CN115362438A - 在多媒体消息传送应用中对可修改视频进行搜索和排序 - Google Patents

Abstract

提供了一种用于在多媒体消息传送应用(MMA)中对可修改视频进行搜索和排序的系统。在一个示例性实施例中，该系统包括：被配置为存储可修改视频的数据库，该可修改视频与文本消息和排序相关联；处理器；和存储器，其存储处理器可执行代码，其中，该处理器被配置为在执行该处理器可执行代码时实现以下操作：经由该MMA接收用户的输入；基于该输入从该数据库中选择相关的可修改视频的列表；经由该MMA渲染相关的可修改视频的列表以供用户观看；确定该用户已经分享来自该列表的可修改视频；将关于该列表和该分享的可修改视频的信息存储到统计日志中；以及基于该统计日志中的信息来更新该数据库中的可修改视频的排序。

Description

在多媒体消息传送应用中对可修改视频进行搜索和排序

技术领域

本公开总体上涉及多媒体消息传送应用(MMA)，更具体地，涉及在MMA中对可修改视频进行搜索和排序。

背景技术

分享媒体(诸如贴纸和表情符号)已经成为MMA中的标准选项。当前，一些MMA向用户提供了用户通过通信聊天交换短视频的选项。这些短视频可以被预先生成并存储在数据库中，并根据需要提供给MMA。

附图说明

在附图中以示例而非限制的方式示出了实施例，其中相同的附图标记表示相似的元件。

图1是示出其中可以实现用于在MMA中对可修改视频进行搜索和排序的系统和方法的示例性环境的框图。

图2是示出用于实现对可修改视频进行搜索和排序的方法的计算设备的示例性实施例的框图。

图3是示出了根据本公开的一些示例性实施例的用于对可修改视频进行排序和搜索的系统的框图。

图4是示出了根据本公开的一些示例性实施例的可修改视频的类别的示意图。

图5示出了根据本公开的示例性实施例的MMA中的通信聊天的示例画面。

图6是示出了根据示例性实施例的用于在MMA中对可修改视频进行搜索和排序的方法的流程图。

图7示出了可用于实现用于对可修改视频进行搜索和排序的方法的示例性计算机系统。

具体实施方式

以下对实施例的详细描述包括对构成详细描述的一部分的附图的参考。本部分中描述的方法不是权利要求的现有技术，并且不通过包括在本部分中而承认现有技术。附图示出了根据示例性实施例的图示。这些示例性实施例(在本文中也称为“示例”)被足够详细地描述以使本领域技术人员能够实践本主题。可以组合这些实施例，可以利用其他实施例，或者可以在不脱离所要求保护的范围的情况下进行结构、逻辑和操作上的改变。因此，下面的详细描述不应被认为是限制性的，并且范围由所附权利要求及其等效物限定。

本文所提供的公开内容针对在MMA中使用的短视频的搜索和排序。此处也称为可修改视频的短视频可以包括短电影或视频剪辑。MMA是可在个人计算设备(PCD)(诸如智能电话、平板、笔记本等)上执行的应用。MMA可以实现通信聊天，PCD的用户可以使用其来交换消息和从短视频生成的个性化视频。

短视频可以由MMA的开发者生成并存储在数据库中。数据库可以驻留在计算云中。当使用MMA时，用户可以观看各种类别(例如“最近”、“特色”、“问候”、“爱”、“快乐”、“难过”、“庆祝”等)下的短视频。“最近”类别可以为用户个性化，并且包括用户最近与其他用户分享的短视频。在一个实施例中，“最近”类别中的短视频数量可被限制为预定数量。如果最近分享的短视频的数量小于预定数量，则“最近”类别的其余位置可以用来自“特色”类别的短视频来填充。

MMA还可以包括“搜索”选项。在选择“搜索”选项时，用户能够键入包括一个或多个关键字的搜索请求。在提交搜索请求并返回响应时，用户可以浏览在数据库中找到并在对搜索请求的响应中返回的短视频列表。可以基于短视频的排序来执行短视频的搜索。

在一些示例性实施例中，用户可以从类别或搜索结果中选择短视频并经由通信聊天分享所选择的短视频。所选择的短视频可以包括帧，并且一些帧可以包括为面部图像指定的区域。面部图像也可以被称为自拍。MMA可允许用户使用与PCD相关联的相机应用或由用户提供的照片来产生自拍。自拍可以插入到帧中的区域中。帧可以包括表示面部表情的一组面部参数。当被插入到帧中时，自拍可以采用面部表情。当短视频被播放时，自拍可以跨短视频的帧改变面部表情。所选择的短视频可以包括预先生成的文本消息。在经由通信聊天发送短视频之前，用户可以修改文本消息和文本消息的样式。

本文提供的本公开的一些实施例涉及更新类别中的短视频列表。例如，MMA可以根据预定时间表更新类别中的列表。更新可以包括向类别添加新的短视频。更新还可包括基于该数据库中的短视频的当前排序来刷新类别中的短视频列表的其余部分。可以基于从用户收集的统计来更新数据库中的短视频的排序。这些统计可以包括每个短视频的转换率。短视频的转换率可以被确定为用户经由通信聊天发送短视频的次数与用户观看短视频的次数的比率。每次用户观看类别中的短视频时，可以更新统计，并且如果用户发送短视频则递增统计，或者如果用户不经由通信聊天发送短视频则递减统计。

在一些示例性实施例中，短视频的排序可以基于三个因素来确定：相关性、流行度和新鲜度。相关性可被确定为将短视频匹配到特定类别的度量。流行度可以基于短视频的转换率。新鲜度可以基于从短视频被创建并存储到数据库所经过的时间。短视频的排序可以基于加权因子的特定组合。匹配用户意图的特定组合可以例如通过实验或基于历史数据来确定。还可以基于用户日志和用户反馈来确定特定组合。

本公开的一些实施例可以包括响应于用户请求更新用于搜索短视频的算法。MMA还可以包括用于执行在数据库中搜索短视频的算法的搜索引擎。搜索引擎可以驻留在PCD上或计算云中。

存储在数据库中的短视频可以被分配属性以便于搜索。属性可包括短视频的创建时间、短视频的排序、搜索标签和搜索描述。更新用于搜索的算法可以包括更新数据库中短视频的排序，以及调整短视频的搜索标签和搜索描述以匹配用户请求中的用户意图。可以删除、编辑或添加搜索标签和搜索描述。

用于搜索短视频的算法可以基于使用机器学习的一个或多个模型，诸如人工神经网络(ANN)、决策树、支持向量机(SVM)、回归分析等。模型的训练集可以基于用户日志和用户反馈。例如，日志可以包括以下：用户请求->响应于用户请求找到的短视频列表->由用户观看的短视频列表->由用户发送的短视频或没有发送短视频的指示。基于用户日志，可以创建一组短视频对，每对包括第一短视频和第二短视频。第一短视频可以包括在用户请求之后由用户审阅和发送的短视频。第二短视频可以包括在用户请求之后由用户审阅但不发送的短视频。然后可以使用该组对来训练搜索算法的模型。

本公开的一些示例性实施例还可以包括用于比较两种搜索算法的技术。第一比较技术可以包括A/B测试。搜索算法A和搜索算法B可以在测试周期(例如，一周)期间使用两组用户同时测试。可以基于每个算法的用户日志来计算度量。度量可以基于在搜索请求之后由用户发送的短视频的数量与由搜索算法处理的搜索请求的数量的比率。如果搜索算法A的度量高于搜索算法B的度量，则可以更新搜索引擎以使用搜索算法A。

第二种比较技术可以基于各种实验请求和对请求的响应的分组。对请求的响应可以包括短视频列表。列表中的短视频可以通过参考算法进行排序。相同的请求包可由第一搜索算法处理以获得第一响应包，其中响应包括由第一搜索算法排序的短视频列表。第一度量可以基于由参考算法确定的短视频的排序与由第一搜索算法确定的短视频的排序之间的差异来计算。类似地，请求包可由第二搜索算法处理以获得第二响应包，其中响应包括由第二搜索算法排序的短视频列表。第二度量可以基于由参考算法确定的短视频的排序与由第二搜索算法确定的短视频的排序的差异来计算。如果第一度量低于第二度量，则可以更新搜索引擎以使用第一搜索算法。如果第二度量低于第一度量，则可以更新搜索引擎以使用第二搜索算法。

第三种比较技术可以基于两种搜索算法的结果质量的评估。首先，可以生成一组请求。该组请求可以包括例如对短视频的50至100个搜索请求。然后，可以通过第一搜索算法处理每个请求以获得第一短视频列表，并通过第二搜索算法处理每个请求以获得第二短视频列表。可以比较第一短视频列表和第二短视频列表以确定哪个列表具有更好的质量。因此，如果第一搜索算法产生较高质量的列表，则增加第一计数器，或者如果第二算法产生较高质量的列表，则增加第二计数器。在对该组中的所有请求重复该过程之后，可以选择具有较大计数器的算法来更新搜索引擎。

图1示出了示例性环境100，其中，实践用于对可修改视频进行搜索和排序的方法。环境100可以包括PCD 105、用户102、PCD 110、用户104、网络120、消息传送服务器系统(MSS)130。PCD 105和PCD 110可以指诸如移动电话、智能电话或平板电脑的移动设备。然而，在其他实施例中，PCD 110可指个人电脑、笔记本电脑、上网本、机顶盒、电视设备、多媒体设备、个人数字助理、游戏控制台、娱乐系统、信息娱乐系统、车辆计算机或任何其他计算设备。

PCD 105和PCD 110可以经由网络120通信地连接到MSS 130。MSS130可以实现为基于云的计算资源。MSS 130可以包括在远程位置可用并且可通过网络(例如，因特网)访问的计算资源(硬件和软件)。基于云的计算资源可由多个用户共享并基于需求动态地重新分配。基于云的计算资源可以包括一个或多个服务器群/集群，该服务器群/集群包括可以与网络交换机或路由器共处一地的计算机服务器的集合。

网络120可以包括任何有线、无线或光网络，包括例如因特网、内联网、局域网(LAN)、个人区域网(PAN)、广域网(WAN)、虚拟专用网(VPN)、蜂窝电话网络(例如全球移动通信系统(GSM)通信网络)等。

在本公开的一些实施例中，PCD 105和PCD 110可以包括MMA 160，MMA 160被配置为实现用户102和用户104之间的通信聊天。用户102和用户104可以在通信聊天期间交换文本消息和视频。视频可以包括个性化视频。可以基于存储在PCD 105或PCD 110中的短视频来生成个性化视频。在一些实施例中，短视频可以存储在MSS 130中，并且根据需要经由MMA160下载到PCD 105或PCD 110。

MSS 130可以包括用于存储短视频的短视频数据库145。短视频可以基于动画化视频或实况动作视频来生成。短视频可被下载到PCD 105或PCD 110。MSS 130可以包括用于存储短视频的下载统计以确定视频模板的流行度度量的统计日志150。流行度度量可基于用户年龄、用户性别、地理区域等被分成类别。统计日志150还可存储PCD 105和PCD 110的用户经由MMA 160分享短视频的统计。

MSS 130还可以被配置为存储用户简档135。用户简档135可以包括用户102的面部图像、用户104的面部图像和其他人的面部图像。面部图像可按需并基于许可被下载到PCD105或PCD 110。另外，用户102的面部图像可使用PCD 105产生并存储在PCD 105的本地存储器中。面部图像可以基于存储在PCD 105中的其他图像来生成。面部图像可进一步由PCD105使用以基于短视频产生个性化视频。类似地，PCD 110可用于生成用户104的面部图像。用户104的面部图像可用于在PCD 110上从短视频生成个性化视频。

在其他实施例中，用户102的面部图像和用户104的面部图像均可用于在PCD 105或PCD 110上产生个性化视频。

在一些实施例中，短视频可包括预设的默认文本消息。短视频还可以包括用于在基于短视频生成的个性化视频中动画化预设的默认文本消息的预设文本参数。PCD 105和PCD 110可被配置为播放伴随基于预设文本参数动画化的预设文本消息的个性化视频。在个性化视频的播放期间，MMA 160可提供改变预设的默认文本消息和用于在个性化视频中显示文本消息的参数的选项。当播放个性化视频时，PCD 105可以动态地改变个性化视频中的预设的默认文本消息。用户105然后可经由MMA 160将具有改变的文本消息的个性化视频发送到PCD 110的用户104。

图2是示出用于实现对短视频进行搜索和排序的方法的PCD 105(或PCD 110)的示例性实施例的框图。在图2所示的示例中，PCD 105包括硬件部件和软件部件。具体地，PCD105包括相机205或任何其他图像捕获设备或扫描仪以获取数字图像。PCD 105还可包括处理器模块210和用于存储软件部件和处理器可读(机器可读)指令或代码的内存存储器215，该指令或代码在由处理器模块210执行时使PCD 105执行如本文所述的用于对可修改视频进行搜索和排序的方法的至少一些步骤。PCD 105可包括图形显示系统230和通信模块240。在其他实施例中，PCD 105可以包括附加的或不同的部件。此外，PCD 105可以包括更少的执行与图2所示的功能类似或等同的功能的部件。

PCD 105还可以包括MMA 160。MMA 160可被实现为内存存储器215中存储的软件部件和处理器可读(机器可读)指令或代码，当处理器模块210执行该指令或代码时，使PCD105执行如本文所述的用于提供通信聊天、生成个性化视频以及搜索个性化视频的短视频的方法的至少一些步骤。经由图形显示系统230提供MMA 160的用户界面。MMA 160可经由通信模块240和网络120实现通信聊天。通信模块240可以包括GSM模块、WiFi模块、Bluetooth^TM模块等。

图3是示出了根据示例性实施例的用于对可修改视频进行搜索和排序的示例系统300的框图。系统300可以包括目录模块310和搜索引擎320。系统300可以驻留在MSS 130中。

目录模块310可被配置为提供短视频列表。每个列表可以包括与某个类别匹配并且在短视频数据库145中的短视频中具有最高排序的短视频。目录模块310可基于统计日志150中的信息确定短视频的排序。排序可以基于流行度度量。流行度度量可基于用户经由MMA 160在通信聊天中分享的基于短视频生成的个性化视频的次数与MMA的用户对可修改视频的观看次数的比率。

图4示出了根据一些示例性实施例的短视频的类别。MMA 160的用户可以观看在“最近”、“特色”、“问候”、“爱”、“快乐”、“难过”、“庆祝”类别下的短视频。“最近”类别可以为用户个性化，并且包括用户最近与其他用户分享的短视频。每个类别中短视频的数量可以限制为预定数量。如果最近分享的短视频的数量小于预定数量，则“最近”类别中缺失的短视频可被来自“特色”类别的短视频填充。“特色”类别可以用在短视频数据库145中的所有短视频中排序最高的短视频来填充。

短视频数据库145中的短视频可以包括以下属性：搜索标签、搜索描述和将短视频添加到短视频数据库的时间。目录模块310可根据预定时间表(例如，每天或每周)周期性地更新短视频数据库中短视频的排序和短视频类别列表。目录模块310可以基于某个类别与来自短视频数据库145中的短视频的搜索标签和搜索描述相匹配来确定该短视频与该类别相匹配。在一些实施例中，短视频类别列表中的预定数量的位置可填充有与类别匹配并最近添加到短视频数据库145中的短视频。列表中的剩余位置可由短视频数据库145中具有最高排序的短视频填充。短视频类别的更新列表可被发送到MMA 160。

搜索引擎320可以从MMA接收请求。该请求可以包括一个或多个关键字。搜索引擎320可以在短视频数据库145中执行搜索以确定匹配关键字的相关短视频的列表。

图5示出了根据本公开的示例性实施例的由MMA 160提供的通信聊天的示例画面500。轻敲快速搜索图标515可以打开搜索选项卡520上的贴纸拾取器。搜索选项卡520可以允许MMA 160的用户选择个性化视频510之一。个性化视频510可以从由搜索选项卡520基于搜索串505中的用户键入的关键字确定的短视频生成。用户的自拍可以被插入到个性化视频510中，并且可以根据在短视频中指定的面部表情参数具有情绪再现和在其周围一些视觉元素。每当用户改变搜索串505中的关键字时，更新个性化视频510列表。

在一个实施例中，搜索引擎320可基于短视频的排序从短视频数据库145中选择短视频。搜索引擎320所使用的短视频的排序可以不同于目录模块310所使用的短视频的排序。可以基于相关性因子、新鲜度因子和流行度因子的加权和来确定搜索引擎320所使用的短视频的排序。相关性因子可以基于将可修改视频的搜索标签和搜索描述与搜索串中的关键字相匹配的度量。新鲜度因子可以基于将可修改视频添加到短视频数据库145的时间。流行度因子基于用户经由MMA分享可修改视频的次数与MMA的用户对可修改视频的观看次数的比率。相关性因子、新鲜度因子和流行度因子的权重可以基于统计日志150中的历史数据来确定。也可以基于用户反馈来确定权重的特定组合。

在一些实施例中，统计日志150和用户反馈可用于调整短视频的搜索标签和搜索描述以匹配用户请求中的用户意图。可以删除、编辑或添加搜索标签和搜索描述。

在某些实施例中，搜索引擎320可以应用搜索算法，用于响应于由关键字指定的用户请求来选择最相关的短视频。搜索可以基于使用机器学习的一个或多个模型，诸如人工神经网络(ANN)、决策树、SVM、回归分析等。可以基于统计日志150和用户反馈来生成模型的训练集。

在一些实施例中，统计日志150可以包括以下记录：用户请求->响应于用户请求找到的短视频列表->由用户观看的短视频列表->由用户经由MMA 160发送的短视频或未发送短视频的指示。可以从一组用户的PCD收集记录。

基于统计日志150，可以创建一组短视频对，每对包括第一短视频和第二短视频。第一短视频是在用户请求之后由用户审阅和发送的短视频。第二短视频是在用户请求之后由用户审阅但未发送的短视频。然后使用该组对来训练用于搜索算法的模型。

本公开的一些示例性实施例还可以包括用于比较两种搜索算法的技术。在一个实施例中，比较技术包括A/B测试。搜索算法A和搜索算法B可以在一个测试周期(例如，一周)期间对两组用户进行同步测试。对于每个算法，可以基于一周期间收集的统计日志150来计算度量。度量可以基于在搜索请求之后由用户发送的短视频的数量与由搜索算法处理的搜索请求的数量的比率。如果搜索算法A的度量高于搜索算法B的度量，则可以更新搜索引擎320以使用搜索算法A。如果搜索算法B的度量高于搜索算法A的度量，则可以更新搜索引擎320以使用搜索算法B。

在另一示例性实施例中，比较技术可以基于各种实验请求包{R}＝{R1,R2,...,Rn}和对请求的响应{Ref_Reels}＝{{Ref_Reel_11,Ref_Reel_12,...,Ref_Reel_1m},{Ref_Reel_21,Ref_Reel_22,...,Ref_Reel_2m},...,{Ref_Reel_N1,Ref_Reel_N2,...,Ref_Reel_Nm}}。可以使用参考算法来生成对请求{R}的响应{Ref_Reels}。参考算法可以响应地确定短视频的排序，并根据排序对短视频排列。如上所述，排序可被确定为相关性因子、新鲜度因子和流行度因子的加权和，其中相关性因子取决于请求中的关键字。

参考算法可以在一组有序的短视频对{(Reel_k_1；Reel_k_2)},k＝1,...,N上训练，其中Reel_k_1被分配的排序高于Reel_k_2。例如，可以通过手动检查与请求{R}中的关键字相匹配的短视频对，确定短视频对中的哪个短视频应当具有更高的排序并且在短视频对中排列来生成该组有序短视频对。

相同的请求包{R}可由第一搜索算法处理以获得第一响应包{A_Reels}＝{{A_Reel_11,A_Reel_12,...,A_Reel_1m},{A_Reel_21,A_Reel_22,...,A_Reel_2m},...,{A_Reel_N1,A_Reel_N2,...,A_Reel_Nm}}，其中响应包括由第一搜索算法产生和排序的短视频列表。第一度量可以基于由参考算法确定的响应{Ref_Reels}和由第一搜索算法确定的响应{A_Reels}中的差异来计算。

类似地，请求包{R}可由第二搜索算法处理以获得第二响应包{B_Reels}＝{{B_Reel_11,B_Reel_12,…,B_Reel_1m},{B_Reel_21,B_Reel_22,…,B_Reel_2m},...,{B_Reel_N1,B_Reel_N2,…,B_Reel_Nm}}，其中响应包括由第二搜索算法产生和排序的短视频列表。可以基于由参考算法确定的响应{Ref_Reels}和由第二搜索算法确定的响应{B_Reels}中的差异来计算第二度量。如果第一度量低于第二度量，则可以更新搜索引擎320以使用第一搜索算法。如果第二度量低于第一度量，则可以更新搜索引擎320以使用第二搜索算法。

在又一示例性实施例中，比较技术可以基于对两种搜索算法的结果的质量的评估。首先，可以生成一组请求{R}＝{R1,R2,...,Rn}。该组请求{R}可以包括例如50至100个搜索请求。搜索请求可以包括不同的关键字。

每个请求Ri,i＝1,...,n，可以由第一搜索算法处理以获得第一短视频列表{A_Reel_i}＝{A_Reel_1_i,A_Reel_2_i,...,A_Reel_m_i}}以及由第二搜索算法处理以获得第二短视频列表{B_Reel_i}＝{B_Reel_1_i,B_Reel_2_i,...,B_Reel_m_i}}。可以比较第一短视频列表{A_Reel_i}和第二列表{B_Reel_i}，以确定哪个列表具有更好的质量。第一短视频列表{A_Reel_i}和第二短视频列表{B_Reel_i}的质量估计可以手动执行。

如果列表{A_Reel_i}具有比列表{B_Reel_i}更好的质量，则增加第一计数器C_A。如果列表{B_Reel_i}具有比列表{B_Reel_i}更好的质量，则增加第二计数器C_B。对组{R}中的所有请求重复该过程。如果C_A>C_B，则用第一搜索算法更新搜索引擎320。如果C_B>C_A，则用第二搜索算法更新搜索引擎320。

图6是示出了根据一些示例性实施例的用于选择和排序可修改视频的方法600的流程图。方法600可以由参考图3描述的系统300在参考图1描述的示例性环境100中实现。

在框605中，方法600可开始于经由MMA接收用户的输入。在一个实施例中，输入可以包括可修改视频的类别。在另一个实施例中，输入可以包括搜索请求。搜索请求可以包括至少一个关键字。

在框610，方法600可基于输入从被配置为存储可修改视频的数据库中选择相关的可修改视频的列表。可修改视频可以与文本消息和排序相关联。如果输入包括类别，则相关的可修改视频的列表可以包括与该类别匹配的可修改视频。类别可以基于经由MMA分享可修改视频的时间、用户经由MMA分享可修改视频的次数，和与可修改视频的文本消息相关联的情绪状态。

可以根据预定时间表(例如，每天或每周)来更新该类别的相关的可修改视频的列表。更新列表可以通过用最近添加到数据库的可修改视频填充列表的预定第一位置并且用具有最高排序的可修改视频填充列表中的其余位置来执行。可修改视频的排序可以基于用户经由MMA分享可修改视频的次数与MMA的用户对可修改视频的观看次数的比率。

如果输入包括搜索请求，则可以通过搜索算法从具有最高排序的可修改视频中选择相关的可修改视频的列表。在这种情况下，可修改视频的排序可以基于搜索请求中的关键字。例如，可修改视频的排序可以基于相关性因子、新鲜度因子和流行度因子的加权和。相关性因子可以基于可修改视频的搜索标签和搜索描述与至少一个关键字的匹配程度。新鲜度因子可以基于可修改视频添加到数据库的时间。流行度因子可基于用户经由MMA分享可修改视频的次数与MMA的用户对可修改视频的观看次数的比率。相关性因子、新鲜度因子和流行度因子的权重可以由机器学习模型基于来自统计日志的历史数据确定。

在框615中，方法600可经由MMA渲染相关的可修改视频的列表以供用户观看。MMA可以存储关于由用户观看的可修改视频的信息。

在框620中，方法600可确定用户已经由MMA分享来自该列表的可修改视频。MMA可以存储关于用户经由MMA分享的可修改视频的信息。

在框625中，方法600可将关于列表和分享的可修改视频的信息存储到统计日志中。该信息可以包括具有输入的记录，该输入具有类别或搜索请求，响应于该输入呈现给用户的可修改视频的列表，由用户经由MMA分享的来自列表的可修改视频，或者用户没有分享来自列表的任何可修改视频的指示。

在框630中，方法600可基于统计日志中的信息来更新数据库中的可修改视频的排序。可以通过调整可修改视频的搜索标签或搜索描述来更新可修改视频的排序。统计日志还可用于更新搜索算法。例如，统计日志可用于更新相关性因子、新鲜度因子和流行度因子的权重。

图7图示了可用于实现本文所述的方法的示例计算系统700。计算系统700可以在PCD 105和110、MSS 130、MMA 160以及用于可修改视频的搜索和排序的系统300等的上下文中实现。

如图7所示，计算系统700的硬件部件可包括一个或多个处理器710和存储器720。存储器720部分地存储由处理器710执行的指令和数据。存储器720可以存储在系统700运行时可执行代码。系统700还可以包括可选的大容量存储设备730、可选的便携式存储介质驱动器740、一个或多个可选输出设备750、一个或多个可选输入设备760、可选网络接口770和一个或多个可选外围设备780。计算系统700还可包括一个或多个软件部件795(例如，可实现如本文所述的用于提供个性化视频的方法的软件部件)。

图7中所示的部件被描绘为经由单个总线790连接。这些部件可以通过一个或多个数据传输装置或数据网络连接。处理器710和存储器720可经由本地微处理器总线连接，且大容量存储设备730、外围设备780、便携式存储设备740和网络接口770可经由一个或多个输入/输出(I/O)总线连接。

可以用磁盘驱动器、固态磁盘驱动器或光盘驱动器实现的大容量存储设备730是用于存储供处理器710使用的数据和指令的非易失性存储设备。大容量存储设备730可存储用于实施本文中所描述的实施例的系统软件(例如，软件部件795)。

便携式存储介质驱动器740与诸如光盘(CD)或数字视频盘(DVD)的便携式非易失性存储介质一起操作，以向计算系统700输入数据和代码以及从计算系统700输出数据和代码。用于实现本文描述的实施例的系统软件(例如，软件部件795)可以存储在这样的便携式介质上，并经由便携式存储介质驱动器740输入到计算系统700。

可选输入设备760提供用户接口的一部分。输入设备760可以包括用于输入字母数字和其他信息的诸如键盘的字母数字小键盘，或诸如鼠标、跟踪球、指示笔或光标方向键的定点设备。输入设备760还可以包括相机或扫描仪。另外，如图7所示的系统700包括可选的输出设备750。合适的输出设备包括扬声器、打印机、网络接口和监视器。

网络接口770可用于经由一个或多个通信网络与外部设备、外部计算设备、服务器和联网系统通信、该一个或多个通信网络诸如包括例如因特网、内联网、LAN、WAN、蜂窝电话网络、蓝牙无线电和基于IEEE 802.11的射频网络等的一个或多个有线、无线或光网络。网络接口770可以是网络接口卡，诸如以太网卡、光收发器、射频收发器，或能够发送和接收信息的任何其他类型的设备。可选外围设备780可包括任何类型的计算机支持设备，以向计算机系统添加附加功能。

包含在计算系统700中的部件旨在表示广泛类别的计算机部件。因此，计算系统700可以是服务器、个人计算机、手持式计算设备、电话、移动计算设备、工作站、小型计算机、大型计算机、网络节点或任何其他计算设备。计算系统700还可以包括不同的总线配置、联网平台、多处理器平台等。可以使用各种操作系统(OS)，包括UNIX、Linux、Windows、MacintoshOS、PalmOS、iOS、Android和其他合适的操作系统。

上述功能中的一些可以由存储在存储介质(例如，计算机可读介质或处理器可读介质)上的指令组成。指令可由处理器检索和执行。存储介质的一些示例是存储器设备、磁带、磁盘等。该指令在由处理器执行时可操作以引导处理器根据本发明操作。本领域技术人员熟悉指令、处理器和存储介质。

值得注意的是，适用于执行本文该处理的任何硬件平台都适用于本公开。本文使用的术语“计算机可读存储媒介”和“计算机可读存储介质”是指参与向处理器提供指令以供执行的任何介质。这种介质可以采取多种形式，包括但不限于非易失性介质、易失性介质和传输介质。非易失性介质包括例如光盘或磁盘，诸如固定盘。易失性介质包括动态存储器，诸如系统随机存取存储器(RAM)。传输介质包括同轴电缆、铜线和光纤等，包括包含总线的一个实施例的导线。传输介质还可以采用声波或光波的形式，诸如在射频(RF)和红外(IR)数据通信期间产生的声波或光波。计算机可读介质的常见形式包括例如软盘、柔性盘、硬盘、磁带、任何其他磁介质、CD只读存储器(ROM)盘、DVD、任何其他光学介质、具有标记或孔图案的任何其他物理介质、RAM、PROM、EPROM、EEPROM、任何其他存储器芯片或盒、载波、或计算机可以从其读取的任何其他介质。

各种形式的计算机可读介质可涉及将一个或多个指令的一个或多个序列载运到处理器以供执行。总线将数据传送到系统RAM，处理器从系统RAM检索并执行指令。由系统处理器接收的指令可以可选地在由处理器执行之前或之后存储在固定盘上。

因此，已经描述了用于在MMA中对可修改视频进行搜索和排序的方法和系统。虽然已经参考特定的示例性实施例描述了实施例，但是显而易见的是，在不脱离本申请的更宽的精神和范围的情况下，可以对这些示例性实施例进行各种修改和改变。因此，说明书和附图被认为是说明性的而不是限制性的。

Claims (20)

1.一种用于对可修改视频进行搜索和排序的系统，所述系统包括：

被配置为存储可修改视频的数据库，所述可修改视频与文本消息以及排序相关联；和

至少一个处理器和存储处理器可执行代码的存储器，其中，所述至少一个处理器被配置为在执行所述处理器可执行代码时实现以下操作：

经由多媒体消息传送应用(MMA)接收用户的输入；

基于所述输入从所述数据库中选择相关的可修改视频的列表；

经由所述MMA渲染所述相关的可修改视频的列表以供所述用户观看；

确定所述用户已经经由所述MMA分享来自所述列表的可修改视频；

将关于所述列表和所分享的可修改视频的信息存储到统计日志；以及

基于所述统计日志中的信息更新所述数据库中的可修改视频的排序。

2.根据权利要求1所述的系统，其中：

所述输入包括所述可修改视频的类别；以及

所述相关的可修改视频的列表包括与所述类别匹配的可修改视频。

3.根据权利要求2所述的系统，其中，所述类别基于以下各项中的至少一项：经由所述MMA分享可修改视频的时间、用户经由所述MMA分享所述可修改视频的次数，与所述可修改视频的所述文本消息相关联的情绪状态。

4.根据权利要求2所述的系统，其中，根据预定时间表更新所述相关的可修改视频的列表；以及

其中，更新所述列表包括：

用最近添加到所述数据库的可修改视频填充所述列表的预定第一位置；以及

用具有最高排序的可修改视频填充所述列表中的其余位置。

5.根据权利要求2所述的系统，其中，所述可修改视频的排序是基于所述可修改视频经由所述MMA分享的次数与所述MMA的用户对所述可修改视频的观看次数的比率。

6.根据权利要求1所述的系统，其中：

所述输入包括具有至少一个关键字的搜索请求；

所述可修改视频的排序基于所述至少一个关键字；以及

选择所述相关的可修改视频的列表包括：由搜索算法确定预定数量的具有最高排序的可修改视频。

7.根据权利要求6所述的系统，其中，可修改视频的排序基于相关性因子、新鲜度因子和流行度因子的加权和，并且其中：

所述相关性因子基于所述可修改视频的搜索标签和搜索描述与所述至少一个关键字的匹配度量；

所述新鲜度因子基于所述可修改视频被添加到所述数据库的时间；以及

所述流行度因子基于用户经由所述MMA分享所述可修改视频的次数与所述MMA的用户对所述可修改视频的观看次数的比率。

8.根据权利要求6所述的系统，其中，所述相关性因子、所述新鲜度因子和所述流行度因子的权重由机器学习模型基于来自所述统计日志的历史数据来确定。

9.根据权利要求6所述的系统，其中，更新所述可修改视频的排序包括：调整所述可修改视频的搜索标签或搜索描述之一。

10.根据权利要求6所述的系统，还包括基于来自所述统计日志的历史数据调整搜索算法。

11.一种用于对可修改视频进行搜索和排序的方法，所述方法包括：

经由多媒体消息传送应用(MMA)接收用户的输入；

基于所述输入，从被配置为存储可修改视频的数据库中选择相关的可修改视频的列表，所述可修改视频与文本消息以及排序相关联；

经由所述MMA渲染所述相关的可修改视频的列表以供所述用户观看；

确定所述用户已经经由所述MMA分享来自所述列表的可修改视频；

将关于所述列表和所分享的可修改视频的信息存储到统计日志；以及

基于所述统计日志中的信息更新所述数据库中的可修改视频的排序。

12.根据权利要求11所述的方法，其中：

所述输入包括所述可修改视频的类别；以及

所述相关的可修改视频的列表包括与所述类别匹配的可修改视频。

13.根据权利要求12所述的方法，其中，所述类别基于以下各项中的至少一项：经由所述MMA分享可修改视频的时间、用户经由所述MMA分享所述可修改视频的次数，与所述可修改视频的所述文本消息相关联的情绪状态。

14.根据权利要求12所述的方法，其中，根据预定时间表更新所述相关的可修改视频的列表；以及

其中，更新所述列表包括：

用最近添加到所述数据库的可修改视频填充所述列表的预定第一位置；以及

由具有最高排序的可修改视频填充所述列表中的其余位置。

15.根据权利要求11所述的方法，其中：

所述输入包括具有至少一个关键字的搜索请求；

所述可修改视频的排序基于所述至少一个关键字；以及

选择所述相关的可修改视频的列表包括：由搜索算法确定预定数量的具有最高排序的可修改视频。

16.根据权利要求11所述的方法，其中：

所述输入包括搜索请求，所述搜索请求包括至少一个关键字；以及

选择所述相关的可修改视频的列表包括：通过搜索算法对具有排序中最高排序的可修改视频执行搜索，其中，所述排序取决于所述至少一个关键字。

17.根据权利要求16所述的方法，其中，可修改视频的排序基于相关性因子、新鲜度因子和流行度因子的加权和，并且其中：

所述相关性因子基于所述可修改视频的搜索标签和搜索描述与所述至少一个关键字的匹配度量；

所述新鲜度因子基于所述可修改视频被添加到所述数据库的时间；以及

所述流行度因子基于用户经由所述MMA分享所述可修改视频的次数与所述MMA的用户对所述可修改视频的观看次数的比率。

18.根据权利要求16所述的方法，其中，所述相关性因子、所述新鲜度因子和所述流行度因子的权重由机器学习模型基于来自所述统计日志的历史数据来确定。

19.根据权利要求16所述的方法，其中，更新所述可修改视频的排序包括：调整所述可修改视频的搜索标签和搜索描述之一。

20.一种非暂时性处理器可读介质，在所述非暂时性处理器可读介质上存储指令，所述指令在由一个或多个处理器执行时致使所述一个或多个处理器实现一种用于对可修改视频进行搜索和排序的方法，所述方法包括：

经由多媒体消息传送应用(MMA)接收用户的输入；

基于所述输入，从被配置为存储可修改视频的数据库中选择相关的可修改视频的列表，所述可修改视频与文本消息以及排序相关联；

经由所述MMA渲染所述相关的可修改视频的列表以供所述用户观看；

确定所述用户已经经由所述MMA分享来自所述列表的可修改视频；

将关于所述列表和所分享的可修改视频的信息存储到统计日志；以及

基于所述统计日志中的信息更新所述数据库中的可修改视频的排序。

Images