[发明专利]基于连续特征的视频推送方法、装置及电子设备有效
申请号: | 201910563779.0 | 申请日: | 2019-06-26 |
公开(公告)号: | CN110278447B | 公开(公告)日: | 2021-07-20 |
发明(设计)人: | 许世坤;王长虎 | 申请(专利权)人: | 北京字节跳动网络技术有限公司 |
主分类号: | H04N21/233 | 分类号: | H04N21/233;H04N21/234;H04N21/235;H04N21/25;G06F16/35;G06F16/735;G06F16/75;G06F16/783 |
代理公司: | 北京竹辰知识产权代理事务所(普通合伙) 11706 | 代理人: | 陈龙 |
地址: | 100041 北京市石景山区*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 连续 特征 视频 推送 方法 装置 电子设备 | ||
本公开实施例中提供了一种基于连续特征的视频推送方法、装置及电子设备,属于数据处理技术领域,该方法包括:在视频库中获取一个或多个待推荐的目标视频;提取所述目标视频中包含的特定内容,以形成内容解析结果;获取通过预设的分类模型对所述内容解析结果进行计算所得到的连续特征;基于所述连续特征,向目标对象推送所述目标视频。通过本公开的处理方案,提高了视频推送的准确性。
技术领域
本公开涉及数据处理技术领域,尤其涉及一种基于连续特征的视频推送方法、装置及电子设备。
背景技术
随着互联网技术的不断发展,网络视频日益丰富,用户观看视频不再局限于电视,还可以通过互联网搜索感兴趣的视频观看,视频提供平台通过对用户的视频爱好进行分析之后,可以主动的向用户推荐视频,从而方便了用户对于视频的观看。为了掌握用户的行为习惯,通常需要查看用户观看视频的历史记录,通过大量的历史行为数据进行视频推荐。
现有的推荐系统中,主要依赖用户和推荐信息之间的交互动作来进行推荐系统的学习和训练,推荐效果依赖于用户与用户、用户和推荐信息之间的相互动作影响,在此过程中,采用分类信息进行视频推荐会导致对视频信息的理解不够全面,特别是当出现新的用户或者新的可推荐视频时,推荐效果往往不尽如人意。
发明内容
有鉴于此,本公开实施例提供一种基于连续特征的视频推送方法、装置及电子设备,至少部分解决现有技术中存在的问题。
第一方面,本公开实施例提供了一种基于连续特征的视频推送方法,包括:
在视频库中获取一个或多个待推荐的目标视频;
提取所述目标视频中包含的特定内容,以形成内容解析结果;
获取通过预设的分类模型对所述内容解析结果进行计算所得到的连续特征;
基于所述连续特征,向目标对象推送所述目标视频。
根据本公开实施例的一种具体实现方式,所述在视频库中获取一个或多个待推荐的目标视频,包括:
从目标视频源中获取一个或多个待筛选视频;
判断所述待筛选视频的标签上是否有存在推荐标记;
若存在,则将所述待筛选视频选择为目标视频。
根据本公开实施例的一种具体实现方式,所述提取所述目标视频中包含的特定内容,以形成内容解析结果,包括:
对所述目标视频中的图像进行解析;
基于对目标视频中图像的解析结果,选择一个或多个视频帧;
将所述视频帧作为所述内容解析结果的组成部分。
根据本公开实施例的一种具体实现方式,所述提取所述目标视频中包含的特定内容,以形成内容解析结果,还包括:
获取所述目标视频中包含的音频文件;
将所音频文件转换为音频频谱图;
将所述音频频谱图作为所述内容解析结果的组成部分。
根据本公开实施例的一种具体实现方式,所述提取所述目标视频中包含的特定内容,以形成内容解析结果,还包括:
获取所述目标视频中包含的标题文本,将所述标题文本图作为所述内容解析结果的组成部分。
根据本公开实施例的一种具体实现方式,所述获取通过预设的分类模型对所述内容解析结果进行计算所得到的连续特征,包括:
采用预设的卷积神经网络分类模型对所述内容解析结果中的视频帧进行分类计算;
提取所述卷积神经网络模型中全连接层中形成的第一特征向量;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京字节跳动网络技术有限公司,未经北京字节跳动网络技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910563779.0/2.html,转载请声明来源钻瓜专利网。