CN116450881A - 基于用户偏好推荐兴趣分段标签的方法、装置及电子设备 - Google Patents

基于用户偏好推荐兴趣分段标签的方法、装置及电子设备 Download PDF

Info

Publication number
CN116450881A
CN116450881A CN202310713011.3A CN202310713011A CN116450881A CN 116450881 A CN116450881 A CN 116450881A CN 202310713011 A CN202310713011 A CN 202310713011A CN 116450881 A CN116450881 A CN 116450881A
Authority
CN
China
Prior art keywords
sub
video
playing
user
segment
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.)
Granted
Application number
CN202310713011.3A
Other languages
English (en)
Other versions
CN116450881B (zh
Inventor
章动
孙健
张远
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 Small Sugar Technology Co ltd
Original Assignee
Beijing Small Sugar 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 Small Sugar Technology Co ltd filed Critical Beijing Small Sugar Technology Co ltd
Priority to CN202310713011.3A priority Critical patent/CN116450881B/zh
Publication of CN116450881A publication Critical patent/CN116450881A/zh
Application granted granted Critical
Publication of CN116450881B publication Critical patent/CN116450881B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • G06F16/735—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/7867—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title and artist information, manually generated time, location and usage information, user ratings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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
    • H04N21/4508—Management of client data or end-user data
    • H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, preferences
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Computational Linguistics (AREA)
  • Library & Information Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开了一种基于用户偏好推荐兴趣分段标签的方法、装置、电子设备及存储介质。该方法包括：获取所有用户播放分段视频的播放次数和每次播放分段视频的起、止位置；基于上述信息及每个子视频的分位表，计算出每个用户中播放每个子视频的加权播放分位值和每个用户中播放每个子视频的播放次数；基于每个用户中播放每个子视频的加权播放分位值、每个用户中播放每个子视频的播放次数、当前用户播放每个子视频的加权播放分位值，计算出当前用户的播放分段比重Pt和当前用户的播放分段时长比重Ps；根据当前用户的播放分段比重Pt和播放分段时长比重Ps，确定向当前用户推荐的兴趣分段标签。本申请能够准确确定向用户推荐的兴趣分段标签。

Description

基于用户偏好推荐兴趣分段标签的方法、装置及电子设备
技术领域
本申请涉及互联网技术领域，具体涉及视频处理技术，尤其涉及一种基于用户偏好推荐兴趣分段标签的方法、装置、电子设备、计算机可读存储介质及计算机程序产品。
背景技术
用户通过终端设备观看视频，可以学习各种知识，增加自己的见识和知识面。对于教学类视频，通常是指围绕特定主题进行教学或授课为主的视频，通常这类教学视频可视为包含多个部分，例如，对于阅读类的教学视频，整个视频可视为包含多个章节，对于舞蹈类的教学视频，整个视频可视为包含多组舞蹈动作。
通过对教学视频进行打点分段，对完整视频中的多个教学部分进行标识，用户可以快速定位至想要观看的位置，学习感兴趣的教学内容。但是，每个用户感兴趣的视频片段均不相同，当用户想要只观看感兴趣视频片段时，通常需要手动定位至对应打点位置，操作繁琐，降低用户的使用体验。
发明内容
有鉴于此，本申请实施例提供一种基于用户偏好推荐兴趣分段标签的方法、装置、电子设备、计算机可读存储介质及计算机程序产品，用于解决至少一种技术问题。
本申请实施例提供一种基于用户偏好推荐兴趣分段标签的方法，包括：一种基于用户偏好推荐兴趣分段标签的方法，获取所有用户播放分段视频的播放次数和每次播放分段视频的起、止位置，所述分段视频由多个子视频组成，所述分段视频中记录有每个子视频的起、止位置和每个子视频对应的分段标签；基于所有用户播放分段视频的播放次数、每次播放分段视频的起、止位置及每个子视频的分位表，计算出每个用户中播放每个子视频的加权播放分位值以确定用户对该子视频的偏好程度和每个用户中播放每个子视频的播放次数，其中分位表通过该子视频的播放次数和每次播放的起、止位置统计得出；根据当前用户的请求，基于每个用户中播放每个子视频的加权播放分位值、每个用户中播放每个子视频的播放次数、当前用户播放每个子视频的加权播放分位值，计算出当前用户播放每个子视频的播放分段比重Pt和当前用户播放每个子视频的播放分段时长比重Ps，所述播放分段比重Pt用于确定某一子视频在所有用户播放该子视频的偏好比重，所述播放分段时长比重Ps用于确定某一子视频在所有用户中播放所有子视频的偏好比重；根据当前用户播放每个子视频的播放分段比重Pt和当前用户播放每个子视频的播放分段时长比重Ps，确定向当前用户推荐的兴趣分段标签。
根据本申请实施例的方法，其中，利用下式计算每个用户中播放每个子视频的加权播放分位值：
其中，f(x)为单次播放子视频的分位值，x为单次播放子视频结束时间点，kx为x所在的分位编号，N为总分位数，为第kx分位的结束时间点，/>为第kx+1分位的结束时间点，F(x)为加权播放分位值，n为子视频的播放次数，fi(x)为第i次播放视频的分位值。
根据本申请实施例的方法，利用当前用户某一子视频的加权播放分位值与当前用户播放该子视频的期望时长比值确定该子视频的播放分段比重Pt。
根据本申请实施例的方法，利用下式计算每个子视频的播放分段比重Pt：
其中，Pt(用户A,分段Y)为用户A在子视频的分段标签为“分段Y”的播放分段比重，F(用户A，分段Y)为用户A在子视频的分段标签为“分段Y”的加权播放分位值，g（用户A，分段Y）为用户A在子视频的分段标签为“分段Y”的播放次数，为每个用户在子视频的分段标签为“分段Y”的加权播放分位值之和，/>为每个用户在子视频的分段标签为“分段Y”的播放次数之和。
根据本申请实施例的方法，利用当前用户某一子视频的加权播放分位值与当前用户中播放所有子视频的期望时长比值确定该子视频的播放分段时长比重Ps。
根据本申请实施例的方法，利用下式计算每个子视频的播放分段时长比重Ps：
其中，Ps(用户A，分段Y)为用户A在子视频的分段标签为“分段Y”的播放分段时长比重，F(用户A，分段Y)为用户A在子视频的分段标签为“分段Y”的加权播放分位值，为用户A在每个子视频的加权分位值之和，/>为每个用户在子视频的分段标签为“分段Y”的加权播放分位值之和，/>为每个用户中播放每个子视频的加权播放分位值之和。
根据本申请实施例的方法，所述分位表中每个分位内播放用户的数量相同。
根据本申请实施例的方法，在计算每个子视频的加权播放分位值之前，判断单次播放子视频的播放时长是否小于时长阈值，若播放时长小于时长阈值，则屏蔽该次的分位值。
根据本申请实施例的方法，根据当前用户每个子视频的播放分段比重Pt和当前用户每个子视频的播放分段时长比重Ps确定向当前用户推荐的兴趣分段标签包括：将当前用户每个子视频的播放分段比重Pt按照递减关系依次排序；将最大的播放分段比重Pt对应的子视频确定为目标子视频，并获得目标子视频的播放分段时长比重Ps；当目标子视频的播放分段比重Pt大于第一兴趣阈值，且目标子视频的播放分段时长比重Ps大于第二兴趣阈值时，将目标子视频对应的分段标签确定为向当前用户推荐的兴趣分段标签。
根据本申请实施例的方法，在当前用户播放分段视频时，直接播放兴趣分段标签对应子视频的起始位置。
根据本申请实施例的方法，所述分段标签包括：正面演示、背面演示、正面教学、背面教学、合屏、片头和片尾中的一者或多者。
本申请实施例提供一种基于用户偏好推荐兴趣分段标签的装置，包括：获取模块，用于获取所有用户播放分段视频的播放次数和每次播放分段视频的起、止位置，所述分段视频由多个子视频组成，所述分段视频中记录有每个子视频的起、止位置和每个子视频对应的分段标签；第一计算模块，用于基于所有用户播放分段视频的播放次数、每次播放分段视频的起、止位置及每个子视频的分位表，计算出每个用户中播放每个子视频的加权播放分位值以确定用户对该子视频的偏好程度和每个用户中播放每个子视频的播放次数，其中分位表通过该子视频的播放次数和每次播放的起、止位置统计得出；第二计算模块，用于根据当前用户的请求，基于每个用户中播放每个子视频的加权播放分位值、每个用户中播放每个子视频的播放次数、当前用户播放每个子视频的加权播放分位值，计算出当前用户播放每个子视频的播放分段比重Pt和当前用户播放每个子视频的播放分段时长比重Ps，所述播放分段比重Pt用于确定某一子视频在所有用户播放该子视频的偏好比重，所述播放分段时长比重Ps用于确定某一子视频在所有用户中播放所有子视频的偏好比重；确定模块，用于根据当前用户播放每个子视频的播放分段比重Pt和当前用户播放每个子视频的播放分段时长比重Ps，确定向当前用户推荐的兴趣分段标签。
本申请实施例提供一种电子设备，所述电子设备包括处理器以及存储有计算机程序指令的存储器；所述处理器执行所述计算机程序指令时实现如上所述的方法的步骤。
本申请实施例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计算机程序指令，所述计算机程序指令被处理器执行时实现如上所述的方法的步骤。
本申请通过统计所有用户播放分段视频的播放次数、每次播放分段视频的起、止位置及每个子视频的分位表，计算出对应子视频的加权播放分位值。加权播放分位值越大，对子视频的偏好程度越高。利用数值量化用户对子视频的偏好程度，得出的结果具有客观性和准确性。进一步地，利用播放分段比重Pt和播放分段时长比重Ps共同参与用户画像工作，是采用多维数据分析的方法，避免特殊因素对最后结果的影响，能够进一步提高确定用户兴趣分段标签的准确率。
附图说明
为了更清楚地说明本申请实施例的技术方案，以下对本申请实施例中的附图作简单介绍。
图1是本申请实施例的系统架构的示意图。
图2是本申请实施例的基于用户偏好推荐兴趣分段标签方法的流程框图。
图3是本申请实施例的确定向当前用户推荐的兴趣分段标签方法的流程框图。
图4是本申请实施例的用户播放分段视频记录的示意图。
图5是本申请实施例的基于用户偏好推荐兴趣分段标签装置的结构框图。
图6示出本申请实施例的电子设备的硬件结构示意图。
具体实施方式
以下将参考若干示例性实施方式来描述本申请的原理和精神。应当理解，提供这些实施方式的目的是为了使本申请的原理和精神更加清楚和透彻，使本领域技术人员能够更好地理解进而实现本申请的原理和精神。本文中提供的示例性实施方式仅是本申请的一部分实施方式，而不是全部的实施方式。基于本文中的实施方式，本领域普通技术人员在不付出创造性劳动前提下所获得的所有其他实施方式，都属于本申请保护的范围。
本申请的实施例涉及终端设备和/或服务器。本领域技术人员知晓，本申请的实施方式可以实现为一种系统、装置、设备、方法、计算机可读存储介质或计算机程序产品。因此，本申请可以具体实现为以下至少一种形式：完全的硬件、完全的软件，或者硬件与软件结合的形式。根据本申请的实施方式，本申请请求保护一种基于用户偏好推荐兴趣分段标签的方法、装置、电子设备、计算机可读存储介质及计算机程序产品。图1示出了本申请实施例的一种系统架构的示意图。如图1所示，该系统包括终端设备102和服务器104。其中，终端设备102可以包括以下至少一项：智能手机、平板电脑、笔记本电脑、台式电脑、智能电视、各类可穿戴设备、增强现实AR设备、虚拟现实VR设备等等。终端设备102上可以安装客户端，例如，该客户端可以为专门执行特定功能的客户端（如应用程序app），或者为内嵌有多种应用小程序（不同功能）的客户端，还可以是通过浏览器登录的客户端。用户可以在终端设备102上进行操作，比如，用户可以打开终端设备102上安装的客户端，并通过客户端操作输入指令，或者，用户可以打开终端设备102上安装的浏览器，并通过浏览器操作输入指令。在终端设备102接收到用户输入的指令之后，将包含指令的请求信息发送至服务器104。服务器104接收到请求信息之后执行相应的处理，然后将处理结果信息返回给终端设备102。通过一系列数据处理和信息交互完成用户指令。
在本文中，诸如第一、第二、第三之类的用语，仅用来将一个实体（或操作）与另一个实体（或操作）区分开来，而不在于要求或暗示这些实体（或操作）之间存在任何顺序或关联。
本申请基于视频库中所有用户播放每一个分段视频的累计时长确定用户的兴趣分段标签。其中，分段视频由多个子视频组成，分段视频中记录有每个子视频的起、止位置和每个子视频对应的分段标签。分段标签包括：正面演示、背面演示、正面教学、背面教学、合屏、片头和片尾中的一者或多者。观看分段视频的行为包括：反复观看、慢动作观看和指定位置观看中的一者或多者。本申请统计用户播放每个分段视频的累计时长，量化用户对每个分段标签的兴趣差异，从而向用户推荐感兴趣的分段标签。
图2示出了本申请实施例的基于用户偏好推荐兴趣分段标签方法的流程示意图，该方法包括以下步骤：
S101：获取所有用户播放分段视频的播放次数和每次播放分段视频的起、止位置，该分段视频由多个子视频组成，该分段视频中记录有每个子视频的起、止位置和每个子视频对应的分段标签；
S102：基于所有用户播放分段视频的播放次数、每次播放分段视频的起、止位置及每个子视频的分位表，计算出每个用户中播放每个子视频的加权播放分位值以确定用户对该子视频的偏好程度和每个用户中播放每个子视频的播放次数，其中分位表通过该子视频的播放次数和每次播放的起、止位置统计得出；
S103：根据当前用户的请求，基于每个用户中播放每个子视频的加权播放分位值、每个用户中播放每个子视频的播放次数、当前用户播放每个子视频的加权播放分位值，计算出当前用户播放每个子视频的播放分段比重Pt和当前用户播放每个子视频的播放分段时长比重Ps，该播放分段比重Pt用于确定某一子视频在所有用户播放该子视频的偏好比重，该播放分段时长比重Ps用于确定某一子视频在所有用户中播放所有子视频的偏好比重；
S104：根据当前用户播放每个子视频的播放分段比重Pt和当前用户播放每个子视频的播放分段时长比重Ps，确定向当前用户推荐的兴趣分段标签。
用户播放过的每个子视频，均可以计算出一个加权播放分位值。加权播放分位值用于表示对应子视频的偏好程度。本申请通过统计所有用户播放分段视频的播放次数、每次播放分段视频的起、止位置及每个子视频的分位表，计算出对应子视频的加权播放分位值。利用数值量化用户对子视频的偏好程度，得出的结果具有客观性和准确性。
播放分段比重Pt用于评价当前用户对某一子视频在所有用户播放该子视频的偏好比重；播放分段时长比重Ps用于评价某一子视频在所有用户中播放所有子视频的偏好比重。根据每个用户中播放每个子视频的加权播放分位值、每个用户中播放每个子视频的播放次数、当前用户播放每个子视频的加权播放分位值，计算出当前用户播放每个子视频的播放分段比重Pt和当前用户播放每个子视频的播放分段时长比重Ps，利用播放分段比重Pt和播放分段时长比重Ps共同参与用户画像工作，是采用多维数据分析的方法，避免特殊因素对最后结果的影响，能够提高确定用户兴趣分段标签的准确率。
根据本申请的实施例，可选地，利用下式计算每个用户中播放每个子视频的加权播放分位值：
其中，f(x)为单次播放子视频的分位值，x为单次播放子视频结束时间点，kx为x所在的分位编号，N为总分位数，为第kx分位的结束时间点，/>为第kx+1分位的结束时间点，F(x)为加权播放分位值，n为子视频的播放次数，fi(x)为第i次播放视频的分位值，当单次播放子视频的起始时间点不是该子视频的起始时间点时，将单次播放子视频的起始时间点偏移至该子视频的起始时间点后再利用公式（1）计算。
用户每次播放某一子视频，均可以计算出一个播放视频的分位值。播放视频的分位值为的原理是：将每个子视频分成多个分位段，通过用户播放子视频的起、止位置，确定本次播放时长占该子视频总时长的比重，比例越高，表示感兴趣程度就越高。将多个播放的分位值求和获得加权播放分位值，综合判断用户的感兴趣程度，能够避免单次异常播放的影响，提高计算结果的准确性。
根据本申请的实施例，在计算每个子视频的加权播放分位值之前，判断单次播放子视频的播放时长是否小于时长阈值，若播放时长小于时长阈值，则屏蔽该次的分位值。若播放时长大于或等于时长阈值，则参与加权播放分位值的计算。其中，时长阈值为a×Z，具体利用下式判断播放时长是否小于时长阈值：
（X-Z）≥a×Z？f(x) ×1：f(x) ×0；（3）
其中，Z为单次播放子视频的开始时间点，X为单次播放子视频的结束时间点，a为大于等于1的任意数值。将播放时长较短的播放记录视为无效时长， 将其筛选掉，能够避免影响加权播放分位值的准确度。根据本申请的实施例，可选地，利用当前用户某一子视频的加权播放分位值与当前用户播放该子视频的期望时长比值确定该子视频的播放分段比重Pt。当前用户播放该子视频的期望时长是当前用户播放该子视频的理论值，利用当前用户的加权播放分位值和期望值确定播放分段比重Pt。本申请采用归一化方式，能够缩短计算时间。并且将数值归化在0-1之间，统一度量单位，方便与其他子视频的播放分段比重Pt进行纵向比较。
根据本申请的实施例，可选地，利用下式计算每个子视频的播放分段比重Pt：
其中，Pt(用户A，分段Y)为用户A在子视频的分段标签为“分段Y”的播放分段比重，F(用户A，分段Y)为用户A在子视频的分段标签为“分段Y”的加权播放分位值，g（用户A，分段Y）为用户A在子视频的分段标签为“分段Y”的播放次数，为每个用户在子视频的分段标签为“分段Y”的加权播放分位值之和，/>为每个用户在子视频的分段标签为“分段Y”的播放次数之和。
由上式可知，当前用户播放某一子视频的期望时长由当前用户在该子视频的播放次数、每个用户在该子视频的加权播放分位值之和、每个用户在该子视频的播放次数之和计算得出。利用当前用户在某一子视频的加权播放分位值和当前用户播放该子视频的期望时长计算得出当前用户在该子视频的播放分段比重，得出的结果具有客观性和统一性。
根据本申请的实施例，可选地，利用当前用户某一子视频的加权播放分位值与当前用户中播放所有子视频的期望时长比值确定该子视频的播放分段时长比重Ps。
当前用户中播放所有子视频的期望时长是当前用户播放所有子视频时长的理论值，利用当前用户的加权播放分位值和播放所有子视频的期望时长确定该子视频的播放分段时长比重Ps。本申请采用采用归一化方式，能够缩短计算时间。并且将数值归化在0-1之间，统一度量单位，方便与其他子视频的播放分段时长比重Ps进行纵向比较。
根据本申请的实施例，可选地，用下式计算每个子视频的播放分段时长比重Ps：
其中，Ps(用户A，分段Y)为用户A在子视频的分段标签为“分段Y”的播放分段时长比重，F(用户A，分段Y)为用户A在子视频的分段标签为“分段Y”的加权播放分位值，为用户A在每个子视频的加权分位值之和，/>为每个用户在子视频的分段标签为“分段Y”的加权播放分位值之和，/>为每个用户中播放每个子视频的加权播放分位值之和。
由上式可知，当前用户播放所有子视频的期望时长由当前用户在所有子视频的播放次数、每个用户在该子视频的加权播放分位值之和、每个用户在该子视频的播放次数之和计算得出。利用当前用户在某一子视频的加权播放分位值和当前用户播放所有子视频的期望时长计算得出当前用户在该子视频的播放分段比重，得出的结果具有客观性和统一性。
根据本申请的实施例，可选地，该分位表中每个分位内播放用户的数量相同。采用固定播放用户的数量划分分位而不采用固定时长的方式，更加符合用户画像的要求，使得确定的结果更加准确。
图3是本申请实施例的确定向当前用户推荐的兴趣分段标签方法的流程框图，包括以下步骤：
S201，将当前用户每个子视频的播放分段比重Pt按照递减关系依次排序；
S202，将最大的播放分段比重Pt对应的子视频确定为目标子视频，并获得目标子视频的播放分段时长比重Ps；
S203，当目标子视频的播放分段比重Pt大于第一兴趣阈值，且目标子视频的播放分段时长比重Ps大于第二兴趣阈值时，将目标子视频对应的分段标签确定为向当前用户推荐的兴趣分段标签。
其中第一兴趣阈值可以是0.1-0.4中任一数值，第二兴趣阈值可以是0.2-0.6任一数值。当目标子视频的播放分段比重Pt小于或等于第一兴趣阈值，或目标子视频的播放分段时长比重Ps小于或等于第二兴趣阈值时，则无法确定向当前用户推荐的兴趣分段标签。
播放分段比重Pt能够表示用户对该子视频的感兴趣程度，其值越大，感兴趣程度就越高。但是有时候，用户的播放记录数据较少，仅依靠单一数据，确定的结果可能存在误差。因此，当目标子视频的播放分段比重Pt和目标子视频的播放分段时长比重Ps均符合要求时，确定的兴趣分段标签可靠性非常高。
根据本申请的实施例，可选地，在当前用户播放分段视频时，直接播放兴趣分段标签对应子视频的起始位置。在用户播放分段视频时，进度条将被直接拖拽到兴趣分段标签对应子视频的起始位置，无需用户手动拖拽进度条，优化用户的使用体验。
根据本申请的实施例，可选地，该分段标签包括：正面演示、背面演示、正面教学、背面教学、合屏、片头和片尾中的一者或多者。本申请中的分段视频可以是舞蹈教学视频，舞蹈教学视频包括多个舞蹈教学子视频，每个舞蹈教学子视频对应一个分段标签，不同的分段标签对应不同的视频内容。
以上通过多个实施例描述了本申请实施例的实现方式以及带来的优势。以下结合具体的例子，详细描述本申请实施例的具体处理过程。
图4是本申请实施例的用户播放分段视频记录的示意图。如图4所示，分段视频由分段1、分段2和分段3组成，分段1的起、止位置为0-T1，分段2的起、止位置为T1-T2，分段3的起、止位置为T2-T3。其中，编号1、4-6的播放记录是用户A产生的，编号2-3的播放记录是用户B产生的。其中，每条播放记录的起、止时间可能相同，也可能不同。
图4中仅示出了用户A和用户B播放某一分段视频的播放记录，任何人播放该分段视频时，均可以产生播放记录。数据库中包括多个分段视频，每个分段视频均有一个对应的播放记录示意图。通过统计数据库中所有分段视频的播放记录，能够计算出任何一个用户的播放偏好，最终确定用户推荐的兴趣分段标签。以4图为例，通过统计用户A和用户B播放分段视频V的播放记录，计算用户A的兴趣分段标签，具体内容参考一下内容：
首先，根据所有用户播放分段视频的播放次数、每次播放分段视频的起、止位置及每个子视频的分段表，计算出每个用户中播放每个子视频的加权播放分位值和每个用户中播放每个子视频的播放次数。
以T1为5:12和分段视频V中子视频分段1的分位表为表1为例。
由表1可知，分段1的播放时长为312s，通过统计所有用户播放分段1的时长，最终将分段1分为10个分位，每个分位中播放的用户数量是相同的。例如，分位1至分位2的区间内用户的播放数量为1000，分位2至分位1区间内用户的播放数量为1000……。
当用户A的编号1的开始时间为0，结束时间为215s时，当公式（3）中a为1时，编号1的播放时长（215-0）＞（1×0），则编号1为有效播放时长，参与后续计算工作。
利用公式（1）计算用户A的播放分段1的分位值为：
当用户A的编号4-6的起始时间为3:00，结束时间为16:25时，在分段1内的播放的起始时间是3:00，终止时间是5:12。当公式（3）中a为1时，编号4的播放时长（312-180）＜（1×180），则编号4)不再参与后续计算工作。
利用公式（2）计算用户A多次播放分段1分位值的累计求和即用户A播放分段1的加权播放分位值为：
以编号2播放记录为例，其起、止位置同时覆盖了分段1和部分分段2，则在统计用户B的子视频播放次数时，分段1和分段2均增加1次。但是，未参与加权播放分位值的播放记录也不计算播放次数。例如，用户A的播放记录编号1、4-6均在分段1的范围内，因编号4-6未参与加权播放分位值的计算，则有效播放次数为1。利用本方法，能够统计出每个用户中播放每个子视频的播放次数。
然后，根据每个用户中播放每个子视频的加权播放分位值、每个用户中播放每个子视频的播放次数、当前用户播放每个子视频的加权播放分位值，计算出当前用户播放每个子视频的播放分段比重Pt和当前用户播放每个子视频的播放分段时长比重Ps。
利用上述方法，能够计算出每个用户在每一个子视频的加权播放分位值和每个用户播放每个子视频的播放次数。假如用户A和用户B在分段视频V中每个子视频的加权播放分位值和播放次数如表2所示（分子为加权播放分位值，分母为播放次数）：
利用公式（4）计算用户A在子视频的分段标签为“分段1”的播放分段比重Pt：
利用公式（4）计算用户A在子视频的分段标签为“分段1”的播放分段时长比重Ps:
利用上述方法，能够计算出每个用户播放每个子视频的播放分段比重为Pt和播放分段时长比重Ps。利用播放分段比重为Pt和播放分段时长比重Ps，能够量化每个用户在每个打点分段标签的兴趣差异，补充用户在分段标签的画像。
最后，根据当前用户播放每个子视频的播放分段比重Pt和当前用户播放每个子视频的播放分段时长比重Ps，确定向当前用户推荐的兴趣分段标签。当确定向用户推荐的兴趣分段标签后，可以将兴趣分段标签对应的子视频创建生成新的视频曝光给用户，或者直接跳转至原完整视频的指定打点位置，曝光给用户，完成推荐服务。
当未开启分段播放功能时，在用户的推荐列表中的视频在起始位置开始预备播放。当开启分段播放功能时，则自动跳转至最大播放分段比重Pt对应子视频的起始位置，并且预览图显示即将播放的关键帧图片。
与本申请的方法实施例对应地，本申请还提供一种基于用户偏好推荐兴趣分段标签的装置，如图5所示，基于用户偏好推荐兴趣分段标签的装置100包括：
获取模块110，用于获取所有用户播放分段视频的播放次数和每次播放分段视频的起、止位置，所述分段视频由多个子视频组成，所述分段视频中记录有每个子视频的起、止位置和每个子视频对应的分段标签。
第一计算模块120，用于基于所有用户播放分段视频的播放次数、每次播放分段视频的起、止位置及每个子视频的分位表，计算出每个用户中播放每个子视频的加权播放分位值以确定用户对该子视频的偏好程度和每个用户中播放每个子视频的播放次数，其中分位表通过该子视频的播放次数和每次播放的起、止位置统计得出。
第二计算模块130，用于根据当前用户的请求，基于每个用户中播放每个子视频的加权播放分位值、每个用户中播放每个子视频的播放次数、当前用户播放每个子视频的加权播放分位值，计算出当前用户播放每个子视频的播放分段比重Pt和当前用户播放每个子视频的播放分段时长比重Ps，所述播放分段比重Pt用于确定某一子视频在所有用户播放该子视频的偏好比重，所述播放分段时长比重Ps用于确定某一子视频在所有用户中播放所有子视频的偏好比重。
确定模块140，用于根据当前用户播放每个子视频的播放分段比重Pt和当前用户播放每个子视频的播放分段时长比重Ps，确定向当前用户推荐的兴趣分段标签。
本申请实施例中的电子设备可以是用户终端设备，可以是服务器，还可以是其他计算设备，也可以是云端服务器。图6示出本申请实施例的电子设备的硬件结构示意图，该电子设备可以包括处理器601以及存储有计算机程序指令的存储器602，处理器601执行计算机程序指令时实现上述任一实施例方法的流程或功能。
具体地，处理器601可以包括中央处理器（CPU），或者特定集成电路（ApplicationSpecific Integrated Circuit ，ASIC），或者可以被配置成实施本申请实施例的一个或多个集成电路。存储器602可以包括用于数据或指令的大容量存储器。举例来说，存储器602可以是以下至少一者：硬盘驱动器（Hard Disk Drive，HDD）、只读存储器（ROM），随机存取存储器（RAM）、软盘驱动器、闪存、光盘、磁光盘、磁带、通用串行总线（Universal Serial Bus，USB）驱动器或其他物理/有形的存储器存储设备。又如，存储器602可包括可移除或不可移除（或固定）的介质。再如，存储器602可在综合网关容灾设备的内部或外部。存储器602可以是非易失性固态存储器。换句话说，通常存储器602包括编码有计算机可执行指令的有形（非暂态）计算机可读存储介质（如存储器设备），并且当该软件被执行（如由一个或多个处理器执行）时，可执行本申请实施例的方法所描述的操作。处理器601通过读取并执行存储器602中存储的计算机程序指令，实现上述实施例中任一种方法的流程或功能。
在一个示例中，图6所示的电子设备还可包括通信接口603和总线610。其中，处理器601、存储器602、通信接口603通过总线610连接并完成相互间的通信。通信接口603主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。总线610包括硬件、软件或两者皆有，可将在线数据流量计费设备的部件彼此耦接在一起。举例来说，总线可包括以下至少一者：加速图形端口（AGP）或其他图形总线、增强工业标准架构（EISA）总线、前端总线（FSB）、超传输（HT）互连、工业标准架构（ISA）总线、无限带宽互连、低引脚数（LPC）总线、存储器总线、微信道架构（MCA）总线、外围组件互连（PCI）总线、PCI-Express（PCI-X）总线、串行高级技术附件（SATA）总线、视频电子标准协会局部（VLB）总线或其他合适的总线。总线610可包括一个或多个总线。尽管本申请实施例描述或示出了特定的总线，但本申请实施例可考虑任何合适的总线或互连方式。
结合上述实施例中的方法，本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序指令，该计算机程序指令被处理器执行时实现上述实施例中任一种方法的流程或功能。
另外，本申请实施例还提供一种计算机程序产品，该计算机程序产品上存储有计算机程序指令，该计算机程序指令被处理器执行时实现上述实施例中任一种方法的流程或功能。
以上示例性地描述了本申请实施例的方法、装置、系统和计算机程序产品的流程图和/或框图，并描述了相关的各个方面。应当理解，流程图和/或框图中的每个方框或其组合，可以由计算机程序指令实现，也可以由执行指定功能或动作的专用硬件来实现，还可由专用硬件和计算机指令的组合来实现。例如，这些计算机程序指令可被提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，以形成一种机器可使得经由这种处理器执行的这些指令使能对流程图和/或框图中的每个方框或其组合中指定的功能/动作的实现。这种处理器可以是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。
本申请实施例的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路（ASIC）、适当的固件、插件、功能卡等等；当以软件方式实现时，是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在存储器中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
需说明，本申请并不局限于上文所描述或在图中示出的特定配置和处理。以上所述仅为本申请的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，所描述的系统、设备、模块或单元的具体工作过程，可以参考方法实施例中的对应过程，不需再赘述。应理解，本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。

Claims (14)

1.一种基于用户偏好推荐兴趣分段标签的方法，其特征在于，
获取所有用户播放分段视频的播放次数和每次播放分段视频的起、止位置，所述分段视频由多个子视频组成，所述分段视频中记录有每个子视频的起、止位置和每个子视频对应的分段标签；
基于所有用户播放分段视频的播放次数、每次播放分段视频的起、止位置及每个子视频的分位表，计算出每个用户中播放每个子视频的加权播放分位值以确定用户对该子视频的偏好程度和每个用户中播放每个子视频的播放次数，其中分位表通过该子视频的播放次数和每次播放的起、止位置统计得出；
根据当前用户的请求，基于每个用户中播放每个子视频的加权播放分位值、每个用户中播放每个子视频的播放次数、当前用户播放每个子视频的加权播放分位值，计算出当前用户播放每个子视频的播放分段比重Pt和当前用户播放每个子视频的播放分段时长比重Ps，所述播放分段比重Pt用于确定某一子视频在所有用户播放该子视频的偏好比重，所述播放分段时长比重Ps用于确定某一子视频在所有用户中播放所有子视频的偏好比重；以及
根据当前用户播放每个子视频的播放分段比重Pt和当前用户播放每个子视频的播放分段时长比重Ps，确定向当前用户推荐的兴趣分段标签。
2.根据权利要求1所述的方法，其特征在于，其中，利用下式计算每个用户中播放每个子视频的加权播放分位值：
其中，f(x)为单次播放子视频的分位值，x为单次播放子视频结束时间点，kx为x所在的分位编号，N为总分位数，/>为第kx分位的结束时间点，/>为第kx+1分位的结束时间点，F(x)为加权播放分位值，n为子视频的播放次数，fi(x)为第i次播放视频的分位值。
3.根据权利要求1所述的方法，其特征在于，其中，利用当前用户某一子视频的加权播放分位值与当前用户播放该子视频的期望时长比值确定该子视频的播放分段比重Pt。
4.根据权利要求3所述的方法，其特征在于，其中，利用下式计算每个子视频的播放分段比重Pt：
其中，Pt(用户A,分段Y)为用户A在子视频的分段标签为“分段Y”的播放分段比重，F(用户A，分段Y)为用户A在子视频的分段标签为“分段Y”的加权播放分位值，g（用户A，分段Y）为用户A在子视频的分段标签为“分段Y”的播放次数，/>为每个用户在子视频的分段标签为“分段Y”的加权播放分位值之和，/>为每个用户在子视频的分段标签为“分段Y”的播放次数之和。
5.根据权利要求1所述的方法，其特征在于，其中，利用当前用户某一子视频的加权播放分位值与当前用户中播放所有子视频的期望时长比值确定该子视频的播放分段时长比重Ps。
6.根据权利要求5所述的方法，其特征在于，利用下式计算每个子视频的播放分段时长比重Ps：
其中，Ps(用户A，分段Y)为用户A在子视频的分段标签为“分段Y”的播放分段时长比重，F(用户A，分段Y)为用户A在子视频的分段标签为“分段Y”的加权播放分位值，/>为用户A在每个子视频的加权分位值之和，/>为每个用户在子视频的分段标签为“分段Y”的加权播放分位值之和，/>为每个用户中播放每个子视频的加权播放分位值之和。
7.根据权利要求1所述的方法，其特征在于，其中，所述分位表中每个分位内播放用户的数量相同。
8.根据权利要求2所述的方法，其特征在于，其中，在计算每个子视频的加权播放分位值之前，判断单次播放子视频的播放时长是否小于时长阈值，若播放时长小于时长阈值，则屏蔽该次的分位值。
9.根据权利要求1所述的方法，其特征在于，根据当前用户每个子视频的播放分段比重Pt和当前用户每个子视频的播放分段时长比重Ps确定向当前用户推荐的兴趣分段标签包括：
将当前用户每个子视频的播放分段比重Pt按照递减关系依次排序；
将最大的播放分段比重Pt对应的子视频确定为目标子视频，并获得目标子视频的播放分段时长比重Ps；以及
当目标子视频的播放分段比重Pt大于第一兴趣阈值，且目标子视频的播放分段时长比重Ps大于第二兴趣阈值时，将目标子视频对应的分段标签确定为向当前用户推荐的兴趣分段标签。
10.根据权利要求9所述的方法，其特征在于，其中，在当前用户播放分段视频时，直接播放兴趣分段标签对应子视频的起始位置。
11.根据权利要求1-10中任一所述的方法，其特征在于，其中，所述分段标签包括：正面演示、背面演示、正面教学、背面教学、合屏、片头和片尾中的一者或多者。
12.一种基于用户偏好推荐兴趣分段标签的装置，其特征在于，包括：
获取模块，用于获取所有用户播放分段视频的播放次数和每次播放分段视频的起、止位置，所述分段视频由多个子视频组成，所述分段视频中记录有每个子视频的起、止位置和每个子视频对应的分段标签；
第一计算模块，用于基于所有用户播放分段视频的播放次数、每次播放分段视频的起、止位置及每个子视频的分位表，计算出每个用户中播放每个子视频的加权播放分位值以确定用户对该子视频的偏好程度和每个用户中播放每个子视频的播放次数，其中分位表通过该子视频的播放次数和每次播放的起、止位置统计得出；
第二计算模块，用于根据当前用户的请求，基于每个用户中播放每个子视频的加权播放分位值、每个用户中播放每个子视频的播放次数、当前用户播放每个子视频的加权播放分位值，计算出当前用户播放每个子视频的播放分段比重Pt和当前用户播放每个子视频的播放分段时长比重Ps，所述播放分段比重Pt用于确定某一子视频在所有用户播放该子视频的偏好比重，所述播放分段时长比重Ps用于确定某一子视频在所有用户中播放所有子视频的偏好比重；以及
确定模块，用于根据当前用户播放每个子视频的播放分段比重Pt和当前用户播放每个子视频的播放分段时长比重Ps，确定向当前用户推荐的兴趣分段标签。
13.一种电子设备，其特征在于，所述电子设备包括：处理器以及存储有计算机程序指令的存储器；所述电子设备执行所述计算机程序指令时实现如权利要求1-11中任一项所述的方法。
14.一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计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-11中任一项所述的方法。
CN202310713011.3A 2023-06-16 2023-06-16 基于用户偏好推荐兴趣分段标签的方法、装置及电子设备 Active CN116450881B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310713011.3A CN116450881B (zh) 2023-06-16 2023-06-16 基于用户偏好推荐兴趣分段标签的方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310713011.3A CN116450881B (zh) 2023-06-16 2023-06-16 基于用户偏好推荐兴趣分段标签的方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN116450881A true CN116450881A (zh) 2023-07-18
CN116450881B CN116450881B (zh) 2023-10-27

Family

ID=87135932

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310713011.3A Active CN116450881B (zh) 2023-06-16 2023-06-16 基于用户偏好推荐兴趣分段标签的方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN116450881B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117014687A (zh) * 2023-09-28 2023-11-07 北京小糖科技有限责任公司 基于用户播放画像的视频定位播放方法、装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140321831A1 (en) * 2013-04-26 2014-10-30 Microsoft Corporation Video service with automated video timeline curation
CN106507143A (zh) * 2016-10-21 2017-03-15 北京小米移动软件有限公司 视频推荐方法及装置
CN109275047A (zh) * 2018-09-13 2019-01-25 周昕 视频信息处理方法及装置、电子设备、存储介质
CN112770182A (zh) * 2019-11-05 2021-05-07 腾讯科技（深圳）有限公司 一种视频播放控制方法、装置、设备及存储介质
CN114822512A (zh) * 2022-06-29 2022-07-29 腾讯科技（深圳）有限公司 音频数据的处理方法、装置、电子设备及存储介质
CN115065871A (zh) * 2022-06-09 2022-09-16 咪咕音乐有限公司 一种视频播放控制方法、装置及电子设备
US20220326966A1 (en) * 2021-04-08 2022-10-13 Citrix Systems, Inc. Sorting optimization based on user's time preferences and habits

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140321831A1 (en) * 2013-04-26 2014-10-30 Microsoft Corporation Video service with automated video timeline curation
CN106507143A (zh) * 2016-10-21 2017-03-15 北京小米移动软件有限公司 视频推荐方法及装置
CN109275047A (zh) * 2018-09-13 2019-01-25 周昕 视频信息处理方法及装置、电子设备、存储介质
CN112770182A (zh) * 2019-11-05 2021-05-07 腾讯科技（深圳）有限公司 一种视频播放控制方法、装置、设备及存储介质
US20220326966A1 (en) * 2021-04-08 2022-10-13 Citrix Systems, Inc. Sorting optimization based on user's time preferences and habits
CN115065871A (zh) * 2022-06-09 2022-09-16 咪咕音乐有限公司 一种视频播放控制方法、装置及电子设备
CN114822512A (zh) * 2022-06-29 2022-07-29 腾讯科技（深圳）有限公司 音频数据的处理方法、装置、电子设备及存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
FAN QIU等: "An analysis of user behavior in online video streaming", 《PROCEEDINGS OF THE INTERNATIONAL WORKSHOP ON VERY-LARGE-SCALE MULTIMEDIA CORPUS, MINING AND RETRIEVAL》 *
PAUL COVINGTON等: "Deep neural network for YouTube recommendations", 《PROCEEDINGS OF THE 10TH ACM CONFERENCE ON RECOMMENDER SYSTEM》 *
刘小晶等: "教学视频微型化改造与应用的新探索", 《中国电化教育》, no. 03 *
王娜等: "一种基于用户播放行为序列的个性化视频推荐策略", 《计算机学报》, no. 01 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117014687A (zh) * 2023-09-28 2023-11-07 北京小糖科技有限责任公司 基于用户播放画像的视频定位播放方法、装置
CN117014687B (zh) * 2023-09-28 2023-12-08 北京小糖科技有限责任公司 基于用户播放画像的视频定位播放方法、装置

Also Published As

Publication number Publication date
CN116450881B (zh) 2023-10-27

Similar Documents

Publication Publication Date Title
CN108540826B (zh) 弹幕推送方法、装置、电子设备及存储介质
CN109376267B (zh) 用于生成模型的方法和装置
CN116450881B (zh) 基于用户偏好推荐兴趣分段标签的方法、装置及电子设备
CN110941738B (zh) 推荐方法、装置、电子设备及计算机可读存储介质
CN110913135A (zh) 一种视频拍摄方法、装置、电子设备和存储介质
CN110502665B (zh) 视频处理方法和装置
CN109214501B (zh) 用于识别信息的方法和装置
US9684582B2 (en) Automatically analyzing operation sequences
EP3346396A1 (en) Multimedia resource quality assessment method and apparatus
CN110826494A (zh) 标注数据质量评价方法、装置、计算机设备及存储介质
CN113076416A (zh) 信息热度评估方法、装置和电子设备
CN110059064B (zh) 日志文件处理方法、装置和计算机可读存储介质
CN115801980A (zh) 视频生成方法和装置
CN112672146B (zh) 一种视频播放器播放视频时的帧率测试方法及计算设备
CN113722588A (zh) 资源推荐方法、装置及电子设备
CN112929728A (zh) 一种视频渲染方法、装置、系统、电子设备及存储介质
CN108495150B (zh) 一种视频点击满意度的确定方法及装置
CN113068021B (zh) 延时测试方法、装置、设备及存储介质
CN111935501B (zh) 一种场景识别方法及装置
CN108228829B (zh) 用于生成信息的方法和装置
CN114513686A (zh) 视频信息的确定方法、装置以及存储介质
CN105791908A (zh) 获取视频关键帧的方法及装置
CN111026989A (zh) 页面加载时间的检测方法、装置和电子设备
CN110782287A (zh) 实体相似度计算方法及装置、物品推荐系统、介质、设备
CN110399243B (zh) 蓝屏原因确定方法、系统、计算机可读介质及电子设备

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