[发明专利]一种基于协同过滤的视频标签添加方法

说明书

本发明公开了一种基于协同过滤的视频标签添加方法，具体包括：从影评中提取关键词来补充视频的原始标签集合，利用奇异值分解来刻画视频对标签的偏好并构造视频对标签偏好的模型，引入描述视频与标签的反馈作用的变量来扩展视频对标签偏好的模型，利用模糊聚类得到标签组，引入描述标签组的隐向量和隶属度关系的变量得到最终的视频对标签偏好的模型，计算表征视频对视频标签偏好的倾向值，根据偏好值的排序将对应标签补充给视频。本发明通过从影评提取关键词补充视频标签丰富了原始视频标签集合，通过奇异值分解、加入标签的共现关系、标签的语义信息使得模型更准确，提高了标签对视频描述的准确性；本发明占用计算资源小，执行效率高。

技术领域

本发明涉及人工智能领域，更具体地，涉及一种基于协同过滤的视频标签添加方法。

背景技术

近年来，互联网资源呈指数式增长，视频内容在网络上也逐渐丰富。在线视频数量极速增长的背景下，人们面对琳琅满目的视频、电影，不知道如何寻找自己想观看的一部。视频标签是一种对视频内容进行分类和高度概括的方法。一方面，视频标签为视频观看者提供了检索迎合自己兴趣的视频的方法；另一方面，视频标签使得在线电影平台能够更好地对视频资源分类、管理与推荐。因此，对于在线视频来讲，对其精准、有效地标注上标签是非常有价值、有必要的。大体上说，视频标签分为两种标注方法：一种是人工标注；另一种是设计有效的算法对视频进行自动标注。

然而对于平台管理者来说，面对日益增长的视频数量，标签人工标注是一个巨大的挑战。人工打标签有两大困境。一方面，人工打标签是在观看视频的基础上进行的，在线平台上巨大的视频量消耗人们大量的时间精力；另一方面，人工标签可能会出现不准确的情况，每个观看者打标签的依据不同，人工打标签具有较强的主观性。因此我们迫切需要一种视频自动补充标签方法，来解决上述问题。在近期的研究中，视频的自动标签技术取得了较大突破，一种通用的做法是：基于视频的内容，对视频的相似性进行度量，并且设计标签传播算法，在相似的视频之间进行标签传播。这种做法的优势是对于视频来说自动生成的标签比较准确，在以往的研究中取得不错的效果。

对于时长较长的视频，如电影这类商业视频，自动补充标签面临的难点在于，第一，时常较长，比较两部视频内容的相似性存在较大困难，一般的短视频可以通过比较视频的每一帧的方式来度量相似度，电影这类视频通常在一个半小时以上，逐帧比较的方式计算上是不可行的；第二，电影是具有故事性、情节完整性、和内容丰富性特点的视频，两部完全不相似的电影可能会有部分重叠的标签，甚至拥有完全一致的标签，因此不适合用视频帧相似度进行简单的标签传播，我们需要设计新的更有效的自动补充标签算法。

发明内容

本发明为克服上述现有技术中视频标签补充方法效率低，准确性差的缺陷，提供一种基于协同过滤的视频标签添加方法。

本发明旨在至少在一定程度上解决上述技术问题。

本发明的首要目的是为解决上述技术问题，本发明的技术方案如下：

一种基于协同过滤的视频标签添加方法，所述方法包括：

S1：从影评数据中提取关键词补充到原始的标签集合中，构造出扩充后的视频标签集合，其中原始的标签集合记为从影评中提取关键词补充的影评标签集合记为扩充后的视频标签集合记为其中

S2:利用奇异值分解将视频对视频标签的偏好使用若干主题来刻画，每一个所述主题代表视频标签的一个隐语义，构造出视频对视频标签偏好的模型；

S3:设定影评标签集合中的影评标签对原始标签集合中的原始视频标签具有反馈作用，在视频对视频标签偏好的模型中引入描述影评标签与原始视频标签的反馈作用的变量；

S4:对视频标签集合通过模糊聚类得到标签组，在步骤S3得到的视频对视频标签偏好的模型中分别引入描述标签组的隐向量y、描述标签与其所属标签组的隶属度关系的变量θ，将隐向量y归一化得到最终的视频对视频标签的偏好模型；