[发明专利]一种综合视频元信息的混合切词标注方法及其系统

说明书

技术领域

 本申请涉及一种搜索引擎的关键词切词标注方法，特别的，本发明涉及一种综合了视频的视频元信息的混合切词标注方法及其系统。

背景技术

传统搜索引擎根据用户输入的关键词在海量信息中寻找包含关键词的内容。查询结果是否相关取决于一系列因素，包括用户输入的关键词是否在目标文档中、用户输入的关键词是否能够筛选出足够少量的文档以避免目标文档淹没在大量的命中结果中、用户是否能够想到其目标文档可能包含哪些关键词。因此，基于关键词命中的引擎要求用户理解搜索引擎的工作原理，否则容易使用户搜不到其想要的内容。

通过分析用户的查询记录，可以发现用户的一些查询关键词不能命中其目标视频。这些用户常常基于自己的理解来输入关键词，这些关键词偏向于语义化、概念化，有一定的范围指向，例如“收费的电影”、“最新的热播电视剧”，“周星驰导演的电影”，而视频本身的标题等文字信息没有包含这样的文字串，因此传统搜索引擎难以满足这些用户的查询需求。

因此，也就是说，现有的搜索引擎所存储的关键字更加关注于视频本身的信息，不够智能。因此，对使用者通过搜索获得相关视频提出了较高的要求。使用者需要能够理解或者知道自己所要寻找的视频的准确信息。而这对于用户显然要求过高。或者说，现有技术的视频网站中的搜索引擎导致了对使用者提出了门槛要求，这不利于视频网站的推广，以及吸引更多的，各个阶层的用户，也使得用户浪费了大量的时间来搜索获得自己感兴趣的视频。

因此，如何能够提高搜索引擎的智能，使得其能够更容易的搜索到用户所需要的视频，成为现有技术亟需解决技术问题。

发明内容

本发明的目的在于提出一种综合视频元信息的混合切词标注方法及其系统，能够使得搜索引擎能够利用上述所提供的关键词以反向命中的方式来改进用户的搜索体验。

为达此目的，本发明采用以下技术方案：

一种综合视频元信息的混合切词标注方法，包括如下步骤：

视频元信息收集步骤S110，多维度地收集视频自身相关的视频元信息，所述视频元信息包括视频自身属性和/或网站业务属性;

视频元信息标签生成步骤S120，分析所述视频元信息与用户查询的关键词之间的语义关系，根据所述视频元信息生成视频元信息标签词;

融合视频元信息标签的混合切词标注步骤S130，包括

S131，切分与视频有关的基本文字信息，得到的切词输出为输出序列；

S132，对多组所述视频元信息标签分别进行切词，并标记输出为不同的输出序列。

优选地，在融合视频元信息标签的混合切词标注步骤中，给所述输出序列中的切词赋予权值，其中在所述视频元信息标签所切分的输出序列中的切词的权值是与视频有关的基本文字信息所切分的输出序列中的切词的权值一半。

进一步优选地，所述视频元信息包括下列元信息组中的一个或多个，所述元信息组包括a.视频是否收费，b.视频是否为会员独享，c.视频是由哪个广告主赞助播放，d.视频是和网站的哪些活动相关，d.视频的拍摄年代、地区、导演、演员，e.视频归属的类别，影片风格,f.视频的近期播放热度，受欢迎程度。

优选地，所述视频元信息从视频信息库或者视频网站的统计系统中得到。

优选地，在视频元信息标签生成步骤中的根据所述视频元信息生成视频元信息标签词，包括下列中的一个或多个：

（1）如果是收费视频，则输出一组标签词：“收费”、“付费”、“会员免费观看”；

（2）如果是会员独享视频，则输出一组标签词：“会员独享”、“影视会员”；

（3）如果视频是由A广告主赞助播放，则输出一组标签词：“A影院”、“A活动视频”；

（4）如果视频和网站的B活动有关，则输出“B活动影院”；

（5）如果视频是由C导演拍摄、D演员演出，则输出“C导演的”、“D主演的”、“D演出的”；

（6）如果视频是拍摄与E年份，则输出“E年代”；

（7）如果视频近期播放热度达到一定阈值，超过某个百分比的其他视频，则输出“最近热播的”。

本发明还公开了一种综合视频元信息的混合切词标注系统，包括如下单元：

视频元信息收集单元，多维度地收集视频自身相关的视频元信息，所述视频元信息包括视频自身属性和/或网站业务属性;

视频元信息标签生成单元，分析所述视频元信息与用户查询的关键词之间的语义关系，根据所述视频元信息生成视频元信息标签词;

融合视频元信息标签的混合切词标注单元，包括