CN117221623A - 资源确定方法、装置、电子设备以及存储介质 - Google Patents
资源确定方法、装置、电子设备以及存储介质 Download PDFInfo
- Publication number
- CN117221623A CN117221623A CN202311182124.1A CN202311182124A CN117221623A CN 117221623 A CN117221623 A CN 117221623A CN 202311182124 A CN202311182124 A CN 202311182124A CN 117221623 A CN117221623 A CN 117221623A
- Authority
- CN
- China
- Prior art keywords
- target
- video
- determining
- dynamic
- historical
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 69
- 230000006399 behavior Effects 0.000 claims abstract description 48
- 230000004044 response Effects 0.000 claims abstract description 9
- 230000008451 emotion Effects 0.000 claims description 65
- 238000010586 diagram Methods 0.000 claims description 51
- 238000004458 analytical method Methods 0.000 claims description 35
- 239000012634 fragment Substances 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 12
- 238000002076 thermal analysis method Methods 0.000 claims description 5
- 230000003542 behavioural effect Effects 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract description 3
- 238000003058 natural language processing Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 11
- 238000013145 classification model Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 7
- 230000001960 triggered effect Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002996 emotional effect Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
Abstract
本公开提供了资源确定方法、装置、电子设备以及存储介质,涉及人工智能技术领域,尤其涉及深度学习、自然语言处理、图像生成技术领域。具体实现方案为:响应于资源确定请求,基于目标对象的视频浏览记录和目标对象的行为日志,确定至少一个目标历史视频;将目标对象当前浏览的目标视频与至少一个目标历史视频进行特征匹配,得到匹配结果;以及基于匹配结果,确定动态图资源集合。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及深度学习、自然语言处理、图像生成技术领域。
背景技术
随着互联网技术的快速发展,各类视频播放应用程序都提供了动态图评论功能。使用动态图发表评论的方式可以快速表达用户的观点,活跃社交氛围,增强用户使用体验。
发明内容
本公开提供了一种资源确定方法、装置、电子设备以及存储介质。
根据本公开的一方面,提供了一种资源确定方法,包括:响应于资源确定请求,基于目标对象的视频浏览记录和上述目标对象的行为日志,确定至少一个目标历史视频;将上述目标对象当前浏览的目标视频与上述至少一个目标历史视频进行特征匹配,得到匹配结果;以及基于上述匹配结果,确定动态图资源集合。
根据本公开的另一方面,提供了一种资源确定装置,包括:目标历史视频确定模块,用于响应于资源确定请求,基于目标对象的视频浏览记录和上述目标对象的行为日志,确定至少一个目标历史视频;匹配结果确定模块,用于将上述目标对象当前浏览的目标视频与上述至少一个目标历史视频进行特征匹配,得到匹配结果;以及资源集合确定模块,用于基于上述匹配结果,确定动态图资源集合。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与上述至少一个处理器通信连接的存储器;其中,上述存储器存储有可被上述至少一个处理器执行的指令,上述指令被上述至少一个处理器执行,以使上述至少一个处理器能够执行如上上述的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,上述计算机指令用于使上述计算机执行如上上述的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,上述计算机程序在被处理器执行时实现如上上述的方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1示意性示出了根据本公开实施例的可以应用资源确定方法及装置的示例性系统架构;
图2示意性示出了根据本公开实施例的资源确定方法的流程图;
图3示意性示出了根据本公开实施例的将目标对象当前浏览的目标视频与目标历史视频进行特征匹配的流程图;
图4示意性示出了根据本公开实施例基于目标对象的行为日志得到目标对象画像信息的流程图;
图5示意性示出了根据本公开实施例的存储有目标动态图集合预设区域的示意图;
图6示意性示出了根据本公开实施例的资源确定方法的示意图
图7示意性示出了根据本公开另一实施例的资源确定方法的流程图;
图8示意性示出了根据本公开实施例的资源确定装置的框图;以及
图9示意性示出了根据本公开实施例的适于实现资源确定方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在相关技术中,视频播放应用程序可以提供动态图库,用户可以选择动态图库中的动态图来发表动态图评论。动态图库中的动态图的来源包括视频播放应用程序提供的动态图、其他用户在互联网上分享的动态图、用户从其他用户发表的动态图评论中收集得到的动态图等。用户在发表动态图评论时,需要从动态图库中查找适合表达观点或者情境相符的动态图,而为了查找得到合适的动态图,用户需要进行较多的手动筛选操作,且筛选得到的动态图可能无法完全地表达用户意图,因而降低了用户的互动体验。
有鉴于此,本公开的实施例提供了一种资源确定方法,可以为用户生成并提供满足情境或意图的动态图资源,以提升用户的交互体验。具体方法包括:响应于资源确定请求,基于目标对象的视频浏览记录和目标对象的行为日志,确定至少一个目标历史视频;将目标对象当前浏览的目标视频与至少一个目标历史视频进行特征匹配,得到匹配结果;以及基于匹配结果,确定动态图资源集合。
图1示意性示出了根据本公开实施例的可以应用资源确定方法及装置的示例性系统架构。
需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。例如,在另一实施例中,可以应用资源确定方法及装置的示例性系统架构可以包括终端设备,但终端设备可以无需与服务器进行交互,即可实现本公开实施例提供的资源确定方法及装置。
如图1所示,根据该实施例的系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线和/或无线通信链路等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如知识阅读类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端和/或社交平台软件等(仅为示例)。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器。
需要说明的是,本公开实施例所提供的资源确定方法一般可以由终端设备101、102、或103执行。相应地,本公开实施例所提供的资源确定装置也可以设置于终端设备101、102、或103中。
或者,本公开实施例所提供的资源确定方法一般也可以由服务器105执行。相应地,本公开实施例所提供的资源确定装置一般可以设置于服务器105中。本公开实施例所提供的资源确定方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的资源确定装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
例如,在用户点击进去评论区时,终端设备101、102、103可以触发资源确定请求,然后将触发的资源确定请求发送给服务器105,由服务器105对资源确定请求进行处理,最终确定动态图资源集合,或者由能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群对资源确定请求进行处理,并最终确定动态图资源集合。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
在本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供、公开和应用等处理,均符合相关法律法规的规定,采取了必要保密措施,且不违背公序良俗。
在本公开的技术方案中,在获取或采集用户个人信息之前,均获取了用户的授权或同意。
图2示意性示出了根据本公开实施例的资源确定方法的流程图。
如图2所示,该方法包括操作S210~S230。
在操作S210,响应于资源确定请求,基于目标对象的视频浏览记录和目标对象的行为日志,确定至少一个目标历史视频。
在操作S220,将目标对象当前浏览的目标视频与至少一个目标历史视频进行特征匹配,得到匹配结果。
在操作S230,基于匹配结果,确定动态图资源集合。
根据本公开的实施例,在目标对象浏览目标视频的情况下,且在目标对象点击进入该目标视频的评论区后,可以触发资源确定请求。
根据本公开的实施例,目标对象可以为对目标视频进行浏览的用户。
根据本公开的实施例,在触发资源确定请求的情况下,可以基于预设时间段内目标对象的视频浏览记录确定目标对象浏览过的历史视频,以及基于目标对象的行为日志确定目标对象对于每个历史视频进行的操作行为,从而确定目标对象感兴趣的历史视频,即至少一个目标历史视频。
根据本公开的实施例,目标对象的行为日志中可以记录有目标对象对于历史视频的各种操作行为,各种操作行为可以包括点赞、评论、分享、收藏等。
根据本公开的实施例,作为一种可选实施方式,还可以通过增量筛选的方式来确定该至少一个目标历史视频。具体地,可以获取上一次资源确定请求被触发时所确定的至少一个第一历史视频,再确定上一次资源确定请求被触发的时刻与此次资源确定请求被触发的时刻之间的时段内符合条件的第二历史视频,至少一个第一历史视频和第二历史视频之间的合集即为该至少一个目标历史视频。
根据本公开的实施例,将目标对象当前浏览的目标视频与至少一个目标历史视频进行特征匹配可以是将从目标历史视频的视频帧图像、音频文本、标签信息等等中提取的视频特征,与从目标视频的视频帧图像、音频文本、标签信息等等中提取的视频特征进行匹配。或者,将目标对象当前浏览的目标视频与至少一个目标历史视频进行特征匹配也可以是将目标历史视频包含的语义、情境等信息与目标视频的语义、情境等信息进行匹配。再或者,将目标对象当前浏览的目标视频与至少一个目标历史视频进行特征匹配还可以是分别提取得到目标视频与至少一个目标历史视频各自的特征词,再通过特征词匹配的方式进行匹配。
根据本公开的实施例,得到的匹配结果可以包括相匹配和不匹配等至少两种匹配结果。在匹配结果表示为相匹配时,例如,可以从至少一个目标历史视频中提取语料,并基于该提取的语料来进行动态图的生成,生成的动态图汇总后可以得到动态图资源集合。在匹配结果表示为不匹配时,例如,可以基于动态图库包括的动态图来确定动态图资源集合,即将动态图库中已存在的动态图加入到动态图资源集合中。
根据本公开的实施例,目标对象浏览目标视频时,在目标对象点击进入该目标视频的评论区后,可以触发资源确定请求,应用的后端对该资源确定请求进行响应时,可以基于视频浏览记录确定目标对象历史浏览的视频,并基于行为日志中记录的目标对象浏览视频时的行为,来确定目标对象历史浏览的视频中目标对象感兴趣的视频,即目标历史视频。通过特征匹配的方式,可以得到目标历史视频是否属于与目标对象当前浏览的目标视频是否相关联的匹配结果,之后可以根据匹配结果,确定待推荐的动态图资源集合。通过上述方法,可以解决动态图库无法满足目标对象个性化需求的问题,在目标对象需要进行评论互动时,可以为目标对象提供符合目标对象意图的动态图资源,减少目标对象的手动筛选操作,从而可以有效提升目标对象的互动体验。
根据本公开的实施例,基于目标对象的视频浏览记录和目标对象的行为日志,确定至少一个目标历史视频,可以包括以下操作。
基于视频浏览记录,确定目标对象在预设时段内浏览的多个历史视频;基于行为日志,确定与多个历史视频各自对应的日志记录;以及基于与多个历史视频各自对应的日志记录,从多个历史视频中确定至少一个目标历史视频。
根据本公开的实施例,对于预设时间段不进行限定,可以根据实际情况设定预设时间段,例如预设时间段可以设置为最近一天、最近一周、最近一个月或者某一特定时间段等等。
根据本公开的实施例,基于视频浏览记录,可以确定目标对象在预设时段内浏览的多个历史视频,接着从行为日志中,确定与多个历史视频各自对应的日志记录,日志记录中可以包括有用户对历史视频的操作行为,用户对历史视频的操作行为可以包括视频跳转、刷新、点赞、评论、分享、收藏等。如果与该历史视频对应的日志记录满足了目标操作行为,则可以认为该历史视频为目标历史视频,其中,目标操作行为可以为以下操作行为中的至少一项:点赞、评论、分享、收藏等。
根据本公开的实施例,通过目标对象在预设时段内浏览的多个历史视频以及与多个历史视频各自对应的日志记录,确定至少一个目标历史视频,可以精准的确定用户感兴趣的历史视频,从而满足用户的个性化需求。
下面参考图3~图6,结合具体实施例对图2所示的方法做进一步说明。
图3示意性示出了根据本公开实施例的将目标对象当前浏览的目标视频与目标历史视频进行特征匹配的流程图。
如图3所示,将目标对象当前浏览的目标视频与目标历史视频进行特征匹配包括操作S221~操作S222。
在操作S221,分别对目标视频和至少一个目标历史视频进行特征提取,得到与目标视频相关的第一特征词集合和与至少一个目标历史视频相关的第二特征词集合。
在操作S222,将第一特征词集合和第二特征词集合进行特征匹配,得到匹配结果。
根据本公开的实施例,在进行特征提取时,可以分别提取目标视频和至少一个目标历史视频各自的视频帧、音频文本、标签中的特征词,从而得到与目标视频相关的第一特征词集合和与至少一个目标历史视频相关的第二特征词集合。
根据本公开的实施例,将第一特征词集合和第二特征词集合进行特征匹配,可以是将第一特征词集合中的每个特征词与第二特征词集合中的每个特征词进行遍历匹配。对于第一特征词集合中的任意一个特征词,在该特征词与第二特征词集合中的一个特征词在文字、语义等要素上匹配时,该认为该第一特征词集合中的特征词与该第二特征词集合中的特征词匹配。
根据本公开的实施例,可以基于相匹配的特征词的数量,来确定匹配结果。
根据本公开的实施例,与目标视频相匹配的目标历史视频可以为与目标视频存在情景关联或者其他关联关系的目标历史视频。
根据本公开的实施例,通过将第一特征词集合和第二特征词集合进行特征匹配得到匹配结果,可以精确且全面的为目标视频确定相关联的目标历史视频。
根据本公开的实施例,分别对目标视频和至少一个目标历史视频进行特征提取,得到与目标视频相关的第一特征词集合和与至少一个目标历史视频相关的第二特征词集合,可以包括以下操作。
对于目标视频和至少一个目标历史视频中的任意一个视频,确定与视频相关的至少一个特征词;基于与目标视频相关的至少一个特征词,得到第一特征词集合;以及基于与至少一个目标历史视频各自相关的至少一个特征词,得到第二特征词集合。
根据本公开的实施例,在确定目标视频和至少一个目标历史视频特征词的过程中,需要对每个视频都分别确定特征词,从而得到与目标视频相关的至少一个特征词以及与至少一个目标历史视频各自相关的至少一个特征词。
根据本公开的实施例,确定与视频相关的至少一个特征词,可以包括以下操作。
对于视频包括的多个视频帧图像,基于对多个视频帧图像的热度分析结果,从多个视频帧图像中确定特征图像;对特征图像进行图像识别,以确定第一特征词;基于视频的音频文本,得到第二特征词;基于视频的标签信息,得到第三特征词;以及基于第一特征词、第二特征词和第三特征词,确定与视频相关的至少一个特征词。
根据本公开的实施例,视频帧图像可以与视频的一个视频片段相对应。可以从该视频片段包括的多个视频帧中确定该视频帧图像。在对视频包括的多个视频帧图像进行热度分析时,可以收集与该视频的各个视频片段分别对应的点赞量、弹幕评论量、收藏量、观看量等用户行为数据,基于收集的用户行为数据,可以通过加权求和等方式,确定各个视频片段的热度,从而得到各个视频帧图像的热度分析结果。
根据本公开的实施例,多个视频帧图像中的特征图像可以表示为热度分析结果表示的热度值最高的视频帧图像。或者,在热度分析结果表征该视频帧图像满足预定观看情况的情况下,确定该视频帧图像为特征图像,其中,预定观看情况可以为点赞、评论、弹幕评论、收藏、观看率等中的一个或者多个满足预定观看阈值。
根据本公开的实施例,将第一特征词集合和第二特征词集合进行特征匹配,得到匹配结果,可以包括以下操作。
确定第一特征词集合包括的特征词中与第二特征词集合包括的特征词相匹配的目标特征词的数量;在目标特征词的数量与第一特征词集合包括的特征词的总数量的比值小于预设值的情况下,得到表示目标视频与至少一个目标历史视频不匹配的匹配结果;以及在目标特征词的数量与第一特征词集合包括的特征词的总数量的比值大于或等于预设值的情况下,得到表示目标视频与至少一个目标历史视频相匹配的匹配结果。
根据本公开的实施例,通过第一特征词集合包括的特征词中与第二特征词集合包括的特征词相匹配的目标特征词的数量,可以确定匹配结果。
根据本公开的实施例,对于预设值不进行限定,可以根据实际情况确定合适的预设值,例如,预设值可以设置为0.8、0.9等。
根据本公开的实施例,基于匹配结果,确定动态图资源集合,可以包括以下操作。
在匹配结果表示目标视频与至少一个目标历史视频相匹配的情况下,基于匹配结果,从至少一个目标历史视频中确定多个热点片段;基于多个热点片段,生成多个目标动态图;以及基于多个目标动态图,得到动态图资源集合。
根据本公开的实施例,热点片段可以从目标历史视频中确定得到。可以从每个目标历史视频包括的多个视频片段中确定一个或多个热点片段。视频片段可以为连续的多个视频帧图像。基于目标历史视频中各个视频片段各自的点赞量、弹幕评论量、收藏量、观看量等用户行为数据,确定各个视频片段的热度,并选择热度最高的一个或多个视频片段作为热点片段。
根据本公开的实施例,基于每个热点片段,可以生成一个或多个目标动态图,对热点片段的处理操作可以包括但不限于分辨率调整、尺寸调整、时长裁切、添加特效等。
根据本公开的实施例,将多个目标动态图进行汇总集合,可以得到动态图资源集合。
根据本公开的实施例,在匹配结果表示目标视频与至少一个目标历史视频相匹配的情况下,可以从与目标视频匹配的至少一个目标历史视频中确定多个热点片段,并对热点频段进行处理得到目标动态图,从而可以生成符合用户意图的目标动态图。
根据本公开的实施例,基于多个热点片段,生成多个目标动态图,可以包括以下操作。
对于热点片段,基于预设时长和预设尺寸对热点片段进行裁剪,生成与热点片段相关的至少一个目标动态图;以及基于与多个热点片段各自相关的至少一个目标动态图,得到多个目标动态图。
根据本公开的实施例,可以按照动态图的标准,即基于预设时间和预设尺寸对热点片段进行裁剪,从而生成更加标准的目标动态图。
根据本公开的实施例,进一步地,在进行裁剪操作后,还可以进行格式转换等操作,以将裁剪后的视频片段转换为目标动态图。
根据本公开的实施例,基于多个热点片段,生成多个目标动态图,可以包括以下操作。
对于热点片段,确定与热点片段相关的人物形象信息;基于人物形象信息,从动态图资源库包括的多个动态图中确定与人物形象信息相关的至少一个目标动态图;以及基于与多个热点片段各自相关的至少一个目标动态图,得到多个目标动态图。
根据本公开的实施例,作为一种可选实施方式,还可以基于人物形象信息,获取包含该任务信息的动态图作为目标动态图。例如,可以对热点片段中的各个视频帧进行人脸识别,以确定热点片段中包括的人物形象的人物形象信息,通过该人物形象信息,可以从动态图资源库包括的多个动态图中确定与人物形象信息相关的至少一个目标动态图。
根据本公开的实施例,对人物形象信息不进行限定,人物形象信息,可以为任意能够表征人物形象的信息,例如:人物人脸特征、人物名称、人物表演者名称等等。
根据本公开的实施例,基于匹配结果,确定动态图资源集合,可以包括以下操作。
在匹配结果表示目标视频与至少一个目标历史视频不匹配的情况下,基于目标对象的画像信息,从动态图资源库中确定动态图资源集合。
根据本公开的实施例,在匹配结果表示目标视频与至少一个目标历史视频不匹配的情况下,可以基于目标对象的画像信息,确定与该画像信息对应的动态图资源集合。
根据本公开的实施例,画像信息可以为根据目标对象的历史行为来确定,具体地,可以根据目标对象以往发送的包含动态图的评论信息来确定该目标对象的目标对象画像,或者可以根据目标对象在预设时间段观看的视频类型,以及对于不同类型视频的行为日志,确定该目标对象的画像信息,同样地,也可以根据其他方式确定用户画像。
根据本公开的实施例,在匹配结果表示目标视频与至少一个目标历史视频不匹配的情况下,可以基于目标对象的画像信息,从动态图资源库中确定动态图资源集合中确定符合目标对象意图的动态图资源集合。
根据本公开的实施例,基于目标对象的画像信息,从动态图资源库中确定动态图资源集合,可以包括以下操作。
基于目标对象的画像信息,确定动态图资源库包括的多个动态图各自的优先级权重;基于多个动态图各自的优先级权重,从多个动态图中确定多个目标动态图;以及基于多个目标动态图,得到动态图资源集合。
根据本公开的实施例,目标对象的画像信息包括目标对象的情感倾向、目标对象的兴趣偏好、目标对象关注的事件信息等等。
根据本公开的实施例,基于目标对象的画像信息,可以确定动态图资源库包括的多个动态图各自的优先级权重,具体地,可以基于画像信息确定目标对象的兴趣偏好,例如:目标对象喜欢美食,则可以将包含美食的动态图优先级权重提高。
根据本公开的实施例,还可以根据画像信息确定目标对象近期关注的实事,来确定各个动态图的优先级权重,例如:如果目标对象近期关注某个事件的直播,且目标对象当前观看的目标视频为与该事件相关的视频,则可以将与该事件相关的动态图的优先级权重提高。
根据本公开的实施例,还可以根据目标对象的画像信息确定目标对象的情感倾向,例如:用户如果近期情感倾向为积极,可以增加表征正面情感的动态图的优先级权重。
根据本公开的实施例,基于多个动态图各自的优先级权重,对各个动态图进行排序,从而将满足预定排序位置的动态图作为目标动态图。
根据本公开的实施例,还可以结合目标对象的地理位置、时间、天气等因素,如果目标对象当前浏览的目标视频与上述因素相关,可以从动态图资源库中确定与上述因素对应的动态图,并将该动态图的权重和优先级提高。
根据本公开的实施例,还可以通过分析目标对象的社交网络关系,确定与目标对象的朋友、关注者等对象常用的动态图,并将该动态图的权重和优先级提高。
根据本公开的实施例,通过目标对象的画像信息,确定动态图资源库包括的多个动态图各自的优先级权重,从而可以减少没有符合目标对象意图的动态图的情况,且无需目标对象去大量的动态图中寻找,实现了更好的满足用户需求的技术效果。
根据本公开的实施例,基于目标对象的行为日志,得到目标对象的画像信息。
根据本公开的实施例,目标对象的画像信息还可以通过目标对象的行为日志得到,即可以通过目标对象的历史评论信息、历史点赞信息等确定目标对象的画像信息。
根据本公开的实施例,不同的目标对象可能对应有不同的画像信息,基于目标对象的行为日志,可以确定与该目标对象对应的画像信息,从而基于画像信息可以为该目标对象生成更符合其意图的动态图资源集合。
图4示意性示出了根据本公开实施例基于目标对象的行为日志得到目标对象画像信息的流程图。
如图4所示,基于目标对象的行为日志,得到目标对象的画像信息,可以包括操作S410~操作S450。
在操作S410,基于目标对象的行为日志,得到目标对象的多条历史评论信息。
在操作S420,将多条历史评论信息输入动态图识别模型,得到多条历史评论信息各自的识别结果。
在操作S430,基于多条历史评论信息各自的识别结果,从多条历史评论信息中确定包含动态图的至少一条目标评论信息。
在操作S440,将至少一条目标评论信息各自包含的文本信息输入情感分析模型,得到目标对象的情感分析结果。
在操作S450,基于情感分析结果,得到目标对象的画像信息。
根据本公开的实施例,将历史评论信息输入至动态图识别模型,可以确定各个历史评论信息中是否包括动态图,将包括动态图的目标评论信息中包括的文件信息输入情感分析模型,可以得到目标对象的情感分析结果,从而基于情感分析结果,得到目标对象的画像信息。
根据本公开的实施例,动态图识别模型和情感分析模型为通过带有标签的历史评论信息训练得到的。其中,历史评论信息的标签可以包括指示该历史评论信息是否包含动态图的信息,以及指示该历史评论信息所表达的情感的信息。
根据本公开的实施例,在对带标注的历史评论信息的训练过程中,可以将历史评论信息中的动态图拆解成帧图像,并将每个帧图像的特征提取出来,对于将帧图像的特征提取的方式不进行限定,可以为任何深度学习或者其他可以提取帧图像特征的方式,例如可以为使用卷积神经网络进行图像特征提取,并将每帧表示为一个向量。
根据本公开的实施例,将提取出的帧图像的特征表示按时间顺序排列,形成时序数据序列。
根据本公开的实施例,采用自注意力机制对时序数据序列进行编码和建模,每个帧的特征表示会经过多次注意力计算和特征融合,从而可以更好的学习时序上的依赖和关联关系,因此,通过自注意力机制可以更好的捕捉时序数据序列中不同帧之间的关系和重要性。其中,可以为采用自注意力机制构建时序编码器,对采用的自注意力机制的具体方法不进行限定,例如:可以为采用Transformer中的注意力机制。
根据本公开的实施例,编码后的时序数据序列可以用于整个动态图的表示,则该表示考虑了不同帧图像之间的时序关系。
根据本公开的实施例,基于对时序数据序列编码并表示后,再使用全连接层或其他分类模型进行动态图的识别。通过学习时序数据序列中的关键信息,模型能够更准确地识别到动态图。
根据本公开的实施例,实现自注意力机制时,可以使用多头注意力以及位置编码,以增强动态图识别模型对时序数据中不同帧图像的关注。
根据本公开的实施例,通过自注意力机制的动态图识别,避免了传统一帧一帧图像处理的方法且通过对时序数据序列进行自注意力编码,并且动态图识别模型能够更好地捕捉帧图像之间的关系,从而实现整个动态图的更准确和高效的识别,提高动态图识别的效率和性能。
根据本公开的实施例,情感分析模型中可以包括情感混淆检查模型、情感分类模型、传统情感分析模型。
根据本公开的实施例,情感混淆检查模型可以为一个二分类模型,用于判断文本信息是否存在情感混淆。对于二分类模型的具体模型使用不进行限定可以为任何能够进行情感混淆检查的模型,例如:可以为卷积神经网络或循环神经网络等。在对情感混淆检查模型进行训练时,可以将样本分为负类样本或者正类样本,其中,负类样本是经过标注的情感混淆文本,正类样本是无混淆的文本。
根据本公开的实施例,对于被检测为情感混淆的文本信息,可以输入至情感分类模型中,以识别混淆中存在的具体情感。对于情感分类模型的具体使用的模型不进行限定可以根据实现情况选择合适的模型。以及对于情感分类模型的情感分类数量不进行限定,可以根据实际情感类别数量进行设置。
根据本公开的实施例,对于被检测为不存在情感混淆的文本信息,可以输入至传统情感分析模型进行情感分类。对于传统情感分析模型的具体使用的模型不进行限定可以根据实现情况选择合适的模型。以及对于传统情感分析模型的情感分类数量不进行限定,可以根据实际情感类别数量进行设置。
根据本公开的实施例,情感分析模型还可以包括情感图谱分析模型。
根据本公开的实施例,基于情感图谱分析模型对目标评论信息各自包含的文本信息进行分析,可以建立情感关系图谱。其中节点表示不同情感,边表示情感之间的关系。情感之间的关系可以包括相似性、转化关系等。
根据本公开的实施例,情感分析模型具体使用的方法不进行限定,可以为使用图神经网络(Graph Neural Networks,GNN)。
根据本公开的实施例,基于情感分析结果,可以得到目标对象的画像信息,情感分析结果可以包括目标对象的情绪倾向等。
根据本公开的实施例,还可以实时监测目标对象在评论区当前输入的文本信息,基于该文本信息,确定目标对象的实时情感倾向。将该实时情感倾向与之前确定的历史情感倾向进行加权处理,从而更加准确的确定目标对象的情感倾向。
根据本公开的实施例,可以为目标对象的多条历史评论信息设置衰减因子,使得较早的历史数据在推荐过程中逐渐减少影响力,从而更关注近期的情感倾向。
根据本公开的实施例,还可以引入强化学习方法来动态调整上述动态图的推荐策略,以最大程度满足用户情感倾向。例如:使用Q-learning等算法,根据用户的实时情感倾向和历史数据不断调整动态图的推荐权重和优先级。
根据本公开的实施例,将目标对象的多条历史评论信息输入动态图识别模型,且将至少一条目标评论信息各自包含的文本信息输入情感分析模型,得到目标对象的情感分析结果,并基于情感分析结果,得到目标对象的画像信息,可以更精确且快速的对目标对象的历史评论信息进行分析,从而得到可以更准确的表征目标对象的画像信息。
根据本公开的实施例,资源确定方法的方法,还可以包括以下操作。
响应于评论输入请求,将动态图资源集合包括的多个目标动态图在预设区域中展示。
图5示意性示出了根据本公开实施例的存储有目标动态图集合预设区域的示意图。
如图5所示,在目标对象采用的客户端设备为手机的情况下,目标对象打算发表评论时,可以从预设区域中选取符合需求的目标动态图,目标动态图将出现在“用户输入:”的后方,预设区域中包括有多个目标动态图。
根据本公开的实施例,预设区域与评论发表区域的排版和设计、目标动态图的数量、排列方式等仅为示意性的,可以根据实际需求采用与上述不同的预设区域与评论发表区域的排版和设计、目标动态图的数量、排列方式。
根据本公开的实施例,在确定好与该目标对象对应的动态图资源集合后,可以响应于评论输入请求,将动态图集合包括的多个目标动态图在预设区域中展示,以便目标对象基于动态图资源集合包括的多个目标动态图发表评论。
根据本公开的实施例,评论输入请求可以为用户打开评论区域或者用户点击预设区域等情况。
根据本公开的实施例,多个目标动态图还可以具备各自的索引,基于目标动态图的索引可以在预设区域查找到与索引对应的目标动态图。
图6示意性示出了根据本公开实施例的资源确定方法的示意图。
根据本公开的实施例,如图6所示,响应于资源确定请求,通过视频浏览记录601,确定目标对象在预设时段内浏览的多个历史视频603,又基于行为日志602,确定与多个历史视频各自对应的日志记录604,利用日志记录604,从多个历史视频603中确定满足目标操作行为的一个或多个目标历史视频605。
根据本公开的实施例,对目标对象当前浏览的目标视频607进行特征提取,得到与目标视频相关的第一特征词集合606。对目标历史视频605进行特征提取,得到与至少一个目标历史视频605相关的第二特征词集合608,将第一特征词集合606与第二特征词集合608进行特征匹配,得到匹配结果609。
根据本公开的实施例,在匹配结果609表示目标视频606与至少一个目标历史视频605相匹配的情况下,利用该匹配结果609,从至少一个目标历史视频605中确定多个热点片段610。利用多个热点片段610,生成多个第一目标动态图611,从而得到第一动态图资源集合612。
根据本公开的实施例,在匹配结果609表示目标视频606与至少一个目标历史视频不匹配的情况下,利用目标对象的画像信息613,确定动态图资源库包括的多个动态图各自的优先级权重614,基于优先级权重614,从多个动态图中确定多个第二目标动态图615,从而基于多个第二目标动态图615得到第二动态图资源集合616。
图7示意性示出了根据本公开另一实施例的资源确定方法的流程图。
如图7所示,该方法包括操作S701~操作S710。
在操作S701,在检测到目标对象点击进入目标对象当前浏览的目标视频的评论区域的情况下,触发资源确定请求。
在操作S702,响应于资源确定请求,基于目标对象的视频浏览记录和目标对象的行为日志,确定至少一个目标历史视频。
在操作S703,确定目标视频的第一特征词集合以及至少一个目标历史视频的各自的第二特征词集合。
在操作S704,检测第一特征词集合与第二特征词集合是否匹配,得到目标视频与至少一个目标历史视频各自的匹配结果。
在操作S705,在匹配结果表示目标视频与至少一个目标历史视频相匹配的情况下,基于匹配结果,从至少一个目标历史视频中确定多个热点片段。
在操作S706,基于多个热点片段,生成多个目标动态图。
在操作S707,基于多个目标动态图,得到动态图资源集合。
在操作S708,将动态图资源集合包括的多个目标动态图在预设区域中展示,以便目标对象基于多个目标动态图发表评论。
在操作S709,在匹配结果表示目标视频与至少一个目标历史视频不匹配的情况下,基于目标对象的画像信息,确定动态图资源库包括的多个动态图各自的优先级权重。
在操作S710,基于多个动态图各自的优先级权重,从多个动态图中确定多个目标动态图,并返回操作S706。
图8示意性示出了根据本公开实施例的资源确定装置的框图。
如图8所示,资源确定装置800包括:目标历史视频确定模块810、匹配结果确定模块820以及资源集合确定模块830。
目标历史视频确定模块810,用于响应于资源确定请求,基于目标对象的视频浏览记录和目标对象的行为日志,确定至少一个目标历史视频。
匹配结果确定模块820,用于将目标对象当前浏览的目标视频与至少一个目标历史视频进行特征匹配,得到匹配结果。
资源集合确定模块830,用于基于匹配结果,确定动态图资源集合。
根据本公开的实施例,匹配结果确定模块820包括:特征词集合确定子模块和特征匹配子模块。
特征词集合确定子模块,用于分别对目标视频和至少一个目标历史视频进行特征提取,得到与目标视频相关的第一特征词集合和与至少一个目标历史视频相关的第二特征词集合。
特征匹配子模块,用于将第一特征词集合和第二特征词集合进行特征匹配,得到匹配结果。
根据本公开的实施例,特征词集合确定子模块包括:特征词确定单元、第一特征词集合确定单元以及第二特征词集合确定单元。
特征词确定单元,用于对于目标视频和至少一个目标历史视频中的任意一个视频,确定与视频相关的至少一个特征词。
第一特征词集合确定单元,用于基于与目标视频相关的至少一个特征词,得到第一特征词集合。
第二特征词集合确定单元,用于基于与至少一个目标历史视频各自相关的至少一个特征词,得到第二特征词集合。
根据本公开的实施例,特征词确定单元包括:特征图像确定子单元、第一特征词确定子单元、第二特征词确定子单元、第三特征词确定子单元以及特征词确定子单元。
特征图像确定子单元,用于对于视频包括的多个视频帧图像,基于对多个视频帧图像的热度分析结果,从多个视频帧图像中确定特征图像。
第一特征词确定子单元,用于对特征图像进行图像识别,以确定第一特征词。
第二特征词确定子单元,用于基于视频的音频文本,得到第二特征词。
第三特征词确定子单元,用于基于视频的标签信息,得到第三特征词。
特征词确定子单元,用于基于第一特征词、第二特征词和第三特征词,确定与视频相关的至少一个特征词。
根据本公开的实施例,特征匹配子模块包括:数量确定单元、第一匹配结果确定单元以及第二匹配结果确定单元。
数量确定单元,用于确定第一特征词集合包括的特征词中与第二特征词集合包括的特征词相匹配的目标特征词的数量。
第一匹配结果确定单元,用于在目标特征词的数量与第一特征词集合包括的特征词的总数量的比值小于预设值的情况下,得到表示目标视频与至少一个目标历史视频不匹配的匹配结果。
第二匹配结果确定单元,用于在目标特征词的数量与第一特征词集合包括的特征词的总数量的比值大于或等于预设值的情况下,得到表示目标视频与至少一个目标历史视频相匹配的匹配结果。
根据本公开的实施例,资源集合确定模块830包括:热点片段确定子模块、目标动态图生成子模块以及第一资源集合确定子模块。
热点片段确定子模块,用于在匹配结果表示目标视频与至少一个目标历史视频相匹配的情况下,基于匹配结果,从至少一个目标历史视频中确定多个热点片段。
目标动态图生成子模块,用于基于多个热点片段,生成多个目标动态图。
第一资源集合确定子模块,用于基于多个目标动态图,得到动态图资源集合。
根据本公开的实施例,目标动态图生成子模块包括:热点片段处理单元和第一目标动态图确定单元。
热点片段处理单元,用于对于热点片段,基于预设时长和预设尺寸对热点片段进行裁剪,生成与热点片段相关的至少一个目标动态图。
第一目标动态图确定单元,用于基于与多个热点片段各自相关的至少一个目标动态图,得到多个目标动态图。
根据本公开的实施例,目标动态图生成子模块包括:信息确定单元、动态图确定单元以及第二目标动态图确定单元。
信息确定单元,用于对于热点片段,确定与热点片段相关的人物形象信息。
动态图确定单元,用于基于人物形象信息,从动态图资源库包括的多个动态图中确定与人物形象信息相关的至少一个目标动态图。
第二目标动态图确定单元,用于基于与多个热点片段各自相关的至少一个目标动态图,得到多个目标动态图。
根据本公开的实施例,资源集合确定模块830包括:第二资源集合确定子模块。
第二资源集合确定子模块,用于在匹配结果表示目标视频与至少一个目标历史视频不匹配的情况下,基于目标对象的画像信息,从动态图资源库中确定动态图资源集合。
根据本公开的实施例,第二资源集合确定子模块包括:优先级权重确定单元、第三目标动态图确定单元以及资源集合确定单元。
优先级权重确定单元,用于基于目标对象的画像信息,确定动态图资源库包括的多个动态图各自的优先级权重。
第三目标动态图确定单元,用于基于多个动态图各自的优先级权重,从多个动态图中确定多个目标动态图。
资源集合确定单元,用于基于多个目标动态图,得到动态图资源集合。
根据本公开的实施例,资源确定装置还包括:画像信息确定模块。
画像信息确定模块,用于基于目标对象的行为日志,得到目标对象的画像信息。
根据本公开的实施例,画像信息确定模块包括:历史评论信息确定子模块、识别结果确定子模块、目标评论信息确定子模块、情感分析结果确定子模块以及画像信息确定子模块。
历史评论信息确定子模块,用于基于目标对象的行为日志,得到目标对象的多条历史评论信息。
识别结果确定子模块,用于将多条历史评论信息输入动态图识别模型,得到多条历史评论信息各自的识别结果。
目标评论信息确定子模块,用于基于多条历史评论信息各自的识别结果,从多条历史评论信息中确定包含动态图的至少一条目标评论信息。
情感分析结果确定子模块,用于将至少一条目标评论信息各自包含的文本信息输入情感分析模型,得到目标对象的情感分析结果。
画像信息确定子模块,用于基于情感分析结果,得到目标对象的画像信息。
根据本公开的实施例,目标历史视频确定模块810包括:历史视频确定子模块、日志记录确定子模块以及目标历史视频确定子模块。
历史视频确定子模块,用于基于视频浏览记录,确定目标对象在预设时段内浏览的多个历史视频。
日志记录确定子模块,用于基于行为日志,确定与多个历史视频各自对应的日志记录。
目标历史视频确定子模块,用于基于与多个历史视频各自对应的日志记录,从多个历史视频中确定至少一个目标历史视频。
根据本公开的实施例,资源确定装置还包括:展示模块。
展示模块,用于响应于评论输入请求,将动态图资源集合包括的多个目标动态图在预设区域中展示。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
根据本公开的实施例,一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如上上述的方法。
根据本公开的实施例,一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行如上上述的方法。
根据本公开的实施例,一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现如上上述的方法。
图9示出了可以用来实施本公开的实施例的示例电子设备900的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图9所示,设备900包括计算单元901,其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序,来执行各种适当的动作和处理。在RAM 903中,还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至输入/输出(I/O)接口905,包括:输入单元906,例如键盘、鼠标等;输出单元907,例如各种类型的显示器、扬声器等;存储单元908,例如磁盘、光盘等;以及通信单元909,例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理,例如资源确定方法。例如,在一些实施例中,资源确定方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时,可以执行上文描述的资源确定方法的一个或多个步骤。备选地,在其他实施例中,计算单元901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行资源确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以是分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (31)
1.一种资源确定方法,包括:
响应于资源确定请求,基于目标对象的视频浏览记录和所述目标对象的行为日志,确定至少一个目标历史视频;
将所述目标对象当前浏览的目标视频与所述至少一个目标历史视频进行特征匹配,得到匹配结果;以及
基于所述匹配结果,确定动态图资源集合。
2.根据权利要求1所述的方法,其中,所述将所述目标对象当前浏览的目标视频与所述至少一个目标历史视频进行特征匹配,得到匹配结果,包括:
分别对所述目标视频和所述至少一个目标历史视频进行特征提取,得到与所述目标视频相关的第一特征词集合和与所述至少一个目标历史视频相关的第二特征词集合;以及
将所述第一特征词集合和所述第二特征词集合进行特征匹配,得到所述匹配结果。
3.根据权利要求2所述的方法,其中,所述分别对所述目标视频和所述至少一个目标历史视频进行特征提取,得到与所述目标视频相关的第一特征词集合和与所述至少一个目标历史视频相关的第二特征词集合,包括:
对于所述目标视频和所述至少一个目标历史视频中的任意一个视频,确定与所述视频相关的至少一个特征词;
基于与所述目标视频相关的至少一个特征词,得到所述第一特征词集合;以及
基于与所述至少一个目标历史视频各自相关的至少一个特征词,得到所述第二特征词集合。
4.根据权利要求3所述的方法,其中,所述确定与所述视频相关的至少一个特征词,包括:
对于所述视频包括的多个视频帧图像,基于对所述多个视频帧图像的热度分析结果,从所述多个视频帧图像中确定特征图像;
对所述特征图像进行图像识别,以确定第一特征词;
基于所述视频的音频文本,得到第二特征词;
基于所述视频的标签信息,得到第三特征词;以及
基于所述第一特征词、所述第二特征词和所述第三特征词,确定与所述视频相关的至少一个特征词。
5.根据权利要求2所述的方法,其中,所述将所述第一特征词集合和所述第二特征词集合进行特征匹配,得到所述匹配结果,包括:
确定所述第一特征词集合包括的特征词中与所述第二特征词集合包括的特征词相匹配的目标特征词的数量;
在所述目标特征词的数量与所述第一特征词集合包括的特征词的总数量的比值小于预设值的情况下,得到表示所述目标视频与所述至少一个目标历史视频不匹配的所述匹配结果;以及
在所述目标特征词的数量与所述第一特征词集合包括的特征词的总数量的比值大于或等于所述预设值的情况下,得到表示所述目标视频与所述至少一个目标历史视频相匹配的所述匹配结果。
6.根据权利要求1所述的方法,其中,所述基于所述匹配结果,确定动态图资源集合,包括:
在所述匹配结果表示所述目标视频与所述至少一个目标历史视频相匹配的情况下,基于所述匹配结果,从所述至少一个目标历史视频中确定多个热点片段;
基于所述多个热点片段,生成多个目标动态图;以及
基于所述多个目标动态图,得到所述动态图资源集合。
7.根据权利要求6所述的方法,其中,所述基于所述多个热点片段,生成多个目标动态图,包括:
对于所述热点片段,基于预设时长和预设尺寸对所述热点片段进行裁剪,生成与所述热点片段相关的至少一个目标动态图;以及
基于与所述多个热点片段各自相关的至少一个目标动态图,得到所述多个目标动态图。
8.根据权利要求6所述的方法,其中,所述基于所述多个热点片段,生成多个目标动态图,包括:
对于所述热点片段,确定与所述热点片段相关的人物形象信息;
基于所述人物形象信息,从动态图资源库包括的多个动态图中确定与所述人物形象信息相关的至少一个目标动态图;以及
基于与所述多个热点片段各自相关的至少一个目标动态图,得到所述多个目标动态图。
9.根据权利要求1所述的方法,其中,所述基于所述匹配结果,确定动态图资源集合,包括:
在所述匹配结果表示所述目标视频与所述至少一个目标历史视频不匹配的情况下,基于所述目标对象的画像信息,从动态图资源库中确定所述动态图资源集合。
10.根据权利要求9所述的方法,其中,所述基于所述目标对象的画像信息,从动态图资源库中确定所述动态图资源集合,包括:
基于所述目标对象的画像信息,确定所述动态图资源库包括的多个动态图各自的优先级权重;
基于所述多个动态图各自的优先级权重,从所述多个动态图中确定多个目标动态图;以及
基于所述多个目标动态图,得到所述动态图资源集合。
11.根据权利要求9或10所述的方法,还包括:
基于所述目标对象的行为日志,得到所述目标对象的画像信息。
12.根据权利要求11所述的方法,其中,所述基于所述目标对象的行为日志,得到所述目标对象的画像信息,包括:
基于所述目标对象的行为日志,得到所述目标对象的多条历史评论信息;
将所述多条历史评论信息输入动态图识别模型,得到所述多条历史评论信息各自的识别结果;
基于所述多条历史评论信息各自的识别结果,从所述多条历史评论信息中确定包含动态图的至少一条目标评论信息;
将所述至少一条目标评论信息各自包含的文本信息输入情感分析模型,得到所述目标对象的情感分析结果;以及
基于所述情感分析结果,得到所述目标对象的画像信息。
13.根据权利要求1所述的方法,其中,所述基于目标对象的视频浏览记录和所述目标对象的行为日志,确定至少一个目标历史视频,包括:
基于所述视频浏览记录,确定所述目标对象在预设时段内浏览的多个历史视频;
基于所述行为日志,确定与所述多个历史视频各自对应的日志记录;以及
基于与所述多个历史视频各自对应的日志记录,从所述多个历史视频中确定所述至少一个目标历史视频。
14.根据权利要求1所述的方法,还包括:
响应于评论输入请求,将所述动态图资源集合包括的多个目标动态图在预设区域中展示。
15.一种资源确定装置,包括:
目标历史视频确定模块,用于响应于资源确定请求,基于目标对象的视频浏览记录和所述目标对象的行为日志,确定至少一个目标历史视频;
匹配结果确定模块,用于将所述目标对象当前浏览的目标视频与所述至少一个目标历史视频进行特征匹配,得到匹配结果;以及
资源集合确定模块,用于基于所述匹配结果,确定动态图资源集合。
16.根据权利要求15所述的装置,其中,所述匹配结果确定模块,包括:
特征词集合确定子模块,用于分别对所述目标视频和所述至少一个目标历史视频进行特征提取,得到与所述目标视频相关的第一特征词集合和与所述至少一个目标历史视频相关的第二特征词集合;以及
特征匹配子模块,用于将所述第一特征词集合和所述第二特征词集合进行特征匹配,得到所述匹配结果。
17.根据权利要求16所述的装置,其中,所述特征词集合确定子模块,包括:
特征词确定单元,用于对于所述目标视频和所述至少一个目标历史视频中的任意一个视频,确定与所述视频相关的至少一个特征词;
第一特征词集合确定单元,用于基于与所述目标视频相关的至少一个特征词,得到所述第一特征词集合;以及
第二特征词集合确定单元,用于基于与所述至少一个目标历史视频各自相关的至少一个特征词,得到所述第二特征词集合。
18.根据权利要求17所述的装置,其中,所述特征词确定单元,包括:
特征图像确定子单元,用于对于所述视频包括的多个视频帧图像,基于对所述多个视频帧图像的热度分析结果,从所述多个视频帧图像中确定特征图像;
第一特征词确定子单元,用于对所述特征图像进行图像识别,以确定第一特征词;
第二特征词确定子单元,用于基于所述视频的音频文本,得到第二特征词;
第三特征词确定子单元,用于基于所述视频的标签信息,得到第三特征词;以及
特征词确定子单元,用于基于所述第一特征词、所述第二特征词和所述第三特征词,确定与所述视频相关的至少一个特征词。
19.根据权利要求16所述的装置,其中,所述特征匹配子模块,包括:
数量确定单元,用于确定所述第一特征词集合包括的特征词中与所述第二特征词集合包括的特征词相匹配的目标特征词的数量;
第一匹配结果确定单元,用于在所述目标特征词的数量与所述第一特征词集合包括的特征词的总数量的比值小于预设值的情况下,得到表示所述目标视频与所述至少一个目标历史视频不匹配的所述匹配结果;以及
第二匹配结果确定单元,用于在所述目标特征词的数量与所述第一特征词集合包括的特征词的总数量的比值大于或等于所述预设值的情况下,得到表示所述目标视频与所述至少一个目标历史视频相匹配的所述匹配结果。
20.根据权利要求15所述的装置,其中,所述资源集合确定模块,包括:
热点片段确定子模块,用于在所述匹配结果表示所述目标视频与所述至少一个目标历史视频相匹配的情况下,基于所述匹配结果,从所述至少一个目标历史视频中确定多个热点片段;
目标动态图生成子模块,用于基于所述多个热点片段,生成多个目标动态图;以及
第一资源集合确定子模块,用于基于所述多个目标动态图,得到所述动态图资源集合。
21.根据权利要求20所述的装置,其中,所述目标动态图生成子模块,包括:
热点片段处理单元,用于对于所述热点片段,基于预设时长和预设尺寸对所述热点片段进行裁剪,生成与所述热点片段相关的至少一个目标动态图;以及
第一目标动态图确定单元,用于基于与所述多个热点片段各自相关的至少一个目标动态图,得到所述多个目标动态图。
22.根据权利要求20所述的装置,其中,所述目标动态图生成子模块,包括:
信息确定单元,用于对于所述热点片段,确定与所述热点片段相关的人物形象信息;
动态图确定单元,用于基于所述人物形象信息,从动态图资源库包括的多个动态图中确定与所述人物形象信息相关的至少一个目标动态图;以及
第二目标动态图确定单元,用于基于与所述多个热点片段各自相关的至少一个目标动态图,得到所述多个目标动态图。
23.根据权利要求15所述的装置,其中,所述资源集合确定模块,包括:
第二资源集合确定子模块,用于在所述匹配结果表示所述目标视频与所述至少一个目标历史视频不匹配的情况下,基于所述目标对象的画像信息,从动态图资源库中确定所述动态图资源集合。
24.根据权利要求23所述的装置,其中,所述第二资源集合确定子模块,包括:
优先级权重确定单元,用于基于所述目标对象的画像信息,确定所述动态图资源库包括的多个动态图各自的优先级权重;
第三目标动态图确定单元,用于基于所述多个动态图各自的优先级权重,从所述多个动态图中确定多个目标动态图;以及
资源集合确定单元,用于基于所述多个目标动态图,得到所述动态图资源集合。
25.根据权利要求23或24所述的装置,还包括:
画像信息确定模块,用于基于所述目标对象的行为日志,得到所述目标对象的画像信息。
26.根据权利要求25所述的装置,其中,所述画像信息确定模块,包括:
历史评论信息确定子模块,用于基于所述目标对象的行为日志,得到所述目标对象的多条历史评论信息;
识别结果确定子模块,用于将所述多条历史评论信息输入动态图识别模型,得到所述多条历史评论信息各自的识别结果;
目标评论信息确定子模块,用于基于所述多条历史评论信息各自的识别结果,从所述多条历史评论信息中确定包含动态图的至少一条目标评论信息;
情感分析结果确定子模块,用于将所述至少一条目标评论信息各自包含的文本信息输入情感分析模型,得到所述目标对象的情感分析结果;以及
画像信息确定子模块,用于基于所述情感分析结果,得到所述目标对象的画像信息。
27.根据权利要求15所述的装置,其中,所述目标历史视频确定模块,包括:
历史视频确定子模块,用于基于所述视频浏览记录,确定所述目标对象在预设时段内浏览的多个历史视频;
日志记录确定子模块,用于基于所述行为日志,确定与所述多个历史视频各自对应的日志记录;以及
目标历史视频确定子模块,用于基于与所述多个历史视频各自对应的日志记录,从所述多个历史视频中确定所述至少一个目标历史视频。
28.根据权利要求15所述的装置,还包括:
展示模块,用于响应于评论输入请求,将所述动态图资源集合包括的多个目标动态图在预设区域中展示。
29.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-14中任一项所述的方法。
30.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-14中任一项所述的方法。
31.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-14中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311182124.1A CN117221623A (zh) | 2023-09-13 | 2023-09-13 | 资源确定方法、装置、电子设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311182124.1A CN117221623A (zh) | 2023-09-13 | 2023-09-13 | 资源确定方法、装置、电子设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117221623A true CN117221623A (zh) | 2023-12-12 |
Family
ID=89036538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311182124.1A Pending CN117221623A (zh) | 2023-09-13 | 2023-09-13 | 资源确定方法、装置、电子设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117221623A (zh) |
-
2023
- 2023-09-13 CN CN202311182124.1A patent/CN117221623A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021088510A1 (zh) | 视频分类方法、装置、计算机以及可读存储介质 | |
CN111143610B (zh) | 一种内容推荐方法、装置、电子设备和存储介质 | |
CN108776676B (zh) | 信息推荐方法、装置、计算机可读介质及电子设备 | |
CN108319723B (zh) | 一种图片分享方法和装置、终端、存储介质 | |
US9785888B2 (en) | Information processing apparatus, information processing method, and program for prediction model generated based on evaluation information | |
CN111798879B (zh) | 用于生成视频的方法和装置 | |
CN109862397B (zh) | 一种视频分析方法、装置、设备和存储介质 | |
CN111708941A (zh) | 内容推荐方法、装置、计算机设备和存储介质 | |
CN112364204B (zh) | 视频搜索方法、装置、计算机设备及存储介质 | |
CN112559800B (zh) | 用于处理视频的方法、装置、电子设备、介质和产品 | |
US10783549B2 (en) | Determining persuasiveness of user-authored digital content items | |
CN113743607B (zh) | 异常检测模型的训练方法、异常检测方法及装置 | |
CN113806588B (zh) | 搜索视频的方法和装置 | |
CN112241327A (zh) | 分享信息处理方法、装置、存储介质与电子设备 | |
CN111858969B (zh) | 多媒体数据推荐方法、装置、计算机设备和存储介质 | |
US10853417B2 (en) | Generating a platform-based representative image for a digital video | |
CN110678861A (zh) | 图像选择建议 | |
CN112749330A (zh) | 信息推送方法、装置、计算机设备和存储介质 | |
Aichroth et al. | Mico-media in context | |
CN117221623A (zh) | 资源确定方法、装置、电子设备以及存储介质 | |
CN115098729A (zh) | 视频处理方法、样本生成方法、模型训练方法及装置 | |
CN114169418A (zh) | 标签推荐模型训练方法及装置、标签获取方法及装置 | |
GB2608112A (en) | System and method for providing media content | |
CN110795178B (zh) | 应用签到方法、装置及电子设备 | |
US10938881B2 (en) | Data engagement for online content and social networks |
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 |