[发明专利]一种基于UCL语义标引的视频推荐方法与装置

摘要

本发明公开了一种基于UCL语义标引的视频推荐方法与装置。首先，本发明基于SSD神经网络模型，过滤最后一层生成的无用提案框，并且拼接中间层生成的人脸特征，对视频进行目标检测与人脸识别，提高视频信息提取的速度与精度。接着，采用UCL国家标准对视频进行语义标引，并基于检测目标的重合度，对视频进行自动分段，实现视频的规范化、细粒度标引。最后，构建知识库存储UCL之间的关系，并基于知识库提出两阶段智能化个性化推荐策略，解决传统推荐冷启动、运算复杂等问题，提高推荐系统的性能。本发明既能提高视频信息抽取的速度和精度，又能灵活、准确地进行视频个性化推荐。

主权项

1.一种基于UCL语义标引的视频推荐方法，其特征在于，包括如下步骤：(1)利用SSD神经网络模型对视频中的各帧图片进行物体类别识别，并从SSD神经网络模型中提取人脸特征送入卷积神经网络进一步确定人的身份信息；在进行物体类别识别时，利用同一场景的连续帧之间的目标候选框位置接近的特性，对SSD神经网络模型生成的提案框进行过滤；(2)采用基于目标重合度的视频自动分段算法对视频进行自动分段，对每个视频段进行UCL语义标引；所标引的内容包括步骤(1)中提取的视频中目标信息、视频对应的文本信息、提取的视频的关键词及关键词对应的重要程度得分；其中目标信息包括目标数量、目标类别及目标位置框；(3)利用知识库存储视频UCL和UCL之间的关系；所述知识库以实体库为基础，将视频UCL连接在实体库中的实体节点上，并基于UCL中的关键词与实体的匹配程度，计算UCL与实体之间的关联权重；(4)两阶段视频推荐，包括：第一阶段利用多分类模型粗粒度地估计待推荐的信息类别；所述多分类模型以用户特征和视频特征作为输入，将至少两个分类模型的单独预测概率进行加权融合以确定待推荐的信息类别；第二阶段利用UCL知识库计算视频间的相关性并于粗粒度的信息类别推荐结果进行筛选，以精确定位待推荐的信息。