包括：
确定待播放视频的敏感程度，所述待播放视频含有敏感信息；
获取第一用户的历史观看视频，其中，所述历史观看视频含有所述敏感信息；
基于所述历史观看视频，计算所述第一用户对所述敏感信息的接受程度；
若所述敏感程度大于或等于所述接受程度，则对所述待播放视频进行脱敏处理。
示例性的，所述确定待播放视频的敏感程度，包括：
获取含有所述敏感信息的参考视频，并获取所述参考视频的第一播放数据；
基于所述第一播放数据和所述参考视频的时长，确定所述待播放视频的敏感程度。
示例性的，所述第一播放数据包括视频点击量、视频累计播放时长和用户反馈脱敏计数，所述基于所述第一播放数据和所述参考视频的时长，确定所述待播放视频的敏感程度，包括：
基于所述视频点击量计算第一分量，基于所述视频点击量、视频累计播放时长和所述参考视频的时长计算第二分量，并基于所述用户反馈脱敏计数计算第三分量；
基于所述第一分量、所述第二分量和所述第三分量，确定所述待播放视频的敏感程度。
示例性的，所述视频点击量包括所述参考视频的总视频点击量和所述待播放视频的单一视频点击量，所述用户反馈脱敏计数包括所述参考视频的总用户反馈脱敏计数和所述待播放视频的单一用户反馈脱敏计数，所述基于所述视频点击量计算第一分量，基于所述视频点击量、视频累计播放时长和所述参考视频的时长计算第二分量，并基于所述用户反馈脱敏计数计算第三分量，包括：
计算所述总视频点击量与所述单一视频点击量的第一差值，并计算所述第一差值与所述总视频点击量的商，得到第一分量；
计算所述待播放视频的时长与所述单一视频点击量的第一乘积、计算所述第一乘积与所述待播放视频的视频累计播放时长的第二差值，并计算所述第二差值与所述第一乘积的商，得到第二分量；
计算所述单一用户反馈脱敏计数和所述总用户反馈脱敏计数的商，得到第三分量。
示例性的，所述基于所述历史观看视频，计算所述第一用户对所述敏感信息的接受程度，包括：
获取所述第一用户观看所述历史观看视频的第二播放数据；
基于所述第二播放数据和所述历史观看视频的敏感程度，计算所述第一用户对所述敏感信息的接受程度。
示例性的，所述第二播放数据包括用户反馈脱敏结果和视频播放时长，所述基于所述第二播放数据和所述历史观看视频的敏感程度，计算所述第一用户对所述敏感信息的接受程度，包括：
在所述历史观看视频的视频数量大于或等于预设视频数量时，基于所述历史观看视频的敏感程度计算第四分量，基于所述历史观看视频的敏感程度和所述视频播放时长计算第五分量，基于所述用户反馈脱敏结果和所述历史观看视频的敏感程度，计算第六分量；
基于所述第四分量、所述第五分量和所述第六分量，确定所述第一用户对所述敏感信息的接受程度。
示例性的，所述基于所述历史观看视频的敏感程度计算第四分量，基于所述历史观看视频的敏感程度和所述视频播放时长计算第五分量，基于所述用户反馈脱敏结果和所述历史观看视频的敏感程度，计算第六分量，包括：
计算所述历史观看视频的敏感程度的平均值，得到第四分量；
分别计算每一个历史观看视频的视频播放时长和敏感程度的第二乘积，累加每一个第二乘积，得到第一和，累加每一个历史观看视频的视频播放时长，得到第二和，并计算所述第一和与所述第二和的商，得到第五分量；
分别计算每一个历史观看视频的用户反馈脱敏结果和敏感程度的第三乘积，累加每一个第三乘积，得到第三和，累加每一个历史观看视频的用户反馈脱敏结果，得到第四和，并计算所述第三和与所述第四和的商，得到第六分量。
此外，为实现上述目的，本申请还提供一种视频脱敏装置，所述装置包括：
确定模块，用于确定待播放视频的敏感程度，所述待播放视频含有敏感信息；
获取模块，用于获取第一用户的历史观看视频，其中，所述历史观看视频含有所述敏感信息；
计算模块，用于基于所述历史观看视频，计算所述第一用户对所述敏感信息的接受程度；
脱敏模块，用于若所述敏感程度大于或等于所述接受程度，则对所述待播放视频进行脱敏处理。
此外，为实现上述目的，本申请还提供一种视频脱敏设备，所述视频脱敏设备包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的视频脱敏程序，所述视频脱敏程序被所述处理器执行时实现如上所述的视频脱敏方法的步骤。
此外，为实现上述目的，本申请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上存储有视频脱敏程序，所述视频脱敏程序被处理器执行时实现如上所述的视频脱敏方法的步骤。
与用户的年龄和视频类型之间存在唯一对应的关系，导致在用户无法接受视频中的敏感信息时，也无法为用户提供对该敏感信息进行脱敏处理后的视频相比，本申请通过含有敏感信息的历史观看视频，计算用户对该敏感信息的接受程度，并在含有该敏感信息的待播放视频的敏感程度大于或等于接受程度时，对待播放视频进行脱敏处理。即在该用户不能接受该敏感信息时，即使通过该用户的年龄确定该用户能够观看包含该敏感信息的视频，也会对该视频进行脱敏处理。也即，对于同一视频，由于对该视频的敏感信息的接受程度不同，有的用户需要对该视频进行脱敏处理，而有的用户则无需对该视频进行脱敏处理。从而实现通过用户对敏感信息的接受程度，来针对性地确定是否对视频进行脱敏处理，即实现了对视频进行脱敏处理时的千人千面，进而提高了对包含敏感信息的视频进行脱敏的准确性。
附图说明
图1是本申请视频脱敏方法第一实施例的流程示意图；
图2是本申请视频脱敏方法第一实施例中对待播放视频中一视频帧进行打码的示意图；
图3是本申请实施例方案涉及的硬件运行环境的结构示意图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供一种视频脱敏方法，参照图1，图1为本申请视频脱敏方法第一实施例的流程示意图。
本申请实施例提供了视频脱敏方法的实施例，需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。视频脱敏方法可应用于视频平台中，该视频平台依托于服务器或终端(例如移动终端、个人计算机等)来为用户提供服务。
需要说明的是，本申请基于现有的视频分类预处理的方案来实现，具体地，视频平台将一定数量的视频(可向用户提供的所有视频)进行分类，得到分类后的视频。例如视频类型包括未成年允许观看的视频和成年允许观看的视频，则分类后的视频包括未成年允许观看的视频和成年允许观看的视频这两类视频；又如视频类型包括儿童允许观看的视频、青少年允许观看的视频和成年允许观看的视频，则分类后的视频包括儿童允许观看的视频、青少年允许观看的视频和成年允许观看的视频这三类视频。
在得到分类后的视频后，相应地能够得到分类后的用户群体，例如儿童允许观看的视频对应的用户群体为儿童、成年允许观看的视频对应的用户群体为成年人。
对于分类后的视频，视频平台还可以进一步对该分类后的视频进行细分，细分依据为每个分类后的视频中所包含的敏感信息(例如“斗殴”或“暴力”等)。对于不同类型的视频，敏感信息自身的敏感程度是有区别的，例如斗殴可以根据其自身的敏感程度的不同分为三级(例如非常敏感、较为敏感、不太敏感)或四级(例如非常敏感、较为敏感、一般敏感、不太敏感)等。
示例性的，视频的分类过程、细分过程以及确定敏感信息及其敏感程度的过程，均可以由人工处理来实现或者是由AI(Artificial Intelligence，人工智能)模型(例如CNN(Convolutional Neural Networks，卷积神经网络)模型、DNN(Deep Neural Network，深度神经网络)模型等)来实现。
需要说明的是，本申请包括确定每一个视频的敏感程度的技术方案，该每一个视频为包含某一敏感信息的一类视频中的视频(例如一视频包含的敏感信息为“斗殴”，则确定该视频在包含斗殴的这类视频中的敏感程度)，以及确定每一个用户的接受程度的技术方案，以下实施例内容以成年允许观看的视频且该视频包含的敏感信息为“暴力”为例进行阐述，对于其他视频类型的视频以及包含非“暴力”的敏感信息的成年允许观看的视频，其具体实施方式与成年允许观看的视频且该视频包含的敏感信息为“暴力”的具体实施方式基本相同，在此不再赘述。
为了便于描述，以下省略执行主体描述视频脱敏方法的各个步骤。视频脱敏方法包括：
步骤S10，确定待播放视频的敏感程度，所述待播放视频含有敏感信息。
示例性的，待播放视频的敏感程度的获取方式可包括两种，其一为基于第一预设映射关系，从预设敏感程度集合中选取待播放视频对应的敏感程度；其二为实时计算得到敏感程度。
对于基于第一预设映射关系，从预设敏感程度集合中选取待播放视频对应的敏感程度。预设敏感程度集合中的每一个敏感程度都是提前计算好的，可以通过下述步骤b～c计算得到，可以理解，相较于实时计算敏感程度，通过预设敏感程度集合来提供敏感程度，能够提高提供敏感程度的效率。其中，第一预设映射关系为预先存储的所有视频与敏感程度之间的对应关系。
对于实时计算得到敏感程度的情况，所述确定待播放视频的敏感程度，包括：
步骤b，获取含有所述敏感信息的参考视频。
需要说明的是，参考视频为多个，每一个参考视频均至少含有同一敏感信息，且该同一敏感信息与待播放视频含有的敏感信息为相同的敏感信息。例如待播放视频含有的敏感信息为“暴力”，则该同一敏感信息为“暴力”。可以理解，每一个参考视频除需要含有该同一敏感信息外，还可以分别含有不同的其他的敏感信息。例如参考视频包括参考视频a、参考视频b，参考视频a和参考视频b含有的同一敏感信息为“暴力”，参考视频a还含有敏感信息“斗殴”，参考视频b还含有敏感信息“恐怖”。
示例性的，取包含的敏感信息为“暴力”的视频，为参考视频，并记作集合S{s1，s2，s3,...,sn}，其中，sn为第n个参考视频。需要说明的是，S中的每一个参考视频需要单独计算其敏感程度。
步骤c，基于所述参考视频，确定待播放视频的敏感程度。
对于待播放视频(属于参考视频之一)的敏感程度的计算过程，其不仅仅涉及到第一用户和待播放视频，还涉及到除待播放视频外的其他参考视频以及观看其他参考视频的其他用户，具体涉及其他参考视频的时长以及其他用户的播放数据。即对于S中的每一个参考视频，都需要通过S中的所有参考视频来确定其敏感程度，当然也可以是通过S中的部分参考视频来确定其敏感程度，但没有通过所有参考视频确定的敏感程度的准确性高。
需要说明的是，敏感程度实际上是每一个参考视频对应的第一数值，在所有参考视频对应的第二数值中的位置，其中，第一数值和第二数值与用于计算敏感程度的第一播放数据相关。例如一参考视频的第一数值为5，第二数值包括3、5和7，则该参考视频的敏感程度在所有参考视频的敏感程度的中部，若敏感程度为评分，且评分包括1、2和3分，则该参考视频的评分为2分；若敏感程度为等级，且分级包括1、2和3级，则该参考视频的等级为2级。
示例性的，所述确定所述待播放视频的敏感程度，包括：
步骤c1，获取含有所述敏感信息的参考视频，并获取所述参考视频的第一播放数据。
可以理解，第一播放数据包括第一用户的播放数据和第二用户的播放数据，其中，第二用户为上述其他用户。需要说明的是，第一用户的播放数据不包括待播放视频对应的播放数据，第二用户的播放数据则可以包括待播放视频对应的播放数据。
步骤c2，基于所述第一播放数据和所述参考视频的时长，确定所述待播放视频的敏感程度；
示例性的，所述第一播放数据包括视频点击量、视频累计播放时长和用户反馈脱敏计数，所述基于所述第一播放数据和所述参考视频的时长，确定所述待播放视频的敏感程度，包括：
步骤c21，基于所述视频点击量计算第一分量，基于所述视频点击量、视频累计播放时长和所述参考视频的时长计算第二分量，并基于所述用户反馈脱敏计数计算第三分量。
示例性的，视频点击量、视频累计播放时长和用户反馈脱敏计数均以每一个参考视频进行分类统计。
视频点击量包括第一用户点击其他参考视频的第一次数和第二用户点击任意参考视频的第二次数，每一个参考视频均为该视频对应的第一次数和该视频对应的第二次数之和。
第一用户和第二用户在观看参考视频时，若其不能接受参考视频中的敏感信息，则会反馈其不能接受该参考视频中的敏感信息，并需要对该参考视频进行脱敏处理。可以理解，用户反馈脱敏计数即为第一用户和第二用户反馈的需要对参考视频进行脱敏的次数。
视频累计播放时长即为第一用户和第二用户观看一参考视频的总观看时长。
示例性的，所述视频点击量包括所述参考视频的总视频点击量和所述待播放视频的单一视频点击量，所述用户反馈脱敏计数包括所述参考视频的总用户反馈脱敏计数和所述待播放视频的单一用户反馈脱敏计数，所述基于所述视频点击量计算第一分量，基于所述视频点击量、视频累计播放时长和所述参考视频的时长计算第二分量，并基于所述用户反馈脱敏计数计算第三分量，包括：
步骤c211，计算所述总视频点击量与所述单一视频点击量的第一差值，并计算所述第一差值与所述总视频点击量的商，得到第一分量。
第一分量v11通过公式v11＝(at-a1)/at计算得到，其中，at＝a1+a2+...+an，a1为单一视频点击量，a2+...+an为其他参考视频的视频点击量。可以理解，at为参考视频的总视频点击量。例如待播放视频被点击了100次、其他参考视频被点击了3000次，则总点击量at为3100。
步骤c212，计算所述待播放视频的时长与所述单一视频点击量的第一乘积、计算所述第一乘积与所述待播放视频的视频累计播放时长的第二差值，并计算所述第二差值与所述第一乘积的商，得到第二分量。
第二分量v12通过公式v12＝(c1×a1-b1)/(c1×a1)计算得到，其中，b1为视频累计播放时长，a1为单一视频点击量，c1为待播放视频的时长。例如待播放视频的时长为70分钟，第二用户包括100个用户，该100个用户观看了5000分钟待播放视频，则累计播放时长为5000分钟。
步骤c213，计算所述单一用户反馈脱敏计数和所述总用户反馈脱敏计数的商，得到第三分量。
第三分量v13通过公式v13＝d1/dt计算得到，其中，d1为单一用户反馈脱敏计数，dt为总用户反馈脱敏计数，即dt＝d1+d2+...+dn，d2+...+dn，例如6个用户观看了参考视频，这6个用户在观看待播放视频后有3个用户提交了不能接受的评价，则单一用户反馈脱敏计数为3，这6个用户在观看所有参考视频后提交了100次不能接受的评价，则总用户反馈脱敏计数为100。
步骤c22，基于所述第一分量、所述第二分量和所述第三分量，确定所述待播放视频的敏感程度。
本步骤可细化为：计算第一预设权重与所述第一分量的第一乘积、计算第二预设权重与所述第二分量的第二乘积和计算第三预设权重与所述第三分量的第三乘积；对所述第一乘积、第二乘积和所述第三乘积求和，得到所述待播放视频的敏感程度。
敏感程度v1基于公式w1×v11+w2×v12+w3×v13计算得到。其中，w1为第一预设权重、w2为第二预设权重、w3为第三预设权重，三者均为经验值，可自行根据需要进行调整，例如w1为0.15，w2为0.35，w3为0.5，又如w1为0.25，w2为0.35，w3为0.4。
示例性的，敏感程度为评分时，可以直接将w1×v11+w2×v12+w3×v13作为敏感程度，其范围在0-1之间。
示例性的，敏感程度为等级时，可以通过下式计算得到：[1+n(w1×v11+w2×v12+w3×v13)]。其中，n与等级数量相关，例如敏感程度分为5个等级、则n为4，又如敏感程度分为6个等级、则n为5；[]为取整公式，包括向上取整和向下取整，例如计算结果为[4.6]，对于向下取整则敏感程度为4、对于向上取整则敏感程度为5。
可以理解，对于其他参考视频，同样可以通过上述计算敏感程度的方式计算得到其自身的敏感程度，具体实施方式与计算待播放视频的敏感程度的具体实施方式基本相同，在此不再赘述。
由此可计算得到S中每一个参考视频的敏感程度，得到集合V{v1,v2,...,vn}，其中，vn为第n个参考视频的敏感程度。
步骤S20，获取第一用户观看的历史观看视频，其中，所述历史观看视频含有所述敏感信息。
待播放视频是待播放给第一用户观看的视频，该第一用户在观看待播放视频前，已经观看了历史观看视频。相应地，历史观看视频、待播放视频和参考视频含有相同的敏感信息。例如历史观看视频、待播放视频和参考视频含有的敏感信息为“暴力”。可以理解，历史观看视频还可以含有其他的敏感信息，例如含有敏感信息“恐怖”。
步骤S30，基于所述历史观看视频，计算所述第一用户对所述敏感信息的接受程度；
示例性的，类似于敏感程度的获取方式，接受程度的获取方式同样可包括两种，其一为基于第二预设映射关系，从预设接受程度集合中选取敏感信息对应的接受程度；其二为实时计算得到接受程度。
对于基于第二预设映射关系，从预设接受程度集合中选取敏感信息对应的接受程度。预设接受程度集合中的每一个接受程度都是提前计算好的，可以通过下述步骤e～f计算得到，可以理解，相较于实时计算接受程度，通过预设接受程度集合来提供接受程度，能够提高提供接受程度的效率。其中，第二预设映射关系为敏感信息与接受程度之间的对应关系，敏感信息为多个，即对于不同的敏感信息，有与之对应的接受程度。
对于实时计算得到接受程度的情况，所述基于所述历史观看视频，计算所述第一用户对所述敏感信息的接受程度，包括：
步骤e，获取所述第一用户观看所述历史观看视频的第二播放数据；
步骤f，基于所述第二播放数据和所述历史观看视频的敏感程度，计算所述第一用户对所述敏感信息的接受程度。
在第一用户观看历史观看视频时，记录其观看历史观看视频相关的数据，得到第二播放数据。具体地，第一用户每观看历史观看视频中的一个参考视频时，记录第一用户对该参考视频是否能够接受的评价，例如评价为不能接受时记录为1、评价为能接受时记录为0；并记录第一用户观看该参考视频时的视频播放时长，例如第一用户观看该参考视频观看了50秒后即退出播放，则在当前的视频播放时长(初始值为0)的基础上加50秒；从上述集合V中获取该参考视频的敏感程度。
需要说明的是，为提高确定接受程度的准确性，需要通过多个第二播放数据来确定接受程度，具体地，记录第一用户所观看过的每一个参考视频至集合Z{z1,z2,...,zn}，其中，zn为第n个第一用户观看过的参考视频。
示例性的，所述第二播放数据包括用户反馈脱敏结果和视频播放时长，所述基于所述第二播放数据和所述历史观看视频的敏感程度，计算所述第一用户对所述敏感信息的接受程度，包括：
步骤f1，在所述历史观看视频的视频数量大于或等于预设视频数量时，基于所述历史观看视频的敏感程度计算第四分量，基于所述历史观看视频的敏感程度和所述视频播放时长计算第五分量，基于所述用户反馈脱敏结果和所述历史观看视频的敏感程度，计算第六分量。
示例性的，预设视频数量小于或等于参考视频的视频总数量，预设视频数量可根据需要自行设置，本实施例不作具体限定。例如预设视频数量为参考视频总数的1/10、1/12等。
示例性的，所述基于所述历史观看视频的敏感程度计算第四分量，基于所述历史观看视频的敏感程度和所述视频播放时长计算第五分量，基于所述用户反馈脱敏结果和所述历史观看视频的敏感程度，计算第六分量，包括：
步骤f11，计算所述历史观看视频的敏感程度的平均值，得到第四分量；
步骤f12，分别计算每一个历史观看视频的视频播放时长和敏感程度的第二乘积，累加每一个第二乘积，得到第一和，累加每一个历史观看视频的视频播放时长，得到第二和，并计算所述第一和与所述第二和的商，得到第五分量；
步骤f13，分别计算每一个历史观看视频的用户反馈脱敏结果和敏感程度的第三乘积，累加每一个第三乘积，得到第三和，累加每一个历史观看视频的用户反馈脱敏结果，得到第四和，并计算所述第三和与所述第四和的商，得到第六分量。
步骤f2，基于所述第四分量、所述第五分量和所述第六分量，确定所述第一用户对所述敏感信息的接受程度。
接受程度L基于公式w4×(sum(vz1,vz2,...,vzn)/n)+w5×(sum(m1×vz1,m2×vz2,...,mn×vzn)/sum(m1,m2,...,mn))+w6×(sum(k1×vz1,k2×vz2,...,kn×vzn)/sum(k1,k2,...,kn))计算得到。其中，sum(vz1,vz2,...,vzn)/n为第四分量，sum(m1×vz1,m2×vz2,...,mn×vzn)/sum(m1,m2,...,mn)为第五分量，sum(k1×vz1,k2×vz2,...,kn×vzn)/sum(k1,k2,...,kn)为第六分量；sum()为求和公式；vzn为上述集合S中视频sn的敏感程度；mn为视频sn的视频播放时长；kn为视频sn的用户反馈脱敏结果(即上述的0或1)；n为视频数量；w4、w5和w6分别为第四预设权重、第五预设权重和第六预设权重，三者均为经验值，可自行根据需要进行调整，例如w4为0.15，w5为0.35，w6为0.5，又如w4为0.25，w5为0.35，w6为0.4。
示例性的，类似于敏感程度，接受程度同样可以为分数或等级。
对于接受程度为分数，可以直接将w4×(sum(vz1,vz2,...,vzn)/n)+w5×(sum(m1×vz1,m2×vz2,...,mn×vzn)/sum(m1,m2,...,mn))+w6×(sum(k1×vz1,k2×vz2,...,kn×vzn)/sum(k1,k2,...,kn))作为接受程度，其取值范围在0-1之间。
对于接受程度为等级，可以通过下式计算得到：[1+xw4×(sum(vz1,vz2,...,vzn)/n)+w5×(sum(m1×vz1,m2×vz2,...,mn×vzn)/sum(m1,m2,...,mn))+w6×(sum(k1×vz1,k2×vz2,...,kn×vzn)/sum(k1,k2,...,kn))]。其中，x与等级数量相关，例如接受程度分为5个等级、则x为4，又如接受程度分为6个等级、则x为5；[]为取整公式，包括向上取整和向下取整，例如计算结果为[4.6]，对于向下取整则接受程度为4、对于向上取整则接受程度为5。
需要说明的是，为确保能够通过敏感程度和接受程度来确定是否对待播放视频进行脱敏处理，敏感程度和接受程度需要同时为评分或同时为等级，特别地，在同时为等级时，两者划分的等级数量应当一致。
步骤S40，若所述待播放视频的敏感程度大于或等于所述接受程度，则对所述待播放视频进行脱敏处理。
可以理解，若敏感程度小于接受程度，则说明第一用户能够接受该敏感程度的视频，即无需为待播放视频进行脱敏处理。
脱敏处理需要对待播放视频的每一个视频帧都进行处理，工作量较大，因此，不建议通过人工来处理。
示例性的，所述确定待播放视频的敏感程度之前，包括：
步骤g，基于预设图像识别模型，对待播放视频进行敏感信息的逐帧识别；若识别到所述敏感信息，则执行所述确定待播放视频的敏感程度步骤。
示例性的，预设图像识别模型为CNN(Convolutional Neural Networks，卷积神经网络)模型、DNN(Deep Neural Network，深度神经网络)模型等，目前，基于AI的图像识别技术已经较为成熟，因此，预设图像识别模型的训练过程在此不再赘述。预设图像识别模型的使用过程为：将从待播放视频的每一个视频帧输入该预设图像识别模型，得到图像识别结果。通过图像识别结果确定是否识别到“暴力”这一敏感信息，并在识别到“暴力”后，对待播放视频进行脱敏处理，以脱敏处理为打码为例，参照图2，201为打码前的一视频帧，203为打码后的该视频帧，202为“暴力”所在区域且未打码，204为“暴力”所在区域且经过打码。
示例性的，所述基于所述历史观看视频，计算所述第一用户对所述敏感信息的接受程度之后，还包括：
步骤h，若所述待播放视频的敏感程度小于所述接受程度，则向所述第一用户的用户终端推送未经脱敏处理的待播放视频。
与用户的年龄和视频类型之间存在唯一对应的关系，导致在用户无法接受视频中的敏感信息时，也无法为用户提供对该敏感信息进行脱敏处理后的视频相比，本申请通过含有敏感信息的历史观看视频，计算用户对该敏感信息的接受程度，并在含有该敏感信息的待播放视频的敏感程度大于或等于接受程度时，对待播放视频进行脱敏处理。即在该用户不能接受该敏感信息时，即使通过该用户的年龄确定该用户能够观看包含该敏感信息的视频，也会对该视频进行脱敏处理。也即，对于同一视频，由于对该视频的敏感信息的接受程度不同，有的用户需要对该视频进行脱敏处理，而有的用户则无需对该视频进行脱敏处理。从而实现通过用户对敏感信息的接受程度，来针对性地确定是否对视频进行脱敏处理，即实现了对视频进行脱敏处理时的千人千面，进而提高了对包含敏感信息的视频进行脱敏的准确性。
此外，本申请还提供一种视频脱敏装置，所述装置包括：
确定模块，用于确定待播放视频的敏感程度，所述待播放视频含有敏感信息；
获取模块，用于获取第一用户的历史观看视频，其中，所述历史观看视频含有所述敏感信息；
计算模块，用于基于所述历史观看视频，计算所述第一用户对所述敏感信息的接受程度；
脱敏模块，用于若所述敏感程度大于或等于所述接受程度，则对所述待播放视频进行脱敏处理。
示例性的，所述确定模块具体用于：
获取含有所述敏感信息的参考视频，并获取所述参考视频的第一播放数据；
基于所述第一播放数据和所述参考视频的时长，确定所述待播放视频的敏感程度。
示例性的，所述第一播放数据包括视频点击量、视频累计播放时长和用户反馈脱敏计数，所述确定模块具体用于：
基于所述视频点击量计算第一分量，基于所述视频点击量、视频累计播放时长和所述参考视频的时长计算第二分量，并基于所述用户反馈脱敏计数计算第三分量；
基于所述第一分量、所述第二分量和所述第三分量，确定所述待播放视频的敏感程度。
示例性的，所述视频点击量包括所述参考视频的总视频点击量和所述待播放视频的单一视频点击量，所述用户反馈脱敏计数包括所述参考视频的总用户反馈脱敏计数和所述待播放视频的单一用户反馈脱敏计数，所述确定模块具体用于：
计算所述总视频点击量与所述单一视频点击量的第一差值，并计算所述第一差值与所述总视频点击量的商，得到第一分量；
计算所述待播放视频的时长与所述单一视频点击量的第一乘积、计算所述第一乘积与所述待播放视频的视频累计播放时长的第二差值，并计算所述第二差值与所述第一乘积的商，得到第二分量；
计算所述单一用户反馈脱敏计数和所述总用户反馈脱敏计数的商，得到第三分量。
示例性的，所述计算模块具体用于：
获取所述第一用户观看所述历史观看视频的第二播放数据；
基于所述第二播放数据和所述历史观看视频的敏感程度，计算所述第一用户对所述敏感信息的接受程度。
示例性的，所述第二播放数据包括用户反馈脱敏结果和视频播放时长，所述计算模块具体用于：
在所述历史观看视频的视频数量大于或等于预设视频数量时，基于所述历史观看视频的敏感程度计算第四分量，基于所述历史观看视频的敏感程度和所述视频播放时长计算第五分量，基于所述用户反馈脱敏结果和所述历史观看视频的敏感程度，计算第六分量；
基于所述第四分量、所述第五分量和所述第六分量，确定所述第一用户对所述敏感信息的接受程度。
示例性的，所述计算模块具体用于：
计算所述历史观看视频的敏感程度的平均值，得到第四分量；
分别计算每一个历史观看视频的视频播放时长和敏感程度的第二乘积，累加每一个第二乘积，得到第一和，累加每一个历史观看视频的视频播放时长，得到第二和，并计算所述第一和与所述第二和的商，得到第五分量；
分别计算每一个历史观看视频的用户反馈脱敏结果和敏感程度的第三乘积，累加每一个第三乘积，得到第三和，累加每一个历史观看视频的用户反馈脱敏结果，得到第四和，并计算所述第三和与所述第四和的商，得到第六分量。
本申请视频脱敏装置具体实施方式与上述视频脱敏方法各实施例基本相同，在此不再赘述。
此外，本申请还提供一种视频脱敏设备。如图3所示，图3是本申请实施例方案涉及的硬件运行环境的结构示意图。
需要说明的是，图3即可为视频脱敏设备的硬件运行环境的结构示意图。
如图3所示，该视频脱敏设备可以包括：处理器3001，例如CPU，存储器3005，用户接口3003，网络接口3004，通信总线3002。其中，通信总线3002用于实现这些组件之间的连接通信。用户接口3003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口3003还可以包括标准的有线接口、无线接口。网络接口3004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器3005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器3005可选的还可以是独立于前述处理器3001的存储装置。
可选地，视频脱敏设备还可以包括RF(Radio Frequency，射频)电路，传感器、音频电路、WiFi模块等等。
本领域技术人员可以理解，图3中示出的视频脱敏设备结构并不构成对视频脱敏设备的限定，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。
如图3所示，作为一种计算机存储介质的存储器3005中可以包括操作系统、网络通信模块、用户接口模块以及视频脱敏程序。其中，操作系统是管理和控制视频脱敏设备硬件和软件资源的程序，支持视频脱敏程序以及其它软件或程序的运行。
在图3所示的视频脱敏设备中，用户接口3003主要用于连接终端，与终端进行数据通信，如接收终端发送的用户信令数据；网络接口3004主要用于后台服务器，与后台服务器进行数据通信；处理器3001可以用于调用存储器3005中存储的视频脱敏程序，并执行如上所述的视频脱敏方法的步骤。
本申请视频脱敏设备具体实施方式与上述视频脱敏方法各实施例基本相同，在此不再赘述。
此外，本申请实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有视频脱敏程序，所述视频脱敏程序被处理器执行时实现如上所述的视频脱敏方法的步骤。
本申请计算机可读存储介质具体实施方式与上述视频脱敏方法各实施例基本相同，在此不再赘述。
此外，为实现上述目的，本申请还提供一种计算机程序产品，包括：计算机程序，所述计算机程序被处理器执行时实现如上所述的视频脱敏方法的步骤。
本申请计算机程序产品具体实施方式与上述视频脱敏方法各实施例基本相同，在此不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括：若干指令用以使得一台终端设备(可以是手机，计算机，服务器，设备，或者网络设备等)执行本申请各个实施例所述的方法。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (9)

1.一种视频脱敏方法，其特征在于，所述方法包括：
确定待播放视频的敏感程度，所述待播放视频含有敏感信息；
获取第一用户的历史观看视频，其中，所述历史观看视频含有所述敏感信息；
基于所述历史观看视频，计算所述第一用户对所述敏感信息的接受程度；
若所述敏感程度大于或等于所述接受程度，则对所述待播放视频进行脱敏处理；
所述确定待播放视频的敏感程度，包括：
获取含有所述敏感信息的参考视频，并获取所述参考视频的第一播放数据；
基于所述第一播放数据和所述参考视频的时长，确定所述待播放视频的敏感程度。
2.如权利要求1所述的方法，其特征在于，所述第一播放数据包括视频点击量、视频累计播放时长和用户反馈脱敏计数，所述基于所述第一播放数据和所述参考视频的时长，确定所述待播放视频的敏感程度，包括：
基于所述视频点击量计算第一分量，基于所述视频点击量、视频累计播放时长和所述参考视频的时长计算第二分量，并基于所述用户反馈脱敏计数计算第三分量；
基于所述第一分量、所述第二分量和所述第三分量，确定所述待播放视频的敏感程度。
3.如权利要求2所述的方法，其特征在于，所述视频点击量包括所述参考视频的总视频点击量和所述待播放视频的单一视频点击量，所述用户反馈脱敏计数包括所述参考视频的总用户反馈脱敏计数和所述待播放视频的单一用户反馈脱敏计数，所述基于所述视频点击量计算第一分量，基于所述视频点击量、视频累计播放时长和所述参考视频的时长计算第二分量，并基于所述用户反馈脱敏计数计算第三分量，包括：
计算所述总视频点击量与所述单一视频点击量的第一差值，并计算所述第一差值与所述总视频点击量的商，得到第一分量；
计算所述待播放视频的时长与所述单一视频点击量的第一乘积、计算所述第一乘积与所述待播放视频的视频累计播放时长的第二差值，并计算所述第二差值与所述第一乘积的商，得到第二分量；
计算所述单一用户反馈脱敏计数和所述总用户反馈脱敏计数的商，得到第三分量。
4.如权利要求1所述的方法，其特征在于，所述基于所述历史观看视频，计算所述第一用户对所述敏感信息的接受程度，包括：
获取所述第一用户观看所述历史观看视频的第二播放数据；
基于所述第二播放数据和所述历史观看视频的敏感程度，计算所述第一用户对所述敏感信息的接受程度。
5.如权利要求4所述的方法，其特征在于，所述第二播放数据包括用户反馈脱敏结果和视频播放时长，所述基于所述第二播放数据和所述历史观看视频的敏感程度，计算所述第一用户对所述敏感信息的接受程度，包括：
在所述历史观看视频的视频数量大于或等于预设视频数量时，基于所述历史观看视频的敏感程度计算第四分量，基于所述历史观看视频的敏感程度和所述视频播放时长计算第五分量，基于所述用户反馈脱敏结果和所述历史观看视频的敏感程度，计算第六分量；
基于所述第四分量、所述第五分量和所述第六分量，确定所述第一用户对所述敏感信息的接受程度。
6.如权利要求5所述的方法，其特征在于，所述基于所述历史观看视频的敏感程度计算第四分量，基于所述历史观看视频的敏感程度和所述视频播放时长计算第五分量，基于所述用户反馈脱敏结果和所述历史观看视频的敏感程度，计算第六分量，包括：
计算所述历史观看视频的敏感程度的平均值，得到第四分量；
分别计算每一个历史观看视频的视频播放时长和敏感程度的第二乘积，累加每一个第二乘积，得到第一和，累加每一个历史观看视频的视频播放时长，得到第二和，并计算所述第一和与所述第二和的商，得到第五分量；
分别计算每一个历史观看视频的用户反馈脱敏结果和敏感程度的第三乘积，累加每一个第三乘积，得到第三和，累加每一个历史观看视频的用户反馈脱敏结果，得到第四和，并计算所述第三和与所述第四和的商，得到第六分量。
7.一种视频脱敏装置，其特征在于，所述装置包括：
确定模块，用于确定待播放视频的敏感程度，所述待播放视频含有敏感信息；
获取模块，用于获取第一用户的历史观看视频，其中，所述历史观看视频含有所述敏感信息；
计算模块，用于基于所述历史观看视频，计算所述第一用户对所述敏感信息的接受程度；
脱敏模块，用于若所述敏感程度大于或等于所述接受程度，则对所述待播放视频进行脱敏处理；
所述确定模块具体用于：
获取含有所述敏感信息的参考视频，并获取所述参考视频的第一播放数据；
基于所述第一播放数据和所述参考视频的时长，确定所述待播放视频的敏感程度。
8.一种视频脱敏设备，其特征在于，所述视频脱敏设备包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的视频脱敏程序，所述视频脱敏程序被所述处理器执行时实现如权利要求1至6中任一项所述的视频脱敏方法的步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有视频脱敏程序，所述视频脱敏程序被处理器执行时实现如权利要求1至6中任一项所述的视频脱敏方法的步骤。
CN202210655240.XA 2022-06-10 2022-06-10 视频脱敏方法、装置、设备及存储介质 Active CN115086772B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210655240.XA CN115086772B (zh) 2022-06-10 2022-06-10 视频脱敏方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210655240.XA CN115086772B (zh) 2022-06-10 2022-06-10 视频脱敏方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN115086772A CN115086772A (zh) 2022-09-20
CN115086772B true CN115086772B (zh) 2023-09-05

Family

ID=83251727

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210655240.XA Active CN115086772B (zh) 2022-06-10 2022-06-10 视频脱敏方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115086772B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106973317A (zh) * 2016-12-30 2017-07-21 华为软件技术有限公司 多媒体数据处理方法、多媒体数据提供方法、装置及系统
EP3474247A1 (en) * 2017-10-17 2019-04-24 Nokia Technologies Oy Media content privacy control
CN111209440A (zh) * 2020-01-13 2020-05-29 腾讯科技（深圳）有限公司 一种视频播放方法、装置和存储介质
CN111416997A (zh) * 2020-03-31 2020-07-14 百度在线网络技术（北京）有限公司 视频播放方法、装置、电子设备和存储介质
CN111654752A (zh) * 2020-06-28 2020-09-11 腾讯科技（深圳）有限公司 多媒体信息播放方法、装置及相关设备
CN112989414A (zh) * 2021-03-21 2021-06-18 贵州大学 基于宽度学习的移动业务数据脱敏规则生成方法
CN113347464A (zh) * 2021-04-30 2021-09-03 北京奇艺世纪科技有限公司 一种视频播放流量预测方法、装置、电子设备及存储介质
CN114117124A (zh) * 2021-11-25 2022-03-01 武汉卓尔数字传媒科技有限公司 一种视频推荐方法、装置、电子设备及存储介质
CN114463674A (zh) * 2022-01-04 2022-05-10 北京快乐茄信息技术有限公司 一种视频审核的方法和装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106973317A (zh) * 2016-12-30 2017-07-21 华为软件技术有限公司 多媒体数据处理方法、多媒体数据提供方法、装置及系统
EP3474247A1 (en) * 2017-10-17 2019-04-24 Nokia Technologies Oy Media content privacy control
CN111209440A (zh) * 2020-01-13 2020-05-29 腾讯科技（深圳）有限公司 一种视频播放方法、装置和存储介质
CN111416997A (zh) * 2020-03-31 2020-07-14 百度在线网络技术（北京）有限公司 视频播放方法、装置、电子设备和存储介质
CN111654752A (zh) * 2020-06-28 2020-09-11 腾讯科技（深圳）有限公司 多媒体信息播放方法、装置及相关设备
CN112989414A (zh) * 2021-03-21 2021-06-18 贵州大学 基于宽度学习的移动业务数据脱敏规则生成方法
CN113347464A (zh) * 2021-04-30 2021-09-03 北京奇艺世纪科技有限公司 一种视频播放流量预测方法、装置、电子设备及存储介质
CN114117124A (zh) * 2021-11-25 2022-03-01 武汉卓尔数字传媒科技有限公司 一种视频推荐方法、装置、电子设备及存储介质
CN114463674A (zh) * 2022-01-04 2022-05-10 北京快乐茄信息技术有限公司 一种视频审核的方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
徐伟平 ; .浅谈移动视频技术.科技资讯.2007,(09),全文. *

Also Published As

Publication number Publication date
CN115086772A (zh) 2022-09-20

Similar Documents

Publication Publication Date Title
CN107038213B (zh) 一种视频推荐的方法及装置
CN109769128B (zh) 视频推荐方法、视频推荐装置和计算机可读存储介质
US8959456B2 (en) Information processing device, information processing method, and program for providing candidate information to a user
CN103686237B (zh) 推荐视频资源的方法及系统
US20090138326A1 (en) Apparatus and method for updating user profile
CN103718166A (zh) 信息处理设备、信息处理方法和计算机程序产品
CN110364146A (zh) 语音识别方法、装置、语音识别设备及存储介质
CN108322317A (zh) 一种账号识别关联方法及服务器
CN110096617B (zh) 视频分类方法、装置、电子设备及计算机可读存储介质
CN107222787A (zh) 视频资源流行度预测方法
US20170169062A1 (en) Method and electronic device for recommending video
CN110248249A (zh) 一种视频推荐方法、视频推荐设备及服务器
CN104657457B (zh) 一种用户评价视频的数据处理方法、视频推荐方法及装置
CN116629937A (zh) 营销策略推荐方法及装置
CN110825974B (zh) 推荐系统内容排序方法及装置
CN114024737B (zh) 确定直播间刷量的方法、装置及计算机可读存储介质
CN115086772B (zh) 视频脱敏方法、装置、设备及存储介质
CN106534984A (zh) 电视节目推送方法及装置
CN112686690B (zh) 数据处理方法、装置、电子设备及计算机可读存储介质
CN111325572B (zh) 一种数据处理方法及装置
CN112463856A (zh) 一种基于实时虚拟互动的性格特征分析方法、装置及终端设备
CN112289405A (zh) 配速推荐方法、装置、电子设备和存储介质
CN112804566A (zh) 节目推荐方法、设备及计算机可读存储介质
CN110210884B (zh) 确定用户特征数据的方法、装置、计算机设备及存储介质
KR102362582B1 (ko) 통계 데이터 전처리 방법, 서버 및 컴퓨터 판독가능매체

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