本申请涉及智能化推荐领域,且更为具体地,涉及一种基于视频情景分析的达人推荐方法及系统。
背景技术:
1、视频情景分析是指对视频中的场景、人物、动作和情感等要素进行识别和理解的过程,是视频内容理解的重要组成部分。视频情景分析可以用于多种应用场景,如视频检索、视频推荐、视频广告等。在视频广告领域,视频情景分析可以帮助用户找到与自己的兴趣和需求相匹配的达人视频,从而提高用户的满意度和留存率。
2、然而,目前的达人推荐方法主要基于用户的历史行为和社交关系,忽略了用户输入语句与待推荐达人的视频之间的语义匹配问题,导致推荐结果不够精准和个性化。此外,现有一些基于用户输入关键词的视频匹配方法,这种方法只能基于用户输入的关键词和视频的附加文本来进行语义匹配,由于视频数据的多样性、复杂性和动态性,并不能够很好地基于视频的情景分析来进行达人推荐。
3、因此,期望一种基于视频情景分析的达人推荐方案。
技术实现思路
1、有鉴于此,本申请提出了一种基于视频情景分析的达人推荐方法及系统,其可以根据用户输入的文本检索内容,从海量的达人视频中筛选出与之主题相关的达人视频,并将该达人视频对应的达人推送给用户,从而提高达人推送精准度和个性化。
2、根据本申请的一方面,提供了一种基于视频情景分析的达人推荐方法,其包括:
3、获取待推荐达人的推送视频;
4、对所述待推荐达人的推送视频进行视频切分处理以得到推送视频片段的序列;
5、通过基于深度神经网络模型的视频语义特征提取器分别对所述推送视频片段的序列进行特征提取以得到推送视频片段语义特征图的序列;
6、分别对所述推送视频片段语义特征图的序列进行特征全感知分析以得到推送视频片段全感知语义特征向量的序列;
7、获取用户输入文本检索内容;
8、对所述用户输入文本检索内容进行语义编码以得到用户输入文本检索语义特征向量;
9、对所述推送视频片段全感知语义特征向量的序列和所述用户输入文本检索语义特征向量进行主题匹配度计算以得到主题匹配度;以及
10、基于所述主题匹配度与预定阈值之间的比较,确定是否推送所述待推荐达人。
11、根据本申请的另一方面,提供了一种基于视频情景分析的达人推荐系统,其包括:
12、视频获取模块,用于获取待推荐达人的推送视频;
13、视频切分模块,用于对所述待推荐达人的推送视频进行视频切分处理以得到推送视频片段的序列;
14、视频特征提取模块,用于通过基于深度神经网络模型的视频语义特征提取器分别对所述推送视频片段的序列进行特征提取以得到推送视频片段语义特征图的序列;
15、特征全感知分析模块,用于分别对所述推送视频片段语义特征图的序列进行特征全感知分析以得到推送视频片段全感知语义特征向量的序列;
16、输入获取模块,用于获取用户输入文本检索内容;
17、输入语义编码模块,用于对所述用户输入文本检索内容进行语义编码以得到用户输入文本检索语义特征向量;
18、主题匹配度计算模块,用于对所述推送视频片段全感知语义特征向量的序列和所述用户输入文本检索语义特征向量进行主题匹配度计算以得到主题匹配度;以及
19、推送分析模块,用于基于所述主题匹配度与预定阈值之间的比较,确定是否推送所述待推荐达人。
20、根据本申请的实施例,其首先对待推荐达人的推送视频进行视频切分处理以得到推送视频片段的序列,接着,分别对所述推送视频片段的序列进行特征提取以得到推送视频片段语义特征图的序列,然后,分别对所述推送视频片段语义特征图的序列进行特征全感知分析以得到推送视频片段全感知语义特征向量的序列,接着,对用户输入文本检索内容进行语义编码以得到用户输入文本检索语义特征向量,然后,对所述推送视频片段全感知语义特征向量的序列和所述用户输入文本检索语义特征向量进行主题匹配度计算以得到主题匹配度,最后,基于所述主题匹配度与预定阈值之间的比较,确定是否推送所述待推荐达人。这样,可以提高达人推送精准度和个性化。
21、根据下面参考附图对示例性实施例的详细说明,本申请的其它特征及方面将变得清楚。
1.一种基于视频情景分析的达人推荐方法,其特征在于,包括:
2.根据权利要求1所述的基于视频情景分析的达人推荐方法,其特征在于,所述深度神经网络模型为三维卷积神经网络模型。
3.根据权利要求2所述的基于视频情景分析的达人推荐方法,其特征在于,分别对所述推送视频片段语义特征图的序列进行特征全感知分析以得到推送视频片段全感知语义特征向量的序列,包括:
4.根据权利要求3所述的基于视频情景分析的达人推荐方法,其特征在于,对所述用户输入文本检索内容进行语义编码以得到用户输入文本检索语义特征向量,包括:
5.根据权利要求4所述的基于视频情景分析的达人推荐方法,其特征在于,对所述推送视频片段全感知语义特征向量的序列和所述用户输入文本检索语义特征向量进行主题匹配度计算以得到主题匹配度,包括:
6.根据权利要求5所述的基于视频情景分析的达人推荐方法,其特征在于,计算所述用户输入文本检索语义特征向量与所述推送视频片段全感知语义特征向量的序列之间的所述主题匹配度,包括:
7.根据权利要求6所述的基于视频情景分析的达人推荐方法,其特征在于,对所述推送视频片段全感知语义特征向量的序列和所述用户输入文本检索语义特征向量进行主题匹配度计算以得到主题匹配度,包括:
8.根据权利要求7所述的基于视频情景分析的达人推荐方法,其特征在于,分别对所述推送视频片段全感知语义特征向量的序列和所述用户输入文本检索语义特征向量进行特征校正以得到校正后推送视频片段全感知语义特征向量的序列和校正后用户输入文本检索语义特征向量,包括:
9.一种基于视频情景分析的达人推荐系统,其特征在于,包括:
10.根据权利要求9所述的基于视频情景分析的达人推荐系统,其特征在于,所述深度神经网络模型为三维卷积神经网络模型。