CN105898294A - 一种视频质量评价方法及装置 - Google Patents
一种视频质量评价方法及装置 Download PDFInfo
- Publication number
- CN105898294A CN105898294A CN201610365009.1A CN201610365009A CN105898294A CN 105898294 A CN105898294 A CN 105898294A CN 201610365009 A CN201610365009 A CN 201610365009A CN 105898294 A CN105898294 A CN 105898294A
- Authority
- CN
- China
- Prior art keywords
- video
- quality evaluation
- channel
- sample
- parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/04—Diagnosis, testing or measuring for television systems or their details for receivers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
- H04N21/44204—Monitoring of content usage, e.g. the number of times a movie has been viewed, copied or the amount which has been watched
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/47—End-user applications
- H04N21/475—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data
- H04N21/4756—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data for rating content, e.g. scoring a recommended movie
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/47—End-user applications
- H04N21/482—End-user interface for program selection
- H04N21/4826—End-user interface for program selection using recommendation lists, e.g. of programs or channels sorted out according to their score
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Software Systems (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本发明实施例涉及一种视频质量评价方法和装置,方法包括获取视频参数,从所述视频参数中提取所述视频的实际质量评价参数;根据视频质量评价模型和所述视频参数,得到所述视频的预期质量评价参数;根据所述实际质量评价参数和所述预期质量评价参数得到所述视频的质量评价参数。装置包括第一获取单元、第一计算单元和第二计算单元。本发明通过引入了频道的质量评价信息,精细时间段划分,实现对视频内容进行精准的质量分析,以便进行视频准确推送。
Description
技术领域
本发明实施例属于互联网技术领域,尤其涉及一种视频质量评价方法及***。
背景技术
在视频推荐***中视频是最基本的元素,所有算法和处理流程都是以视频为基本分析点,再辅助其他信息(用户观看历史,视频的特征)来得到最后推送给用户的推荐结果。所以如何得到一个视频的质量信息或者质量的衡量对整个视频推荐***都是极为重要的一个环节。
现有的技术方案主要是基于视频的播放数和视频的点赞数等视频自带信息进行视频质量评价。但是这在一个全球性的视频网站中往往得不到很好的应用,不同频道(上传者)由于建立时间和专注内容的不同,其关注者也是有很大差距的,所以不同频道的视频不能简单只以视频自带信息去分析质量,这样很容易不能准确评估视频质量的高低。所以现有的技术方案在这种情况下得不到一个真正的,公平的视频质量分析结果。
发明内容
基于上述背景,本发明实施例提供一种视频质量评价方法及***,目的是能够公平客观地分析视频质量,以便于实现精准的视频推送。
本发明是通过以下技术方案来实现的:
第一方面,本发明实施例提供一种视频质量评价方法,包括:
获取视频参数,从所述视频参数中提取所述视频的实际质量评价参数;
根据视频质量评价模型和所述视频参数,得到所述视频的预期质量评价参数;
根据所述实际质量评价参数和所述预期质量评价参数得到所述视频的质量评价参数。
第二方面,本发明实施例还提供一种视频质量评价装置,包括第一获取单元、第一计算单元和第二计算单元;
第一获取单元用于获取视频参数,从所述视频参数中提取所述视频的实际质量评价参数;
第一计算单元,用于根据视频质量评价模型和所述视频参数,得到所述视频的预期质量评价参数;
第二计算单元,用于根据所述实际质量评价参数和所述预期质量评价参数得到所述视频的质量评价参数。
本发明实施例的技术方案通过统计,建模和分析视频频道的历史数据,得到每个频道独有的视频质量评价模型。相比于现有技术,抛开现有的以视频自带信息为基础的质量评价方法,本发明实施例不仅仅考虑了视频本身的质量信息,如播放数,收藏点赞数等,还额外引入了频道的质量评价信息,精细时间段划分,当新上传的视频时,可以通过质量评价模型得到视频的评价参数,对其中的视频内容进行精准的质量分析,可实现在网络视频推送过程中的准确推送。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的视频质量评价方法处理流程图;
图2a为本发明实施例二提供的建立视频质量评价模型的流程图;
图2b为本发明实施例二提供的获取视频历史数据的流程图;
图2c为本发明实施例二提供的视频质量评价模型获取过程图;
图2d为本发明实施例二提供的视频质量评价模型另一种获取过程图;
图2e为本发明实施例二提供的获取视频质量评价参数的可选处理流程图;
图3为本发明实施例三提供的视频推荐处理流程图;
图4为本发明实施例四提供的视频质量评价装置结构框图;
图5a为本发明实施例五提供的视频质量评价装置结构框图;
图5b为本发明实施例五提供的第二获取单元结构框图;
图5c为本发明实施例五提供的视频质量评价装置结构框图;
图5d为本发明实施例五提供的视频质量评价装置另一种结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例,附图中给出了本发明的较佳实施例。本发明可以以许多不同的形式来实现,并不限于本文所描述的实施例,相反地,提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
实施例一
参阅图1所示的流程图,图1提供了一种视频质量评价方法,该方法包括:
S01、获取视频参数,从所述视频参数中提取所述视频的实际质量评价参数。
可选地,本实施例中视频参数具体的指视频网站用户在其创建的频道下新上传视频的参数,可以是一个视频,也可以是多个视频,所获取的视频参数可以包括视频所属频道、实际播放数、发布时间等,发布时间是指视频上传发布时刻与获取该视频参数时刻之间的这段时间。在本实施例中,实际评价参数即视频在选取的发布时间内的实际播放数。
S02、根据视频质量评价模型和所述视频参数,得到所述视频的预期质量评价参数;
对于频道新发布视频的评价,具体的,通过将视频所选取的发布时间作为自变量输入视频质量评价模型中,得到视频的预期评价参数,预期评价参数是指视频在选取的发布时间内的预期播放数。
S03、根据所述实际质量评价参数和所述预期质量评价参数得到所述视频的质量评价参数;
具体地,将预期质量评价参数和实际质量评价参数通过预设的模型公式计算获得视频质量评价参数。
可选地,获得评价参数后,保存该评价参数,该评价参数可用于后续其他***中,如视频推荐***,比如现有新上传的视频进入视频推荐***,视频推荐***根据对应的视频质量评价参数来确定是否向用户推送该视频。
相比于现有技术,抛开现有的以视频自带信息为基础的质量评价方法,本发明实施例不仅仅考虑了视频本身的质量信息,如播放数,发布时间等,还额外引入了频道的质量评价信息,当新上传的视频时,可以通过视频质量评价模型得到视频质量评价参数,实现对视频质量的精准分析。
实施例二
根据实施例一,在实施例一的基础上,本发明实施例二提供视频质量评价方法还包括建立视频质量评价模型,如图2a所示为建立视频质量评价模型的流程图,具体为:
S11、获取至少一个视频频道的样本视频的历史数据;
对于视频网站而言,***除了视频网站运营商所提供的视频资源,另一种***方式就是通过用户上传,相应的,视频网站中发布的视频均有特定的分类,视频频道可以是一个分类,也可以是某一分类下某个视频网站的用户创建的基于该分类的视频合集,因此,每一个分类下对应至少有一个视频频道,以视频网站YouTube为例,在网站中,比如有education、entertainment、film、sports等分类,而YouTube用户可以在各个分类下个性化地创建各种频道,比如TV shows、TheEllenShow等等,可以采集一个或多个频道的视频历史数据。
可选地,如图2b所示,获取至少一个视频频道的样本视频的历史数据的过程包括:
S111、获取样本视频的历史数据;
具体的,样本视频的历史数据包括视频所属频道、发布时间、实际播放数、收藏数(关注数)、浏览数等。
S112、预处理所述样本视频的历史数据;
从视频质量评价处理流程出发,原始历史数据(raw data)的播放数(play count)以及该播放数对应的发布时间是处理流程中的两个基本元素,也是视频质量评价模型迭代的基本参数,因此需要将一定时间段内的视频的发布时间和/或该一定时间段内的播放数给统计出来。可选地,采用Hadoop框架中的MapReduce编程模型。首先,提取出视频的ID和当时的实际播放数和/或发布时间;然后,如果提取出了发布时间,利用MapReduce按照ID聚集其各个发布时间的对应实际播放数;最后,再按照视频所属频道进行分类,这些数据则是后面训练视频质量评价模型的基础。
在数据预处理的过程中,需要对庞大的混杂的数据集合进行清洗筛选。其中有以下几种异常:
1.对于视频缺少ID/TIME(此记录抓取时间)/PLAYCOUNT的直接标记为垃圾数据,丢弃相应的数据。
2.对于视频连续两次TIME(此记录抓取时间)相差太小(这个阈值视具体需求而定),丢弃掉较老的数据。
3.对于视频TIME(此记录抓取时间)与当前时间相差太大(本实施例中评价模型的此阈值可选为30天),丢弃相应的数据。
4.对于某个频道下视频的抓取记录太少,直接丢掉该频道所有数据,将其模型赋值为空,这种情况下,表示该频道没有模型,当有新视频进来的时候不对视频做任何处理,直接进入后续的处理流程。
S113、根据视频所属频道对预处理后的样本视频的历史数据进行分类,得到至少一个视频频道的视频历史数据。
S12、根据所述至少一个视频频道的视频历史数据,建立与所述至少一个视频频道对应的视频质量评价模型;
根据获取的样本视频的历史数据对视频所属频道进行建模,作为本实施例的一个可选的实施方式,从所述样本视频的历史数据中提取所述样本视频的实际播放数;根据所述至少一个视频频道的所述样本视频的发布时间,建立与所述至少一个视频频道对应的视频质量评价模型。
根据可选实施例,假如采集的视频历史数据对应的频道个数为M,相应的需要建立M个视频质量评价模型。
作为本实施例的另一个可选的实施方式,从所述样本视频的历史数据中提取所述样本视频的实际播放数和发布时间;根据所述至少一个视频频道的所述样本视频的实际播放数和发布时间,建立与所述至少一个视频频道不同发布时间对应的视频质量评价模型。每个视频频道的样本视频的历史数据取自一个指定的时间段,在指定时间段里的样本视频的视频参数包括发布时间和指定时间段内对应的播放数,根据发布时间和指定时间段内对应的播放数,在该频道下指定的不同时间段可以对应建立多个视频质量评价模型,各个时间段的评价模型都不相同且互相独立,这是为了在保证时效性的基础上避免拟合的过拟合问题以及减少误差。可选地,每一个发时间段均采用线性函数进行拟合,最终得到这些视频质量评价线。
在本发明实施例中发布时间是指视频上传发布时刻与获取该视频参数时刻之间的这段时间;指定的时间段是指从获取视频的历史数据的时刻到某一历史时刻之间的这段时间,因此样本视频的历史数据以指定的时间段为基础获取,根据本实施例可选方案,指定的时间段的值可为1h,2h,3h,4h,5h,6h,7h,8h,9h,10h,11h,12h,13h,14h,15h,16h,17h,18h,19h,20h,21h,22h,23h,24h,3days,7days,15days,30days等,视频网站对于时间比较敏感,为了保证时效性,指定的时间段在最近3天内的划分更加精细。
通过可选实施例进行进一步说明,比如现在获取的样本视频的历史数据分属5个频道,如果采集的视频只包含一个时间段,那么相应的有5个评价模型;如果采集的视频历史数据包括1h、2h、3h三个时间段,相应的有15个评价模型,以此类推。
可选地,视频质量评价模型基于如下公式建立:
为视频的预期质量评价参数,t为视频的发布时间,其中,所述参数根据如下函数获得:
其中,
为所述视频历史数据对应时间段内的所有记录平均发布时间;
为所述时间段内所有记录平均播放数;
ti为所述时间段内第i个记录的发布时间(i=1~n);
pi为所述时间段内第i个记录的播放数(i=1~n);
n为所述时间段内的记录总数。
其中,所述参数根据如下函数获得:
根据参数和参数的公式,从模型的构建可以看出来,更新模型时需要每次统计一定时间段的所有视频,再代入到公式中计算。比如某一个频道现在有一个关于10000个视频的模型,现在新加入一个视频,那么又需要计算如下四项:
那么对于10000个视频的模型此时需要计算10001次,为了优化***效率,根据本实施例可选方案,在把每次的模型计算完毕之后的这四项都按照Key:Value的格式存起来,Key为模型ID,value则是这四项的相关值,那么当新上传视频时,只需要将新的记录merge进去,即新加一个视频,只需要计算2次,这大大的降低了时间的消耗。
其中,两项是是整个模型拟合中计算量最大的部分,根据本实施例可选方案,可对这两项进一步进行优化,对于现在的亿万级的数据量,优化至关重要。在本可选实施例中,采用MapReduce并行计算的优点,将这两项分布到多台机器上计算。
以为例。
这些数据之间都是互不相干的所以可以并行分布计算,假设设置两个并行任务,那么任务一可以计算t1p1+t2p2+…+tjpj,任务二可以计算tj+1pj+1+tj+2pj+2+…+tnpn,这样相当于时间减半,所以我们可以通过设置并行任务数来缩短计算时间。
也可采用同样的方式处理。
可选地,指定视频质量评价参数根据如下公式获得:
其中,
Sf为视频质量评价参数;
Sr为视频的实际质量评价参数;
Sb为视频质量评价装置的常量参数。
可选地,建立视频质量评价模型后,存储所有模型,形成视频网站的视频质量评价模型库,通过调用模型库中的模型可得到每个频道的视频质量趋势线。
根据一种可选的实施方式,如图2c所示,根据视频质量评价模型和视频参数得到视频的预期质量评价参数包括:
S041、从所述视频参数中提取视频所属频道和发布时间;
S042、根据所述视频所属视频频道,获得所述视频对应的视频频道的视频质量评价模型;
S043、根据视频发布时间,从所述获得的视频质量评价模型中筛选出与所述视频发布时间匹配的视频质量评价模型。
根据另一种可选的实施方式,如图2d所示,根据视频质量评价模型和视频参数得到视频的预期质量评价参数包括:
S’041、从所述视频参数中提取视频所属频道;
S’042、根据所述视频所属频道,获得所述视频对应的视频质量评价模型。
可知,根据视频质量评价模型和所述视频参数,得到所述视频的预期质量评价参数,具体是指将视频所选取的发布时间作为自变量输入相应发布时间的评价模型中,得到视频的预期评价参数。
根据本方案可选实施例,如图2e所示,根据所述实际质量评价参数和所述预期质量评价参数得到所述视频的质量评价参数可采用的计算过程如下:
S031、获得视频实际质量评价参数和预期质量评价参数的差值;
S032、将所述差值和预期质量评价参数执行除操作;
S033、将所述除操作的结果与一预设参数求和得到视频质量评价参数。
具体地对应如下可选模型公式:
评价参数=(实际播放数–预期播放数))/预期播放数+基础分。
基础分是预设的常量参数,对视频质量进行评价,目的在于进行精准的视频推送,基础分即表示视频质量评价在视频推荐***中所占的比重。
可选地,在所述根据视频质量评价模型和所述视频参数,得到所述视频的预期质量评价参数之后,还包括更新视频质量评价模型。
根据一种可选实施例,更新视频质量评价模型具体为:根据所述视频的发布时间、实际播放数以及所述样本视频的历史数据,更新所述视频所属视频频道下预设的各时间段的视频质量评价模型。
根据另一种可选实施例,更新视频质量评价模型具体为:根据所述视频的发布时间、实际播放数以及所述样本视频的历史数据,更新视频质量评价所述视频所属视频频道下的视频质量评价模型。
本发明实施例的技术方案基于视频网站的独特性质,通过统计,建模和分析视频频道的历史数据,得到每个频道独有的视频质量评价模型。相比于现有技术,本发明实施例不仅仅考虑了视频本身的质量信息,如播放数,发布时间等,还额外引入了频道的质量评价信息,并精细化划分时间段,当新上传的视频时,可以通过视频质量评价模型得到视频质量评价参数,实现对视频质量的精准分析。通过实时更新评价模型,并采用并发处理模式,一方面提升评价精度,另一方面节省评价处理时间,从而快速获得质量高的视频。
实施例三
基于上述实施例,本发明实施例三提供的视频质量评价方法,还包括进行视频推荐,具体的,获得视频的质量评价参数后,根据视频的质量评价参数进行视频推荐。如图3所示,根据视频的质量评价参数进行视频推荐视频推荐过程为:
S21、设定判断阈值;
S22、比较所述视频的质量评价参数和所述阈值;
S23、若所述视频的质量评价参数大于所述阈值,则推荐所述视频,否则不推荐所述视频。
其中阈值根据视频推荐***的推荐经验来设定。
通过本实施例的方案,基于该阈值,当视频的质量评价参数大于该阈值时,可以使得视频的推荐能够达到较高的精准度。
实施例四
参阅图4所示,本发明实施例提供一种视频质量评价装置,该装置包括:第一获取单元01、第一计算单元02、第二计算单元03。
第一获取单元01用于获取视频参数,从所述视频参数中提取所述视频的实际质量评价参数,所述获取的视频参数包括视频所属频道、实际播放数、发布时间;
可选地,第一获取单元01获取的视频参数具体的指视频网站用户在其创建的频道下新上传视频的参数,所获取的视频参数包括视频所属频道、实际播放数、发布时间等,其中,通过第一获取单元01获得的实际评价参数即为视频在选取的发布时间内的实际播放数。
第一计算单元02用于根据视频质量评价模型和所述视频参数,得到所述视频的预期质量评价参数。具体的,第一获取单元01将视频所选取的发布时间作为自变量输入视频质量评价模型中,得到视频的预期评价参数,预期评价参数是指视频在选取的发布时间内的预期播放数。
第二计算单元03用于根据所述实际质量评价参数和所述预期质量评价参数得到所述视频的质量评价参数。
相比于现有技术,本发明实施例提供的视频质量评价装置抛开现有的以视频自带信息为基础的质量评价方式,不仅仅考虑了视频本身的质量信息,如播放数,发布时间等,还额外引入了频道的质量评价信息,当新上传的视频时,可以通过视频质量评价模型得到视频质量评价参数,实现对视频质量的精准分析。
实施例五
如图5a所示,基于实施例四提供的视频质量评价装置,本实施例五还包括第二获取单元05、建模单元06。
第二获取单元05用于获取至少一个视频频道的样本视频的历史数据;
具体地,第二获取单元05基于一定的时间段获取视频历史数据,具体的,视频历史数据包括视频所属频道、发布时间、播放数、收藏数(关注数)、浏览数等。
根据本实施例可选方案,如图5b所示,第二获取单元05具体包括:
采集子单元051,用于获取样本视频的历史数据;采集子单元041具体用于获取并保存视频网站中一定时间段内的样本视频历史数据,包括视频所属频道、发布时间、播放数、收藏数(关注数)、浏览数等。
预处理子单元052,用于预处理所述视频历史数据;预处理子单元052具体地针对采集到的样本视频的历史数据集合进行清洗筛选,去掉异常数据。在筛选过程中,预处理子单元052执行多个阈值判断操作,其中,
第一阈值为视频连续两次抓取的时间差阈值,若预处理子单元052判断连续两次抓取时间差小于阈值,则去掉相应的数据;
第二阈值为视频抓取时间和当前时间的时间差阈值,若预处理子单元052判断视频抓取时间和当前时间的时间差小于阈值,则去掉相应的数据。
第三阈值为某频道下视频的抓取记录阈值,当该频道视频抓取下视频的抓取记录小于阈值,预处理子单元052直接丢掉该频道所有数据,将其模型赋值为空,这种情况下,表示该频道没有模型,当有新视频进来的时候不对视频做任何处理。
分类子单元053,用于根据视频所属频道对预处理后的样本视频的历史数据进行分类,获得至少一个视频频道的样本视频的历史数据。
建模单元06用于根据所述第二获取单元05获取的所述至少一个视频频道的样本视频的历史数据对应建立至少一个视频质量评价模型;
建模单元06根据获取的样本视频的历史数据对视频所属频道进行建模,可选的,第二获取单元05从样本视频的历史数据中提取所述样本视频的实际播放数后,建模单元06根据所述至少一个视频频道的所述样本视频的实际播放数,建立与所述至少一个视频频道对应的视频质量评价模型。
可选的,第二获取单元05从样本视频的历史数据中提取所述样本视频的实际播放数和发布时间后,建模单元06根据至少一个视频频道的所述样本视频的发布时间和实际播放数,建立与至少一个视频频道不同发布时间对应的视频质量评价模型。
每个视频频道的样本视频的历史数据取自一个指定的时间段,在指定时间段里的样本视频的视频参数包括发布时间和指定时间段内对应的播放数,根据发布时间和指定时间段内对应的播放数,在该频道下真的指定的不同时间段建模单元06可以对应建立多个视频质量评价模型,各个时间段的评价模型都不相同且互相独立。
视频质量评价装置的建模单元05采用如下公式建立模型:
为视频的预期质量评价参数,t为视频的发布时间,其中,所述参数根据如下函数获得:
其中,
为所述视频历史数据对应时间段内的所有记录平均发布时间;
为所述时间段内所有记录平均播放数;
ti为所述时间段内第i个记录的发布时间(i=1~n);
pi为所述时间段内第i个记录的播放数(i=1~n);
n为所述时间段内的记录总数。
其中,所述参数根据如下函数获得:
根据本发明可选实施例,第二计算单元03根据如下公式获得指定视频质量评价参数:
其中,
Sf为视频质量评价参数;
Sr为视频的实际质量评价参数;
Sb为视频质量评价装置的常量参数。
可选地,如图5c所示,视频质量评价装置还包括模型库单元07,用于保存建模单元06生成的评价模型,生成模型库,可以实现对评价模型的管理,方便评价模型的重复利用和更新。
根据步骤参数和参数的公式,,。以某一个频道现在有一个关于10000个视频的模型为例,现在新加入一个视频,模型更新单元08需要重新计算如下四项:
那么对于10000个视频的模型,模型更新单元08此时需要计算10001次,为了优化***效率,在把每次的模型计算完毕之后的这四项都按照Key:Value的格式存起来,Key为模型ID,value则是这四项的相关值,那么当新上传视频时,只需要将新的记录merge进去,即新加一个视频,模型更新单元08只需要计算2次,这大大的降低了时间的消耗。
其中,两项是是整个模型拟合中计算量最大的部分,根据本实施例可选方案,可对这两项进一步进行优化。在本可选实施例中,采用MapReduce并行计算的优点,将这两项分布到多台机器上计算。
以为例。
这些数据之间都是互不相干的所以可以并行分布计算,假设设置两个并行任务,那么任务一可以计算t1p1+t2p2+…+tjpj,任务二可以计算tj+1pj+1+tj+2pj+2+…+tnpn,这样相当于时间减半,所以我们可以通过设置分布式的并行任务数来缩短建模单元06、第一计算单元01、第二计算单元02和模型更新单元08的计算时间。
也可采用同样的方式处理。
可选地,视频质量评价装置还包括模型获取单元04,如图5c所示,具体地,第一获取单元01获取的视频参数包括视频所属视频频道、实际播放数、发布时间;
根据一种可选实施例,模型获取单元04用于从所述视频参数中提取视频所属频道,根据视频所属频道,获得视频对应的视频质量评价模型;
根据另一种可选实施例,模型获取单元04用于从所述视频参数中提取视频所属频道和发布时间,根据所述视频所属视频频道,获得所述视频对应的视频频道的视频质量评价模型,根据视频发布时间,从所述获得的视频质量评价模型中筛选出与所述视频发布时间匹配的视频质量评价模型。
可选地,第二计算单元03根据视频实际质量评价参数和预期质量评价参数的差值,将所述差值和预期质量评价参数执行除操作,最后将所述除操作的结果与一预设参数求和得到视频质量评价参数。具体地对应如下可选模型公式:
评价参数=(实际播放数–预期播放数))/预期播放数+基础分。
基础分是预设的常量参数,对视频质量进行评价,目的在于进行精准的视频推送,基础分即表示视频质量评价在视频推荐***中所占的比重。
可选地,如图5d所示,视频质量评价装置还包括模型更新单元08,根据一种可选的实施例,模型更新单元08用于根据所述视频的发布时间、实际播放数以及所述样本视频的历史数据,更新所述视频所属视频频道下指定时间段的视频质量评价模型;根据另一种可选的实施例,模型更新单元08用于根据所述视频的发布时间、实际播放数以及所述样本视频的历史数据,更新视频质量评价所述视频所属视频频道下的视频质量评价模型
可选地,如图5d所示,视频质量评价装置还包括存储单元09,用于在第二计算单元03获得评价参数后,保存该评价参数,可以实现对评价参数的管理,便于评价参数的调用和更新,该评价参数可作为推送判断指标用于后续其他***中,如视频推荐***。
可选地,如图5d所示,本发明实施例还包括推荐单元10,现有新上传的视频进入***后,推荐单元10根据对应的视频质量评价参数来确定是否向用户推送该视频,具体的,推荐单元10将视频的质量评价参数与预设判断阈值进行比较,其中阈值根据视频推荐***的推荐经验来设定,若视频的质量评价参数大于阈值,则推荐视频,若视频的质量评价参数小于阈值,则不推荐视频。
本发明实施例的技术方案基于视频网站的独特性质,通过统计,建模和分析视频频道的历史数据,得到每个频道独有的视频质量评价模型。相比于现有技术,本发明实施例不仅仅考虑了视频本身的质量信息,如播放数,发布时间等,还额外引入了频道的质量评价信息,并精细化划分时间段,当新上传的视频时,可以通过视频质量评价模型得到视频质量评价参数,实现对视频质量的精准分析。通过实时更新评价模型,并采用并发处理模式,一方面提升评价精度,另一方面节省评价处理时间,从而快速获得质量高的视频。
以上仅为本发明的优选实施例,但并不限制本发明的专利范围,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本发明说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本发明专利保护范围之内。
Claims (14)
1.一种视频质量评价方法,其特征在于,包括:
获取视频参数,从所述视频参数中提取所述视频的实际质量评价参数;
根据视频质量评价模型和所述视频参数,得到所述视频的预期质量评价参数;
根据所述实际质量评价参数和所述预期质量评价参数得到所述视频的质量评价参数。
2.根据权利要求1所述的视频质量评价方法,其特征在于,在所述获取视频参数之前,还包括:
获取至少一个视频频道的样本视频的历史数据;
根据所述至少一个视频频道的样本视频的历史数据,建立与所述至少一个视频频道对应的视频质量评价模型。
3.根据权利要求2所述的视频质量评价方法,其特征在于,所述样本视频的历史数据包括样本视频所述视频频道实际播放数和/或发布时间;所述获取至少一个视频频道的样本视频的历史数据的过程包括:
获取样本视频的历史数据;
预处理所述样本视频的历史数据;
根据所述样本视频所属视频频道对预处理后的所述样本视频的历史数据进行分类,得到至少一个视频频道的样本视频的历史数据。
4.根据权利要求3所述的视频质量评价方法,其特征在于,所述根据至少一个视频频道的样本视频的历史数据,建立与所述至少一个视频频道对应的视频质量评价模型包括:
从所述样本视频的历史数据中提取所述样本视频的实际播放数;根据所述至少一个视频频道的所述样本视频的实际播放数,建立与所述至少一个视频频道对应的视频质量评价模型;
或,
从所述样本视频的历史数据中提取所述样本视频的实际播放数和发布时间;根据所述至少一个视频频道的所述样本视频的实际播放数和发布时间,建立与所述至少一个视频频道不同发布时间对应的视频质量评价模型。
5.根据权利要求1所述的视频质量评价方法,其特征在于,所述获取的视频参数包括视频所属视频频道、实际播放数、发布时间;
根据视频质量评价模型和所述视频参数,得到所述视频的预期质量评价参数,包括:
从所述视频参数中提取视频所属频道;
根据所述视频所属频道,获得所述视频对应的视频质量评价模型;
或,
从所述视频参数中提取视频所属频道和发布时间;
根据所述视频所属视频频道,获得所述视频对应的视频频道的视频质量评价模型;
根据视频发布时间,从所述获得的视频质量评价模型中筛选出与所述视频发布时间匹配的视频质量评价模型。
6.根据权利要求1至5任意一项所述的视频质量评价方法,其特征在于,还包括:根据所述视频的质量评价参数进行视频推荐。
7.根据权利要求2-5任意一项所述的视频质量评价方法,其特征在于,在所述根据视频质量评价模型和所述视频参数,得到所述视频的预期质量评价参数之后,还包括根据所述视频的发布时间、实际播放数以及所述样本视频的历史数据,更新所述视频所属视频频道下预设的各时间段的视频质量评价模型;
或,
根据所述视频的发布时间、实际播放数以及所述样本视频的历史数据,更新视频质量评价所述视频所属视频频道下的视频质量评价模型。
8.一种视频质量评价装置,其特征在于,包括第一获取单元、第一计算单元和第二计算单元;
第一获取单元用于获取视频参数,从所述视频参数中提取所述视频的实际质量评价参数;
第一计算单元,用于根据视频质量评价模型和所述视频参数,得到所述视频的预期质量评价参数;
第二计算单元,用于根据所述实际质量评价参数和所述预期质量评价参数得到所述视频的质量评价参数。
9.根据权利要求8所述的视频质量评价装置,其特征在于还包括第二获取单元和建模单元;
第二获取单元用于获取至少一个视频频道的样本视频的历史数据;
建模单元用于根据所述至少一个视频频道的样本视频的历史数据,建立与所述至少一个视频频道对应的视频质量评价模型。
10.根据权利要求9所述的视频质量评价装置,其特征在于,所述样本视频的历史数据包括样本视频所述视频频道实际播放数和/或发布时间;所述第二获取单元包括:
采集子单元,用于获取样本视频的历史数据;
预处理子单元,用于预处理所述样本视频的历史数据;
分类子单元,用于根据所述样本视频所属视频频道对预处理后的所述样本视频的历史数据进行分类,获得至少一个视频频道的样本视频的历史数据。
11.根据权利要求10所述的视频质量评价装置,其特征在于,所述第二获取单元还用于:从所述样本视频的历史数据中提取所述样本视频的实际播放数和发布时间;所述建模单元还用于:根据所述至少一个视频频道的所述样本视频的发布时间和实际播放数,建立与所述至少一个视频频道对应的视频质量评价模型;
或,
所述第二获取单元还用于从所述样本视频的历史数据中提取所述样本视频的实际播放数和发布时间;所述建模单元还用于:根据所述至少一个视频频道的所述样本视频的实际播放数和发布时间,建立与所述至少一个视频频道不同发布时间对应的视频质量评价模型。
12.根据权利要求8所述的视频质量评价装置,其特征在于,所述第一获取单元获取的视频参数包括视频所属视频频道、实际播放数、发布时间;此外视频质量评价装置还包括模型获取单元;
所述模型获取单元用于从所述视频参数中提取视频所属频道,根据所述视频所属频道,获得所述视频对应的视频质量评价模型;
或,
所述模型获取单元用于从所述视频参数中提取视频所属频道和发布时间,根据所述视频所属视频频道,获得所述视频对应的视频频道的视频质量评价模型,根据视频发布时间,从所述获得的视频质量评价模型中筛选出与所述视频发布时间匹配的视频质量评价模型。
13.根据权利要求8至12任意一项所述的视频质量评价装置,其特征在于还包括推荐单元,用于根据所述视频的质量评价参数进行视频推荐。
14.根据权利要求9-12任意一项所述的视频质量评价装置,其特征在于,还包括模型更新单元;
所述模型更新单元用于根据所述视频的发布时间、实际播放数以及所述样本视频的历史数据,更新所述视频所属视频频道下指定时间段的视频质量评价模型;
或,
所述模型更新单元用于根据所述视频的发布时间、实际播放数以及所述样本视频的历史数据,更新视频质量评价所述视频所属视频频道下的视频质量评价模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610365009.1A CN105898294A (zh) | 2016-05-27 | 2016-05-27 | 一种视频质量评价方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610365009.1A CN105898294A (zh) | 2016-05-27 | 2016-05-27 | 一种视频质量评价方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105898294A true CN105898294A (zh) | 2016-08-24 |
Family
ID=56709067
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610365009.1A Pending CN105898294A (zh) | 2016-05-27 | 2016-05-27 | 一种视频质量评价方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105898294A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106961632A (zh) * | 2017-04-12 | 2017-07-18 | 四川九鼎瑞信软件开发有限公司 | 视频质量分析方法及装置 |
CN108234995A (zh) * | 2016-12-21 | 2018-06-29 | ***通信有限公司研究院 | 一种视频质量评测的方法及测试服务器 |
CN110278485A (zh) * | 2019-07-29 | 2019-09-24 | 北京华雨天成文化传播有限公司 | 一种评估视频质量的方法及装置 |
CN110278495A (zh) * | 2019-06-25 | 2019-09-24 | 重庆紫光华山智安科技有限公司 | 一种基于mpqm的视频传输网络控制方法及装置 |
CN110366043A (zh) * | 2019-08-20 | 2019-10-22 | 北京字节跳动网络技术有限公司 | 视频处理方法、装置、电子设备及可读介质 |
CN110620958A (zh) * | 2019-09-25 | 2019-12-27 | 东北师范大学 | 一种视频课程质量评估方法 |
CN112416987A (zh) * | 2020-11-24 | 2021-02-26 | 致讯科技(天津)有限公司 | 基于用户画像和脑电数据的体验质量确定方法及装置 |
CN112464027A (zh) * | 2019-09-06 | 2021-03-09 | 腾讯科技(深圳)有限公司 | 一种视频检测方法、装置及存储介质 |
CN112565814A (zh) * | 2019-09-26 | 2021-03-26 | 腾讯科技(深圳)有限公司 | 视频发布方法、装置、存储介质及服务器 |
CN114640884A (zh) * | 2022-03-21 | 2022-06-17 | 武汉庆实广告传媒有限公司 | 一种在线视频播放质量分析方法、***及计算机存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130132982A1 (en) * | 2009-12-02 | 2013-05-23 | Nbcuniversal Media, Llc | Methods and systems for online recommendation |
CN104216960A (zh) * | 2014-08-21 | 2014-12-17 | 北京奇艺世纪科技有限公司 | 一种视频推荐方法和装置 |
CN105282565A (zh) * | 2015-09-29 | 2016-01-27 | 北京奇艺世纪科技有限公司 | 一种视频推荐方法和装置 |
-
2016
- 2016-05-27 CN CN201610365009.1A patent/CN105898294A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130132982A1 (en) * | 2009-12-02 | 2013-05-23 | Nbcuniversal Media, Llc | Methods and systems for online recommendation |
CN104216960A (zh) * | 2014-08-21 | 2014-12-17 | 北京奇艺世纪科技有限公司 | 一种视频推荐方法和装置 |
CN105282565A (zh) * | 2015-09-29 | 2016-01-27 | 北京奇艺世纪科技有限公司 | 一种视频推荐方法和装置 |
Non-Patent Citations (1)
Title |
---|
李冰: "基于Hadoop的个性化视频推荐***的设计与实现", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108234995A (zh) * | 2016-12-21 | 2018-06-29 | ***通信有限公司研究院 | 一种视频质量评测的方法及测试服务器 |
CN108234995B (zh) * | 2016-12-21 | 2019-08-13 | ***通信有限公司研究院 | 一种视频质量评测的方法及测试服务器 |
CN106961632A (zh) * | 2017-04-12 | 2017-07-18 | 四川九鼎瑞信软件开发有限公司 | 视频质量分析方法及装置 |
CN106961632B (zh) * | 2017-04-12 | 2020-03-06 | 四川九鼎瑞信软件开发有限公司 | 视频质量分析方法及装置 |
CN110278495A (zh) * | 2019-06-25 | 2019-09-24 | 重庆紫光华山智安科技有限公司 | 一种基于mpqm的视频传输网络控制方法及装置 |
CN110278495B (zh) * | 2019-06-25 | 2020-02-07 | 重庆紫光华山智安科技有限公司 | 一种基于mpqm的视频传输网络控制方法及装置 |
CN110278485A (zh) * | 2019-07-29 | 2019-09-24 | 北京华雨天成文化传播有限公司 | 一种评估视频质量的方法及装置 |
CN110366043A (zh) * | 2019-08-20 | 2019-10-22 | 北京字节跳动网络技术有限公司 | 视频处理方法、装置、电子设备及可读介质 |
CN112464027A (zh) * | 2019-09-06 | 2021-03-09 | 腾讯科技(深圳)有限公司 | 一种视频检测方法、装置及存储介质 |
CN110620958A (zh) * | 2019-09-25 | 2019-12-27 | 东北师范大学 | 一种视频课程质量评估方法 |
CN110620958B (zh) * | 2019-09-25 | 2021-05-25 | 东北师范大学 | 一种视频课程质量评估方法 |
CN112565814A (zh) * | 2019-09-26 | 2021-03-26 | 腾讯科技(深圳)有限公司 | 视频发布方法、装置、存储介质及服务器 |
CN112565814B (zh) * | 2019-09-26 | 2022-06-14 | 腾讯科技(深圳)有限公司 | 视频发布方法、装置、存储介质及服务器 |
CN112416987A (zh) * | 2020-11-24 | 2021-02-26 | 致讯科技(天津)有限公司 | 基于用户画像和脑电数据的体验质量确定方法及装置 |
CN114640884A (zh) * | 2022-03-21 | 2022-06-17 | 武汉庆实广告传媒有限公司 | 一种在线视频播放质量分析方法、***及计算机存储介质 |
CN114640884B (zh) * | 2022-03-21 | 2023-01-31 | 广东易教优培教育科技有限公司 | 一种在线视频播放质量分析方法、***及计算机存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105898294A (zh) | 一种视频质量评价方法及装置 | |
CN107147639B (zh) | 一种基于复杂事件处理的实时安全预警方法 | |
CN111488261A (zh) | 用户行为分析***、方法、存储介质及计算设备 | |
CN105160038B (zh) | 一种基于审计知识库的数据分析方法及*** | |
Khatibi et al. | Deployment of a business intelligence model to evaluate Iranian national higher education | |
CN106528865A (zh) | 一种快速精准的交通大数据清洗方法 | |
CN110019396A (zh) | 一种基于分布式多维分析的数据分析***及方法 | |
CN107577688A (zh) | 基于媒体信息采集的原创文章影响力分析*** | |
JP2012164318A5 (zh) | ||
US10860583B2 (en) | Optimizing window joins over data streams based on model topologies | |
CN104424247A (zh) | 一种产品信息过滤推荐方法和装置 | |
EP3140802A1 (en) | Waste management simulation system and method | |
Amato et al. | Towards automatic generation of hardware classifiers | |
CN101739454B (zh) | 数据处理*** | |
CN112905340A (zh) | ***资源分配方法、装置及设备 | |
CN109784408A (zh) | 一种边缘端的嵌入式时间序列决策树分类方法及*** | |
CN104484412A (zh) | 基于多形式处理的大数据分析*** | |
CN104199971A (zh) | 基于标准知识框架的可视化情报分析方法及*** | |
CN108446318A (zh) | 一种海量数据智能决策分析*** | |
CN106169032A (zh) | 一种产业集群创新指数的计算方法 | |
CN106604068B (zh) | 一种更新媒体节目的方法及其*** | |
Chen et al. | Application of a decision tree method with a spatiotemporal object database for pavement maintenance and management | |
Akplogan et al. | Solving the Crop Allocation Problem using Hard and Soft Constraints∗ | |
KR101693727B1 (ko) | 소셜 네트워크를 활용한 연구개발 관점의 사회적 이슈 재구성 장치 및 방법 | |
Ceri et al. | Towards mega-modeling: a walk through data analysis experiences |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160824 |