The embodiment of the present invention discloses a video analysis method, device, device and storage medium. The method solves the problem of inaccuracy in evaluating video quality only by acquiring the bullet screen information sent by the viewer when viewing the video, identifying the emotional tag to which each of the bullet screen information belongs, determining the proportion of the bullet screen information to which each of the emotional tags belongs, and calculating the quality evaluation value of the video by the viewer according to the proportion. In order to further analyze the quality of video content according to the emotions of audience users, we can improve the accuracy of video content analysis, and help to indirectly find the video that has emotional resonance with audience users.
【技术实现步骤摘要】
一种视频分析方法、装置、设备和存储介质
本专利技术实施例涉及数据处理的
,尤其涉及一种视频分析方法、装置、设备和存储介质。
技术介绍
在直播环境中观众用户和主播用户的交互主要是主播用户以语音的形式和观众用户进行交互,弹幕则是观众用户唯一和主播用户进行交流的方式了。一般的,采用弹幕的数量对主播用户的直播内容进行评价,但是仅通过数量的分析,不足以表示直播内容的质量。
技术实现思路
本专利技术提供一种视频分析方法、装置、设备和存储介质,以实现根据观众用户对视频的情绪分析视频内容的质量,从而提高对视频内容的分析准确度,有利于间接发现与观众用户产生共鸣的视频。第一方面,本专利技术实施例提供了一种视频分析方法,该方法包括:获取观众用户观看视频时发送的弹幕信息;识别每一所述弹幕信息所属的情绪标签;确定归属于每一所述情绪标签的所述弹幕信息的比例;根据所述比例计算所述观众用户对所述视频的质量评估值。进一步的,识别每一所述弹幕信息所属的情绪标签,包括:将每一所述弹幕信息转换成基于词向量表达的句子矩阵;将所述句子矩阵转换为所述弹幕信息所属的情绪标签。进一步的,将每一所述弹幕信息转换成基于词向量表达的句子矩阵,包括:提取所述弹幕信息中预设数量的关键词;将所述关键词通过预设的词向量模型进行转换,得到词向量;基于所述关键词的词向量组合得到所述弹幕信息的句子矩阵。进一步的,将所述句子矩阵转换为所述弹幕信息所属的情绪标签,包括:将所述句子矩阵输入预先训练的情绪识别模型进行处理,得到所述弹幕信息所属的情绪标签。进一步的,所述情绪识别模型为文本卷积神经网络;在将所述句子矩阵输入预先训练的情 ...
【技术保护点】
1.一种视频分析方法,其特征在于,包括:获取观众用户观看视频时发送的弹幕信息;识别每一所述弹幕信息所属的情绪标签;确定归属于每一所述情绪标签的所述弹幕信息的比例;根据所述比例计算所述观众用户对所述视频的质量评估值。
【技术特征摘要】
1.一种视频分析方法,其特征在于,包括:获取观众用户观看视频时发送的弹幕信息;识别每一所述弹幕信息所属的情绪标签;确定归属于每一所述情绪标签的所述弹幕信息的比例;根据所述比例计算所述观众用户对所述视频的质量评估值。2.根据权利要求1所述的方法,其特征在于,识别每一所述弹幕信息所属的情绪标签,包括:将每一所述弹幕信息转换成基于词向量表达的句子矩阵;将所述句子矩阵转换为所述弹幕信息所属的情绪标签。3.根据权利要求2所述的方法,其特征在于,将每一所述弹幕信息转换成基于词向量表达的句子矩阵,包括:提取所述弹幕信息中预设数量的关键词;将所述关键词通过预设的词向量模型进行转换,得到词向量;基于所述关键词的词向量组合得到所述弹幕信息的句子矩阵。4.根据权利要求2所述的方法,其特征在于,将所述句子矩阵转换为所述弹幕信息所属的情绪标签,包括:将所述句子矩阵输入预先训练的情绪识别模型进行处理,得到所述弹幕信息所属的情绪标签。5.根据权利要求4所述的方法,其特征在于,所述情绪识别模型为文本卷积神经网络;在将所述句子矩阵输入预先训练的情绪识别模型进行处理,得到所述弹幕信息所属的情绪标签之前,还包括:获取训练样本集,所述训练样本集包括标记有样本情绪标签的样本弹幕信息;使用所述训练样本集对情绪识别模型进行训练;当满足预设的停止条...
【专利技术属性】
技术研发人员:张祥,仇贲,
申请(专利权)人:广州虎牙信息科技有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。