[发明专利]一种拟探索视频特征数据的语义低维特征的获取方法

说明书

本发明公开了一种拟探索视频特征数据的语义低维特征的获取方法，包括先进行视频模型构建；包括视频关键帧提取、加密特征提取和交流学习降维；再进行用户模型构建；包括用户行为数据提取、用户行为分析和计算用户偏好模型；最后进行推荐算法实现；包括协同过滤装置、基于内容的推荐和混合推荐算法，本发明通过对用户行为分析，计算用户偏好模型，研究视频推荐中用户建模方法；在完成海量视频的语义低维表示后，研究基于混合推荐的视频推荐算法中的加权和分级策略；从用户反馈角度出发，研究基于隐式相关反馈的视频混合推荐算法，对原有推荐结果进一步修正。

技术领域

本发明涉及信息检索、视频及图像信息处理技术领域，具体为一种拟探索视频特征数据的语义低维特征的获取方法。

背景技术

随着计算机的普及以及互联网的迅猛发展，知识获取的来源、数量和形式也随之发生了根本的变化。目前，在Internet的数据中蕴含了海量的知识，同时也含有大量的垃圾信息，完全人工方式获取知识已经不能满足要求，因此必须研究大规模知识获取的方法，以减少手工知识获取的代价。推荐系统与搜索引擎有着类似的功能，将用户真正需要的信息快速过滤并展现出来，不同之处在于推荐系统通过挖掘并分析用户行为记录来建立模型，主动为用户推荐其感兴趣的信息。推荐系统作为沟通用户和服务之间的桥梁，其作用和价值日益显著。在这一领域，研究人员提出各类推荐算法，主要包括协同过滤[25]和基于内容的过滤算法。协同过滤的原理是根据用户的历史行为记录，挖掘物品或用户本身的关联性，再依据这些关联性来产生推荐。

所以，如何设计一种拟探索视频特征数据的语义低维特征的获取方法，成为我们当前要解决的问题。

发明内容

本发明的目的在于提供一种拟探索视频特征数据的语义低维特征的获取方法，通过对用户行为分析，计算用户偏好模型，研究视频推荐中用户建模方法；在完成海量视频的语义低维表示后，研究基于混合推荐的视频推荐算法中的加权和分级策略；从用户反馈角度出发，研究基于隐式相关反馈的视频混合推荐算法，对原有推荐结果进一步修正，可以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种拟探索视频特征数据的语义低维特征的获取方法，包括如下步骤：

1)先进行视频模型构建；包括视频关键帧提取、加密特征提取和交流学习降维；

2)再进行用户模型构建；包括用户行为数据提取、用户行为分析和计算用户偏好模型；

3)最后进行推荐算法实现；包括协同过滤装置、基于内容的推荐和混合推荐算法。

根据上述技术方案，所述步骤1)中的视频关键帧提取具体为先逐帧读取视频帧，将各视频帧图像转为灰度图，依次计算各视频帧的灰度质心组成灰度质心序列，使用灰度质心序列代表视频帧序列，下面步骤对视频帧序列的操作即为对灰度质心序列的操作；再将视频帧序列划分为多个视觉相似视频帧序列；然后依据设定的最小有效视觉相似视频帧序列长度，从视觉相似视频帧序列中筛选有效视觉相似视频帧序列；最后从有效视觉相似视频帧序列提取视频关键帧。

根据上述技术方案，所述步骤1)中的加密特征提取具体为先确定需要进行数据特征提取的第一会话和第二会话，并从所述第一会话包含的报文中提取第一设定数目的报文信息，以及从所述第二会话包含的报文中提取第二设定数目的报文信息；其中，所述第一会话和第二会话是同一个应用操作在不同时间所产生的，所述报文信息中至少包括报文应用层负载字节序；采用指定的匹配算法，依次根据从第一会话中提取的每一个报文应用层负载字节序构建相应的状态机，每构建一个状态机，将当前构建的状态机与从第二会话中提取的每一个报文应用层负载字节序依次进行匹配，每执行一次匹配，对当前获得的匹配结果进行迭代合并，并根据预设规则计算当前获得的经迭代合并后的匹配结果的权值，直到确定当前获得的权值不小于设定阈值为止，确定匹配成功并停止构建状态机及停止匹配，以及将当前获得的经迭代合并后的匹配结果作为所述应用操作的数据特征。