CN111866578A - 数据处理方法和装置、电子设备及计算机可读存储介质 - Google Patents
数据处理方法和装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111866578A CN111866578A CN201911408496.5A CN201911408496A CN111866578A CN 111866578 A CN111866578 A CN 111866578A CN 201911408496 A CN201911408496 A CN 201911408496A CN 111866578 A CN111866578 A CN 111866578A
- Authority
- CN
- China
- Prior art keywords
- data
- comment
- comment data
- video
- category
- 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
Images
Classifications
-
- 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
- H04N21/435—Processing of additional data, e.g. decrypting of additional data, reconstructing software from modules extracted from the transport stream
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
-
- 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
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/454—Content or additional data filtering, e.g. blocking advertisements
-
- 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
- H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
- H04N21/4788—Supplemental services, e.g. displaying phone caller identification, shopping application communicating with other users, e.g. chatting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本申请实施例提供的数据处理方法和装置、电子设备及计算机可读存储介质,涉及数据处理技术领域。首先,获取针对视频的所有评论数据。其次,对各所述评论数据进行筛选处理。然后,将筛选处理后的评论数据与所述视频进行显示。通过上述方法,提高了评论数据显示的合理性,从而提高用户体验。
Description
技术领域
本申请涉及数据处理技术领域,具体而言,涉及一种数据处理方法和装置、电子设备及计算机可读存储介质。
背景技术
目前,在网络平台的直播过程中,观众可以通过发表评论的方式与主播交流或者评价主播。当直播结束后,能够生成用于记录直播过程的直播视频,而观众发送的评论可以留在直播视频中。若评论较多,则在直播视频中就会出现非常多的评论,甚至覆盖原有的视频内容,导致用户在观看直播视频时,无法清晰看到原有的视频内容。
但是,经发明人研究发现,在现有技术中,要么观看全部的评论,要么不看任何评论,从而存在着用户体验较差的问题。
发明内容
有鉴于此,本申请的目的在于提供一种数据处理方法和装置、电子设备及计算机可读存储介质,以改善现有技术中存在的问题。
为实现上述目的,本申请实施例采用如下技术方案:
一种数据处理方法,包括:
获取针对视频的所有评论数据;
对各所述评论数据进行筛选处理;
将筛选处理后的评论数据与所述视频进行显示。
在本申请实施例较佳的选择中,所述对各所述评论数据进行筛选处理的步骤,包括:
根据所述视频的时长确定所要筛选出的评论数据的总数量;
从各所述评论数据中筛选出所述总数量的评论数据。
在本申请实施例较佳的选择中,所述对各所述评论数据进行筛选处理的步骤,包括:
根据所述视频的时长和预设频率,计算得到所要筛选出的评论数据的总数量;
从各所述评论数据中筛选出所述总数量的评论数据。
在本申请实施例较佳的选择中,所述对各所述评论数据进行筛选处理的步骤,包括:
根据所述所有评论数据的数量以及所述视频的时长,计算得到所述评论数据的评论密度;
根据所述评论密度和预设系数,计算得到目标密度;
根据所述视频的时长和所述目标密度,计算得到所要筛选出的评论数据的总数量;
从各所述评论数据中筛选出所述总数量的评论数据。
在本申请实施例较佳的选择中,所述从各所述评论数据中筛选出所述总数量的评论数据的步骤,包括:
根据各所述评论数据的关键词对各所述评论数据进行分类;
针对每个类别,分别进行评论数据的筛选处理,得到所述总数量的评论数据。
在本申请实施例较佳的选择中,所述评论数据包括评论内容,所述根据各所述评论数据的关键词对各所述评论数据进行分类的步骤,包括:
对每个所述评论数据的评论内容进行关键词提取处理,得到每个所述评论数据的关键词;
根据每个所述评论数据的关键词对每个所述评论数据进行分类。
在本申请实施例较佳的选择中,所述对每个所述评论数据的评论内容进行关键词提取处理的步骤,包括:
对每个所述评论数据的评论内容进行切词处理,得到至少一个评论词汇;
将所述至少一个评论词汇与至少一个类别的预设关键词进行匹配处理。
在本申请实施例较佳的选择中,所述针对每个类别,分别进行评论数据的筛选处理,得到所述总数量的评论数据的步骤,包括:
针对每个类别,根据该类别包括的评论数据的数量和所述总数量,计算得到该类别的评论数据的数量比例;
根据该类别的评论数据的数量比例和该类别的评论数据的数量,计算得到该类别筛选处理后的评论数据的数量;
根据该类别筛选处理后的评论数据的数量对属于该类别的评论数据进行筛选处理,得到所述总数量的评论数据。
在本申请实施例较佳的选择中,所述根据该类别筛选处理后的评论数据的数量对属于该类别的评论数据进行筛选处理,得到所述总数量的评论数据的步骤,包括:
对每个类别的评论数据进行排序处理;
根据所述每个类别筛选处理后的评论数据的数量对进行排序处理后每个类别的评论数据进行筛选,得到所述总数量的评论数据。
在本申请实施例较佳的选择中,所述对每个类别的评论数据进行排序处理的步骤,包括:
针对每个类别,获取该类别包括的每个评论数据的评分数据;
根据所述评分数据对每个类别包括的每个评论数据进行排序处理。
在本申请实施例较佳的选择中,所述针对每个类别,获取该类别包括的每个评论数据的评分数据的步骤,包括:
根据预设规则对该类别包括的每个评论数据进行评分处理,得到每个评论数据的评分数据。
在本申请实施例较佳的选择中,所述将筛选处理后的评论数据与所述视频进行显示的步骤,包括:
针对每个筛选处理后的评论数据,判断该评论数据的评分数据是否超过预设评分数据;
若该评论数据的评分数据超过预设评分数据,将该评论数据在所述视频中进行高亮显示。
在本申请实施例较佳的选择中,所述将筛选处理后的评论数据与所述视频进行显示的步骤,包括:
将筛选处理后的评论数据以弹幕的形式与所述视频进行结合显示。
在本申请实施例较佳的选择中,所述评论数据包括评论时间,所述将筛选处理后的评论数据与所述视频进行显示的步骤,包括:
针对每个筛选处理后的评论数据,根据该评论数据的评论时间和所述视频进行显示。
本申请实施例还提供了一种数据处理装置,包括:
数据获取模块,用于获取针对视频的所有评论数据;
数据处理模块,用于对各所述评论数据进行筛选处理;
数据显示模块,用于将筛选处理后的评论数据与所述视频进行显示。
在本申请实施例较佳的选择中,所述数据处理模块包括:
总数量确定子模块,用于根据所述视频的时长确定所要筛选出的评论数据的总数量;
筛选处理子模块,用于从各所述评论数据中筛选出所述总数量的评论数据。
在本申请实施例较佳的选择中,所述数据处理模块包括:
第一总数量计算子模块,用于根据所述视频的时长和预设频率,计算得到所要筛选出的评论数据的总数量;
筛选处理子模块,用于从各所述评论数据中筛选出所述总数量的评论数据。
在本申请实施例较佳的选择中,所述数据处理模块包括:
评论密度计算子模块,用于根据所述所有评论数据的数量以及所述视频的时长,计算得到所述评论数据的评论密度;
目标密度计算子模块,用于根据所述评论密度和预设系数,计算得到目标密度;
第二总数量计算子模块,用于根据所述视频的时长和所述目标密度,计算得到所要筛选出的评论数据的总数量;
筛选处理子模块,用于从各所述评论数据中筛选出所述总数量的评论数据。
本申请实施例还提供了一种电子设备,包括存储器和处理器,所述处理器用于执行所述存储器中存储的可执行的计算机程序,以实现上述的数据处理方法。
本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被执行时实现上述数据处理方法的步骤。
本申请实施例提供的数据处理方法和装置、电子设备及计算机可读存储介质,可以将筛选处理后的评论数据与视频进行显示,提高了评论数据显示的合理性,从而提高用户体验。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的数据处理***的交互示意框图。
图2为本申请实施例提供的可以实现图1的服务器和服务请求方终端的电子设备的示例性硬件和软件组件的示意图。
图3示出了本申请实施例所提供的数据处理方法的流程图之一。
图4示出了本申请实施例所提供的数据处理方法的流程示意图之二。
图5示出了本申请实施例所提供的数据处理方法的流程示意图之三。
图6示出了本申请实施例所提供的数据处理方法的流程示意图之四。
图7示出了本申请实施例所提供的数据处理方法的流程示意图之五。
图8示出了本申请实施例所提供的数据处理装置的功能模块框图之一。
图标:100-数据处理***;110-服务器;120-网络;130-服务请求方终端;140-数据库;200-电子设备;210-网络端口;220-处理器;230-通信总线;240-存储介质;250-接口;300-数据处理装置;310-数据获取模块;320-数据处理模块;330-数据显示模块。
具体实施方式
目前,很多网络平台都推出了视频直播的功能,主播通过手机或与计算机连接的摄像头拍摄视频,并实时推送至网络上,观众可以通过网络实时观看主播发送的视频。在直播过程中,观众可以通过发表评论的方式与主播交流或者评价主播。观众发表的评论一般可以出现在视频的下方,且在显示一段时间后就会自动消失,或者在出行更新的评论时,上一个评论自动消失。
一般情况下,若观众较多,则在直播过程中发送的评论也就较多。现有技术中,当直播结束后,能够生成用于记录直播过程的直播视频,而观众发送的评论则以弹幕的方式留在直播视频中。若评论较多,则在直播视频中就会出现非常多的弹幕评论,甚至覆盖原有的视频内容,导致用户在观看直播视频时,无法清晰看到原有的视频内容。
现有技术中为了解决弹幕干扰用户正常观看视频的问题,提供了关闭弹幕或隐藏弹幕的功能,即隐藏全部的弹幕信息。现有技术的方案中,只能通过隐藏全部弹幕评论的方式,使弹幕评论不会干扰用户正常观看视频,但是,这样用户就无法看到弹幕评论信息了,导致用户体验较差。
为了改善本申请所提出的上述至少一种技术问题,本申请实施例提供一种数据处理方法和装置、电子设备及计算机可读存储介质,可以将筛选处理后的评论数据与视频进行显示,提高了评论数据显示的合理性,从而提高用户体验。
下面通过可能的实现方式对本申请的技术方案进行说明。
针对以上方案所存在的缺陷,均是发明人在经过实践并仔细研究后得出的结果,因此,上述问题的发现过程以及本申请针对上述问题所提出的解决方案,都应该是发明人在本申请过程中对本申请做出的贡献。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解,本申请中附图仅起到说明和描述的目的,并不用于限定本申请的保护范围。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。
另外,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了使得本领域技术人员能够使用本申请内容,给出以下实施方式。对于本领域技术人员来说,在不脱离本申请的精神和范围的情况下,可以将这里定义的一般原理应用于其他实施例和应用场景。本申请的***或方法的应用可以包括网页、浏览器的插件、客户端终端、定制***、内部分析***、或人工智能机器人等,或其任意组合。
需要说明的是,本申请实施例中将会用到术语“包括”,用于指出其后所声明的特征的存在,但并不排除增加其它的特征。
以下实施例中所使用的术语只是为了描述特定实施例的目的,而并非旨在作为对本申请的限制。如在本申请的说明书和所附权利要求书中所使用的那样,单数表达形式“一个”、“一种”、“所述”、“上述”、“该”和“这一”旨在也包括例如“一个或多个”这种表达形式,除非其上下文中明确地有相反指示。还应当理解,在本申请以下各实施例中,“至少一个”、“一个或多个”是指一个、两个或两个以上。术语“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系;例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B的情况,其中A、B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。
在本说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
图1是本申请一些实施例的数据处理***100的示例性框图。数据处理***100可以用于各类软件服务平台。例如,可以用于诸如游戏直播、数码直播、汽车直播、脱口秀直播之类的直播服务、或其任意组合的在线直播服务平台。数据处理***100可以包括服务器110、网络120、服务请求方终端130和数据库140中的一种或多种,服务器110中可以包括执行指令操作的处理器。
在一些实施例中,服务器110可以是单个服务器,也可以是服务器组。服务器组可以是集中式的,也可以是分布式的(例如,服务器110可以是分布式***)。在一些实施例中,服务器110相对于终端,可以是本地的、也可以是远程的。例如,服务器110可以经由网络120访问存储在服务请求方终端130中的信息和/或数据。作为另一示例,服务器110可以直接连接到服务请求方终端130,以访问存储的信息和/或数据。在一些实施例中,服务器110可以在云平台上实现。仅作为示例,云平台可以包括私有云、公有云、混合云、弹性云、社区云(community cloud)、分布式云、跨云(inter-cloud)、多云(multi-cloud)等,或者它们的任意组合。在一些实施例中,服务器110可以在具有本申请中图2所示的一个或多个组件的电子设备200上实现。
在一些实施例中,服务器110可以包括处理器。处理器可以处理与服务请求有关的信息和/或数据,以执行本申请中描述的一个或多个功能。在一些实施例中,处理器可以包括一个或多个处理核(例如,单核处理器(S)或多核处理器(S))。仅作为举例,处理器可以包括中央处理单元(Central Processing Unit,CPU)、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、专用指令集处理器(Application Specific Instruction-set Processor,ASIP)、图形处理单元(Graphics Processing Unit,GPU)、物理处理单元(Physics Processing Unit,PPU)、数字信号处理器(Digital Signal Processor,DSP)、现场可编程门阵列(Field Programmable Gate Array,FPGA)、可编程逻辑器件(Programmable Logic Device,PLD)、控制器、微控制器单元、简化指令集计算机(ReducedInstruction Set Computing,RISC)或微处理器等,或其任意组合。
网络120可以用于信息和/或数据的交换。在一些实施例中,数据处理***100中的一个或多个组件(例如,服务器110和服务请求方终端130)可以向其他组件发送信息和/或数据。例如,服务器110可以经由网络120从服务请求方终端130获取服务请求。在一些实施例中,网络120可以是任何类型的有线或者无线网络,或者是他们的结合。仅作为示例,网络120可以包括有线网络、无线网络、光纤网络、远程通信网络、内联网、因特网、局域网(LocalArea Network,LAN)、广域网(Wide Area Network,WAN)、无线局域网(Wireless LocalArea Networks,WLAN)、城域网(Metropolitan Area Network,MAN)、广域网(Wide AreaNetwork,WAN)、公共电话交换网(Public Switched Telephone Network,PSTN)、蓝牙网络、ZigBee网络、或近场通信(Near Field Communication,NFC)网络等,或其任意组合。
在一些实施例中,网络120可以包括一个或多个网络接入点。例如,网络120可以包括有线或无线网络接入点,例如基站和/或网络交换节点,数据处理***100的一个或多个组件可以通过该接入点连接到网络120以交换数据和/或信息。
在一些实施例中,服务请求方终端130的用户可以是除服务实际需求者之外的其他人。例如,服务请求方终端130的用户A可以使用服务请求方终端130来为服务实际需求者B发起服务请求,或者从服务器110接收服务信息或指令等。在一些实施例中,“服务请求方”和“服务请求方终端”可以互换使用。
在一些实施例中,服务请求方终端130可以包括移动设备、平板计算机、膝上型计算机、或机动车辆中的内置设备等,或其任意组合,只要可以显示直播视频以供用户进行观看并且可以接收用户的评论数据即可。在一些实施例中,移动设备可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、或增强现实设备等,或其任意组合。在一些实施例中,智能家居设备可以包括智能电器设备的控制设备、智能监控设备、智能电视、智能摄像机等,或其任意组合。在一些实施例中,可穿戴设备可包括智能玻璃、智能头盔、智能手表、智能服装、智能背包、智能配件等、或其任何组合。在一些实施例中,智能移动设备可以包括智能手机、个人数字助理(Personal Digital Assistant,PDA)、游戏设备、导航设备等,或其任意组合。在一些实施例中,虚拟现实设备和/或增强现实设备可以包括虚拟现实头盔、虚拟现实玻璃、虚拟现实贴片、增强现实头盔、增强现实玻璃、或增强现实贴片等,或其任意组合。例如,虚拟现实设备和/或增强现实设备可以包括各种虚拟现实产品等。在一些实施例中,机动车辆中的内置设备可以包括车载计算机、车载电视等。
服务器110中可以包括数据库140,数据库140可以存储数据和/或指令。在一些实施例中,数据库140可以存储从服务请求方终端130获得的数据。在一些实施例中,数据库140可以存储在本申请中描述的示例性方法的数据和/或指令。在一些实施例中,数据库140可以包括大容量存储器、可移动存储器、易失性读写存储器、或只读存储器(Read-OnlyMemory,ROM)等,或其任意组合。作为举例,大容量存储器可以包括磁盘、光盘、固态驱动器等;可移动存储器可包括闪存驱动器、软盘、光盘、存储卡、zip磁盘、磁带等;易失性读写存储器可以包括随机存取存储器(Random Access Memory,RAM);RAM可以包括动态RAM(Dynamic Random Access Memory,DRAM),双倍数据速率同步动态RAM(Double Date-RateSynchronous RAM,DDR SDRAM);静态RAM(Static Random-Access Memory,SRAM),晶闸管RAM(Thyristor-Based Random Access Memory,T-RAM)和零电容器RAM(Zero-RAM)等。作为举例,ROM可以包括掩模ROM(Mask Read-Only Memory,MROM)、可编程ROM(ProgrammableRead-Only Memory,PROM)、可擦除可编程ROM(Programmable Erasable Read-onlyMemory,PEROM)、电可擦除可编程ROM(Electrically Erasable Programmable read onlymemory,EEPROM)、光盘ROM(CD-ROM)、以及数字通用磁盘ROM等。在一些实施例中,数据库140可以在云平台上实现。仅作为示例,云平台可以包括私有云、公有云、混合云、社区云、分布式云、跨云、多云、弹性云或者其它类似的等,或其任意组合。
在一些实施例中,数据库140可以连接到网络120以与数据处理***100(例如,服务器110和服务请求方终端130)中的一个或多个组件通信。数据处理***100中的一个或多个组件可以经由网络120访问存储在数据库140中的数据或指令。在一些实施例中,数据库140可以直接连接到数据处理***100中的一个或多个组件(例如,服务器110和服务请求方终端130)。或者,在一些实施例中,数据库140也可以是服务器110的一部分。
在一些实施例中,数据处理***100中的一个或多个组件(例如,服务器110和服务请求方终端130)可以具有访问数据库140的权限。在一些实施例中,当满足一定条件时,数据处理***100中的一个或多个组件可以读取和/或修改与服务请求方或公众、或其任意组合有关的信息。例如,服务器110可以在接收服务请求之后读取和/或修改一个或多个用户的信息。
在一些实施例中,可以通过请求服务来实现数据处理***100中的一个或多个组件的信息交换。服务请求的对象可以是任何产品。在一些实施方案中,产品可以是有形产品或非物质产品。有形产品可包括食品、药品、商品、化学产品、电器、服装、汽车、房屋、或奢侈品等,或其任意组合。非物质产品可以包括服务产品、金融产品、知识产品、或互联网产品等,或其任意组合。互联网产品可以包括单独的主机产品、网络产品、移动互联网产品、商业主机产品、或嵌入式产品等,或其任意组合。互联网产品可以用在移动终端的软件、程序、或***等,或者它们的任意组合中。移动终端可以包括平板电脑、笔记本电脑、移动电话、个人数字助理(Personal Digital Assistant,PDA)、智能手表、销售点(Point of sales,POS)设备、车载电脑、车载电视、或可穿戴设备等,或其任意组合。例如,互联网产品可以是计算机或移动电话中使用的任何软件和/或应用程序。软件和/或应用程序可以涉及社交、购物、运输、娱乐时间、学习、或投资等,或其任意组合。在一些实施例中,与运输有关的软件和/或应用程序可以包括旅行软件和/或应用程序、车辆调度软件和/或应用程序、绘图软件和/或应用程序等。在车辆调度软件和/或应用程序中,车辆可包括马、马车、人力车(例如,独轮车、自行车、三轮车等)、汽车(例如,出租车、公共汽车、私家车等)、火车、地铁、船只、飞机(例如,飞机、直升机、航天飞机、火箭、热气球等)等,或其任意组合。
图2示出根据本申请的一些实施例的可以实现本申请思想的服务器110、服务请求方终端130的电子设备200的示例性硬件和软件组件的示意图。例如,处理器220可以设置于电子设备200上,并且用于执行本申请中的功能。
电子设备200可以是通用计算机或特殊用途的计算机,两者都可以用于实现本申请的数据处理方法。本申请尽管仅示出了一个计算机,但是为了方便起见,可以在多个类似平台上以分布式方式实现本申请描述的功能,以均衡处理负载。
例如,电子设备200可以包括连接到网络的网络端口210、用于执行程序指令的一个或多个处理器220、通信总线230和不同形式的存储介质240,例如,磁盘、ROM、或RAM,或其任意组合。示例性地,计算机平台还可以包括存储在ROM、RAM、或其他类型的非暂时性存储介质或其任意组合中的程序指令。根据这些程序指令可以实现本申请的方法。电子设备200还包括计算机与其他输入输出设备(例如键盘、显示屏)之间的输入/输出(Input/Output,I/O)接口250。
为了便于说明,在电子设备200中仅描述了一个处理器。然而,应当注意,本申请中的电子设备200还可以包括多个处理器,因此本申请中描述的一个处理器执行的步骤也可以由多个处理器联合执行或单独执行。例如,若电子设备200的处理器执行步骤A和步骤B,则应该理解,步骤A和步骤B也可以由两个不同的处理器共同执行或者在一个处理器中单独执行。例如,第一处理器执行步骤A,第二处理器执行步骤B,或者第一处理器和第二处理器共同执行步骤A和B。
图3示出了本申请实施例所提供的数据处理方法的流程图之一。该方法可应用于图1中的服务器110,由图1中所示的服务器110执行。应当理解,在其它实施例中,本实施例所述的数据处理方法中的部分步骤的顺序可以根据实际需要相互交换,或者其中的部分步骤也可以省略或删除。下面对图3所示的数据处理方法的流程进行详细描述。
步骤S110,获取针对视频的所有评论数据。
其中,评论数据可以由用户通过服务请求方终端130发起,例如,用户在发送评论数据时,通过服务请求方终端130向服务器110发出评论数据请求,服务器110从而获得评论数据。
步骤S120,对各所述评论数据进行筛选处理。
在本申请实施例中,通过步骤S110获得所有的所述评论数据之后,可以对各所述评论数据进行筛选处理。
步骤S130,将筛选处理后的评论数据与所述视频进行显示。
在本申请实施例中,通过步骤S120对各所述评论数据进行筛选处理之后,可以将筛选处理后的评论数据与所述视频进行显示。
通过上述方法,可以将筛选处理后的评论数据与视频进行显示,提高了评论数据显示的合理性,从而提高用户体验。
对于步骤S110,需要说明的是,作为一种可选的实施方式,本实施例可以按照设定的时间间隔获取针对视频的所有评论数据。其中,获取针对视频的每个评论数据的时间间隔可以相同也可以不同。例如,可以按照一固定的时间间隔获取针对视频的评论数据。又例如,可以按照非固定的时间间隔获取针对视频的评论数据。
在一种实现方式中,按照非固定的时间间隔获取针对视频的评论数据可以包括:在根据针对视频的评论数据的分析得到,若所述评论数据的数量持续增长时,可以减小获取针对视频的评论数据的时间间隔,在根据针对视频的评论数据的分析得到,若所述评论数据的数量未持续增长时,可以加大获取针对视频的评论数据的时间间隔。例如,若从时间点14点10分50秒开始,每隔10秒获取一次针对视频的评论数据,在时间点14点20分50秒统计得出,在时间点14点10分50秒至时间点14点20分50秒之间的10分钟内每隔10秒获取的针对视频的评论数据的数量持续增长,那么,从时间点14点20分50秒开始,调整为每隔6秒获取一次针对视频的评论数据,从而减小获取评论数据的时间间隔。类似地,若在时间点14点25分50秒统计得出,在时间点14点20分50秒至时间点14点25分50秒之间的5分钟内每隔6秒获取的评论数据的数量持续增长(且增长速率更快),那么,从时间点14点25分50秒开始,调整为每隔2秒获取一次针对视频的评论数据,从而进一步减小获取评论数据的时间间隔。对应地,若在时间点13点30分25秒统计得出,根据在最近1分钟内每隔2秒获取的评论数据分析得到所述评论数据的数量未持续增长,那么,调整为每隔12秒获取一次针对视频的评论数据。应当理解,上述举例仅为示意,还可以采用其他方式基于所述评论数据的数量是否持续增长的分析结果对获取评论数据的时间间隔灵活地进行反馈调节。
对于步骤S120,需要说明的是,所述对各所述评论数据进行筛选处理的具体方式不受限制,可以根据实际应用需求进行设置。
例如,在一种可以替代的示例中提供了一种对各所述评论数据进行筛选处理的具体方式,结合图4,步骤S120可以包括步骤S121和步骤S126。
步骤S121,根据所述视频的时长确定所要筛选出的评论数据的总数量。
步骤S126,从各所述评论数据中筛选出所述总数量的评论数据。
对于步骤S121,需要说明的是,可以根据所述视频的时长和预存的视频时长-评论数据总数量模板确定所要筛选出的评论数据的总数量。
其中,服务器110预存的视频时长-评论数据总数量模板可以通过多种方式获得。
例如,服务器110可以根据用户输入的评论数据创建视频时长-评论数据总数量模板并将该视频时长-评论数据总数量模板进行存储,得到预存的视频时长-评论数据总数量模板。其中,用户可以通过服务请求方终端130输入评论数据,并由服务请求方终端130将用户输入的评论数据发送至服务器110。
又例如,服务器110可以通过大数据收集,对各直播平台提供的评论数据总数量创建方式进行分析,汇总得出与各直播平台提供的评论数据总数量创建方式对应的一个或者多个视频时长-评论数据总数量模板,并将汇总得出的所有视频时长-评论数据总数量模板进行存储,得到预存的视频时长-评论数据总数量模板。
又例如,服务器110可以将已经存储的视频时长-评论数据总数量模板(可以包括服务器110通过大数据收集,汇总得出的一个或者多个视频时长-评论数据总数量模板,也可以包括服务器110根据用户输入的评论数据所创建视频时长-评论数据总数量模板)进行展示。具体地,服务器110可以将已经存储的视频时长-评论数据总数量模板发送至用户的服务请求方终端130进行展示,以供用户通过服务请求方终端130对存储的视频时长-评论数据总数量模板进行自定义修改,并由服务请求方终端130将修改信息发送至服务器110。服务器110从而将修改之后的视频时长-评论数据总数量模板进行存储,得到预存的视频时长-评论数据总数量模板。
又例如,用户可以自定义创建视频时长-评论数据总数量模板,服务器110将用户自定义创建的视频时长-评论数据总数量模板进行存储,得到预存的视频时长-评论数据总数量模板。
视频时长-评论数据总数量模板中包括多个视频时长及对应的评论数据总数量。例如,在视频时长为1分钟时,所要筛选出的评论数据的总数量可以为100条。又例如,在视频时长为10分钟时,所要筛选出的评论数据的总数量可以为1000条。
服务器110根据用户输入的评论数据创建视频时长-评论数据总数量模板并将该视频时长-评论数据总数量模板进行存储的方式可以灵活设置。
作为其中一种可选的实现方式,为了尽可能增加预存的视频时长-评论数据总数量模板的全面性,服务器110可以根据用户输入的评论数据的总数量乘以一个小于1的系数得到所要筛选出的评论数据的总数量,在得到所要筛选出的评论数据的总数量后,可以直接创建视频时长-评论数据总数量模板并将该视频时长-评论数据总数量模板进行存储,作为预存的视频时长-评论数据总数量模板。
类似地,在存在对已经存储的视频时长-评论数据总数量模板进行修改的用户操作时,服务器110可以根据对视频时长-评论数据总数量模板进行修改的用户操作,将修改之后的视频时长-评论数据总数量模板直接进行存储,作为预存的视频时长-评论数据总数量模板。例如,服务器110将已经存储的视频时长-评论数据总数量模板发送至用户的服务请求方终端130进行展示后,若视频时长-评论数据总数量模板中不能完全满足需求,用户可以在服务请求方终端130上对存储的视频时长-评论数据总数量模板进行修改,修改可以包括对原有的信息进行修改、新增、删除等。完成修改之后,服务请求方终端130将对视频时长-评论数据总数量模板进行修改的用户操作发送至服务器110,服务器110从而根据对视频时长-评论数据总数量模板进行修改的用户操作,将修改之后的视频时长-评论数据总数量模板直接进行存储,作为预存的视频时长-评论数据总数量模板。
其中,在服务器110根据用户输入的评论数据直接创建视频时长-评论数据总数量模板的情况下,服务器110可以判断是否已经存储过相同的视频时长-评论数据总数量模板,如果判断得出已经存储过相同的视频时长-评论数据总数量模板,那么,服务器110不再将该视频时长-评论数据总数量模板进行重复存储。从而避免因相同视频时长-评论数据总数量模板的重复存储所造成的资源浪费,确保存储空间的有效利用率。
在服务器110根据用户输入的评论数据直接创建视频时长-评论数据总数量模板,而服务器110判断得出已经存储过相同的视频时长-评论数据总数量模板的情况下,服务器110还可以发送指示视频时长-评论数据总数量模板已经存储的提示信息。例如,将指示视频时长-评论数据总数量模板已经存储的提示信息发送至用户的服务请求方终端130。基于该提示信息可以指示用户服务器110将不再对同一视频时长-评论数据总数量模板进行重复存储,以及可以指示用户能够对视频时长-评论数据总数量模板进行修改操作。
在服务器110根据用户输入的评论数据直接创建视频时长-评论数据总数量模板的情况下,如果服务器110判断得出未存储过与根据用户输入的评论数据创建的视频时长-评论数据总数量模板相同的视频时长-评论数据总数量模板,那么,服务器110可以直接根据用户输入的评论数据创建视频时长-评论数据总数量模板并进行存储。
在服务器110直接根据用户输入的评论数据创建视频时长-评论数据总数量模板时,还可以发送提醒用户将进行视频时长-评论数据总数量模板自动创建及保存,以方便下次进行数据处理的提示信息。通过该提示信息还可以指示用户可以选择拒绝创建及保存视频时长-评论数据总数量模板,在用户选择拒绝创建及保存视频时长-评论数据总数量模板的情况下,服务器110本次不创建视频时长-评论数据总数量模板,在用户未选择拒绝创建及保存视频时长-评论数据总数量模板的情况下,服务器110默认创建及保存视频时长-评论数据总数量模板。
类似地,服务器110在检测到对已经存储的视频时长-评论数据总数量模板进行修改的用户操作时,服务器110亦可以判断是否存储过修改后的视频时长-评论数据总数量模板,如果在服务器110中已经存储过与修改后的视频时长-评论数据总数量模板相同的视频时长-评论数据总数量模板,那么,服务器110不再将该视频时长-评论数据总数量模板进行重复存储。在服务器110中已经存储过与修改后的视频时长-评论数据总数量模板相同的视频时长-评论数据总数量模板的情况下,服务器110亦可以发送视频时长-评论数据总数量模板已存储的提示信息。如果判断得出在服务器110中未存储与修改后的视频时长-评论数据总数量模板相同的视频时长-评论数据总数量模板,那么,服务器110可以直接将该视频时长-评论数据总数量模板进行存储。由于相应过程与上述根据用户输入的评论数据直接创建视频时长-评论数据总数量模板的过程类似,因而在此不作赘述。
进一步地,在另一种可以替代的示例中还提供了一种对各所述评论数据进行筛选处理的具体方式,结合图5,步骤S120还可以包括步骤S122和步骤S126。
步骤S122,根据所述视频的时长和预设频率,计算得到所要筛选出的评论数据的总数量。
步骤S126,从各所述评论数据中筛选出所述总数量的评论数据。
对于步骤S122,需要说明的是,所述预设频率的具体大小不受限制,可以根据实际应用需求进行设置。
例如,在一种可以替代的示例中,在用户观看直播视频时,2分钟出现一条评论内容较适宜,既不会干扰用户观看,又使得用户能够看到视频,即所述预设频率可以为2分钟/条。因此,可以用所述视频的时长除以2分钟,得到所要筛选出的评论数据的总数量。在所述视频时长为10分钟时,计算得到所要筛选出的评论数据的总数量为5条;在所述视频时长为100分钟时,计算得到所要筛选出的评论数据的总数量为50条。
进一步地,在另一种可以替代的示例中还提供了一种对各所述评论数据进行筛选处理的具体方式,结合图6,步骤S120还可以包括步骤S123、步骤S124、步骤S125和步骤S126。
步骤S123,根据所述所有评论数据的数量以及所述视频的时长,计算得到所述评论数据的评论密度。
步骤S124,根据所述评论密度和预设系数,计算得到目标密度。
步骤S125,根据所述视频的时长和所述目标密度,计算得到所要筛选出的评论数据的总数量。
步骤S126,从各所述评论数据中筛选出所述总数量的评论数据。
一般来说,用户发表的评论数据的总数量越多,其中包括的优质评论内容也会较多,因此,经过筛选处理之后可以留下的评论也会较多。首先,可以用总的评论数量除以直播视频时长,得到评论密度。其次,再用该评论密度乘以预设系数,得到目标密度(预设系数应小于等于1)。然后,再用目标密度乘以直播视频时长,从而得到所要筛选出的评论数据的总数量。
其中,所述预设系数可以与计算得到的评论密度相关,例如,评论密度越大,则系数越小,从而降低该密度。
例如,在一种可以替代的示例中,首先,所述所有评论数据的数量可以为10000条,所述视频的时长可以为10分钟,可以根据所述所有评论数据的数量以及所述视频的时长,计算得到所述评论数据的评论密度可以为1000条/分钟。其次,所述评论密度较大,所述预设系数可以为较小的数值,例如,所述预设系数可以为0.01。根据所述评论密度和预设系数,计算得到目标密度可以为10条/分钟。然后,根据所述视频的时长和所述目标密度,计算得到所要筛选出的评论数据的总数量可以为100条。
又例如,在另一种可以替代的示例中,首先,所述所有评论数据的数量可以为1000条,所述视频的时长可以为100分钟,可以根据所述所有评论数据的数量以及所述视频的时长,计算得到所述评论数据的评论密度可以为10条/分钟。其次,所述评论密度较小,所述预设系数可以为较大的数值,例如,所述预设系数可以为0.5。根据所述评论密度和预设系数,计算得到目标密度可以为5条/分钟。然后,根据所述视频的时长和所述目标密度,计算得到所要筛选出的评论数据的总数量可以为500条。
对于步骤S126,需要说明的是,所述从各所述评论数据中筛选出所述总数量的评论数据的具体方式不受限制,可以根据实际应用需求进行设置。
例如,在一种可以替代的示例中,结合图7,步骤S126可以包括步骤S1261和步骤S1262。
步骤S1261,根据各所述评论数据的关键词对各所述评论数据进行分类。
步骤S1262,针对每个类别,分别进行评论数据的筛选处理,得到所述总数量的评论数据。
对于步骤S1261,需要说明的是,所述根据各所述评论数据的关键词对各所述评论数据进行分类的具体方式不受限制,可以根据实际应用需求进行设置。
例如,在一种可以替代的示例中,在所述评论数据包括评论内容时,步骤S1261可以包括以下子步骤:
首先,对每个所述评论数据的评论内容进行关键词提取处理,得到每个所述评论数据的关键词。其次,根据每个所述评论数据的关键词对每个所述评论数据进行分类。
需要说明的是,所述评论数据的具体内容不受限制,可以根据实际应用需求进行设置。例如,可以包括,但不限于评论内容、评论时间、用户ID等信息。举例说明,用户A在14时28分钟33秒发送了评论内容为“今天路上好堵”的评论数据,该评论数据可以表示为{今天路上好堵;14时28分钟33秒;用户A的ID}。
其中,所述对每个所述评论数据的评论内容进行关键词提取处理的具体方式不受限制,可以根据实际应用需求进行设置。
例如,在一种可以替代的示例中,所述对每个所述评论数据的评论内容进行关键词提取处理的步骤可以包括以下子步骤:
首先,对每个所述评论数据的评论内容进行切词处理,得到至少一个评论词汇。其次,将所述至少一个评论词汇与至少一个类别的预设关键词进行匹配处理。
例如,在交通直播中,路况类别的关键词可以包括,但不限于堵、拥堵、顺畅、通畅、车多、车少、堵车等用于描述路况的词汇。若用户发送的评论数据包括的评论内容为“一会儿该堵车了”,进行切词处理之后得到的评论词汇可以为“一会儿”、“该”、“堵车”和“了”,将评论词汇与路况类别的关键词进行匹配处理,得到所述评论数据的关键词为“堵车”。
又例如,在游戏直播中,奖励类别的关键词可以包括,但不限于奖励、奖金、抽奖、有奖等用于描述奖励的词汇。若用户发送的评论内容为“什么时候开始抽奖啊”,进行切词处理之后得到的评论词汇为“什么”、“时候”、“开始”、“抽奖”、“啊”,将评论词汇与奖励类别的关键词进行匹配处理,得到所述评论数据的关键词为“抽奖”。
其中,所述至少一个类别的预设关键词可以通过多种方式获得。
例如,服务器110可以根据用户输入的预设关键词创建预设关键词数据库并将该预设关键词数据库进行存储,得到预存的至少一个类别的关键词。其中,用户可以通过服务请求方终端130输入至少一个类别的关键词,并由服务请求方终端130将用户输入的关键词发送至服务器110。
又例如,服务器110可以将已经存储的关键词(可以包括服务器110通过大数据收集,汇总得出的一个或者多个关键词,也可以包括服务器110根据用户输入的关键词所创建预设关键词数据库)进行展示。具体地,服务器110可以将已经存储的关键词发送至用户的服务请求方终端130进行展示,以供用户通过服务请求方终端130对存储的关键词进行自定义修改,并由服务请求方终端130将修改信息发送至服务器110。服务器110从而将修改之后的预设关键词数据库进行存储,得到预存的至少一个类别的关键词。
又例如,用户可以自定义创建预设关键词数据库,服务器110将用户自定义创建的预设关键词数据库进行存储,得到预存的至少一个类别的关键词。
需要说明的是,服务器110可以将所述至少一个评论词汇与每一个类别的预设关键词分别进行匹配处理,以对所述评论数据进行详细地分类。也就是说,所述评论数据可以属于一个类别,也可以属于多个类别。
由于所述关键词与类别对应,在得到每个所述评论数据的关键词之后,就可以根据每个所述评论数据的关键词对每个所述评论数据进行分类。例如,若用户发送的评论数据包括的评论内容为“一会儿该堵车了”,将进行切词处理之后得到的评论词汇与路况类别的关键词进行匹配处理,得到所述评论数据的关键词为“堵车”。关键词“堵车”属于路况类别,所述评论数据的类别即为路况类别。
其中,有的用户在观看直播时会发送重复的字或标点符号,例如发送一串叹号,可以对这种评论数据进行单独分类。
进一步地,所述针对每个类别,分别进行评论数据的筛选处理,得到所述总数量的评论数据的具体方式不受限制,可以根据实际应用需求进行设置。
例如,在一种可以替代的示例中,步骤S1262可以包括以下子步骤:
首先,针对每个类别,根据该类别包括的评论数据的数量和所述总数量,计算得到该类别的评论数据的数量比例。其次,根据该类别的评论数据的数量比例和该类别的评论数据的数量,计算得到该类别筛选处理后的评论数据的数量。然后,根据该类别筛选处理后的评论数据的数量对属于该类别的评论数据进行筛选处理,得到所述总数量的评论数据。
例如,类别A包括1000条评论数据,类别B包括500条评论数据,类别C包括1500条评论数据,从各所述评论数据中筛选出的评论数据的总数量为300条,计算得到每个类别的评论数据的数量比例为10%。其次,根据所述每个类别的评论数据的数量比例和每个类别的评论数据的数量,计算得到类别A筛选处理后的评论数据的数量为100条,类别B筛选处理后的评论数据的数量为50条,类别C筛选处理后的评论数据的数量为150条。
其中,若所述类别的评论数据的数量比例较高,则可以认为观众对该类别较关注,可以留下较多该类别的评论。若所述类别的评论数据的数量比例较低,则可以认为观众对该类别不太关心,可以留下较少该类别的评论。在计算得到的每个类别筛选处理后的评论数据的数量为小数时,可以对其进行四舍五入处理。
进一步地,所述根据该类别筛选处理后的评论数据的数量对属于该类别的评论数据进行筛选处理,得到所述总数量的评论数据的具体方式不受限制,可以根据实际应用需求进行设置。
例如,在一种可以替代的示例中,可以根据每个类别筛选处理后的评论数据的数量对属于每个类别的评论数据进行随机筛选处理,得到所述总数量的评论数据。
又例如,在另一种可以替代的示例中,所述根据每个类别筛选处理后的评论数据的数量对属于每个类别的评论数据进行筛选处理,得到所述总数量的评论数据的步骤可以包括以下子步骤:
首先,对每个类别的评论数据进行排序处理。其次,根据所述每个类别筛选处理后的评论数据的数量对进行排序处理后每个类别的评论数据进行筛选,得到所述总数量的评论数据。
其中,所述对每个类别的评论数据进行排序处理的具体方式不受限制,可以根据实际应用需求进行设置。
例如,在一种可以替代的示例中,可以根据每个类别的评论数据包括的评论内容的长度进行排序处理,以留下内容更多的评论数据。路况类别可以包括评论数据A、评论数据B和评论数据C,评论数据A的评论内容为“一会儿该堵车了”,评论数据B的评论内容为“今天不堵车”,评论数据C的评论内容为“平时星期一都会堵车,今天居然不赌”,进行排序处理之后,顺序为评论数据C>评论数据A>评论数据B。
又例如,在另一种可以替代的示例中,所述对每个类别的评论数据进行排序处理的步骤可以包括以下子步骤:
首先,针对每个类别,获取该类别包括的每个评论数据的评分数据。其次,根据所述评分数据对每个类别包括的每个评论数据进行排序处理。
其中,所述针对每个类别,获取该类别包括的每个评论数据的评分数据的具体方式不受限制,可以根据实际应用需求进行设置。
例如,在一种可以替代的示例中,可以通过用户对每个评论数据进行打分,用户可以对每个评论数据的评论内容中包括的词汇是否积极、评论内容的字数、评论内容的重复度等指标进行打分,得到每个评论数据的评分数据。
又例如,在另一种可以替代的示例中,所述针对每个类别,获取该类别包括的每个评论数据的评分数据的步骤可以包括以下子步骤:
根据预设规则对该类别包括的每个评论数据进行评分处理,得到每个评论数据的评分数据。
也就是说,服务器110可以根据预设规则对每个评论数据进行评分处理,得到每个评论数据的评分数据。其中,所述预设规则可以指服务器110存储有预设的评分模板,可以根据预设的评分模板和所述评论数据,计算得到每个评论数据的评分数据。
又例如,可以在用户发送评论数据之后,服务器110就对该评论数据进行评分,当其他用户对该评论数据进行进一步的评价后,服务器110可以更新该评论数据的评分数据。
当两条或多条评论数据的评论内容重复时,可以将内容重复的评论数据进行合并,并将多个所述评论数据的平均分作为合并后的评论数据的评分数据。
对于步骤S130,需要说明的是,所述将筛选处理后的评论数据与所述视频进行显示的具体方式不受限制,可以根据实际应用需求进行设置。
例如,在一种可以替代的示例中,步骤S130可以包括以下子步骤:
将筛选处理后的评论数据以弹幕的形式与所述视频进行结合显示。
并且,为了突出显示评分较高的评论数据,步骤S130还可与包括以下子步骤:
首先,针对每个筛选处理后的评论数据,判断该评论数据的评分数据是否超过预设评分数据。其次,若该评论数据的评分数据超过预设评分数据,将该评论数据在所述视频中进行高亮显示。
例如,如预设评分数据为80分,评论数据A的评论数据为70分,评论数据B的评分数据为90分,评论数据C的评分数据为82分,可以对评论数据B和评论数据C进行高亮显示。并且,可以根据评论数据B和评论数据C的评分数据超过预设评分数据的程度不同,对评论数据B和评论数据C进行高亮显示的程度(颜色的深浅)也可以不同,在此不再赘述。
进一步地,在评论数据包括评论时间时,步骤S130还可以包括以下子步骤:
针对每个筛选处理后的评论数据,根据该评论数据的评论时间和所述视频进行显示。
例如,筛选处理后的评论数据A为用户在直播的14分28秒发出,在所述视频的14分28秒时,将评论数据A进行显示。
图8示出了本申请一些实施例提供的数据处理装置300的功能模块框图。该数据处理装置300实现的功能对应上述方法执行的步骤。该数据处理装置300可以理解为上述服务器110,或服务器110的处理器,也可以理解为独立于上述服务器110或处理器之外的在服务器110控制下实现本申请功能的组件。如图8所示,数据处理装置300可以包括数据获取模块310、数据处理模块320和数据显示模块330。
所述数据获取模块310,用于获取针对视频的所有评论数据。在本实施例中,所述数据获取模块310可以用于执行图3所示的步骤S110,关于所述数据获取模块310的相关内容可以参照前文对步骤S110的具体描述。
所述数据处理模块320,用于对各所述评论数据进行筛选处理。在本实施例中,所述数据处理模块320可以用于执行图3所示的步骤S120,关于所述数据处理模块320的相关内容可以参照前文对步骤S120的具体描述。
所述数据显示模块330,用于将筛选处理后的评论数据与所述视频进行显示。在本实施例中,所述数据显示模块330可以用于执行图3所示的步骤S130,关于所述数据显示模块330的相关内容可以参照前文对步骤S130的具体描述。
进一步地,所述数据处理模块320可以包括总数量确定子模块和筛选处理子模块。
所述总数量确定子模块,用于根据所述视频的时长确定所要筛选出的评论数据的总数量。在本实施例中,所述总数量确定子模块可以用于执行图4所示的步骤S121,关于所述总数量确定子模块的相关内容可以参照前文对步骤S121的具体描述。
所述筛选处理子模块,用于从各所述评论数据中筛选出所述总数量的评论数据。在本实施例中,所述筛选处理子模块可以用于执行图4所示的步骤S126,关于所述筛选处理子模块的相关内容可以参照前文对步骤S126的具体描述。
进一步地,所述数据处理模块320还可以包括第一总数量计算子模块和筛选处理子模块。
所述第一总数量计算子模块,用于根据所述视频的时长和预设频率,计算得到所要筛选出的评论数据的总数量。在本实施例中,所述第一总数量计算子模块可以用于执行图5所示的步骤S122,关于所述第一总数量计算子模块的相关内容可以参照前文对步骤S122的具体描述。
所述筛选处理子模块,用于从各所述评论数据中筛选出所述总数量的评论数据。在本实施例中,所述筛选处理子模块可以用于执行图5所示的步骤S126,关于所述筛选处理子模块的相关内容可以参照前文对步骤S126的具体描述。
进一步地,所述数据处理模块320还可以包括评论密度计算子模块、目标密度计算子模块、第二总数量计算子模块和筛选处理子模块。
所述评论密度计算子模块,用于根据所述所有评论数据的数量以及所述视频的时长,计算得到所述评论数据的评论密度。在本实施例中,所述评论密度计算子模块可以用于执行图6所示的步骤S123,关于所述评论密度计算子模块的相关内容可以参照前文对步骤S123的具体描述。
所述目标密度计算子模块,用于根据所述评论密度和预设系数,计算得到目标密度。在本实施例中,所述目标密度计算子模块可以用于执行图6所示的步骤S124,关于所述目标密度计算子模块的相关内容可以参照前文对步骤S124的具体描述。
所述第二总数量计算子模块,用于根据所述视频的时长和所述目标密度,计算得到所要筛选出的评论数据的总数量。在本实施例中,所述第二总数量计算子模块可以用于执行图6所示的步骤S125,关于所述第二总数量计算子模块的相关内容可以参照前文对步骤S125的具体描述。
所述筛选处理子模块,用于从各所述评论数据中筛选出所述总数量的评论数据。在本实施例中,所述筛选处理子模块可以用于执行图6所示的步骤S126,关于所述筛选处理子模块的相关内容可以参照前文对步骤S126的具体描述。
由于本申请实施例中的数据处理装置300解决问题的原理与本申请实施例上述数据处理方法相似,因此数据处理装置300的实施可以参见方法的实施,重复之处不再赘述。
上述模块可以经由有线连接或无线连接彼此连接或通信。有线连接可以包括金属线缆、光缆、混合线缆等,或其任意组合。无线连接可以包括通过LAN、WAN、蓝牙、ZigBee、或NFC等形式的连接,或其任意组合。两个或更多个模块可以组合为单个模块,并且任何一个模块可以分成两个或更多个单元。
此外,本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述数据处理方法的步骤。
本申请实施例所提供的数据处理方法的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行上述方法实施例中所述的数据处理方法的步骤,具体可参见上述方法实施例,在此不再赘述。
综上所述,本申请实施例提供的数据处理方法和装置、电子设备及计算机可读存储介质,可以将筛选处理后的评论数据与视频进行显示,提高了评论数据显示的合理性,从而提高用户体验。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (20)
1.一种数据处理方法,其特征在于,包括:
获取针对视频的所有评论数据;
对各所述评论数据进行筛选处理;
将筛选处理后的评论数据与所述视频进行显示。
2.如权利要求1所述的数据处理方法,其特征在于,所述对各所述评论数据进行筛选处理的步骤,包括:
根据所述视频的时长确定所要筛选出的评论数据的总数量;
从各所述评论数据中筛选出所述总数量的评论数据。
3.如权利要求1所述的数据处理方法,其特征在于,所述对各所述评论数据进行筛选处理的步骤,包括:
根据所述视频的时长和预设频率,计算得到所要筛选出的评论数据的总数量;
从各所述评论数据中筛选出所述总数量的评论数据。
4.如权利要求1所述的数据处理方法,其特征在于,所述对各所述评论数据进行筛选处理的步骤,包括:
根据所述所有评论数据的数量以及所述视频的时长,计算得到所述评论数据的评论密度;
根据所述评论密度和预设系数,计算得到目标密度;
根据所述视频的时长和所述目标密度,计算得到所要筛选出的评论数据的总数量;
从各所述评论数据中筛选出所述总数量的评论数据。
5.如权利要求2-4任意一项所述的数据处理方法,其特征在于,所述从各所述评论数据中筛选出所述总数量的评论数据的步骤,包括:
根据各所述评论数据的关键词对各所述评论数据进行分类;
针对每个类别,分别进行评论数据的筛选处理,得到所述总数量的评论数据。
6.如权利要求5所述的数据处理方法,其特征在于,所述评论数据包括评论内容,所述根据各所述评论数据的关键词对各所述评论数据进行分类的步骤,包括:
对每个所述评论数据的评论内容进行关键词提取处理,得到每个所述评论数据的关键词;
根据每个所述评论数据的关键词对每个所述评论数据进行分类。
7.如权利要求6所述的数据处理方法,其特征在于,所述对每个所述评论数据的评论内容进行关键词提取处理的步骤,包括:
对每个所述评论数据的评论内容进行切词处理,得到至少一个评论词汇;
将所述至少一个评论词汇与至少一个类别的预设关键词进行匹配处理。
8.如权利要求5所述的数据处理方法,其特征在于,所述针对每个类别,分别进行评论数据的筛选处理,得到所述总数量的评论数据的步骤,包括:
针对每个类别,根据该类别包括的评论数据的数量和所述总数量,计算得到该类别的评论数据的数量比例;
根据该类别的评论数据的数量比例和该类别的评论数据的数量,计算得到该类别筛选处理后的评论数据的数量;
根据该类别筛选处理后的评论数据的数量对属于该类别的评论数据进行筛选处理,得到所述总数量的评论数据。
9.如权利要求8所述的数据处理方法,其特征在于,所述根据该类别筛选处理后的评论数据的数量对属于该类别的评论数据进行筛选处理,得到所述总数量的评论数据的步骤,包括:
对每个类别的评论数据进行排序处理;
根据所述每个类别筛选处理后的评论数据的数量对进行排序处理后每个类别的评论数据进行筛选,得到所述总数量的评论数据。
10.如权利要求9所述的数据处理方法,其特征在于,所述对每个类别的评论数据进行排序处理的步骤,包括:
针对每个类别,获取该类别包括的每个评论数据的评分数据;
根据所述评分数据对每个类别包括的每个评论数据进行排序处理。
11.如权利要求10所述的数据处理方法,其特征在于,所述针对每个类别,获取该类别包括的每个评论数据的评分数据的步骤,包括:
根据预设规则对该类别包括的每个评论数据进行评分处理,得到每个评论数据的评分数据。
12.如权利要求10所述的数据处理方法,其特征在于,所述将筛选处理后的评论数据与所述视频进行显示的步骤,包括:
针对每个筛选处理后的评论数据,判断该评论数据的评分数据是否超过预设评分数据;
若该评论数据的评分数据超过预设评分数据,将该评论数据在所述视频中进行高亮显示。
13.如权利要求1所述的数据处理方法,其特征在于,所述将筛选处理后的评论数据与所述视频进行显示的步骤,包括:
将筛选处理后的评论数据以弹幕的形式与所述视频进行结合显示。
14.如权利要求1所述的数据处理方法,其特征在于,所述评论数据包括评论时间,所述将筛选处理后的评论数据与所述视频进行显示的步骤,包括:
针对每个筛选处理后的评论数据,根据该评论数据的评论时间和所述视频进行显示。
15.一种数据处理装置,其特征在于,包括:
数据获取模块,用于获取针对视频的所有评论数据;
数据处理模块,用于对各所述评论数据进行筛选处理;
数据显示模块,用于将筛选处理后的评论数据与所述视频进行显示。
16.如权利要求15所述的数据处理装置,其特征在于,所述数据处理模块包括:
总数量确定子模块,用于根据所述视频的时长确定所要筛选出的评论数据的总数量;
筛选处理子模块,用于从各所述评论数据中筛选出所述总数量的评论数据。
17.如权利要求15所述的数据处理装置,其特征在于,所述数据处理模块包括:
第一总数量计算子模块,用于根据所述视频的时长和预设频率,计算得到所要筛选出的评论数据的总数量;
筛选处理子模块,用于从各所述评论数据中筛选出所述总数量的评论数据。
18.如权利要求15所述的数据处理装置,其特征在于,所述数据处理模块包括:
评论密度计算子模块,用于根据所述所有评论数据的数量以及所述视频的时长,计算得到所述评论数据的评论密度;
目标密度计算子模块,用于根据所述评论密度和预设系数,计算得到目标密度;
第二总数量计算子模块,用于根据所述视频的时长和所述目标密度,计算得到所要筛选出的评论数据的总数量;
筛选处理子模块,用于从各所述评论数据中筛选出所述总数量的评论数据。
19.一种电子设备,其特征在于,包括存储器和处理器,所述处理器用于执行所述存储器中存储的可执行的计算机程序,以实现权利要求1-14任意一项所述的数据处理方法。
20.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,该程序被执行时实现权利要求1-14任意一项所述数据处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911408496.5A CN111866578A (zh) | 2019-12-31 | 2019-12-31 | 数据处理方法和装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911408496.5A CN111866578A (zh) | 2019-12-31 | 2019-12-31 | 数据处理方法和装置、电子设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111866578A true CN111866578A (zh) | 2020-10-30 |
Family
ID=72970821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911408496.5A Pending CN111866578A (zh) | 2019-12-31 | 2019-12-31 | 数据处理方法和装置、电子设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111866578A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114501117A (zh) * | 2021-12-28 | 2022-05-13 | 杭州星犀科技有限公司 | 一种多平台消息同步合并方法、***、电子设备和存储介质 |
CN114580981A (zh) * | 2022-05-07 | 2022-06-03 | 广汽埃安新能源汽车有限公司 | 以用户需求驱动的项目调度方法、装置及电子设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104602131A (zh) * | 2015-02-16 | 2015-05-06 | 腾讯科技(北京)有限公司 | 一种弹幕处理方法及*** |
CN105245960A (zh) * | 2014-07-07 | 2016-01-13 | 乐视网信息技术(北京)股份有限公司 | 视频的弹幕显示方法及装置 |
CN105916057A (zh) * | 2016-04-18 | 2016-08-31 | 乐视控股(北京)有限公司 | 一种视频弹幕的显示方法及装置 |
CN105955990A (zh) * | 2016-04-15 | 2016-09-21 | 北京理工大学 | 一种兼顾多样性和有效性的评论排序和筛选方法 |
CN106993234A (zh) * | 2017-03-22 | 2017-07-28 | 北京潘达互娱科技有限公司 | 弹幕显示方法和装置 |
CN107463643A (zh) * | 2017-07-19 | 2017-12-12 | 北京小米移动软件有限公司 | 弹幕数据的显示方法、装置及存储介质 |
CN107613392A (zh) * | 2017-09-22 | 2018-01-19 | 广东欧珀移动通信有限公司 | 信息处理方法、装置、终端设备及存储介质 |
CN108874832A (zh) * | 2017-05-15 | 2018-11-23 | 腾讯科技(深圳)有限公司 | 目标评论确定方法及装置 |
-
2019
- 2019-12-31 CN CN201911408496.5A patent/CN111866578A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105245960A (zh) * | 2014-07-07 | 2016-01-13 | 乐视网信息技术(北京)股份有限公司 | 视频的弹幕显示方法及装置 |
CN104602131A (zh) * | 2015-02-16 | 2015-05-06 | 腾讯科技(北京)有限公司 | 一种弹幕处理方法及*** |
CN105955990A (zh) * | 2016-04-15 | 2016-09-21 | 北京理工大学 | 一种兼顾多样性和有效性的评论排序和筛选方法 |
CN105916057A (zh) * | 2016-04-18 | 2016-08-31 | 乐视控股(北京)有限公司 | 一种视频弹幕的显示方法及装置 |
CN106993234A (zh) * | 2017-03-22 | 2017-07-28 | 北京潘达互娱科技有限公司 | 弹幕显示方法和装置 |
CN108874832A (zh) * | 2017-05-15 | 2018-11-23 | 腾讯科技(深圳)有限公司 | 目标评论确定方法及装置 |
CN107463643A (zh) * | 2017-07-19 | 2017-12-12 | 北京小米移动软件有限公司 | 弹幕数据的显示方法、装置及存储介质 |
CN107613392A (zh) * | 2017-09-22 | 2018-01-19 | 广东欧珀移动通信有限公司 | 信息处理方法、装置、终端设备及存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114501117A (zh) * | 2021-12-28 | 2022-05-13 | 杭州星犀科技有限公司 | 一种多平台消息同步合并方法、***、电子设备和存储介质 |
CN114501117B (zh) * | 2021-12-28 | 2024-01-30 | 杭州星犀科技有限公司 | 一种多平台消息同步合并方法、***、电子设备和存储介质 |
CN114580981A (zh) * | 2022-05-07 | 2022-06-03 | 广汽埃安新能源汽车有限公司 | 以用户需求驱动的项目调度方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10222227B2 (en) | Navigation systems and associated methods | |
CN109074358B (zh) | 提供与用户兴趣有关的地理位置 | |
CN109062928A (zh) | 一种提示推荐上车点的方法及*** | |
CN108780553A (zh) | 用于确定目标车辆/提供者的***和方法 | |
CN111353092B (zh) | 服务推送方法、装置、服务器及可读存储介质 | |
WO2022166625A1 (zh) | 一种车辆行驶场景中信息推送的方法以及相关装置 | |
US20200177937A1 (en) | Methods, systems, and media for indicating viewership of a video | |
CN109086822B (zh) | 一种主播用户分类方法、装置、设备及存储介质 | |
CN111866578A (zh) | 数据处理方法和装置、电子设备及计算机可读存储介质 | |
CN110166851B (zh) | 一种视频摘要生成方法、装置和存储介质 | |
CN111401388A (zh) | 数据挖掘方法、装置、服务器及可读存储介质 | |
CN112685646A (zh) | 一种推荐信息生成的方法、装置、电子设备及存储介质 | |
CN108369597B (zh) | 用于基于场境来指示视频的观众群的方法、***和介质 | |
CN111274348B (zh) | 服务特征数据提取方法、装置及电子设备 | |
CN117290605A (zh) | 一种车载智能场景推荐方法、装置、设备和介质 | |
CN111274471B (zh) | 信息推送方法、装置、服务器及可读存储介质 | |
CN111353093B (zh) | 问题推荐方法、装置、服务器及可读存储介质 | |
CN111382218B (zh) | 一种兴趣点(poi)检索的***和方法 | |
EP4174439A1 (en) | Method and apparatus for processing map information, device, and storage medium | |
CN114428919A (zh) | 场所搜索方法、装置、设备及介质 | |
CN108466619B (zh) | 一种自动驾驶***运行模式自动设置的方法及装置 | |
CN113204714A (zh) | 一种基于用户画像的任务推荐方法、装置、存储介质及终端 | |
CN111326172A (zh) | 冲突检测方法、装置、电子设备及可读存储介质 | |
WO2024041566A1 (zh) | 一种信息处理方法、装置、电子设备及存储介质 | |
CN111353090B (zh) | 服务分流方法、装置、服务器及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201030 |