[发明专利]视频分类方法和装置

权利要求书

1.一种视频分类方法，其特征在于，包括：

获取待分类的视频的内容类别，其中，所述内容类别为以视频自身内容分类得到的类别；

获取第一用户群中用户的社交属性类别，根据所述用户的社交属性类别为第一类视频添加社交属性类别，其中，所述第一用户群为所有与所述第一类视频具有交互行为的用户的集合；

获取样本集合中所有视频的社交属性类别，通过字典学习算法得到所述社交属性类别和所述视频的内容类别之间转换关系，将所述转换关系作为预设的转换关系；

根据所述预设的转换关系对所述视频的内容类别进行转换，得到视频的社交属性类别；

将所述视频的社交属性类别作为所述待分类的视频的类别。

2.根据权利要求1所述的方法，其特征在于，用户的社交属性类别包括第一社交属性类别，获取所述第一用户群中用户的社交属性类别包括获取所述第一用户群中用户的第一社交属性类别，获取所述第一用户群中用户的第一社交属性类别包括：

建立所有用户群的超图模型，其中，所述超图的点由一个用户的一个社交属性类别构成，所述超图的边由一个用户的所有社交属性类别构成；

通过谱图聚类算法对所述所有用户群的超图模型进行聚类计算，得到所有用户群的第一社交属性类别；

从所有用户群的第一社交属性类别中查找到所述第一用户群的第一社交属性类别。

3.根据权利要求1所述的方法，其特征在于，用户的社交属性类别包括第二社交属性类别，获取所述第一用户群中用户的社交属性类别包括获取所述第一用户群中用户的第二社交属性类别，获取所述第一用户群中用户的第二社交属性类别包括：

获取所述第一用户群在预设时间段内的社交信息；

通过在线LDA模型抽取所述社交信息的主题内容，得到所述第一用户群在所述预设时间段内的主题内容信息；

根据所述主题内容信息确定所述第一用户群中用户的第二社交属性类别。

4.根据权利要求1所述的方法，其特征在于，

获取待分类的视频的内容类别包括：通过在ImageNet上预训练的VGG模型得到的全连接层的特征作为所述待分类的视频的内容类别，

通过字典学习算法在所述社交属性类别和所述视频的内容类别之间建立所述预设的转换关系包括：

通过函数计算得到使所述视频的社交属性类别和内容类别误差最小的转换关系，其中，V表示训练集中的视频内容类别和社交属性类别连接的向量，B和s分别代表一组基和V在所述基上的系数，φ(s)代表训练集中不同向量的稀疏系数的距离函数，所述距离函数通过高斯核函数确定，

将所述转换关系作为所述预设的转换关系。

5.一种视频分类装置，其特征在于，包括：

第一获取单元，用于获取待分类的视频的内容类别，其中，所述内容类别为以视频自身内容分类得到的类别；

第二获取单元，用于获取第一用户群中用户的社交属性类别，其中，所述第一用户群为所有与第一类视频具有交互行为的用户的集合；

添加单元，用于根据所述用户的社交属性类别为所述第一类视频添加社交属性类别；

第三获取单元，用于获取样本集合中所有视频的社交属性类别；

计算单元，用于通过字典学习算法得到所述社交属性类别和所述视频的内容类别之间转换关系，将所述转换关系作为预设的转换关系；

转换单元，用于根据所述预设的转换关系对所述视频的内容类别进行转换，得到视频的社交属性类别；

处理单元，用于将所述视频的社交属性类别作为所述待分类的视频的类别。

6.根据权利要求5所述的装置，其特征在于，用户的社交属性类别包括第一社交属性类别，获取所述第一用户群中用户的社交属性类别包括获取所述第一用户群中用户的第一社交属性类别，所述第二获取单元包括：

建立模块，用于建立所有用户群的超图模型，其中，所述超图的点由一个用户的一个社交属性类别构成，所述超图的边由一个用户的所有社交属性类别构成；

计算模块，用于通过谱图聚类算法对所述所有用户群的超图模型进行聚类计算，得到所有用户群的第一社交属性类别；

查找模块，用于从所有用户群的第一社交属性类别中查找到所述第一用户群的第一社交属性类别。