具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的一些实施例的生成视频的分类信息方法的一个应用场景的示意图。
本公开的一些实施例提供的生成视频的分类信息方法可以由终端设备执行,也可以由服务器执行。
需要说明的是,终端设备可以是硬件,也可以是软件。当终端设备为硬件时,可以是支持视频处理的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备为软件时,可以安装在上述所列举的电子设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
服务器也可以是硬件或软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
在图1所示的应用场景100下,生成视频的分类信息方法的执行主体可以是服务器101。服务器101可以提取目标视频102的特征信息103。服务器101还可以将目标视频102输入预先训练的用户反馈预测模型104,从而得到目标视频102对应的用户反馈信息105。其中,用户反馈预测模型104可以是经过训练的人工神经网络。在此基础上,服务器101可以将特征信息103和用户反馈信息105融合,得到融合后信息106。之后,将融合后信息106输入预先训练的视频分类模型107,得到目标视频102对应的分类信息108。
继续参考图2,示出了根据本公开的生成视频的分类信息的方法的一些实施例的流程200。该生成视频的分类信息的方法,包括以下步骤:
步骤201,提取目标视频的特征信息。
在一些实施例中,生成视频的分类信息的方法的执行主体可以通过各种方式提取目标视频的特征信息。其中,目标视频的特征信息可以是用于表示目标视频的各种特征的信息,包括但不限于:视频的色调、视频包含的对象类别、视频感情基调信息等等。作为示例,可以预先指定一个或多个特征,在此基础上,将指定的一个或多个特征对应的值确定为目标视频的特征信息。其中,目标视频可以是任意视频。目标视频的确定可以通过指定或根据一定的条件筛选得到。
在一些可选的实现方式中,还可以将目标视频输入预先训练的视频特征提取模型,从而得到目标视频的特征信息。其中,视频特征提取模型用于表征视频与特征信息的对应关系。
作为示例,视频特征提取模型可以是存储有大量的视频的数据库。数据库中视频与其对应的特征信息关联存储。从而上述执行主体可以将目标视频在视频库中进行检索,从而得到相似度小于预设阈值的视频。在此基础上,可以将相似度小于预设阈值的视频所对应的特征信息确定为目标视频的特征信息。
作为示例,视频特征提取模型可以是用于提取视频特征的人工神经网络。其中,人工神经网络的具体结构可以根据实际需要确定。例如,可以是循环神经网络(RecurrentNeural Network,RNN)。在此基础上,可以利用训练样本集进行训练,以使人工神经网络的参数值符合要求。其中,训练样本集中的训练样本可以包括样本视频及其对应的样本特征信息。实践中,作为示例,样本视频对应的样本特征信息可以通过人工标注的方式得到。
步骤202,将目标视频输入预先训练的用户反馈预测模型,得到目标视频对应的用户反馈信息。
在一些实施例中,上述执行主体可以将目标视频输入预先训练的用户反馈预测模型,从而得到目标视频对应的用户反馈信息。其中,用户反馈预测模型用于表征视频和用户反馈信息的对应关系。用户反馈信息用于描述用户对视频的反馈。实践中,用户反馈信息可以包括但不限于:点击率、转发量、点赞量、评论情感取向信息等等。
作为示例,用户反馈预测模型可以是未经训练或未训练完成的CTR(点击率)预估模型。在此基础上,可以获取训练样本集合,训练样本包括样本视频和样本视频对应的用户反馈信息(例如点击率)。基于训练样本集对CTR预估模型进行训练,从而得到用户反馈预测模型。具体的,可以从训练样本集合中选取训练样本,将该训练样本的样本视频作为输入,将该样本视频对应的用户反馈信息作为期望输出,对CTR预估模型进行训练。之后,可以基于预设的损失函数和反向传播算法训练CTR预估模型。其中,损失函数可以用于表征CTR预估模型的输出与样本用户反馈信息的差异程度。在此基础上,可以通过反向传播算法(BackPropgation Algorithm,BP算法),也可称为误差反向传播(Error Back Propagation,BP)算法,或误差逆传播算法调整CTR预估模型的参数值。BP算法是由学习过程由信号的正向传播与误差的反向传播两个过程组成。在前馈网络中,输入信号经输入层输入,通过隐层计算由输出层输出,输出值与标记值比较,若有误差,将误差反向由输出层向输入层传播,在这个过程中,可以利用梯度下降算法(例如随机梯度下降算法)对神经元权值(CTR预估模型的参数值)进行调整。此处,上述损失函数即可用于表征输出值与标记值的误差。
作为示例,当满足训练停止条件时,可以将当前的CTR预估模型确定为用户反馈预测模型。其中,作为示例,训练停止条件可以是:迭代次数满足预设条件、误差值小于预设阈值等等。
在一些可选的实现方式中,训练样本集合中的训练样本所包含的样本视频的观看量大于预设阈值。通过选取观看量大于预设阈值视频作为样本视频,可以使由训练样本训练得到的模型的参数值更准确。从而使得得到的用户反馈信息更加准确,进而导致最后得到的分类信息更加准确。
步骤203,将特征信息和用户反馈信息融合后输入预先训练的视频分类模型,得到目标视频对应的分类信息。
在一些实施例中,上述执行主体可以将特征信息和用户反馈信息融合后输入预先训练的视频分类模型,得到目标视频对应的分类信息。其中,视频分类模型用于表征特征信息和用户反馈信息融合后的信息与视频的分类信息的对应关系。其中,视频分类模型可以是经过训练的人工神经网络。其中,可以采用支持分类的各种神经网络,例如卷积神经网络,作为初始视频分类模型。在此基础上,利用训练样本集对初始视频分类模型进行训练,从而得到视频分类模型。又如,也可以利用一些开源的视频分类网络作为初始视频分类模型。例如,Attention Cluster。
在一些实施例中,可以采用多种方式将特征信息和用户反馈信息进行融合。例如,可以对特征信息和用户反馈信息取交集、取并集等等。又如,可以对特征信息和用户反馈信息进加权求平均值。具体的融合方式可以根据实际需要进行选取,对此,不公开不做限定。
在一些可选的实现方式中,特征信息为特征向量,用户反馈信息为用户反馈向量;以及将特征信息和用户反馈信息融合后输入预先训练的视频分类模型,包括:将特征向量和用户反馈向量进行拼接后输入预先训练的视频分类模型。具体的拼接形式可以根据实际需要确定。例如,可以将两个行向量拼接为一个两行的矩阵。又如,也可以将两个向量组成一个长的向量。
举例来说,特征向量可以是:[1,0,0,0,0,0,0,0,0,0],用户反馈向量可以是:[0,1,0,0,0,0,0,0,0,0],那么融合后的信息可以是:
当然,根据需要,融合后的信息也可以是:[1,0,0,0,0,0,0,0,0,0,0,1,0,0,0,0,0,0,0,0]。
本公开的一些实施例提供的生成视频的分类信息的方法,通过将特征信息和用户反馈信息融合,增加了信息丰富度,由于用户反馈信息可以在一定程度上反映视频内容,从而使得分类结果更加准确。有助于在向用户推荐视频的过程中,使得推荐结果更加准确。
进一步参考图3,其示出了生成视频的分类信息方法的另一些实施例的流程300。该生成视频的分类信息方法的流程300,包括以下步骤:
步骤301,提取目标视频的特征信息。
步骤302,将目标视频输入预先训练的用户反馈预测模型,得到目标视频对应的用户反馈信息。
其中,用户反馈预测模型用于表征视频和用户反馈信息的对应关系。
步骤303,将特征信息和用户反馈信息融合后输入预先训练的视频分类模型,得到目标视频对应的分类信息。
在一些实施例中,步骤301-303的具体实现及其所带来的技术效果可以参考图2对应的那些实施例,在此不再赘述。
步骤304,基于目标用户的属性信息与目标视频集合中视频的分类信息,选取与目标用户匹配度最高的预设数量的视频作为推荐视频。
在一些实施例中,生成视频的分类信息方法的执行主体可以基于目标用户的属性信息与目标视频结合中各个视频分别对应的分类信息,选取与目标用户匹配度最高的预设数量的视频作为推荐视频。其中,各个视频分别对应的分类信息可以根据步骤301-303得到。
在一些实施例中,用户的属性信息可以是用于描述用户的各个属性的信息,包括但不限于:年龄、性别、地域、偏好视频的类别等等。目标用户可以任意的用户。目标视频集合也可以是任意的视频集合。目标用户和目标视频集合的确定可以通过指定或根据一定的条件进行筛选。例如,可以将当前打开视频观看类应用的一个用户确定为目标用户。将视频观看类应用对应的服务器中存储的多个视频组成的集合确定为目标视频集合。
具体的,作为示例,对于目标视频集合中的每个视频,上述执行主体可以计算目标用户的属性信息与该视频的分类信息的匹配度,从而得到与每个视频的分类信息的匹配度。在此基础上,可以按照匹配度由大到小的顺序,选取预设数量的视频作为推荐视频。其中,可以通过余弦相似度(cosine similarity)算法、Jaccard系数之类的计算方法来进行匹配度计算。以Jaccard系数方法为例,目标用户的属性信息与目标视频集合中的某个视频的分类信息之间的相似度=目标用户的属性信息与某个视频的分类信息之间共有的词的数目/目标用户的属性信息与某个视频的分类信息一起包括的词的数目。
步骤305,将推荐视频推送到目标用户对应的终端。
在步骤304的基础上,上述执行主体可以将得到的推荐视频推送至目标用户对应的终端。
从图3中可以看出,与图2对应的一些实施例的描述相比,图3对应的一些实施例中的生成视频的分类信息方法的流程300增加了基于视频的分类信息,得到推荐视频,以及向终端推荐视频的步骤。由此,这些实施例描述的方案可以实现更加准确的视频推荐。
进一步参考图4,作为对上述各图所示方法的实现,本公开提供了一种生成视频的分类信息装置的一些实施例,这些装置实施例与图2对应的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图4所示,一些实施例的生成视频的分类信息装置400包括:提取单元401、用户反馈信息生成单元402和分类信息生成单元403。其中,提取单元401被配置成提取目标视频的特征信息。用户反馈信息生成单元402被配置成将目标视频输入预先训练的用户反馈预测模型,得到目标视频对应的用户反馈信息。其中,用户反馈预测模型用于表征视频和用户反馈信息的对应关系。分类信息生成单元403被配置成将特征信息和户反馈信息融合后输入预先训练的视频分类模型,得到目标视频对应的分类信息。
在一些实施例中,生成视频的分类信息装置400中的提取单元401、用户反馈信息生成单元402和分类信息生成单元403的具体实现及其所带来的技术效果可以参考图2对应的那些实施例,在此不再赘述。
在一些可选的实现方式中,用户反馈预测模型通过以下步骤训练得到:获取训练样本集合,训练样本包括样本视频和样本视频对应的用户反馈信息;从训练样本集合中选取训练样本,将该训练样本的样本视频作为输入,将该样本视频对应的用户反馈信息作为期望输出,训练得到用户反馈预测模型。
在一些可选的实现方式中,训练样本集合中的训练样本所包含的样本视频的观看量大于预设阈值。
在一些可选的实现方式中,特征信息为特征向量,用户反馈信息为用户反馈向量;以及分类信息生成单元403可以进一步被配置成:将特征向量和用户反馈向量进行拼接后输入预先训练的视频分类模型。
在一些可选的实现方式中,装置400还包括:选取单元(图中未示出)和推送单元(图中未示出)。其中,选取单元被配置成基于目标用户的属性信息与目标视频集合中视频的分类信息,选取与目标用户匹配度最高的预设数量的视频作为推荐视频。推送单元被配置成将推荐视频推送到目标用户对应的终端。
在一些实施例中,由于用户反馈信息可以在一定程度上反映视频内容,通过将特征信息和用户反馈信息融合,增加了信息丰富度,使得分类结果更加准确。
下面参考图5,其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的服务器)500的结构示意图。图5示出的服务器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图5所示,电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常,以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如磁带、硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM 502被安装。在该计算机程序被处理装置501执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:提取目标视频的特征信息;将目标视频输入预先训练的用户反馈预测模型,得到目标视频对应的用户反馈信息,其中,用户反馈预测模型用于表征视频和用户反馈信息的对应关系;将特征信息和用户反馈信息融合后输入预先训练的视频分类模型,得到目标视频对应的分类信息。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括提取单元、用户反馈信息生成单元和分类信息生成单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,提取单元还可以被描述为“提取目标视频的特征信息的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
根据本公开的一个或多个实施例,提供了一种生成视频的分类信息的方法,包括:提取目标视频的特征信息;将目标视频输入预先训练的用户反馈预测模型,得到目标视频对应的用户反馈信息,其中,用户反馈预测模型用于表征视频和用户反馈信息的对应关系;将特征信息和用户反馈信息融合后输入预先训练的视频分类模型,得到目标视频对应的分类信息。
根据本公开的一个或多个实施例,用户反馈预测模型通过以下步骤训练得到:获取训练样本集合,训练样本包括样本视频和样本视频对应的用户反馈信息;从训练样本集合中选取训练样本,将该训练样本的样本视频作为输入,将该样本视频对应的用户反馈信息作为期望输出,训练得到用户反馈预测模型。
根据本公开的一个或多个实施例,训练样本集合中的训练样本所包含的样本视频的观看量大于预设阈值。
根据本公开的一个或多个实施例,特征信息为特征向量,用户反馈信息为用户反馈向量;以及将特征信息和用户反馈信息融合后输入预先训练的视频分类模型,包括:将特征向量和用户反馈向量进行拼接后输入预先训练的视频分类模型。
根据本公开的一个或多个实施例,方法还包括:基于目标用户的属性信息与目标视频集合中视频的分类信息,选取与目标用户匹配度最高的预设数量的视频作为推荐视频;将推荐视频推送到目标用户对应的终端。
根据本公开的一个或多个实施例,提供了一种生成视频的分类信息的装置,包括:提取单元,被配置成提取目标视频的特征信息;用户反馈信息生成单元,被配置成将目标视频输入预先训练的用户反馈预测模型,得到目标视频对应的用户反馈信息,其中,用户反馈预测模型用于表征视频和用户反馈信息的对应关系;分类信息生成单元,被配置成将特征信息和用户反馈信息融合后输入预先训练的视频分类模型,得到目标视频对应的分类信息。
根据本公开的一个或多个实施例,用户反馈预测模型通过以下步骤训练得到:获取训练样本集合,训练样本包括样本视频和样本视频对应的用户反馈信息;从训练样本集合中选取训练样本,将该训练样本的样本视频作为输入,将该样本视频对应的用户反馈信息作为期望输出,训练得到用户反馈预测模型。
根据本公开的一个或多个实施例,训练样本集合中的训练样本所包含的样本视频的观看量大于预设阈值。
根据本公开的一个或多个实施例,特征信息为特征向量,用户反馈信息为用户反馈向量;以及分类信息生成单元进一步被配置成:将特征向量和用户反馈向量进行拼接后输入预先训练的视频分类模型。
根据本公开的一个或多个实施例,装置还包括:选取单元,被配置成基于目标用户的属性信息与目标视频集合中视频的分类信息,选取与目标用户匹配度最高的预设数量的视频作为推荐视频;推送单元,被配置成将推荐视频推送到目标用户对应的终端。
根据本公开的一个或多个实施例,提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如上述描述的任一的方法。
根据本公开的一个或多个实施例,提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现如上述描述的任一方法。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。