CN115499704B - 一种视频推荐方法、装置、可读存储介质及电子设备 - Google Patents

一种视频推荐方法、装置、可读存储介质及电子设备 Download PDF

Info

Publication number
CN115499704B
CN115499704B CN202211008598.XA CN202211008598A CN115499704B CN 115499704 B CN115499704 B CN 115499704B CN 202211008598 A CN202211008598 A CN 202211008598A CN 115499704 B CN115499704 B CN 115499704B
Authority
CN
China
Prior art keywords
video
barrage
recommended
sample
result
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
CN202211008598.XA
Other languages
English (en)
Other versions
CN115499704A (zh
Inventor
杨健鹏
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.)
Beijing QIYI Century Science and Technology Co Ltd
Original Assignee
Beijing QIYI Century Science and 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 Beijing QIYI Century Science and Technology Co Ltd filed Critical Beijing QIYI Century Science and Technology Co Ltd
Priority to CN202211008598.XA priority Critical patent/CN115499704B/zh
Publication of CN115499704A publication Critical patent/CN115499704A/zh
Application granted granted Critical
Publication of CN115499704B publication Critical patent/CN115499704B/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
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • 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
    • 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
    • H04N21/4788—Supplemental services, e.g. displaying phone caller identification, shopping application communicating with other users, e.g. chatting
    • 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
    • H04N21/488—Data services, e.g. news ticker
    • H04N21/4884—Data services, e.g. news ticker for displaying subtitles

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供了一种视频推荐方法、装置、计算机可读存储介质及电子设备，该方法包括：获取弹幕信息对应的语义分析结果；将语义分析结果与待推荐视频对应的预设标签信息进行对比，确定第一推荐结果；获取弹幕信息对应的视频片段的第一图像分析结果和待推荐视频对应的第二图像分析结果；将第一图像分析结果和第二图像分析结果进行对比，确定第二推荐结果；基于第一推荐结果和第二推荐结果，确定视频推荐结果。本发明提供的技术方案在进行视频推荐时，对弹幕信息和视频片段均进行考虑，弹幕信息为用户的主动行为，可以更好地反映用户的偏好，且弹幕信息和视频片段可以提供较为丰富的信息，从而使得确定出的视频推荐结果的准确性更高。

Description

一种视频推荐方法、装置、可读存储介质及电子设备
技术领域
本发明涉及视频推荐领域，且更具体地，涉及一种视频推荐方法、装置、可读存储介质及电子设备。
背景技术
随着在线视频技术的蓬勃发展，利用各个视频网站观看视频已经变成了人们日常生活中的一部分，而在视频网站中视频资源的数量巨大，为了有利于用户进行视频选择，各个视频网站往往会进行视频推荐。目前，在进行视频推荐时会根据用户历史观看视频的视频标签进行推荐，而视频标签中的信息量往往较少，这使得视频推荐结果的准确率较低。
发明内容
本发明提供了一种用视频推荐方法、装置、计算机可读存储介质及电子设备，以解决相关技术中视频推荐结果准确率较低的技术问题。
根据本发明的第一方面，提供了一种视频推荐方法，包括：
获取弹幕信息对应的语义分析结果；
将所述语义分析结果与待推荐视频对应的预设标签信息进行对比，确定第一推荐结果；
获取所述弹幕信息对应的视频片段的第一图像分析结果和所述待推荐视频对应的第二图像分析结果；
将所述第一图像分析结果和所述第二图像分析结果进行对比，确定第二推荐结果；
基于所述第一推荐结果和所述第二推荐结果，确定视频推荐结果。
可选地，所述基于所述第一推荐结果和所述第二推荐结果，确定视频推荐结果，包括：
将所述第一推荐结果与所述第二推荐结果进行对比，确定重复推荐视频；
基于所述重复推荐视频，确定视频推荐结果。
可选地，在所述获取所述弹幕信息对应的视频片段的第一图像分析结果和所述待推荐视频对应的第二图像分析结果的步骤前，所述方法还包括：
确定所述弹幕信息携带的视频标识和时间标识；
获取所述视频标识对应的目标视频；
基于所述时间标识对所述目标视频进行片段截取，获取所述弹幕信息对应的视频片段。
可选地，所述获取弹幕信息对应的语义分析结果，所述方法包括：
将所述弹幕信息输入目标语义分析模型中，确定语义分析结果，所述目标语义分析模型为基于弹幕训练样本对预设语义分析模型进行训练得到。
可选地，在训练所述目标语义分析模型时，采用如下步骤获取所述弹幕训练样本：
获取目标用户对应的第一弹幕样本和非目标用户对应的第二弹幕样本；
在所述第二弹幕样本中，选择出与所述第一弹幕样本的相似度大于等于设定值的第三弹幕样本；
获取由所述第一弹幕样本和所述第三弹幕样本组成的所述弹幕训练样本。
可选地，在训练所述目标语义分析模型时，采用如下步骤获取所述弹幕训练样本：
获取第四弹幕样本和所述第四弹幕样本对应的视频片段样本；
确定所述第四弹幕样本与所述视频片段样本的关联信息；
在所述第四弹幕样本中，选取所述关联信息符合第一预设条件的弹幕训练样本。
可选地，在训练所述目标语义分析模型时，采用如下步骤获取所述弹幕训练样本：
获取第五弹幕样本；
确定所述第五弹幕样本对应的情感信息；
在所述第五弹幕样本中，选取所述情感信息符合第二预设条件的弹幕训练样本。
可选地，所述获取所述弹幕信息对应的视频片段的第一图像分析结果和所述待推荐视频对应的第二图像分析结果，包括：
将所述弹幕信息对应的视频片段输入目标图像分析模型，确定第一图像分析结果；所述目标图像分析模型基于视频片段训练样本对预设图像分析模型进行训练得到，所述视频片段训练样本与所述弹幕训练样本具有对应关系；
将所述待推荐视频输入所述目标图像分析模型，确定第二图像分析结果。
根据本发明的第二方面，提供了一种视频推荐装置，包括：
第一分析处理模块，用于获取弹幕信息对应的语义分析结果；
第一结果确定模块，用于将所述语义分析结果与待推荐视频对应的预设标签信息进行对比，确定第一推荐结果；
第二分析处理模块，用于获取所述弹幕信息对应的视频片段的第一图像分析结果和所述待推荐视频对应的第二图像分析结果；
第二结果确定模块，用于将所述第一图像分析结果和所述第二图像分析结果进行对比，确定第二推荐结果；
第三结果确定模块，用于基于所述第一推荐结果和所述第二推荐结果，确定视频推荐结果。
根据本发明的第三方面，提供了一种计算机可读存储介质，所述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视频推荐方法。
根据本发明的第四方面，提供了一种电子设备，所述电子设备包括：
处理器；
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的视频推荐方法。
与现有技术相比，本发明提供的视频推荐方法、装置、计算机可读存储介质及电子设备，至少包括以下有益效果：
本发明的技术方案在获取到弹幕信息后，对弹幕信息进行语义分析，确定语义分析结果，然后将语义分析结果与待推荐视频对应的预设标签信息进行对比，确定第一推荐结果。获取弹幕信息对应的视频片段，弹幕信息与视频片段存在一一对应关系，对视频片段进行图像分析，确定第一图像分析结果，对待推荐视频进行图像分析，确定第二图像分析结果，将第一图像分析结果和第二图像分析结果进行对比，确定第二推荐结果。进一步根据第一推荐结果和第二推荐结果，确定视频推荐结果。本发明的技术方案在进行视频推荐时，对弹幕信息和视频片段进行综合考虑，弹幕信息为用户的主动行为，可以更好地反映用户的偏好，且弹幕信息和视频片段可以提供较为丰富的信息，从而使得确定出的视频推荐结果的准确性更高。
附图说明
为了更清楚地说明本的技术方案，下面将对本发明的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一示例性实施例提供的视频推荐方法的流程示意图一；
图2是本发明一示例性实施例提供的视频推荐方法的流程示意图二；
图3是本发明一示例性实施例提供的视频推荐方法的流程示意图三；
图4是本发明一示例性实施例提供的视频推荐装置的结构示意图；
图5是本发明一示例性实施例提供的电子设备的结构图。
具体实施方式
下面将结合本中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有创造性劳动前提下所获得的所有其他实施例，都属于本实施例保护的范围。
示例性方法
图1是本发明一示例性实施例提供的视频推荐方法的流程示意图，至少包括如下步骤：
步骤11，获取弹幕信息对应的语义分析结果。
在本步骤中，弹幕信息是指用户在观看视频时发送的评论性字幕，弹幕信息的触发时间和弹幕内容均由用户决定，发送弹幕为用户的主动行为，从而弹幕信息可以充分反应用户的偏好；对弹幕信息进行语义分析，确定语义分析结果，语义分析结果体现弹幕信息表达的主要内容。
举例来说，用户在视频A上触发弹幕信息，弹幕信息的内容为“B明星唱歌真好听”，对弹幕信息进行语义分析，可能确定出语义分析结果为“B明星”“唱歌”。其中视频A对应的视频标签为“唱歌”“C节目”等，也就是说根据视频A的视频标签难以定位到“B明星”，在本实施例中弹幕信息可以提供更丰富的信息，且可以准确地体现用户偏好，有利于后续提供较为准确的视频推荐结果。
步骤12，将所述语义分析结果与待推荐视频对应的预设标签信息进行对比，确定第一推荐结果。
在本步骤中，待推荐视频为视频库中的视频资源，预设标签信息是为每个视频资源预先标注的标签，预设标签信息为对待推荐视频的视频内容的概括和总结；第一推荐结果为对弹幕信息进行考虑的推荐结果。具体地，将语义分析结果与待推荐视频对应的预设标签信息进行对比，若语义分析结果与某待推荐视频对应的预设标签信息相同，如均为“B明星”“唱歌”，则语义分析结果与该待推荐视频对应的预设标签信息相匹配，该待推荐视频被选取为第一目标推荐视频；若语义分析结果与某待推荐视频对应的预设标签信息不相同，如语义分析结果为“B明星”“唱歌”，某待推荐视频对应的预设标签信息为“A明星”“唱歌”，则语义分析结果与该待推荐视频对应的预设标签信息不相匹配，该待推荐视频被淘汰，不再参与后续流程。在待推荐视频中确定出预设标签信息与语义分析结果相匹配的第一目标推荐视频后，确定由第一目标推荐视频组成的第一推荐结果。
在一种可能的实现方式中，确定第一目标推荐视频的数量，若第一目标推荐视频的数量少于等于预设推荐数量，则将第一目标推荐视频作为第一推荐结果，如确定预设推荐数量为10个，在第一目标推荐视频的数量为8个时，第一目标推荐视频的数量少于预设推荐数量，则将8个第一目标推荐视频作为第一推荐结果。若第一推荐视频的数量大于预设推荐数量，对第一目标推荐视频进行再次筛选，在第一目标推荐视频中筛选出符合预设推荐数量的第一推荐结果。其中再次进行筛选时，可以根据更新时间、点击数量、收藏数量、弹幕数量中的至少一项进行筛选，如在基于点击数量进行筛选时，对多个第一目标推荐视频的点击数量进行由大到小的排序，选取出点击数量排在前预设位的第一目标推荐视频作为第一推荐结果，预设位的数值与预设推荐数量的数值相同。在基于点击数量和弹幕数量进行筛选时，确定点击数量和弹幕数据分别对应的权重系数，确定点击数量、弹幕数据以及权重系数对应的计算结果，对计算结果进行由大到小的排序，选取出计算结果排在前预设位的第一目标推荐视频作为第一推荐结果。当然还可以存在其他的根据第一目标推荐视频，确定出第一推荐结果的方式，对此本实施例中不作具体限定。
步骤13，获取所述弹幕信息对应的视频片段的第一图像分析结果和所述待推荐视频对应的第二图像分析结果。
在本步骤中，用户在不同时间触发的弹幕信息，会对应不同的视频片段，因此弹幕信息与视频片段存在对应关系，在确定弹幕信息后，则可以确定弹幕信息对应的视频片段；对视频片段进行图像分析，确定第一图像分析结果，对待推荐视频进行图像分析，确定第二图像分析结果。
步骤14，将所述第一图像分析结果和所述第二图像分析结果进行对比，确定第二推荐结果。
在本步骤中，第一图像分析结果体现视频片段的主要场景元素，第二图像分析结果体现待推荐视频的主要场景元素，二者具有可对比性，因此将第一图像分析结果与第二图像分析结果进行对比，确定出第二推荐结果，第二推荐结果是对视频片段进行考虑的推荐结果。具体地，对第一图像分析结果和第二图像分析结果进行对比，确定第一图像分析结果和第二图像分析结果的相似度，将相似度大于等于设定值的第二图像分析结果对应的待推荐视频确定为第二目标推荐视频，确定由第二目标推荐视频组成的第二推荐结果。
步骤15，基于所述第一推荐结果和所述第二推荐结果，确定所述视频推荐结果。
在本步骤中，对第一推荐结果和第二推荐结果进行综合考虑，准确地确定出视频推荐结果。
在上述实施例中，在获取到弹幕信息后，对弹幕信息进行语义分析，确定语义分析结果，然后将语义分析结果与待推荐视频对应的预设标签信息进行对比，确定第一推荐结果。获取弹幕信息对应的视频片段，弹幕信息与视频片段存在一一对应关系，对视频片段进行图像分析，确定第一图像分析结果，对待推荐视频进行图像分析，确定第二图像分析结果，将第一图像分析结果和第二图像分析结果进行对比，确定第二推荐结果。进一步根据第一推荐结果和第二推荐结果，确定视频推荐结果。本发明的技术方案在进行视频推荐时，对弹幕信息和视频片段均进行考虑，弹幕信息为用户的主动行为，可以更好地反映用户的偏好，且弹幕信息和视频片段可以提供较为丰富的信息，从而使得确定出的视频推荐结果的准确性更高。
如图2所示，在本发明一示例性实施例中，所述步骤15基于所述第一推荐结果和所述第二推荐结果，确定视频推荐结果，包括：
步骤151，将所述第一推荐结果与所述第二推荐结果进行对比，确定重复推荐视频。
步骤152，基于所述重复推荐视频，确定视频推荐结果。
在上述实施例中，将第一推荐结果和第二推荐结果进行对比，确定出第一推荐结果和第二推荐结果中的重复推荐视频，重复推荐视频是基于弹幕信息和视频片段均进行推荐的结果，因此该重复推荐视频更符合用户的偏好，基于该重复推荐视频确定的视频推荐结果准确性更高。
在一种可选的实施方式中，所述基于所述重复推荐视频，确定视频推荐结果，包括将重复推荐视频确定为视频推荐结果。举例来说，第一推荐结果中推荐了20个第一视频，第二推荐结果中推荐了20个第二视频，将20个第一视频与20个第二视频进行对比，确定出10个重复推荐视频，则将该10个重复推荐视频，确定为视频推荐结果推荐给用户；若确定出5个重复推荐视频，将该5个重复推荐视频，确定为视频推荐结果推荐给用户。
在一种可选的实施方式中，所述基于所述重复推荐视频，确定视频推荐结果，包括：确定所述重复推荐视频的数量；在所述重复推荐视频的数量符合预设数据的情况下，基于所述重复推荐视频确定视频推荐结果；此时所述基于所述第一推荐结果和所述第二推荐结果，确定视频推荐结果，还包括：在所述重复推荐视频的数量不符合预设数据的情况下，基于第一推荐结果和所述重复推荐视频，确定视频推荐结果；或基于第二推荐结果和所述重复推荐视频，确定视频推荐结果；或基于所述第一推荐结果、所述第二推荐结果和所述重复推荐视频，确定视频推荐结果。
具体地，在考虑重复推荐视频的推荐数量和预设推荐数量的情况下，需要对重复推荐视频的数量与视频推荐结果的预设数量进行比较，存在以下三种可能的情况：
推荐数量大于预设推荐数量，此时可以在重复推荐视频中进行选取，确定出符合预设推荐数量的重复推荐视频，将符合预设推荐数量的重复推荐视频确定为视频推荐结果。在一种可能的实现方式中，预先设置选取规则，根据预设选取规则在重复推荐视频中进行选取，确定出符合预设推荐数量的重复推荐视频。其中选取规则可以由用户自行设置，如按发布时间顺序进行选取，或按点击量进行选取，或按重复推荐视频在第一推荐结果和第二推荐结果中对应的推荐值进行选取，对此本实施例不作具体限定。
推荐数量等于预设推荐数量，将重复推荐视频确定为视频推荐结果。
推荐数量小于预设推荐数量，此时可以根据第一推荐结果和所述重复推荐视频，确定视频推荐结果；例如预设推荐数量为10个，确定出的重复推荐视频的数量为6个，则在第一推荐结果中选取除重复推荐视频以外的其他4个视频，与重复推荐视频共同作为视频推荐结果。当然也可以根据第二推荐结果和所述重复推荐视频，确定视频推荐结果；例如预设推荐数量为10个，确定出的重复推荐视频的数量为6个，则在第二推荐结果中选取除重复推荐视频以外的其他4个视频，与重复推荐视频共同作为视频推荐结果。当然还可以基于所述第一推荐结果、所述第二推荐结果和所述重复推荐视频，确定视频推荐结果；例如视频推荐结果的预设数量为10个，确定出的重复推荐视频的数量为6个，则在第一推荐结果和第二推荐结果中选取除重复推荐视频以外的其他4个视频，与重复推荐视频共同作为视频推荐结果，其中可以选取第一推荐结果和第二推荐结果中推荐值最高的4个视频(不计算重复推荐视频)，或选取出第一推荐结果中推荐值最高的2个视频或在第二推荐结果中推荐值最高的2个的视频。通过对推荐数量和预设推荐数量进行考虑，以保证为用户提供数量合适的视频推荐结果。
需要说明的，在获取到第一推荐结果和第二推荐结果后，还可以存在其他的根据第一推荐结果和第二推荐结果，确定视频推荐结果的方式。例如在第一推荐结果中选取第一数量的第一视频，在第二推荐结果中选取第二数量的第二视频，将第一视频和第二视频确定为视频推荐结果，此时可以保证视频推荐结果的丰富性，避免视频推荐结果的推荐内容过于集中。
如图3所示，在本发明一示例性实施例中，在所述步骤13获取所述弹幕信息对应的视频片段的第一图像分析结果和所述待推荐视频对应的第二图像分析结果的步骤前，所述方法还包括：
步骤16，确定所述弹幕信息携带的视频标识和时间标识。
步骤17，获取所述视频标识对应的目标视频。
步骤18，基于所述时间标识对所述目标视频进行片段截取，获取视频片段。
在上述实施例中，视频标识用于确定弹幕信息对应的视频。如弹幕信息M是用户在观看视频A时发送的，弹幕信息N是用户在观看视频B时发送的，则弹幕信息M会携带有视频A的视频标识，根据视频标识可以确定对应的目标视频，即视频A；弹幕信息N会携带有视频B的视频标识，根据视频标识可以确定对应的目标视频，即视频B。在确定出弹幕信息对应的目标视频后，需要进一步根据弹幕信息的时间标识对目标视频进行片段截取，时间标识用于确定弹幕信息在目标视频的触发时间。
具体地，预先设定预设时长，截取时间标识前后预设时长的片段，以获取视频片段。举例来说，弹幕信息M在视频A中的触发时间为5分钟15秒，设定预设时长为3秒，则截取视频A中5分钟12秒至5分钟18秒的片段作为弹幕信息对应的视频片段。
在本发明一示例性实施例中，所述步骤10获取弹幕信息对应的语义分析结果，所述方法包括：
步骤101，将所述弹幕信息输入目标语义分析模型中，确定语义分析结果，所述目标语义分析模型为基于弹幕训练样本对预设语义分析模型进行训练得到。
在上述实施例中，目标语义分析模型为预先训练的符合预设精度的语义分析模型，将弹幕信息输入目标语义分析模型中，获取目标语义分析模型的输出项，即得到语义分析结果，该语义分析结果的准确性较高。
其中，语义分析结果可以包括弹幕信息中关键词，此时目标语义分析模型用于在弹幕信息对应的文本内容中筛选出关键词。如弹幕信息的内容为“B明星唱歌真好听”，则语义分析结果可以为“B明星”“唱歌”。语义分析结果还可以包括弹幕信息表达的情感信息，该情感信息可以为弹幕信息中文字内容，如好、不好等具有评价性的文字内容；也可以为弹幕信息侧面表达的信息，此时目标语义分析模型用于在弹幕信息对应的文本内容中筛选出关键词，并对文本内容进行情感理解，确定弹幕信息表达的情感信息。如弹幕信息的内容为“B明星的歌声有一种温暖的力量”，则语义分析结果可以为“B明星”“歌声”“好”，使得语义分析结果可以更为准确地反应弹幕信息和用户发送弹幕的意图。
具体地，在训练目标语义分析模型时，采用如下步骤进行训练：获取弹幕训练样本；基于所述弹幕训练样本对预设语义分析模型进行训练，在符合训练结束条件时，得到目标语义分析模型。通过搭建与弹幕信息相匹配的目标语义分析模型，利用该目标语义分析模型确定出的语义分析结果的准确性更高。
进一步地，采用如下步骤获取所述弹幕训练样本：获取目标用户对应的第一弹幕样本和非目标用户对应的第二弹幕样本；在所述第二弹幕样本中，选择出与所述第一弹幕样本的相似度大于等于设定值的第三弹幕样本；获取由所述第一弹幕样本和所述第三弹幕样本组成的所述弹幕训练样本。因为不同用户的偏好差异较为明显，因此通常为了保证模型的准确性，可以将目标用户对应的第一弹幕样本作为弹幕训练样本。但存在目标用户的第一弹幕样本的数量较少的情况，此时可以获取非目标用户对应的第二弹幕样本，确定第一弹幕样本和第二弹幕样本的相似度，在第二弹幕样本中，选择出与第一弹幕样本的相似度大于等于设定值的第三弹幕样本，获取由第一弹幕样本和第三弹幕样本组成的弹幕训练样本。通过第三弹幕样本对第一弹幕样本进行有效补充，增加训练样本数量，保证训练出的目标语义分析模型的准确性。
其中，在确定第一弹幕样本和第二弹幕样本的相似度时，根据第一弹幕样本携带的第一视频标识和第一时间标识、与第二弹幕样本携带的第二视频标识和第二时间标识进行匹配，确定出第一视频标识和第二视频标识相同，第一时间标识和第二时间标识的差值在预设范围内的目标第一弹幕样本和目标第二弹幕样本，计算目标第一弹幕样本和目标第二弹幕样本的相似度，在相似度大于等于设定值时，目标第二弹幕样本即为选择出的第三弹幕样本中的一个，成为弹幕训练样本。
进一步地，采用如下步骤获取所述弹幕训练样本：获取第四弹幕样本和所述第四弹幕样本对应的视频片段样本；确定所述第四弹幕样本与所述视频片段样本的关联信息；在所述第四弹幕样本中，选取所述关联信息符合第一预设条件的弹幕训练样本。因在后续进行视频推荐时，是对弹幕信息和视频片段进行综合的结果，因此为了视频推荐结果的准确性，确定第四弹幕样本与视频片段样本的关联信息，关联信息用于体现第四弹幕样本与视频片段样本的关联程度。预先设置第一预设条件，在关联信息符合第一预设条件的情况下，证明第四弹幕样本和视频片段样本的关联程度较高，例如第一预设条件设置为大于预设关联值，当第四弹幕样本与视频片段样本的关联程度较低时，基于第四弹幕样本训练出的目标语义分析模型和基于视频片段样本确定出的目标图像分析模型的独立性较强，可能导致重复推荐视频较少，因此为了推荐结果的准确性和综合性，将关联信息符合第一预设条件的第四弹幕样本确定为弹幕训练样本。
进一步地，采用如下步骤获取所述弹幕训练样本：获取第五弹幕样本；确定所述第五弹幕样本对应的情感信息；在所述第五弹幕样本中，选取所述情感信息符合第二预设条件的弹幕训练样本。用户在触发弹幕时，弹幕内容是用户自行输入的，用户可以通过弹幕内容表达正向情感，也可以通过弹幕内容表达负向情感，而在考虑弹幕信息进行视频推荐时，推荐的视频为用户可能会喜爱的视频，因此在获取到第五弹幕样本后，确定第五弹幕样本对应的情感信息，情感信息包括正向情感和负向情感，预先设置第二预设条件，如为正向情感，当某第五弹幕样本的情感信息为正向情感时，符合第二预设条件，将该第五弹幕样本作为弹幕训练样本。通过第五弹幕信息的情感信息对第五弹幕信息进行有效筛选，利用筛选后的弹幕训练样本训练出更为准确的目标语义分析模型，同时有效减少第一推荐结果和第二推荐结果间的差距，有利于获取到更多的重复推荐视频。
在本发明一示例性实施例中，所述步骤103获取所述弹幕信息对应的视频片段的第一图像分析结果和所述待推荐视频对应的第二图像分析结果，包括：
步骤1031，将所述弹幕信息对应的视频片段输入目标图像分析模型，确定第一图像分析结果；所述目标图像分析模型基于视频片段训练样本对预设图像分析模型进行训练得到，所述视频片段训练样本与所述弹幕训练样本具有对应关系。
步骤1032，将所述待推荐视频输入所述目标图像分析模型，确定第二图像分析结果。
在上述实施例中，目标图像分析模型为预先训练的符合预设精度的图像分析模型，将根据弹幕信息获取的视频片段输入目标图像分析模型，获取目标图像分析模型的输出项，即第一图像分析结果，将待推荐视频输入目标图像分析模型，获取目标图像分析模型的输出项，即第二图像分析结果。利用与弹幕训练样本相对应的视频片段训练样本对预设图像分析模型进行训练，获取目标图像分析模型，该目标图像分析模型可以对图像进行准确地分析，保证确定出的图像分析结果的准确性。
其中，第一图像分析结果体现弹幕信息对应的视频片段的主要内容，可以包括视频片段的对象信息、对象的行为信息、文字信息、场景信息中至少一个。对象信息如人物、动物、车辆等，对于人物若为公众人物可识别到个人，如明星B，若为非公众人物可以识别到群体，如医生、学生，对于动物可以识别到具体名称，如猫、兔子，对于车辆可以识别到车型；对象的行为信息如唱歌、跳舞、学习、工作等；文字信息如字幕和字幕以外的画面中的文字；场景信息如舞台、标志性建筑等。相似地，第二图像分析结果体现待推荐视频的主要内容，可以包括待推荐视频的对象信息、对象的行为信息、文字信息、场景信息中的至少一个。从而使得后续在对第一图像分析结果和第二图像分析结果进行对比时，可以将对象信息、对象的行为信息、文字信息、场景信息逐一进行对比，将每一对比结果的平均值确定为第一图像分析结果和第二图像分析结果的相似度。
示例性装置
基于与本发明方法实施例相同的构思，本发明实施例还提供了一种视频推荐装置。
图4示出了本发明一示例性实施例提供的视频推荐装置的结构示意图，包括：
第一分析处理模块41，用于获取弹幕信息对应的语义分析结果；
第一结果确定模块42，用于将所述语义分析结果与待推荐视频对应的预设标签信息进行对比，确定第一推荐结果；
第二分析处理模块43，用于获取所述弹幕信息对应的视频片段的第一图像分析结果和所述待推荐视频对应的第二图像分析结果；
第二结果确定模块44，用于将所述第一图像分析结果和所述第二图像分析结果进行对比，确定第二推荐结果；
第三结果确定模块45，用于基于所述第一推荐结果和所述第二推荐结果，确定视频推荐结果。
在本发明一示例性实施例中，所述第三结果确定模块45，包括：
结果对比单元，用于重复将所述第一推荐结果与所述第二推荐结果进行对比，确定重复推荐视频；
结果确定单元，用于基于所述重复推荐视频，确定视频推荐结果。
在本发明一示例性实施例中，所述装置还包括：
标识信息确定模块，用于确定所述弹幕信息携带的视频标识和时间标识；
目标视频确定模块，用于获取所述视频标识对应的目标视频；
视频片段获取模块，用于基于所述时间标识对所述目标视频进行片段截取，获取所述弹幕信息对应的视频片段。
在本发明一示例性实施例中，所述第一分析处理模型41还用于将所述弹幕信息输入目标语义分析模型中，确定语义分析结果，所述目标语义分析模型为基于弹幕训练样本对预设语义分析模型进行训练得到。
在本发明一示例性实施例中，在训练所述目标语义分析模型时，所述装置包括训练样本获取模块，所述训练样本获取模块包括：
第一样本获取单元，用于获取目标用户对应的第一弹幕样本和非目标用户对应的第二弹幕样本；
第一样本选择单元，用于在所述第二弹幕样本中，选择出与所述第一弹幕样本的相似度大于等于设定值的第三弹幕样本；
第二样本获取单元，用于获取由所述第一弹幕样本和所述第三弹幕样本组成的所述弹幕训练样本。
在本发明一示例性实施例中，在训练所述目标语义分析模型时，所述装置包括训练样本获取模块，所述训练样本获取模块包括：
第三样本获取单元，用于获取第四弹幕样本和所述第四弹幕样本对应的视频片段样本；
关系信息确定单元，用于确定所述第四弹幕样本与所述视频片段样本的关联信息；
第二样本选择单元，用于在所述第四弹幕样本中，选取所述关联信息符合第一预设条件的弹幕训练样本。
在本发明一示例性实施例中，在训练所述目标语义分析模型时，所述装置包括训练样本获取模块，所述训练样本获取模块包括：
第四样本获取单元，用于获取第五弹幕样本；
情感信息确定单元，用于确定所述第五弹幕样本对应的情感信息；
第三样本选择单元，用于在所述第五弹幕样本中，选取所述情感信息符合第二预设条件的弹幕训练样本。
在本发明一示例性实施例中，所述第二分析处理模块43，包括：
第一图像分析单元，用于将所述弹幕信息对应的视频片段输入目标图像分析模型，确定第一图像分析结果；所述目标图像分析模型基于视频片段训练样本对预设图像分析模型进行训练得到，所述视频片段训练样本与所述弹幕训练样本具有对应关系；
第二图像分析单元，用于将所述待推荐视频输入所述目标图像分析模型，确定第二图像分析结果。
示例性电子设备
图5图示了根据本发明实施例的电子设备的框图。
如图5所示，电子设备100包括一个或多个处理器101和存储器102。
处理器101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100中的其他组件以执行期望的功能。
存储器102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101可以运行所述程序指令，以实现上文所述的本发明的各个实施例的视频推荐方法以及/或者其他期望的功能。
在一个示例中，电子设备100还可以包括：输入装置103和输出装置104，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。
当然，为了简化，图5中仅示出了该电子设备100中与本发明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100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
第六方面，除了上述方法和设备以外，本发明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发明各种实施例的视频推荐方法中的步骤。
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发明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，本发明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发明各种实施例的视频推荐方法中的步骤。
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发明的基本原理，但是，需要指出的是，在本发明中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本发明的各个实施例必须具备的。另外，上述发明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发明为必须采用上述具体的细节来实现。
本发明中涉及的器件、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。
还需要指出的是，在本发明的装置、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发明的等效方案。
提供所发明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发明。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发明的范围。因此，本发明不意图被限制到在此示出的方面，而是按照与在此发明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，此描述不意图将本发明的实施例限制到在此发明的形式。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 (8)

1.一种视频推荐方法，其特征在于，包括：
获取弹幕信息对应的语义分析结果；
将所述语义分析结果与待推荐视频对应的预设标签信息进行匹配，若相同，将所述待推荐视频选取为第一目标推荐视频，由所述第一目标推荐视频组成第一推荐结果；若不相同，淘汰所述待推荐视频；
获取所述弹幕信息对应的视频片段的第一图像分析结果和所述待推荐视频对应的第二图像分析结果；
将所述第一图像分析结果和所述第二图像分析结果的相似度进行对比，将相似度大于等于设定值的第二图像分析结果对应的待推荐视频确定为第二目标推荐视频，由所述第二目标推荐视频组成第二推荐结果；
将所述第一推荐结果与所述第二推荐结果进行对比，确定重复推荐视频；
基于所述重复推荐视频，确定视频推荐结果；
所述获取弹幕信息对应的语义分析结果，所述方法包括：
将所述弹幕信息输入目标语义分析模型中，确定语义分析结果，所述目标语义分析模型为基于弹幕训练样本对预设语义分析模型进行训练得到；
在训练所述目标语义分析模型时，采用如下步骤获取所述弹幕训练样本：
获取第四弹幕样本和所述第四弹幕样本对应的视频片段样本；
确定所述第四弹幕样本与所述视频片段样本的关联信息；
在所述第四弹幕样本中，选取所述关联信息符合第一预设条件的弹幕训练样本。
2.根据权利要求1所述的方法，其特征在于，在所述获取所述弹幕信息对应的视频片段的第一图像分析结果和所述待推荐视频对应的第二图像分析结果的步骤前，所述方法还包括：
确定所述弹幕信息携带的视频标识和时间标识；
获取所述视频标识对应的目标视频；
基于所述时间标识对所述目标视频进行片段截取，获取所述弹幕信息对应的视频片段。
3.根据权利要求1所述的方法，其特征在于，在训练所述目标语义分析模型时，采用如下步骤获取所述弹幕训练样本：
获取目标用户对应的第一弹幕样本和非目标用户对应的第二弹幕样本；
在所述第二弹幕样本中，选择出与所述第一弹幕样本的相似度大于等于设定值的第三弹幕样本；
获取由所述第一弹幕样本和所述第三弹幕样本组成的所述弹幕训练样本。
4.根据权利要求1所述的方法，其特征在于，在训练所述目标语义分析模型时，采用如下步骤获取所述弹幕训练样本：
获取第五弹幕样本；
确定所述第五弹幕样本对应的情感信息；
在所述第五弹幕样本中，选取所述情感信息符合第二预设条件的弹幕训练样本。
5.根据权利要求1所述的方法，其特征在于，所述获取所述弹幕信息对应的视频片段的第一图像分析结果和所述待推荐视频对应的第二图像分析结果，包括：
将所述弹幕信息对应的视频片段输入目标图像分析模型，确定第一图像分析结果；所述目标图像分析模型基于视频片段训练样本对预设图像分析模型进行训练得到，所述视频片段训练样本与所述弹幕训练样本具有对应关系；
将所述待推荐视频输入所述目标图像分析模型，确定第二图像分析结果。
6.一种视频推荐装置，其特征在于，包括：
第一分析处理模块，用于获取弹幕信息对应的语义分析结果；
第一结果确定模块，用于将所述语义分析结果与待推荐视频对应的预设标签信息进行匹配，若相同，将所述待推荐视频选取为第一目标推荐视频，由所述第一目标推荐视频组成第一推荐结果；若不相同，淘汰所述待推荐视频；
第二分析处理模块，用于获取所述弹幕信息对应的视频片段的第一图像分析结果和所述待推荐视频对应的第二图像分析结果；
第二结果确定模块，用于将所述第一图像分析结果和所述第二图像分析结果的相似度进行对比，将相似度大于等于设定值的第二图像分析结果对应的待推荐视频确定为第二目标推荐视频，由所述第二目标推荐视频组成第二推荐结果；
第三结果确定模块，用于将所述第一推荐结果与所述第二推荐结果进行对比，确定重复推荐视频；
基于所述重复推荐视频，确定视频推荐结果；
所述第一分析处理模块，还用于将所述弹幕信息输入目标语义分析模型中，确定语义分析结果，所述目标语义分析模型为基于弹幕训练样本对预设语义分析模型进行训练得到；
在训练所述目标语义分析模型时，所述装置包括训练样本获取模块，所述训练样本获取模块包括：
第三样本获取单元，用于获取第四弹幕样本和所述第四弹幕样本对应的视频片段样本；
关系信息确定单元，用于确定所述第四弹幕样本与所述视频片段样本的关联信息；
第二样本选择单元，用于在所述第四弹幕样本中，选取所述关联信息符合第一预设条件的弹幕训练样本。
7.一种计算机可读存储介质，所述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1-5任一项所述的视频推荐方法。
8.一种电子设备，所述电子设备包括：
处理器；
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1-5任一项所述的视频推荐方法。
CN202211008598.XA 2022-08-22 2022-08-22 一种视频推荐方法、装置、可读存储介质及电子设备 Active CN115499704B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211008598.XA CN115499704B (zh) 2022-08-22 2022-08-22 一种视频推荐方法、装置、可读存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211008598.XA CN115499704B (zh) 2022-08-22 2022-08-22 一种视频推荐方法、装置、可读存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN115499704A CN115499704A (zh) 2022-12-20
CN115499704B true CN115499704B (zh) 2023-12-29

Family

ID=84466327

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211008598.XA Active CN115499704B (zh) 2022-08-22 2022-08-22 一种视频推荐方法、装置、可读存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN115499704B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010078650A1 (en) * 2009-01-07 2010-07-15 Jigsee Inc. Identification, recommendation and delivery of relevant media content
CN108108353A (zh) * 2017-12-19 2018-06-01 北京邮电大学 一种基于弹幕的视频语义标注方法、装置及电子设备
CN109543111A (zh) * 2018-11-28 2019-03-29 广州虎牙信息科技有限公司 推荐信息筛选方法、装置、存储介质及服务器
CN110248258A (zh) * 2019-07-18 2019-09-17 腾讯科技（深圳）有限公司 视频片段的推荐方法、装置、存储介质和计算机设备
CN111050193A (zh) * 2019-11-12 2020-04-21 汉口北进出口服务有限公司 用户画像构建方法、装置、计算机设备和存储介质
CN111143610A (zh) * 2019-12-30 2020-05-12 腾讯科技（深圳）有限公司 一种内容推荐方法、装置、电子设备和存储介质
KR20210042867A (ko) * 2020-09-01 2021-04-20 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. 콘텐츠 추천 방법, 장치, 기기 및 매체
CN113536033A (zh) * 2021-07-12 2021-10-22 深圳康佳电子科技有限公司 一种多媒体资源的推荐方法及相关设备
WO2021238081A1 (zh) * 2020-05-27 2021-12-02 百度在线网络技术（北京）有限公司 语音包推荐方法、装置、设备及存储介质
CN114218487A (zh) * 2021-12-16 2022-03-22 天翼爱音乐文化科技有限公司 一种视频推荐方法、系统、装置及存储介质
CN114339360A (zh) * 2021-09-09 2022-04-12 腾讯科技（深圳）有限公司 一种视频处理的方法、相关装置及设备
CN114827702A (zh) * 2021-01-22 2022-07-29 腾讯科技（深圳）有限公司 视频推送方法、视频播放方法、装置、设备以及介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3007082A1 (en) * 2014-10-07 2016-04-13 Thomson Licensing Method for computing a similarity measure for video segments
US11012719B2 (en) * 2016-03-08 2021-05-18 DISH Technologies L.L.C. Apparatus, systems and methods for control of sporting event presentation based on viewer engagement

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010078650A1 (en) * 2009-01-07 2010-07-15 Jigsee Inc. Identification, recommendation and delivery of relevant media content
CN108108353A (zh) * 2017-12-19 2018-06-01 北京邮电大学 一种基于弹幕的视频语义标注方法、装置及电子设备
CN109543111A (zh) * 2018-11-28 2019-03-29 广州虎牙信息科技有限公司 推荐信息筛选方法、装置、存储介质及服务器
CN110248258A (zh) * 2019-07-18 2019-09-17 腾讯科技（深圳）有限公司 视频片段的推荐方法、装置、存储介质和计算机设备
CN111050193A (zh) * 2019-11-12 2020-04-21 汉口北进出口服务有限公司 用户画像构建方法、装置、计算机设备和存储介质
CN111143610A (zh) * 2019-12-30 2020-05-12 腾讯科技（深圳）有限公司 一种内容推荐方法、装置、电子设备和存储介质
WO2021238081A1 (zh) * 2020-05-27 2021-12-02 百度在线网络技术（北京）有限公司 语音包推荐方法、装置、设备及存储介质
KR20210042867A (ko) * 2020-09-01 2021-04-20 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. 콘텐츠 추천 방법, 장치, 기기 및 매체
CN114827702A (zh) * 2021-01-22 2022-07-29 腾讯科技（深圳）有限公司 视频推送方法、视频播放方法、装置、设备以及介质
CN113536033A (zh) * 2021-07-12 2021-10-22 深圳康佳电子科技有限公司 一种多媒体资源的推荐方法及相关设备
CN114339360A (zh) * 2021-09-09 2022-04-12 腾讯科技（深圳）有限公司 一种视频处理的方法、相关装置及设备
CN114218487A (zh) * 2021-12-16 2022-03-22 天翼爱音乐文化科技有限公司 一种视频推荐方法、系统、装置及存储介质

Also Published As

Publication number Publication date
CN115499704A (zh) 2022-12-20

Similar Documents

Publication Publication Date Title
KR102394756B1 (ko) 비디오를 처리하기 위한 방법 및 장치
CN111444428B (zh) 基于人工智能的信息推荐方法、装置、电子设备及存储介质
US11948058B2 (en) Utilizing recurrent neural networks to recognize and extract open intent from text inputs
CN107491432B (zh) 基于人工智能的低质量文章识别方法及装置、设备及介质
CN109635155B (zh) 为用户推送视频的方法、装置、电子设备及存储介质
CN109034069B (zh) 用于生成信息的方法和装置
CN112115299A (zh) 视频搜索方法、装置、推荐方法、电子设备及存储介质
CN111708913B (zh) 一种标签生成方法、设备及计算机可读存储介质
CN107909088B (zh) 获取训练样本的方法、装置、设备和计算机存储介质
CN111400586A (zh) 群组展示方法、终端、服务器、系统及存储介质
CN111178983B (zh) 用户性别预测方法、装置、设备及存储介质
CN114090794A (zh) 基于人工智能的事理图谱构建方法及相关设备
CN111949785A (zh) 查询语句管理方法和装置、可读存储介质、电子设备
CN111708909A (zh) 视频标签的添加方法及装置、电子设备、计算机可读存储介质
CN109408175B (zh) 通用高性能深度学习计算引擎中的实时交互方法及系统
CN115499704B (zh) 一种视频推荐方法、装置、可读存储介质及电子设备
CN117234505A (zh) 一种交互页面生成方法、装置、设备及其存储介质
KR102309870B1 (ko) 디스플레이 광고에서 텍스트 요약 방법 및 그 장치
US11558471B1 (en) Multimedia content differentiation
CN114501163B (zh) 视频处理方法、装置及存储介质
CN112788356B (zh) 一种直播审核的方法、装置、服务器和存储介质
CN113204697A (zh) 一种搜索方法、装置、电子设备及存储介质
CN109522203B (zh) 一种软件产品的评测方法及装置
CN113672820B (zh) 特征提取网络的训练方法、信息推荐方法、装置及设备
RU2812952C1 (ru) Способ и устройство и вычислительное устройство и носитель данных для расстановки меток языка

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