CN116992076A - 基于学习行为的视频抽取方法及装置 - Google Patents

Abstract

本发明公开了一种基于学习行为的视频抽取方法及装置，属于视频处理技术领域。基于学习行为的视频抽取方法，包括：获取用户对于课程视频的行为数据；将每个课程视频划分为多个视频片段；统计每个视频片段对应的行为数据；基于所述行为数据对所述视频片段进行评分；根据评分对视频片段进行推荐和/或删除。本发明可以自动删除无效的视频文件，推荐重要教学课程视频及片段。

Description

基于学习行为的视频抽取方法及装置

技术领域

本发明属于视频处理技术领域，特别是涉及一种基于学习行为的视频抽取方法及装置。

背景技术

随着在线教育及多媒体教室的普及，学校直播课程增多，特别是受疫情影响，大量的学校都采用了线上教学，并且录制教学视频保存为教学资源。一些综合性院校，全校课程数量比较多，一般都是根据教学计划，按照学生课表进行自动的视频录制。在录制的视频中，除了一些有用的教学视频外，还包含一些课前、课间休息，课后的无效视频画面。还有一些在实际执行中，会对教学计划进行一些动态调整，但相应的视频录制任务没有调整，这样就更可能录制了一些学生上自习等无效的课程视频。

针对这些海量的视频资源，一方面要占用学校的存储资源，特别是3-5年后，学校要为此付出一笔不小的存储费用开支，学生也很难找到那种真正有用的教学视频片段。

在当前的教学资源管理系统中，一些系统采用人工标引或者AI分析的方式，对教学资源进行一些特殊的标注和标引，但普遍存在如下一些问题：

（1）人工标引方式：通过学生观看教学视频，然后进行手工编目来确定哪些视频，哪些片段是有用的。这种方式针对教学视频比较多的情况下，工作量太大，不适合推广。

（2）AI分析及智能标签：采用语音转文字，图像识别等方式，标注出课程里面的一些内容。但在实际项目应用中，一般采用智能处理的云服务方式进行，这种处理方式是按照视频处理数量，处理时长进行收费的，长期累计下来，费用成本比较高。并且这种针对内容本身的处理方式，属于“静态”处理方式，在存储容量紧张的情况下，无法根据内容的标引数据来决定应该删除哪部分教学视频。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于学习行为的视频抽取方法及装置。

本发明的目的是通过以下技术方案来实现的：基于学习行为的视频抽取方法，包括：

获取用户对于课程视频的行为数据；

将每个课程视频划分为多个视频片段；

统计每个视频片段对应的行为数据；

基于所述行为数据对所述视频片段进行评分；

根据评分对视频片段进行推荐和/或删除。

进一步地，获取用户观看课程视频时的行为数据，包括：

采集用户观看课程视频时的行为数据；和/或，

采集用户记录电子笔记的行为数据；和/或，

采集用户对课程视频进行操作的行为数据。

进一步地，获取用户对于课程视频的行为数据，包括：

通过数据埋点的方式采集用户观看课程视频时的行为数据。

进一步地，将每个课程视频划分为多个视频片段，包括：

按照预设时长将每个课程视频划分为多个视频片段。

进一步地，所述视频抽取方法还包括：

在基于所述行为数据对所述视频片段进行评分之前，对所述行为数据进行数据清洗。

进一步地，基于所述行为数据对所述视频片段进行评分时，所述视频片段的评分的计算公式为：

式中，表示第i个视频片段的评分，/>表示第i个视频片段的播放量，/>表示重复观看第i个视频片段的数次数，/>表示跳过第i个视频片段的次数，/>表示对第i个视频片段记录笔记的数量，/>表示第i个视频片段所属学科中各视频片段播放数量的平均值，/>表示第i个视频片段所属学科中各视频片段重复观看次数的平均值，/>表示第i个视频片段所属学科中各视频片段被跳过次数的平均值，/>表示第i个视频片段所属学科中对各视频片段记录笔记的数量的平均值；s1、s2、s3、s4是预设的评分系数，介于0-1之间。

进一步地，所述视频抽取方法还包括：

根据各个视频片段的评分计算每个课程视频的评分。

进一步地，每个课程视频的评分的计算公式为：

式中，表示第j个课程视频的评分；/>表示第j个课程视频目前包括的视频片段的评分之和；/>表示第j个视频片段目前的视频长度，单位为分钟；/>表示第j个课程视频保存的天数；/>表示第j个课程视频的分享数量，/>表示第j个课程视频的收藏数量；/>表示第j个课程视频的下载数量；/>表示第j个课程视频的搜索次数；sf1表示保存的天数的得分序数；sf2表示分享数量的得分序数；sf3表示收藏数量的得分序数；sf4表示下载数量的得分序数；sf5表示搜索次数的得分序数。

进一步地，所述视频抽取方法还包括：

按照预设频率更新所述视频片段的评分。

进一步地，根据评分对视频片段进行推荐和/或删除，包括：

在用于存储课程视频的存储设备的剩余存储空间小于预设大小时，删除该存储设备上评分最低的视频片段；和/或，

在用户搜索课程视频时，根据评分对搜索结果进行排序。

基于学习行为的视频抽取装置，包括：

数据采集模块，用于获取用户对于课程视频的行为数据；

视频划分模块，用于将每个课程视频划分为多个视频片段；

统计模块，用于统计每个视频片段对应的行为数据；

评分模块，用于基于所述行为数据对所述视频片段进行评分；

执行模块，用于根据评分对视频片段进行推荐和/或删除。

本发明的有益效果是：本发明根据用户的多种学习行为进行数据埋点，获取用户的行为数据，然后进行数据清洗，针对每种学习行为按小的视频片段进行分类统计，为每种学习行为按照一定的量值设置一个得分系数，最后根据各片段的综合得分计算出视频文件的综合得分，并根据学科特点等，设定高价值、中等价值、无价值的最低分数，可以自动删除无效的视频文件，清理一个视频中的无效片段，从而达到降低存储容量，减少费用开支，推荐重要教学课程视频及片段的目的。

附图说明

图1为本发明中视频抽取方法的一种实施例的流程图；

图2为本发明中视频抽取装置的一种实施例的组成框图。

具体实施方式

下面将结合实施例，对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有付出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

参阅图1至图2，本发明提供一种基于学习行为的视频抽取方法及装置：

如图1所示，基于学习行为的视频抽取方法，包括步骤S100至步骤S500。

步骤S100.获取用户对于课程视频的行为数据。

在一些实施例中，所述行为数据包括用户观看课程视频时的行为数据、用户记录电子笔记的行为数据和用户对课程视频进行操作的行为数据中的一种或多种。具体的，获取用户观看课程视频时的行为数据，包括步骤S110至步骤S130。

步骤S110.采集用户观看课程视频时的行为数据。

例如，用户观看课程视频时的行为数据，包括：用户的观看时间，观看视频片段，视频涉及到的课程信息，用户在观看过程中对视频的操作行为数据（开始播放，暂停，快进，快退，重复观看的片段，跳过的片段等等）。

一般的，定时采集用户观看课程视频时的行为数据，比如每10秒进行一次数据采集，以便后续进行用户行为的统计。

在一些实施例中，采集用户观看课程视频时的行为数据，包括：通过数据埋点的方式采集用户观看课程视频时的行为数据。

步骤S120.采集用户记录电子笔记的行为数据。

例如，用户记录电子笔记的行为数据，包括：记录笔记的视频截图位置，ppt页面截图对应的视频时码，引用语音识别文字记录到电子笔记的行为数据。

步骤S130.采集用户对课程视频进行操作的行为数据

例如，用户对课程视频进行操作的行为数据，包括：用户对课程视频的分享、下载、收藏、搜索（用户搜索课程及课程视频，命中后查看详情的行为数据）等行为数据。

步骤S200.将每个课程视频划分为多个视频片段。

在一些实施例中，将每个课程视频划分为多个视频片段，包括：按照预设时长将每个课程视频划分为多个视频片段。

例如，以固定时长1分钟的间隔将每个课程视频划分为多个视频片段，具体时间间隔可以根据实际需求调整。

步骤S300.统计每个视频片段对应的行为数据。

一般的，统计每个视频片段对应的行为数据，包括：统计用户对于该视频片段的行为数据；统计用户对于该视频片段所属学科中各视频片段各种行为数据的平均值。

例如，对于第i个视频片段，用户对于该视频片段的行为数据，包括：播放此视频片段数量()、重复观看此视频片段数量(/>)、跳过此视频片段数量（/>）、视频片段记录笔记数量（/>）。对于第i个视频片段，用户对于该视频片段所属学科中各视频片段各种行为数据的平均值，包括：表示第i个视频片段所属学科中各视频片段播放数量的平均值（/>），表示第i个视频片段所属学科中各视频片段重复观看次数的平均值（/>），表示第i个视频片段所属学科中各视频片段被跳过次数的平均值（/>），表示第i个视频片段所属学科中对各视频片段记录笔记的数量的平均值（/>）。

步骤S400.基于所述行为数据对所述视频片段进行评分。

在一些实施例中，基于所述行为数据对所述视频片段进行评分时，所述视频片段的评分的计算公式为：

式中，表示第i个视频片段的评分，/>表示第i个视频片段的播放量，/>表示重复观看第i个视频片段的数次数，/>表示跳过第i个视频片段的次数，/>表示对第i个视频片段记录笔记的数量，/>表示第i个视频片段所属学科中各视频片段播放数量的平均值，/>表示第i个视频片段所属学科中各视频片段重复观看次数的平均值，/>表示第i个视频片段所属学科中各视频片段被跳过次数的平均值，/>表示第i个视频片段所属学科中对各视频片段记录笔记的数量的平均值；s1、s2、s3、s4是预设的评分系数，介于0-1之间。

在一些实施例中，所述视频抽取方法还包括：在基于所述行为数据对所述视频片段进行评分之前，对所述行为数据进行数据清洗。

由于考虑到效率问题，在数据埋点的过程中并未对数据的有效性进行验证，因此需要对采集到的行为数据进行数据清洗，去掉无效的观看数据，连续的拖拽数据，并且关联多种行为到一个有效的评分维度，比如，用户多次点击倒退或者拖拽游标，最后从哪个时码开始观看，连续拖动的记录数据对于评分是没有意义的，应该清洗掉。

步骤S500.根据评分对视频片段进行推荐和/或删除。

在一些实施例中，根据评分对视频片段进行推荐和/或删除，包括步骤S510和步骤S520。

步骤S510.在用于存储课程视频的存储设备的剩余存储空间小于预设大小时，删除该存储设备上评分最低的视频片段。

本实施例中，在存储容量比较紧张的情况下，删除视频文件价值评分比较低的文件。

步骤S520.在用户搜索课程视频时，根据评分对搜索结果进行排序。

具体的，本实施例在搜索课程视频时采用了全文检索技术，在同等关键词下，可能搜索出的数量比较大，根据视频及片段的的评分作为权重因子，让搜索结果根据评分高低从高到低排列为用户推荐。

本实施例中，为学生推荐片段价值评分比较高的课程视频片段，并且利用后台的媒体处理能力，剪切掉评分价值过低的片段，降低媒体文件总体存储容量。

在一些实施例中，所述视频抽取方法还包括：根据各个视频片段的评分计算每个课程视频的评分。

本实施例中，通过计算每个课程视频的整体评分，根据评分结果为每个课程视频采取相应的存储策略，从而为终端用户提供更好的服务。

具体的，每个课程视频的评分的计算公式为：

式中，表示第j个课程视频的评分；/>表示第j个课程视频目前包括的视频片段的评分之和；/>表示第j个视频片段目前的视频长度，单位为分钟；/>表示第j个课程视频保存的天数；/>表示第j个课程视频的分享数量，/>表示第j个课程视频的收藏数量；表示第j个课程视频的下载数量；/>表示第j个课程视频的搜索次数；sf1表示保存的天数的得分序数；sf2表示分享数量的得分序数；sf3表示收藏数量的得分序数；sf4表示下载数量的得分序数；sf5表示搜索次数的得分序数。sf1、sf2、sf3、sf4和sf5的具体值可以根据具体产品以及对这四种行为的重视程度自行确定。

代表一小时视频文件的片段得分，视频文件片段得分（在相同码率的情况下，时长和文件大小成正比，只需要计算单位长度的片段累积分），保留天数按照负分进行计算，因为保留时间越长的，存储成本越高。

在一些实施例中，所述视频抽取方法还包括：按照预设频率更新所述视频片段的评分。

由于每个视频文件及片段随用户学习行为，保留的时间长度等，价值评分数据会发生动态变化。本实施例中通过定期对视频片段的评分进行更新，使得视频片段的评分更准确可靠。例如，每隔一天计算一次视频片段的评分，同时更新对应课程视频的评分。

如图2所示，基于学习行为的视频抽取装置，包括数据采集模块、视频划分模块、统计模块、评分模块和执行模块。数据采集模块用于获取用户对于课程视频的行为数据；视频划分模块用于将每个课程视频划分为多个视频片段；统计模块用于统计每个视频片段对应的行为数据；评分模块用于基于所述行为数据对所述视频片段进行评分；执行模块用于根据评分对视频片段进行推荐和/或删除。

需要说明的是，本领域技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统或者装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再重复描述。

以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (10)

1.基于学习行为的视频抽取方法，其特征在于，包括：

获取用户对于课程视频的行为数据；

将每个课程视频划分为多个视频片段；

统计每个视频片段对应的行为数据；

基于所述行为数据对所述视频片段进行评分；

根据评分对视频片段进行推荐和/或删除。

2.根据权利要求1所述的基于学习行为的视频抽取方法，其特征在于，获取用户对于课程视频的行为数据，包括：

采集用户观看课程视频时的行为数据；和/或，

采集用户记录电子笔记的行为数据；和/或，

采集用户对课程视频进行操作的行为数据。

3.根据权利要求2所述的基于学习行为的视频抽取方法，其特征在于，采集用户观看课程视频时的行为数据，包括：

通过数据埋点的方式采集用户观看课程视频时的行为数据。

4.根据权利要求1所述的基于学习行为的视频抽取方法，其特征在于，将每个课程视频划分为多个视频片段，包括：

按照预设时长将每个课程视频划分为多个视频片段。

5.根据权利要求1所述的基于学习行为的视频抽取方法，其特征在于，基于所述行为数据对所述视频片段进行评分时，所述视频片段的评分的计算公式为：

式中，表示第i个视频片段的评分，/>表示第i个视频片段的播放量，/>表示重复观看第i个视频片段的数次数，/>表示跳过第i个视频片段的次数，/>表示对第i个视频片段记录笔记的数量，/>表示第i个视频片段所属学科中各视频片段播放数量的平均值，表示第i个视频片段所属学科中各视频片段重复观看次数的平均值，/>表示第i个视频片段所属学科中各视频片段被跳过次数的平均值，/>表示第i个视频片段所属学科中对各视频片段记录笔记的数量的平均值；s1、s2、s3、s4是预设的评分系数，介于0-1之间。

6.根据权利要求1所述的基于学习行为的视频抽取方法，其特征在于，所述视频抽取方法还包括：

根据各个视频片段的评分计算每个课程视频的评分。

7.根据权利要求6所述的基于学习行为的视频抽取方法，其特征在于，每个课程视频的评分的计算公式为：

式中，表示第j个课程视频的评分；/>表示第j个课程视频目前包括的视频片段的评分之和；/>表示第j个视频片段目前的视频长度，单位为分钟；/>表示第j个课程视频保存的天数；/>表示第j个课程视频的分享数量，/>表示第j个课程视频的收藏数量；/>表示第j个课程视频的下载数量；/>表示第j个课程视频的搜索次数；sf1表示保存的天数的得分序数；sf2表示分享数量的得分序数；sf3表示收藏数量的得分序数；sf4表示下载数量的得分序数；sf5表示搜索次数的得分序数。

8.根据权利要求1所述的基于学习行为的视频抽取方法，其特征在于，所述视频抽取方法还包括：

按照预设频率更新所述视频片段的评分。

9.根据权利要求1所述的基于学习行为的视频抽取方法，其特征在于，根据评分对视频片段进行推荐和/或删除，包括：

在用于存储课程视频的存储设备的剩余存储空间小于预设大小时，删除该存储设备上评分最低的视频片段；和/或，

在用户搜索课程视频时，根据评分对搜索结果进行排序。

10.基于学习行为的视频抽取装置，其特征在于，包括：

数据采集模块，用于获取用户对于课程视频的行为数据；

视频划分模块，用于将每个课程视频划分为多个视频片段；

统计模块，用于统计每个视频片段对应的行为数据；

评分模块，用于基于所述行为数据对所述视频片段进行评分；

执行模块，用于根据评分对视频片段进行推荐和/或删除。