CN117390219A - 视频搜索方法、装置、计算机设备和存储介质 - Google Patents
视频搜索方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN117390219A CN117390219A CN202210782593.6A CN202210782593A CN117390219A CN 117390219 A CN117390219 A CN 117390219A CN 202210782593 A CN202210782593 A CN 202210782593A CN 117390219 A CN117390219 A CN 117390219A
- Authority
- CN
- China
- Prior art keywords
- video
- title
- word
- search
- candidate
- 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
- 238000012216 screening Methods 0.000 claims abstract description 43
- 238000004590 computer program Methods 0.000 claims abstract description 36
- 230000003993 interaction Effects 0.000 claims description 83
- 238000012545 processing Methods 0.000 claims description 56
- 238000011156 evaluation Methods 0.000 claims description 25
- 230000004927 fusion Effects 0.000 claims description 24
- 230000007246 mechanism Effects 0.000 claims description 24
- 230000002452 interceptive effect Effects 0.000 claims description 5
- 238000005728 strengthening Methods 0.000 claims description 3
- 239000013598 vector Substances 0.000 description 89
- 238000012512 characterization method Methods 0.000 description 20
- 238000005516 engineering process Methods 0.000 description 16
- 238000013473 artificial intelligence Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 230000004044 response Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000002708 enhancing effect Effects 0.000 description 6
- 238000003058 natural language processing Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008846 dynamic interplay Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F16/732—Query formulation
-
- 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
- G06F16/90—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
- G06F16/9532—Query formulation
-
- 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
-
- 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
- G06F16/9538—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/194—Calculation of difference between files
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/258—Heading extraction; Automatic titling; Numbering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Mathematical Physics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种视频搜索方法、装置、计算机设备、存储介质和计算机程序产品。方法包括:基于视频搜索请求携带的搜索词进行搜索,得到包括视频标题的视频搜索结果;将搜索词和各视频标题的备选标题词进行匹配,获得与各备选标题词分别对应的第一匹配度;将视频搜索请求携带的用户标识相应的兴趣偏好信息,与各备选标题词进行匹配,获得与各备选标题词分别对应的第二匹配度;基于第一匹配度、第二匹配度以及各备选标题词在相应视频标题的重要关键度,对各备选标题词进行筛选,得到目标标题词;向视频搜索请求的发送方返回视频搜索结果,指示发送方基于目标标题词对视频搜索结果进行加强显示。采用本方法能够使得加强显示的部分视频标题词更加准确。
Description
技术领域
本申请涉及人工智能技术领域,特别是涉及一种视频搜索方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
目前,人们可以在视频播放软件中搜索视频,视频播放软件将搜索到的多个视频的视频搜索结果进行展示,人们可以根据展示的视频搜索结果从展示的多个视频中选择有意向的视频进行播放。在展示视频搜索结果时,视频播放软件通常会对视频标题命中用户搜索内容部分进行加强显示,如通过红色强化命中部分。
传统技术中,为了实现加强显示,会对用户输入的搜索词与视频标题进行文本匹配,以确定视频标题中需要加强显示的部分视频标题词。
然而,传统技术,由于只进行文本匹配就确定视频标题中需要加强显示的部分视频标题词,会存在加强显示的部分视频标题词不准确的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高加强显示的部分视频标题词准确度的视频搜索方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种视频搜索方法。所述方法包括:
接收视频搜索请求,基于视频搜索请求携带的搜索词进行搜索,得到视频搜索结果,视频搜索结果包括至少一个视频标题;
将搜索词和各视频标题的备选标题词进行匹配,获得与各备选标题词分别对应的第一匹配度,各视频标题的备选标题词基于各视频标题对应视频的视频内容信息以及视频互动信息确定;
将视频搜索请求携带的用户标识相应的兴趣偏好信息,与各备选标题词进行匹配,获得与各备选标题词分别对应的第二匹配度;
基于第一匹配度、第二匹配度以及各备选标题词在相应视频标题的重要关键度,对各备选标题词进行筛选,得到目标标题词,重要关键度基于相应视频标题对应视频的视频内容信息以及视频互动信息确定;
向视频搜索请求的发送方返回视频搜索结果,视频搜索结果携带目标标题词的信息,目标标题词的信息用以指示发送方显示视频搜索结果时,基于目标标题词对视频搜索结果进行加强显示。
第二方面,本申请还提供了一种视频搜索装置。所述装置包括:
请求接收模块,用于接收视频搜索请求,基于视频搜索请求携带的搜索词进行搜索,得到视频搜索结果,视频搜索结果包括至少一个视频标题;
搜索词匹配模块,用于将搜索词和各视频标题的备选标题词进行匹配,获得与各备选标题词分别对应的第一匹配度,各视频标题的备选标题词基于各视频标题对应视频的视频内容信息以及视频互动信息确定;
个性化匹配模块,用于将视频搜索请求携带的用户标识相应的兴趣偏好信息,与各备选标题词进行匹配,获得与各备选标题词分别对应的第二匹配度;
标题词筛选模块,用于基于第一匹配度、第二匹配度以及各备选标题词在相应视频标题的重要关键度,对各备选标题词进行筛选,得到目标标题词,重要关键度基于相应视频标题对应视频的视频内容信息以及视频互动信息确定;
搜索结果反馈模块,用于向视频搜索请求的发送方返回视频搜索结果,视频搜索结果携带目标标题词的信息,目标标题词的信息用以指示发送方显示视频搜索结果时,基于目标标题词对视频搜索结果进行加强显示。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
接收视频搜索请求,基于视频搜索请求携带的搜索词进行搜索,得到视频搜索结果,视频搜索结果包括至少一个视频标题;
将搜索词和各视频标题的备选标题词进行匹配,获得与各备选标题词分别对应的第一匹配度,各视频标题的备选标题词基于各视频标题对应视频的视频内容信息以及视频互动信息确定;
将视频搜索请求携带的用户标识相应的兴趣偏好信息,与各备选标题词进行匹配,获得与各备选标题词分别对应的第二匹配度;
基于第一匹配度、第二匹配度以及各备选标题词在相应视频标题的重要关键度,对各备选标题词进行筛选,得到目标标题词,重要关键度基于相应视频标题对应视频的视频内容信息以及视频互动信息确定;
向视频搜索请求的发送方返回视频搜索结果,视频搜索结果携带目标标题词的信息,目标标题词的信息用以指示发送方显示视频搜索结果时,基于目标标题词对视频搜索结果进行加强显示。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
接收视频搜索请求,基于视频搜索请求携带的搜索词进行搜索,得到视频搜索结果,视频搜索结果包括至少一个视频标题;
将搜索词和各视频标题的备选标题词进行匹配,获得与各备选标题词分别对应的第一匹配度,各视频标题的备选标题词基于各视频标题对应视频的视频内容信息以及视频互动信息确定;
将视频搜索请求携带的用户标识相应的兴趣偏好信息,与各备选标题词进行匹配,获得与各备选标题词分别对应的第二匹配度;
基于第一匹配度、第二匹配度以及各备选标题词在相应视频标题的重要关键度,对各备选标题词进行筛选,得到目标标题词,重要关键度基于相应视频标题对应视频的视频内容信息以及视频互动信息确定;
向视频搜索请求的发送方返回视频搜索结果,视频搜索结果携带目标标题词的信息,目标标题词的信息用以指示发送方显示视频搜索结果时,基于目标标题词对视频搜索结果进行加强显示。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
接收视频搜索请求,基于视频搜索请求携带的搜索词进行搜索,得到视频搜索结果,视频搜索结果包括至少一个视频标题;
将搜索词和各视频标题的备选标题词进行匹配,获得与各备选标题词分别对应的第一匹配度,各视频标题的备选标题词基于各视频标题对应视频的视频内容信息以及视频互动信息确定;
将视频搜索请求携带的用户标识相应的兴趣偏好信息,与各备选标题词进行匹配,获得与各备选标题词分别对应的第二匹配度;
基于第一匹配度、第二匹配度以及各备选标题词在相应视频标题的重要关键度,对各备选标题词进行筛选,得到目标标题词,重要关键度基于相应视频标题对应视频的视频内容信息以及视频互动信息确定;
向视频搜索请求的发送方返回视频搜索结果,视频搜索结果携带目标标题词的信息,目标标题词的信息用以指示发送方显示视频搜索结果时,基于目标标题词对视频搜索结果进行加强显示。
第六方面,本申请提供了一种视频搜索方法。所述方法包括:
显示视频搜索界面;
在视频搜索界面获取搜索词,并响应搜索操作发送视频搜索请求;
基于视频搜索请求显示视频搜索结果显示界面,视频搜索结果显示界面显示的视频搜索结果中,存在至少一个加强显示的目标标题词的视频标题,目标标题词基于搜索词与视频标题的备选标题词之间的第一匹配度、搜索词对应的用户标识相应的兴趣偏好信息和备选标题词的第二匹配度以及备选标题词在相应视频标题的重要关键度进行标题词筛选后得到,各视频标题的备选标题词以及备选标题词的重要度基于各视频标题对应视频的视频内容信息以及视频互动信息确定。
第七方面,本申请还提供了一种视频搜索装置。所述装置包括:
第一显示模块,用于显示视频搜索界面;
搜索响应模块,用于在视频搜索界面获取搜索词,并响应搜索操作发送视频搜索请求;
第二显示模块,用于基于视频搜索请求显示视频搜索结果显示界面,视频搜索结果显示界面显示的视频搜索结果中,存在至少一个加强显示的目标标题词的视频标题,目标标题词基于搜索词与视频标题的备选标题词之间的第一匹配度、搜索词对应的用户标识相应的兴趣偏好信息和备选标题词的第二匹配度以及备选标题词在相应视频标题的重要关键度进行标题词筛选后得到,各视频标题的备选标题词以及备选标题词的重要度基于各视频标题对应视频的视频内容信息以及视频互动信息确定。
第八方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
显示视频搜索界面;
在视频搜索界面获取搜索词,并响应搜索操作发送视频搜索请求;
基于视频搜索请求显示视频搜索结果显示界面,视频搜索结果显示界面显示的视频搜索结果中,存在至少一个加强显示的目标标题词的视频标题,目标标题词基于搜索词与视频标题的备选标题词之间的第一匹配度、搜索词对应的用户标识相应的兴趣偏好信息和备选标题词的第二匹配度以及备选标题词在相应视频标题的重要关键度进行标题词筛选后得到,各视频标题的备选标题词以及备选标题词的重要度基于各视频标题对应视频的视频内容信息以及视频互动信息确定。
第九方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
显示视频搜索界面;
在视频搜索界面获取搜索词,并响应搜索操作发送视频搜索请求;
基于视频搜索请求显示视频搜索结果显示界面,视频搜索结果显示界面显示的视频搜索结果中,存在至少一个加强显示的目标标题词的视频标题,目标标题词基于搜索词与视频标题的备选标题词之间的第一匹配度、搜索词对应的用户标识相应的兴趣偏好信息和备选标题词的第二匹配度以及备选标题词在相应视频标题的重要关键度进行标题词筛选后得到,各视频标题的备选标题词以及备选标题词的重要度基于各视频标题对应视频的视频内容信息以及视频互动信息确定。
第十方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
显示视频搜索界面;
在视频搜索界面获取搜索词,并响应搜索操作发送视频搜索请求;
基于视频搜索请求显示视频搜索结果显示界面,视频搜索结果显示界面显示的视频搜索结果中,存在至少一个加强显示的目标标题词的视频标题,目标标题词基于搜索词与视频标题的备选标题词之间的第一匹配度、搜索词对应的用户标识相应的兴趣偏好信息和备选标题词的第二匹配度以及备选标题词在相应视频标题的重要关键度进行标题词筛选后得到,各视频标题的备选标题词以及备选标题词的重要度基于各视频标题对应视频的视频内容信息以及视频互动信息确定。
上述视频搜索方法、装置、计算机设备、存储介质和计算机程序产品,通过在综合考虑各视频标题对应视频的视频内容信息以及视频互动信息确定各视频标题的备选标题词的基础上,在接收到视频搜索请求后,基于视频搜索请求携带的搜索词进行搜索,得到包括至少一个视频标题的视频搜索结果,将搜索词和各视频标题的备选标题词进行匹配,能够基于搜索词进行语义相关匹配,获得与各备选标题词分别对应的第一匹配度,将视频搜索请求携带的用户标识相应的兴趣偏好信息,与各备选标题词进行匹配,能够基于兴趣偏好信息进行个性化匹配,获得与各备选标题词分别对应的第二匹配度,进而可以基于第一匹配度、第二匹配度以及各备选标题词在相应视频标题的重要关键度,对各备选标题词进行筛选,得到与搜索词语义相关且与用户兴趣相关的目标标题词,从而可以向视频搜索请求的发送方返回携带目标标题词的信息的视频搜索结果,目标标题词的信息用以指示发送方显示视频搜索结果时,基于目标标题词对视频搜索结果进行加强显示,整个过程,能够提高加强显示的部分视频标题词与用户搜索意图的匹配度,使得加强显示的部分视频标题词更加准确。
上述视频搜索方法、装置、计算机设备、存储介质和计算机程序产品,显示视频搜索界面,在视频搜索界面获取搜索词,并响应搜索操作发送视频搜索请求,基于视频搜索请求显示视频搜索结果显示界面,视频搜索结果显示界面显示的视频搜索结果中,存在至少一个加强显示的目标标题词的视频标题,由于在综合考虑各视频标题对应视频的视频内容信息以及视频互动信息确定各视频标题的备选标题词的基础上,目标标题词是基于搜索词与视频标题的备选标题词之间的第一匹配度、搜索词对应的用户标识相应的兴趣偏好信息和备选标题词的第二匹配度以及备选标题词在相应视频标题的重要关键度进行标题词筛选后得到的,所加强显示的目标标题词与搜索词语义相关且与用户兴趣相关,与用户搜索意图的匹配度高且更加准确。
附图说明
图1为一个实施例中视频搜索方法的应用环境图;
图2为一个实施例中视频搜索方法的流程示意图;
图3为一个实施例中获得与待处理标题词对应的重要关键度的流程示意图;
图4为一个实施例中基于目标标题词对视频搜索结果进行加强显示的示意图;
图5为一个实施例中获得与备选标题词对应的第一匹配度的流程示意图;
图6为一个实施例中获得与备选标题词对应的第二匹配度的流程示意图;
图7为另一个实施例中视频搜索方法的流程示意图;
图8为又一个实施例中视频搜索方法的流程示意图;
图9为一个实施例中视频搜索装置的结构框图;
图10为另一个实施例中视频搜索装置的结构框图;
图11为一个实施例中计算机设备的内部结构图;
图12为另一个实施例中计算机设备的内部结构图。
具体实施方式
本申请涉及人工智能技术领域。人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习、自动驾驶、智慧交通等几大方向。其中,本申请中主要涉及的是自然语言处理技术。自然语言处理(NatureLanguage processing,NLP)是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。因此,这一领域的研究将涉及自然语言,即人们日常使用的语言,所以它与语言学的研究有着密切的联系。自然语言处理技术通常包括文本处理、语义理解、机器翻译、机器人问答、知识图谱等技术。
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的视频搜索方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他服务器上。服务器104接收终端102发送的视频搜索请求,基于视频搜索请求携带的搜索词进行搜索,得到视频搜索结果,视频搜索结果包括至少一个视频标题,将搜索词和各视频标题的备选标题词进行匹配,获得与各备选标题词分别对应的第一匹配度,各视频标题的备选标题词基于各视频标题对应视频的视频内容信息以及视频互动信息确定,将视频搜索请求携带的用户标识相应的兴趣偏好信息,与各备选标题词进行匹配,获得与各备选标题词分别对应的第二匹配度,基于第一匹配度、第二匹配度以及各备选标题词在相应视频标题的重要关键度,对各备选标题词进行筛选,得到目标标题词,重要关键度基于相应视频标题对应视频的视频内容信息以及视频互动信息确定,向发送视频搜索请求的终端102返回视频搜索结果,视频搜索结果携带目标标题词的信息,目标标题词的信息用以指示发送方显示视频搜索结果时,基于目标标题词对视频搜索结果进行加强显示。其中,终端102可以但不限于是各种台式计算机、笔记本电脑、智能手机、平板电脑、物联网设备、便携式可穿戴设备和飞行器等,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种视频搜索方法,以该方法应用于图1中的服务器104为例进行说明,包括以下步骤:
步骤202,接收视频搜索请求,基于视频搜索请求携带的搜索词进行搜索,得到视频搜索结果,视频搜索结果包括至少一个视频标题。
其中,视频搜索请求是指用于搜索视频的请求。视频搜索请求携带的搜索词是指用于搜索视频的关键词。比如,搜索词具体可以为用户输入的用于搜索视频的关键词。举例说明,搜索词具体可以为“用户当前搜索query(查询)”。视频搜索结果是指利用搜索词所搜索到的结果。视频搜索结果包括至少一个与搜索词所匹配的视频对应的视频标题。此外,视频搜索结果还可以包括与搜索词所匹配的视频对应的视频帧,视频帧与视频标题一一对应。视频标题是指用于描述与搜索词所匹配的视频的主要内容的文字。
具体的,终端可以显示视频搜索界面,在视频搜索界面获取搜索词,并响应搜索操作发送视频搜索请求至服务器,服务器接收视频搜索请求,基于视频搜索请求携带的搜索词进行搜索,得到视频搜索结果,视频搜索结果包括至少一个视频以及视频所对应的视频标题。在具体的应用中,服务器在基于视频搜索请求携带的搜索词进行搜索时,可以从候选视频集合中搜索得到与搜索词所匹配的视频。其中,候选视频集合可以是预先存储在服务器中的,也可以是服务器从其他的设备获取的。候选视频集合中包括多个候选视频。
在一个具体的应用中,候选视频集合中的各个候选视频都有对应的视频标题,服务器可以将搜索词与视频标题进行匹配,将匹配度大于搜索词匹配度阈值的视频作为所匹配的视频。在另一个具体的应用中,候选视频集合中的各个候选视频都有对应的视频标签,服务器可以将搜索词与视频标签进行匹配,将匹配度大于搜索词匹配度阈值的视频作为所匹配的视频。在又一个具体的应用中,候选视频集合中的各个候选视频都有对应的视频特征向量,服务器可以将搜索词的向量表示与视频特征向量进行匹配,将匹配度大于搜索词匹配度阈值的视频作为所匹配的视频。
步骤204,将搜索词和各视频标题的备选标题词进行匹配,获得与各备选标题词分别对应的第一匹配度,各视频标题的备选标题词基于各视频标题对应视频的视频内容信息以及视频互动信息确定。
其中,备选标题词是指视频标题中能够反映视频内容的关键信息。比如,备选标题词具体可以是视频所涉及的对象。又比如,备选标题词具体可以是视频所涉及的情节类型。举例说明,当视频为影视剧片段时,对象具体可以为影视剧中的角色,也可以为影视剧的演员,还可以为影视剧的名称。举例说明,视频所涉及的情节类型具体可以为搞笑,还可以为悬疑等。第一匹配度用于描述搜索词与备选标题词之间的匹配程度。第一匹配度越高,表示备选标题词与搜索词之间的匹配程度越高。视频内容信息是指用于描述视频标题对应视频的内容的信息。比如,视频内容信息具体可以是指视频字幕。视频互动信息是指基于视频进行互动所生成的信息。比如,视频互动信息具体可以为视频弹幕、视频评论等。
具体的,视频标题的备选标题词以及备选标题词的重要关键度,基于视频标题对应视频的视频内容信息以及视频互动信息确定。在具体的应用中,服务器会预先基于视频标题对应视频的视频内容信息以及视频互动信息,确定视频标题的备选标题词以及备选标题词的重要关键度。在一个具体的应用中,服务器会对视频标题进行分词,得到至少一个待处理标题词,并获取视频内容信息以及视频互动信息,基于视频内容信息以及视频互动信息,确定各待处理标题词分别对应的重要关键度,基于各待处理标题词分别对应的重要关键度以及关键度阈值,筛选出视频标题的备选标题词。其中,关键度阈值可按照实际应用场景进行配置,服务器可以将重要关键度大于关键度阈值的待处理标题词作为备选标题词。在另一个具体的应用中,服务器可以定期基于视频标题对应视频的视频内容信息以及视频互动信息,确定视频标题的备选标题词以及备选标题词的重要关键度,也可以在接收到视频搜索请求得到视频搜索结果后,才基于视频标题对应视频的视频内容信息以及视频互动信息,确定视频标题的备选标题词以及备选标题词的重要关键度。
在一个具体的应用中,服务器会对视频内容以及视频互动信息进行文本编码处理,得到第四深度表示,并对各视频标题的各待处理标题词分别进行文本编码,得到各待处理标题词分别对应的第五深度表示,基于注意力机制分别对第四深度表示以及各待处理标题词分别对应的第五深度表示进行交互融合,以进行注意力分配处理,分别得到第四深度表示对应的第四特征表示以及各第五深度表示分别对应的第五特征表示,分别基于第四深度表示对应的第四特征表示和各第五深度表示分别对应的第五特征表示,获得与各待处理标题词分别对应的重要关键度。
其中,注意力机制用于分别找到视频内容以及视频互动信息和各待处理标题词之间的关联性,以通过交互融合突出第四深度表示和第五深度表示中的某些重要特征,以便基于这些重要特征,获得与各待处理标题词分别对应的重要关键度。服务器可以通过基于第四特征表示和第五特征表示进行重要度分类判断的方式,获得与各待处理标题词分别对应的重要关键度。
在具体的应用中,服务器可以基于预训练的语言表征模型对视频内容以及视频互动信息和各视频标题的各待处理标题词分别进行文本编码处理。举例说明,该预训练的语言表征模型具体可以为BERT(Bidirectional Encoder Representation fromTransformers,基于转换器的双向编码器表示)模型,本实施例在此处不对具体的预训练的语言表征模型进行限定,只要能够实现语言表征即可。
在一个具体的应用中,在基于预训练的语言表征模型对视频内容以及视频互动信息和各待处理标题词分别进行文本编码处理时,为了更准确的表征视频内容以及视频互动信息和各待处理标题词,服务器会综合考虑视频内容以及视频互动信息和各待处理标题词对应的位置编码、词性向量、词向量以及字向量对其进行文本编码处理,即服务器会预先获得视频内容以及视频互动信息和各待处理标题词对应的位置编码向量、词性向量、词向量以及字向量,基于对应的位置编码、词性向量、词向量以及字向量,得到预训练的语言表征模型的输入数据,再以预训练的语言表征模型的输出作为对应的向量表示。
其中,位置编码向量用于描述视频内容以及视频互动信息中各单字和各待处理标题词中各单字在词语中的位置。词性向量用于描述视频内容以及视频互动信息和各待处理标题词的词性。词向量是指将视频内容以及视频互动信息和各待处理标题词进行向量化所得到的向量。字向量是指对视频内容以及视频互动信息中各单字和各待处理标题词中各单字进行向量化所得到的向量。
举例说明,当预训练的语言表征模型为BERT模型时,本实施例中获得与待处理标题词对应的重要关键度(具体可以为备选标题词为视频关键信息概率)的流程示意图可以如图3所示。服务器会预先获得视频内容信息以及视频互动信息和待处理标题词对应的位置编码向量、词性向量、词向量以及字向量,拼接对应的位置编码、词性向量、词向量以及字向量,得到BERT模型的输入数据,分别基于与视频内容以及视频互动信息和待处理标题词对应的BERT模型,得到第四深度表示以及第五深度表示,再基于注意力机制对第四深度表示和待处理标题词对应的第五深度表示进行交互融合,获得与待处理标题词对应的重要关键度。
本实施例中,在得到备选标题词时,同时考虑了视频内容信息以及视频互动信息,所得到的备选标题词既能与视频静态的重要内容相关,同时与不同时间的动态互动数据相关,随着视频互动信息的更新,可以及时更新,以得到准确的备选标题词。具体的,服务器会将搜索词和各视频标题的备选标题词进行匹配,获得与各备选标题词分别对应的第一匹配度。在具体的应用中,服务器会对搜索词进行文本编码处理,得到搜索词的第一深度表示,并对各视频标题的各备选标题词分别进行文本编码处理,得到各备选标题词各自对应的第二深度表示,基于第一深度表示以及各备选标题词分别对应的第二深度表示,获得与各备选标题词分别对应的第一匹配度。
在一个具体的应用中,服务器可以通过计算第一深度表示以及各备选标题词分别对应的第二深度表示之间的相似度,获得与各备选标题词分别对应的第一匹配度。在另一个具体的应用中,服务器还可以先对第一深度表示以及各备选标题词分别对应的第二深度表示进行交互融合,再基于交互融合所得到的特征,获得与各备选标题词分别对应的第一匹配度。
步骤206,将视频搜索请求携带的用户标识相应的兴趣偏好信息,与各备选标题词进行匹配,获得与各备选标题词分别对应的第二匹配度。
其中,用户标识是指用于区分用户的标识。比如,用户标识具体可以为用于区分用户的字符串。举例说明,用户标识具体可以为用于区分用户的账户。视频搜索请求携带的用户标识是指请求搜索视频的用户的标识,即在终端进行搜索操作的用户的标识。兴趣偏好信息是指用于描述用户感兴趣的内容的信息。比如,兴趣偏好具体可以是指用于描述用户感兴趣的内容的兴趣偏好标签。第二匹配度用于描述兴趣偏好信息与备选标题词之间的匹配程度。第二匹配度越高,表示备选标题词与兴趣偏好信息之间的匹配程度越高。
具体的,服务器会将视频搜索请求携带的用户标识相应的兴趣偏好信息,与各备选标题词进行匹配,获得与各备选标题词分别对应的第二匹配度。在具体的应用中,服务器会对用户标识相应的兴趣偏好信息进行文本编码处理,得到兴趣偏好信息的第三深度表示,并对各备选标题词分别进行文本编码处理,得到各备选标题词各自对应的第二深度表示,基于第三深度表示以及各备选标题词分别对应的第二深度表示,获得与各备选标题词分别对应的第二匹配度。
在一个具体的应用中,服务器可以通过计算第三深度表示以及各备选标题词分别对应的第二深度表示之间的相似度,获得与各备选标题词分别对应的第二匹配度。在另一个具体的应用中,服务器还可以先对第三深度表示以及各备选标题词分别对应的第二深度表示进行交互融合,再基于交互融合所得到的特征,获得与各备选标题词分别对应的第二匹配度。
步骤208,基于第一匹配度、第二匹配度以及各备选标题词在相应视频标题的重要关键度,对各备选标题词进行筛选,得到目标标题词,重要关键度基于相应视频标题对应视频的视频内容信息以及视频互动信息确定。
其中,重要关键度用于描述备选标题词在相应视频标题的重要程度。重要关键度越高,表示备选标题词在相应视频标题越重要。举例说明。重要关键度具体可以为备选标题词是否是表征视频内容的重要关键信息的概率。重要关键度可以在筛选出备选标题词的过程中,基于视频标题对应视频的视频内容信息以及视频互动信息确定。目标标题词是指从备选标题词中筛选出来的、与搜索词语义相关且与用户兴趣相关的标题词。
具体的,服务器会基于第一匹配度、第二匹配度以及各备选标题词在相应视频标题的重要关键度,对各备选标题词进行筛选,得到目标标题词。在具体的应用中,由于第一匹配度用于描述搜索词与备选标题词之间的匹配程度,服务器可先基于第一匹配度对备选标题词进行筛选,初步筛选出与搜索词语义比较相关的中间标题词,再同时考虑中间标题词在相应视频标题的重要关键度、中间标题词对应的第一匹配度以及第二匹配度,对中间标题词进行进一步筛选,得到目标标题词。在一个具体的应用中,服务器可以利用预设的用于筛选中间标题词的匹配度阈值,对备选标题词进行筛选,初步筛选出与搜索词语义比较相关的中间标题词。
步骤210,向视频搜索请求的发送方返回视频搜索结果,视频搜索结果携带目标标题词的信息,目标标题词的信息用以指示发送方显示视频搜索结果时,基于目标标题词对视频搜索结果进行加强显示。
具体的,在得到目标标题词后,服务器会向视频搜索请求的发送方返回视频搜索结果,视频搜索结果携带目标标题词的信息,视频搜索请求的发送方在显示视频搜索结果时,会基于目标标题词对视频搜索结果进行加强显示。在具体的应用中,基于目标标题词对视频搜索结果进行加强显示的方式,可以为加粗显示目标标题词。举例说明,如图4所示,若搜索词为“XXX”,视频搜索请求的发送方在显示视频搜索结果时,可以加粗显示目标标题词“XXX”,对于视频标题中其他部分(图4中均用Y来替代)正常显示。此外,进行加强显示的方式还可以为将目标标题词与视频标题中其他部分分别用不同的颜色显示。举例说明,可以将目标标题词用红色显示,将视频标题中其他部分用非红色显示,以实现视频搜索飘红处理。
进一步的,当视频搜索结果包括至少两个视频标题时,服务器会对视频标题进行排序,所返回的视频搜索结果携带标题排序信息,视频搜索请求的发送方在显示视频搜索结果时,会基于标题排序信息对至少两个视频标题进行排序显示。在具体的应用中,服务器可以基于搜索词以及各视频标题对应的视频的点击量对视频标题进行排序,得到标题排序信息。
上述视频搜索方法,通过在综合考虑各视频标题对应视频的视频内容信息以及视频互动信息确定各视频标题的备选标题词的基础上,在接收到视频搜索请求后,基于视频搜索请求携带的搜索词进行搜索,得到包括至少一个视频标题的视频搜索结果,将搜索词和各视频标题的备选标题词进行匹配,能够基于搜索词进行语义相关匹配,获得与各备选标题词分别对应的第一匹配度,将视频搜索请求携带的用户标识相应的兴趣偏好信息,与各备选标题词进行匹配,能够基于兴趣偏好信息进行个性化匹配,获得与各备选标题词分别对应的第二匹配度,进而可以基于第一匹配度、第二匹配度以及各备选标题词在相应视频标题的重要关键度,对各备选标题词进行筛选,得到与搜索词语义相关且与用户兴趣相关的目标标题词,从而可以向视频搜索请求的发送方返回携带目标标题词的信息的视频搜索结果,目标标题词的信息用以指示发送方显示视频搜索结果时,基于目标标题词对视频搜索结果进行加强显示,整个过程,能够提高加强显示的部分视频标题词与用户搜索意图的匹配度,使得加强显示的部分视频标题词更加准确。
在一个实施例中,将搜索词和各视频标题的备选标题词进行匹配,获得与各备选标题词分别对应的第一匹配度,包括:
对搜索词进行文本编码处理,得到搜索词的第一深度表示,并对各视频标题的各备选标题词分别进行文本编码处理,得到各备选标题词分别对应的第二深度表示;
基于注意力机制分别对第一深度表示以及各备选标题词分别对应的第二深度表示进行交互融合,获得与各备选标题词分别对应的第一匹配度。
其中,第一深度表示是指表征搜索词的向量表示。第二深度表示是指表征备选标题词的向量表示。进行文本编码是指对文本进行编码,以得到相应的向量表示。注意力机制是一种分配机制,其核心思想是突出对象的某些重要特征,根据注意力对象的重要程度,重新分配资源,即权重,实现核心思想是基于原有的数据找到其之间的关联性,然后突出其某些重要特征。本实施例中,即基于第一深度表示以及各备选标题词分别对应的第二深度表示,分别找到搜索词和各备选标题词之间的关联性,以通过交互融合突出第一深度表示和第二深度表示中的某些重要特征,以便基于这些重要特征,获得与各备选标题词分别对应的第一匹配度。
具体的,服务器会对搜索词进行文本编码处理,得到搜索词的第一深度表示,并对各视频标题的各备选标题词分别进行文本编码处理,得到各备选标题词分别对应的第二深度表示,基于注意力机制分别对第一深度表示以及各备选标题词分别对应的第二深度表示进行交互融合,以进行注意力分配处理,分别得到第一深度表示对应的第一特征表示以及各第二深度表示分别对应的第二特征表示,分别基于第一深度表示对应的第一特征表示和各第二深度表示分别对应的第二特征表示,获得与各备选标题词分别对应的第一匹配度。其中,注意力分配处理是指对第一深度表示和第二深度表示中不同的特征分配不同程度的注意力,以对重要特征和非重要特征进行区分。
在具体的应用中,服务器可以基于预训练的语言表征模型对搜索词以及各视频标题的各备选标题词分别进行文本编码处理。举例说明,该预训练的语言表征模型具体可以为BERT模型,本实施例在此处不对具体的预训练的语言表征模型进行限定,只要能够实现语言表征即可。服务器可以通过分别基于第一深度表示对应的第一特征表示和各第二深度表示分别对应的第二特征表示进行匹配分类判断的方式,获得与各备选标题词分别对应的第一匹配度。
在一个具体的应用中,在基于预训练的语言表征模型对搜索词以及各视频标题的各备选标题词分别进行文本编码处理时,为了更准确的表征搜索词以及各备选标题词,服务器会综合考虑搜索词以及各备选标题词对应的位置编码、词性向量、词向量以及字向量对其进行文本编码处理,即服务器会预先获得搜索词以及各备选标题词对应的位置编码向量、词性向量、词向量以及字向量,基于对应的位置编码、词性向量、词向量以及字向量,得到预训练的语言表征模型的输入数据,再以预训练的语言表征模型的输出作为对应的向量表示。
其中,位置编码向量用于描述搜索词中各单字以及各备选标题词中各单字在词语中的位置。词性向量用于描述搜索词以及各备选标题词的词性。词向量是指将搜索词以及各备选标题词进行向量化所得到的向量。字向量是指对搜索词中各单字以及各备选标题词中各单字进行向量化所得到的向量。
举例说明,当预训练的语言表征模型为BERT模型时,本实施例中获得与备选标题词对应的第一匹配度(具体可以为备选标题词与搜索词匹配分数)的流程示意图可以如图5所示。服务器会预先获得搜索词以及备选标题词对应的位置编码向量、词性向量、词向量以及字向量,拼接对应的位置编码、词性向量、词向量以及字向量,得到BERT模型的输入数据,分别基于与搜索词以及与备选标题词对应的BERT模型,得到第一深度表示以及第二深度表示,再基于注意力机制对第一深度表示和备选标题词对应的第二深度表示进行交互融合,获得与备选标题词对应的第一匹配度。
本实施例中,通过对搜索词进行文本编码处理,能够得到搜索词的第一深度表示,通过对各视频标题的各备选标题词分别进行文本编码处理,能够得到各备选标题词分别对应的第二深度表示,进而可以基于注意力机制分别对第一深度表示以及各备选标题词分别对应的第二深度表示进行交互融合,以区分重要特征和非重要特征,进而可以基于注意力机制所确定的重要特征准确计算出与各备选标题词分别对应的第一匹配度,实现语义匹配。
在一个实施例中,将视频搜索请求携带的用户标识相应的兴趣偏好信息,与各备选标题词进行匹配,获得与各备选标题词分别对应的第二匹配度,包括:
对用户标识相应的兴趣偏好信息进行文本编码处理,得到兴趣偏好信息的第三深度表示,并对各备选标题词分别进行文本编码处理,得到各备选标题词各自对应的第二深度表示;
基于注意力机制分别对第三深度表示以及各备选标题词各自对应的第二深度表示进行交互融合,获得与各备选标题词各自对应的第二匹配度。
其中,第三深度表示是指表征兴趣偏好信息的向量表示。注意力机制是一种分配机制,其核心思想是突出对象的某些重要特征,根据注意力对象的重要程度,重新分配资源,即权重,实现核心思想是基于原有的数据找到其之间的关联性,然后突出其某些重要特征。本实施例中,即基于第三深度表示以及各备选标题词分别对应的第二深度表示,分别找到兴趣偏好信息和各备选标题词之间的关联性,以通过交互融合突出第三深度表示和第二深度表示中的某些重要特征,以便基于这些重要特征,获得与各备选标题词分别对应的第二匹配度。
具体的,服务器会对用户标识相应的兴趣偏好信息进行文本编码处理,得到兴趣偏好信息的第三深度表示,并对各视频标题的各备选标题词分别进行文本编码处理,得到各备选标题词分别对应的第二深度表示,基于注意力机制分别对第三深度表示以及各备选标题词分别对应的第二深度表示进行交互融合,以进行注意力分配处理,分别得到第三深度表示对应的第三特征表示以及各第二深度表示分别对应的第二特征表示,分别基于第三深度表示对应的第三特征表示和各第二深度表示分别对应的第二特征表示,获得与各备选标题词分别对应的第二匹配度。其中,注意力分配处理是指对第三深度表示和第二深度表示中不同的特征分配不同程度的注意力,以对重要特和非重要特征进行区分。
在具体的应用中,服务器可以通过分别基于第三深度表示对应的第三特征表示和各第二深度表示分别对应的第二特征表示进行匹配分类判断的方式,获得与各备选标题词分别对应的第二匹配度。
本实施例中,通过对兴趣偏好信息进行文本编码处理,能够得到兴趣偏好信息的第三深度表示,通过对各视频标题的各备选标题词分别进行文本编码处理,能够得到各备选标题词分别对应的第二深度表示,进而可以基于注意力机制分别对第三深度表示以及各备选标题词分别对应的第二深度表示进行交互融合,以区分重要特征和非重要特征,进而可以基于注意力机制所确定的重要特征准确计算出与各备选标题词分别对应的第二匹配度,满足个性化需求。
在一个实施例中,兴趣偏好信息包括至少一个兴趣偏好标签,对用户标识相应的兴趣偏好信息进行文本编码处理,得到兴趣偏好信息的第三深度表示,包括:
对用户标识相应的兴趣偏好标签进行文本编码处理,得到兴趣偏好标签的中间深度表示;
基于兴趣偏好标签的兴趣度对中间深度表示进行加权;
根据兴趣偏好标签相应的加权后中间深度表示,得到兴趣偏好信息的第三深度表示。
其中,兴趣偏好标签是指用于表征用户的兴趣偏好的标签。比如,兴趣偏好标签具体可以是用户偏好的情节类型的标签。又比如,兴趣偏好标签具体可以是用户偏好的人物类型的标签。中间深度表示是指表征兴趣偏好标签的向量表示。兴趣度用于描述用户对于兴趣偏好标签的偏好程度,兴趣度越高,表示偏好程度越高。
具体的,服务器会对用户标识相应的兴趣偏好标签进行文本编码处理,得到兴趣偏好标签的中间深度表示,基于兴趣偏好标签的兴趣度对中间深度表示进行加权,根据兴趣偏好标签相应的加权后中间深度表示,得到兴趣偏好信息的第三深度表示。在具体的应用中,当兴趣偏好信息仅包括一个兴趣偏好标签时,服务器会将该兴趣偏好标签相应的加权后中间深度表示,作为兴趣偏好信息的第三深度表示。当兴趣偏好信息包括至少两个兴趣偏好标签时,服务器会拼接至少两个兴趣偏好标签相应的加权后中间深度表示,作为兴趣偏好信息的第三深度表示。
在具体的应用中,服务器可以基于预训练的语言表征模型对兴趣偏好标签进行文本编码处理。举例说明,该预训练的语言表征模型具体可以为BERT模型,本实施例在此处不对具体的预训练的语言表征模型进行限定,只要能够实现语言表征即可。
在一个具体的应用中,在基于预训练的语言表征模型对兴趣偏好标签进行文本编码处理时,为了更准确的表征兴趣偏好标签,服务器会综合考虑兴趣偏好标签对应的位置编码、词性向量、词向量以及字向量对其进行文本编码处理,即服务器会预先获得兴趣偏好标签对应的位置编码向量、词性向量、词向量以及字向量,基于对应的位置编码、词性向量、词向量以及字向量,得到预训练的语言表征模型的输入数据,再以预训练的语言表征模型的输出作为对应的向量表示。其中,位置编码向量用于描述兴趣偏好标签中各单字在词语中的位置。词性向量用于描述兴趣偏好标签的词性。词向量是指将兴趣偏好标签进行向量化所得到的向量。字向量是指对兴趣偏好标签中各单字进行向量化所得到的向量。
举例说明,当预训练的语言表征模型为BERT模型且兴趣偏好信息包括至少两个兴趣偏好标签时,获得与备选标题词对应的第二匹配度(具体可以为第备选标题词与用户兴趣符合度)的流程示意图可以如图6所示。对于各兴趣偏好标签以及备选标题词,服务器会预先获得兴趣偏好标签以及备选标题词对应的位置编码向量、词性向量、词向量以及字向量,拼接对应的位置编码、词性向量、词向量以及字向量,得到BERT模型的输入数据,分别基于与各兴趣偏好标签以及与备选标题词对应的BERT模型,得到各兴趣偏好标签对应的中间深度表示以及备选标题词对应的第二深度表示,再基于兴趣偏好标签的兴趣度对中间深度表示进行加权,根据兴趣偏好标签相应的加权后中间深度表示,得到兴趣偏好信息的第三深度表示,再基于注意力机制对第三深度表示和备选标题词对应的第二深度表示进行交互融合,获得与备选标题词对应的第二匹配度。
本实施例中,通过对用户标识相应的兴趣偏好标签进行文本编码处理,得到兴趣偏好标签的中间深度表示,基于兴趣偏好标签的兴趣度对中间深度表示进行加权,根据兴趣偏好标签相应的加权后中间深度表示,能够基于兴趣偏好标签以及兴趣度实现对第三深度表示的准确构建,使第三深度表示更准确表征用户兴趣偏好。
在一个实施例中,基于第一匹配度、第二匹配度以及各备选标题词在相应视频标题的重要关键度,对各备选标题词进行筛选,得到目标标题词,包括:
基于第一匹配度对备选标题词进行筛选,得到中间标题词;
基于中间标题词在相应视频标题的重要关键度和中间标题词对应的第一匹配度以及第二匹配度,得到中间标题词的标题词评估结果;
根据标题词评估结果进行标题词筛选,得到目标标题词。
其中,标题词评估结果是指对中间标题词进行评估所得到的结果。比如,标题词评估结果具体可以是指标题词评估分数,用于描述中间标题词与搜索词语义、用户兴趣、视频内容信息以及视频互动信息的关联程度。标题词评估分数越高,标识关联程度越高。
具体的,由于视频搜索是一种用户主动行为,用户对视频搜索的模糊匹配是有预知的,且第一匹配度用于描述搜索词与备选标题词之间的匹配程度,为了节省计算资源,服务器可以先基于第一匹配度对备选标题词进行筛选,以初步筛选出与搜索词语义比较相关的中间标题词,再同时考虑中间标题词在相应视频标题的重要关键度、中间标题词对应的第一匹配度以及第二匹配度,得到中间标题词的标题词评估结果,以便根据标题词评估结果对中间标题词进行进一步筛选,得到目标标题词。
在具体的应用中,服务器可以基于预先设置的标题词筛选条件和标题词评估结果进行标题词筛选,得到目标标题词。其中,预先设置的标题词筛选条件可以按照实际应用场景进行配置。比如,当标题词评估结果为标题词评估分数时,预先设置的标题词筛选条件可以为将标题词评估分数大于分数阈值的中间标题词作为目标标题词。分数阈值可以按照实际应用场景进行配置。
本实施例中,通过基于第一匹配度对备选标题词进行筛选,得到中间标题词,基于中间标题词在相应视频标题的重要关键度和中间标题词对应的第一匹配度以及第二匹配度,得到中间标题词的标题词评估结果,根据标题词评估结果进行标题词筛选,得到目标标题词,能够在节省计算资源的同时实现对标题词的准确筛选。
在一个实施例中,基于中间标题词在相应视频标题的重要关键度和中间标题词对应的第一匹配度以及第二匹配度,得到中间标题词的标题词评估结果包括:
将中间标题词在相应视频标题的重要关键度、中间标题词对应的第一匹配度以及第二匹配度相乘,得到中间标题词的标题词评估结果。
具体的,服务器可以通过将中间标题词在相应视频标题的重要关键度、中间标题词对应的第一匹配度以及第二匹配度相乘,得到中间标题词的标题词评估结果,以实现对标题词评估结果的准确计算。
在一个实施例中,如图7所示,通过一个流程示意图来说明本申请的视频搜索方法,该视频搜索方法具体包括以下步骤:
步骤702,视频标题重点加强显示备选部分生成(即生成备选标题词)。
具体的,服务器会预先获得视频内容以及视频互动信息和待处理标题词对应的位置编码向量、词性向量、词向量以及字向量,拼接对应的位置编码、词性向量、词向量以及字向量,得到BERT模型的输入数据,分别基于与视频内容以及视频互动信息和待处理标题词对应的BERT模型,得到第四深度表示以及第五深度表示,再基于注意力机制对第四深度表示和待处理标题词对应的第五深度表示进行交互融合,获得与待处理标题词对应的重要关键度,基于各待处理标题词分别对应的重要关键度以及关键度阈值,筛选出视频标题的备选标题词。
其中,视频标题重点加强显示备选部分生成可以利用预先训练的重点部分识别模型实现,该重点部分识别模型具体可以为以BERT模型为基础的模型,对应的实现过程可以如图3所示。服务器通过对标注好视频标题重点关键词数据(即备选标题词)进行训练,即可得到重点部分识别模型。
步骤704,用户进行视频搜索触发视频搜索处理逻辑。
具体的,终端可以显示视频搜索界面,在视频搜索界面获取搜索词,并响应用户的搜索操作发送视频搜索请求至服务器,服务器接收视频搜索请求,基于视频搜索请求携带的搜索词进行搜索,得到视频搜索结果,视频搜索结果包括至少一个视频以及视频所对应的视频标题。
步骤706,基于深度语义匹配模型计算备选标题词与用户搜索query(即搜索词)的相关度(即第一匹配度)。
具体的,服务器会基于深度语义匹配模型计算备选标题词与用户搜索query的相关度。在具体的应用中,深度语义匹配模型会对搜索词进行文本编码处理,得到搜索词的第一深度表示,并对各视频标题的各备选标题词分别进行文本编码处理,得到各备选标题词分别对应的第二深度表示,基于注意力机制分别对第一深度表示以及各备选标题词分别对应的第二深度表示进行交互融合,以进行注意力分配处理,分别得到第一深度表示对应的第一特征表示以及各第二深度表示分别对应的第二特征表示,分别基于第一深度表示对应的第一特征表示和各第二深度表示分别对应的第二特征表示,获得与各备选标题词分别对应的第一匹配度。其中,深度语义匹配模型具体可以为以BERT模型为基础的模型,其处理计算相关度的流程示意图可以如图5所示。在训练深度语义匹配模型时,服务器会利用搜索词-加强显示标题词序列数据集进行训练。
步骤708,基于用户个性化提升视频标题加强显示效果。
具体的,服务器会对用户标识相应的兴趣偏好标签进行文本编码处理,得到兴趣偏好标签的中间深度表示,基于兴趣偏好标签的兴趣度对中间深度表示进行加权,根据兴趣偏好标签相应的加权后中间深度表示,得到兴趣偏好信息的第三深度表示,并对各视频标题的各备选标题词分别进行文本编码处理,得到各备选标题词分别对应的第二深度表示,基于注意力机制分别对第三深度表示以及各备选标题词分别对应的第二深度表示进行交互融合,以进行注意力分配处理,分别得到第三深度表示对应的第三特征表示以及各第二深度表示分别对应的第二特征表示,分别基于第三深度表示对应的第三特征表示和各第二深度表示分别对应的第二特征表示,获得与各备选标题词分别对应的第二匹配度。
其中,基于用户个性化提升视频标题加强显示效果可以利用预先训练的基于用户兴趣增强视频搜索加强显示模型实现,该基于用户兴趣增强视频搜索加强显示模型具体可以为以BERT模型为基础的模型,对应的实现过程可以如图6所示。服务器通过对标注好兴趣偏好信息(包括兴趣偏好标签)-加强显示标题词序列数据集进行训练,即可得到基于用户兴趣增强视频搜索加强显示模型。
具体的,在得到第一匹配度、第二匹配度以及各备选标题词在相应视频标题的重要关键度后,服务器会基于第一匹配度、第二匹配度以及各备选标题词在相应视频标题的重要关键度,对各备选标题词进行筛选,得到目标标题词。
在一个实施例中,如图8所示,提供了一种视频搜索方法,以该方法应用于图1中的终端102为例进行说明,包括以下步骤:
步骤802,显示视频搜索界面;
步骤804,在视频搜索界面获取搜索词,并响应搜索操作发送视频搜索请求;
步骤806,基于视频搜索请求显示视频搜索结果显示界面,视频搜索结果显示界面显示的视频搜索结果中,存在至少一个加强显示的目标标题词的视频标题,目标标题词基于搜索词与视频标题的备选标题词之间的第一匹配度、搜索词对应的用户标识相应的兴趣偏好信息和备选标题词的第二匹配度以及备选标题词在相应视频标题的重要关键度进行标题词筛选后得到,各视频标题的备选标题词以及备选标题词的重要度基于各视频标题对应视频的视频内容信息以及视频互动信息确定。
具体的,终端显示视频搜索界面,在视频搜索界面获取搜索词,并响应用户的搜索操作发送视频搜索请求至服务器,在服务器返回携带目标标题词的信息的视频搜索结果后,显示视频搜索结果显示界面,视频搜索结果显示界面显示的视频搜索结果中,存在至少一个加强显示的目标标题词的视频标题,目标标题词基于搜索词与视频标题的备选标题词之间的第一匹配度、搜索词对应的用户标识相应的兴趣偏好信息和备选标题词的第二匹配度以及备选标题词在相应视频标题的重要关键度进行标题词筛选后得到,各视频标题的备选标题词以及备选标题词的重要度基于各视频标题对应视频的视频内容信息以及视频互动信息确定。
上述视频搜索方法,显示视频搜索界面,在视频搜索界面获取搜索词,并响应搜索操作发送视频搜索请求,基于视频搜索请求显示视频搜索结果显示界面,视频搜索结果显示界面显示的视频搜索结果中,存在至少一个加强显示的目标标题词的视频标题,由于在综合考虑各视频标题对应视频的视频内容信息以及视频互动信息确定各视频标题的备选标题词的基础上,目标标题词是基于搜索词与视频标题的备选标题词之间的第一匹配度、搜索词对应的用户标识相应的兴趣偏好信息和备选标题词的第二匹配度以及备选标题词在相应视频标题的重要关键度进行标题词筛选后得到的,所加强显示的目标标题词与搜索词语义相关且与用户兴趣相关,与用户搜索意图的匹配度高且更加准确。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的视频搜索方法的视频搜索装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个视频搜索装置实施例中的具体限定可以参见上文中对于视频搜索方法的限定,在此不再赘述。
在一个实施例中,如图9所示,提供了一种视频搜索装置,包括:请求接收模块902、搜索词匹配模块904、个性化匹配模块906、标题词筛选模块908和搜索结果反馈模块910,其中:
请求接收模块902,用于接收视频搜索请求,基于视频搜索请求携带的搜索词进行搜索,得到视频搜索结果,视频搜索结果包括至少一个视频标题;
搜索词匹配模块904,用于将搜索词和各视频标题的备选标题词进行匹配,获得与各备选标题词分别对应的第一匹配度,各视频标题的备选标题词基于各视频标题对应视频的视频内容信息以及视频互动信息确定;
个性化匹配模块906,用于将视频搜索请求携带的用户标识相应的兴趣偏好信息,与各备选标题词进行匹配,获得与各备选标题词分别对应的第二匹配度;
标题词筛选模块908,用于基于第一匹配度、第二匹配度以及各备选标题词在相应视频标题的重要关键度,对各备选标题词进行筛选,得到目标标题词,重要关键度基于相应视频标题对应视频的视频内容信息以及视频互动信息确定;
搜索结果反馈模块910,用于向视频搜索请求的发送方返回视频搜索结果,视频搜索结果携带目标标题词的信息,目标标题词的信息用以指示发送方显示视频搜索结果时,基于目标标题词对视频搜索结果进行加强显示。
上述视频搜索方法,通过在综合考虑各视频标题对应视频的视频内容信息以及视频互动信息确定各视频标题的备选标题词的基础上,在接收到视频搜索请求后,基于视频搜索请求携带的搜索词进行搜索,得到包括至少一个视频标题的视频搜索结果,将搜索词和各视频标题的备选标题词进行匹配,能够基于搜索词进行语义相关匹配,获得与各备选标题词分别对应的第一匹配度,将视频搜索请求携带的用户标识相应的兴趣偏好信息,与各备选标题词进行匹配,能够基于兴趣偏好信息进行个性化匹配,获得与各备选标题词分别对应的第二匹配度,进而可以基于第一匹配度、第二匹配度以及各备选标题词在相应视频标题的重要关键度,对各备选标题词进行筛选,得到与搜索词语义相关且与用户兴趣相关的目标标题词,从而可以向视频搜索请求的发送方返回携带目标标题词的信息的视频搜索结果,目标标题词的信息用以指示发送方显示视频搜索结果时,基于目标标题词对视频搜索结果进行加强显示,整个过程,能够提高加强显示的部分视频标题词与用户搜索意图的匹配度,使得加强显示的部分视频标题词更加准确。
在一个实施例中,搜索词匹配模块还用于对搜索词进行文本编码处理,得到搜索词的第一深度表示,并对各视频标题的各备选标题词分别进行文本编码处理,得到各备选标题词分别对应的第二深度表示,基于注意力机制分别对第一深度表示以及各备选标题词分别对应的第二深度表示进行交互融合,获得与各备选标题词分别对应的第一匹配度。
在一个实施例中,个性化匹配模块还用于对用户标识相应的兴趣偏好信息进行文本编码处理,得到兴趣偏好信息的第三深度表示,并对各备选标题词分别进行文本编码处理,得到各备选标题词各自对应的第二深度表示,基于注意力机制分别对第三深度表示以及各备选标题词各自对应的第二深度表示进行交互融合,获得与各备选标题词各自对应的第二匹配度。
在一个实施例中,兴趣偏好信息包括至少一个兴趣偏好标签,个性化匹配模块还用于对用户标识相应的兴趣偏好标签进行文本编码处理,得到兴趣偏好标签的中间深度表示,基于兴趣偏好标签的兴趣度对中间深度表示进行加权,根据兴趣偏好标签相应的加权后中间深度表示,得到兴趣偏好信息的第三深度表示。
在一个实施例中,标题词筛选模块还用于基于第一匹配度对备选标题词进行筛选,得到中间标题词,基于中间标题词在相应视频标题的重要关键度和中间标题词对应的第一匹配度以及第二匹配度,得到中间标题词的标题词评估结果,根据标题词评估结果进行标题词筛选,得到目标标题词。
在一个实施例中,标题词筛选模块还用于将中间标题词在相应视频标题的重要关键度、中间标题词对应的第一匹配度以及第二匹配度相乘,得到中间标题词的标题词评估结果。
在一个实施例中,如图10所示,提供了一种视频搜索装置,包括:第一显示模块1002、搜索响应模块1004和第二显示模块1006,其中:
第一显示模块1002,用于显示视频搜索界面;
搜索响应模块1004,用于在视频搜索界面获取搜索词,并响应搜索操作发送视频搜索请求;
第二显示模块1006,用于基于视频搜索请求显示视频搜索结果显示界面,视频搜索结果显示界面显示的视频搜索结果中,存在至少一个加强显示的目标标题词的视频标题,目标标题词基于搜索词与视频标题的备选标题词之间的第一匹配度、搜索词对应的用户标识相应的兴趣偏好信息和备选标题词的第二匹配度以及备选标题词在相应视频标题的重要关键度进行标题词筛选后得到,各视频标题的备选标题词以及备选标题词的重要度基于各视频标题对应视频的视频内容信息以及视频互动信息确定。
上述视频搜索装置,显示视频搜索界面,在视频搜索界面获取搜索词,并响应搜索操作发送视频搜索请求,基于视频搜索请求显示视频搜索结果显示界面,视频搜索结果显示界面显示的视频搜索结果中,存在至少一个加强显示的目标标题词的视频标题,由于在综合考虑各视频标题对应视频的视频内容信息以及视频互动信息确定各视频标题的备选标题词的基础上,目标标题词是基于搜索词与视频标题的备选标题词之间的第一匹配度、搜索词对应的用户标识相应的兴趣偏好信息和备选标题词的第二匹配度以及备选标题词在相应视频标题的重要关键度进行标题词筛选后得到的,所加强显示的目标标题词与搜索词语义相关且与用户兴趣相关,与用户搜索意图的匹配度高且更加准确。
上述视频搜索装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图11所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储视频标题等数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种视频搜索方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图12所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种视频搜索方法。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置,显示屏可以是液晶显示屏或电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图11和图12中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于兴趣偏好信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (11)
1.一种视频搜索方法,其特征在于,所述方法包括:
接收视频搜索请求,基于所述视频搜索请求携带的搜索词进行搜索,得到视频搜索结果,所述视频搜索结果包括至少一个视频标题;
将所述搜索词和各所述视频标题的备选标题词进行匹配,获得与各所述备选标题词分别对应的第一匹配度,各所述视频标题的备选标题词基于各所述视频标题对应视频的视频内容信息以及视频互动信息确定;
将所述视频搜索请求携带的用户标识相应的兴趣偏好信息,与各所述备选标题词进行匹配,获得与各所述备选标题词分别对应的第二匹配度;
基于所述第一匹配度、所述第二匹配度以及各所述备选标题词在相应视频标题的重要关键度,对各所述备选标题词进行筛选,得到目标标题词,所述重要关键度基于相应视频标题对应视频的视频内容信息以及视频互动信息确定;
向所述视频搜索请求的发送方返回视频搜索结果,所述视频搜索结果携带所述目标标题词的信息,所述目标标题词的信息用以指示所述发送方显示所述视频搜索结果时,基于所述目标标题词对所述视频搜索结果进行加强显示。
2.根据权利要求1所述的方法,其特征在于,所述将所述搜索词和各所述视频标题的备选标题词进行匹配,获得与各所述备选标题词分别对应的第一匹配度,包括:
对所述搜索词进行文本编码处理,得到所述搜索词的第一深度表示,并对各所述视频标题的各所述备选标题词分别进行文本编码处理,得到各所述备选标题词分别对应的第二深度表示;
基于注意力机制分别对所述第一深度表示以及各所述备选标题词分别对应的第二深度表示进行交互融合,获得与各所述备选标题词分别对应的第一匹配度。
3.根据权利要求1所述的方法,其特征在于,所述将所述视频搜索请求携带的用户标识相应的兴趣偏好信息,与各所述备选标题词进行匹配,获得与各所述备选标题词分别对应的第二匹配度,包括:
对所述用户标识相应的兴趣偏好信息进行文本编码处理,得到所述兴趣偏好信息的第三深度表示,并对各所述备选标题词分别进行文本编码处理,得到各所述备选标题词各自对应的第二深度表示;
基于注意力机制分别对所述第三深度表示以及各所述备选标题词各自对应的第二深度表示进行交互融合,获得与各所述备选标题词各自对应的第二匹配度。
4.根据权利要求3所述的方法,其特征在于,所述兴趣偏好信息包括至少一个兴趣偏好标签,所述对所述用户标识相应的兴趣偏好信息进行文本编码处理,得到所述兴趣偏好信息的第三深度表示,包括:
对所述用户标识相应的兴趣偏好标签进行文本编码处理,得到所述兴趣偏好标签的中间深度表示;
基于所述兴趣偏好标签的兴趣度对所述中间深度表示进行加权;
根据所述兴趣偏好标签相应的加权后中间深度表示,得到所述兴趣偏好信息的第三深度表示。
5.根据权利要求1所述的方法,其特征在于,所述基于所述第一匹配度、所述第二匹配度以及各所述备选标题词在相应视频标题的重要关键度,对各所述备选标题词进行筛选,得到目标标题词,包括:
基于所述第一匹配度对备选标题词进行筛选,得到中间标题词;
基于所述中间标题词在相应视频标题的重要关键度和所述中间标题词对应的第一匹配度以及第二匹配度,得到所述中间标题词的标题词评估结果;
根据标题词评估结果进行标题词筛选,得到目标标题词。
6.根据权利要求5所述的方法,其特征在于,所述基于所述中间标题词在相应视频标题的重要关键度和所述中间标题词对应的第一匹配度以及第二匹配度,得到所述中间标题词的标题词评估结果包括:
将所述中间标题词在相应视频标题的重要关键度、所述中间标题词对应的第一匹配度以及第二匹配度相乘,得到所述中间标题词的标题词评估结果。
7.一种视频搜索方法,其特征在于,所述方法包括:
显示视频搜索界面;
在所述视频搜索界面获取搜索词,并响应搜索操作发送视频搜索请求;
基于所述视频搜索请求显示视频搜索结果显示界面,视频搜索结果显示界面显示的视频搜索结果中,存在至少一个加强显示的目标标题词的视频标题,所述目标标题词基于所述搜索词与所述视频标题的备选标题词之间的第一匹配度、所述搜索词对应的用户标识相应的兴趣偏好信息和所述备选标题词的第二匹配度以及所述备选标题词在相应视频标题的重要关键度进行标题词筛选后得到,各所述视频标题的备选标题词以及所述备选标题词的重要度基于各所述视频标题对应视频的视频内容信息以及视频互动信息确定。
8.一种视频搜索装置,其特征在于,所述装置包括:
请求接收模块,用于接收视频搜索请求,基于所述视频搜索请求携带的搜索词进行搜索,得到视频搜索结果,所述视频搜索结果包括至少一个视频标题;
搜索词匹配模块,用于将所述搜索词和各所述视频标题的备选标题词进行匹配,获得与各所述备选标题词分别对应的第一匹配度,各所述视频标题的备选标题词基于各所述视频标题对应视频的视频内容信息以及视频互动信息确定;
个性化匹配模块,用于将所述视频搜索请求携带的用户标识相应的兴趣偏好信息,与各所述备选标题词进行匹配,获得与各所述备选标题词分别对应的第二匹配度;
标题词筛选模块,用于基于所述第一匹配度、所述第二匹配度以及各所述备选标题词在相应视频标题的重要关键度,对各所述备选标题词进行筛选,得到目标标题词,所述重要关键度基于相应视频标题对应视频的视频内容信息以及视频互动信息确定;
搜索结果反馈模块,用于向所述视频搜索请求的发送方返回视频搜索结果,所述视频搜索结果携带所述目标标题词的信息,所述目标标题词的信息用以指示所述发送方显示所述视频搜索结果时,基于所述目标标题词对所述视频搜索结果进行加强显示。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
11.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210782593.6A CN117390219A (zh) | 2022-07-05 | 2022-07-05 | 视频搜索方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210782593.6A CN117390219A (zh) | 2022-07-05 | 2022-07-05 | 视频搜索方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117390219A true CN117390219A (zh) | 2024-01-12 |
Family
ID=89467183
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210782593.6A Pending CN117390219A (zh) | 2022-07-05 | 2022-07-05 | 视频搜索方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117390219A (zh) |
-
2022
- 2022-07-05 CN CN202210782593.6A patent/CN117390219A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
US9449271B2 (en) | Classifying resources using a deep network | |
CN110737783B (zh) | 一种推荐多媒体内容的方法、装置及计算设备 | |
CN111680219A (zh) | 内容推荐方法、装置、设备及可读存储介质 | |
CN111125422A (zh) | 一种图像分类方法、装置、电子设备及存储介质 | |
CN112364204B (zh) | 视频搜索方法、装置、计算机设备及存储介质 | |
CN111611436A (zh) | 一种标签数据处理方法、装置以及计算机可读存储介质 | |
CN111783903B (zh) | 文本处理方法、文本模型的处理方法及装置、计算机设备 | |
US11126682B1 (en) | Hyperlink based multimedia processing | |
CN113254711B (zh) | 一种互动图像的显示方法、装置、计算机设备和存储介质 | |
WO2019137391A1 (zh) | 对视频进行分类匹配的方法、装置和挑选引擎 | |
CN111783712A (zh) | 一种视频处理方法、装置、设备及介质 | |
CN113806588B (zh) | 搜索视频的方法和装置 | |
CN113704507B (zh) | 数据处理方法、计算机设备以及可读存储介质 | |
CN112749330A (zh) | 信息推送方法、装置、计算机设备和存储介质 | |
CN115659008A (zh) | 大数据信息反馈的信息推送系统、方法、电子设备及介质 | |
CN114330704A (zh) | 语句生成模型更新方法、装置、计算机设备和存储介质 | |
CN116186197A (zh) | 话题推荐方法、装置、电子设备及存储介质 | |
CN116977701A (zh) | 视频分类模型训练的方法、视频分类的方法和装置 | |
CN116956183A (zh) | 多媒体资源推荐方法、模型训练方法、装置及存储介质 | |
CN116955707A (zh) | 内容标签的确定方法、装置、设备、介质及程序产品 | |
CN117011737A (zh) | 一种视频分类方法、装置、电子设备和存储介质 | |
CN114611023A (zh) | 搜索结果的显示方法、装置、设备、介质及程序产品 | |
CN117390219A (zh) | 视频搜索方法、装置、计算机设备和存储介质 | |
CN114329049A (zh) | 视频搜索方法、装置、计算机设备和存储介质 |
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 |