本发明专利技术公开了一种视频时效确定方法、装置、电子设备和介质。方法包括：获取目标视频的关键信息；确定关键信息对应的向量，得到关键向量；根据关键信息中各个关键词语的词性，确定每个关键词语对应的词性向量；根据关键信息中各个关键词语在关键信息中的位置，确定每个关键词语对应的词位置向量；根据每个关键词语对应的的词性向量和词位置向量，得到关键信息对应的词向量集；将关键向量、词向量集输入视频时效确定模型，得到目标视频的分发时效。本发明专利技术提供的视频时效确定方案涉及人工智能技术，该方案丰富了目标视频的文本类特征，提高了视频时效确定模型的预测准确性和泛化能力。由视频时效确定模型来输出目标视频的分发时效，效率高且精度高。效率高且精度高。效率高且精度高。
【技术实现步骤摘要】
一种视频时效确定方法、装置、电子设备和介质
[0001]本申请涉及互联网通信
，尤其涉及一种视频时效确定方法、装置、电子设备和介质。
技术介绍
[0002]随着互联网通信技术的快速发展，网络已成为人们获取信息和共享信息的重要途径。服务器可以将各种信息推送至客户端，用户通过客户端可以获取到各种信息。比如，服务器将一条视频送给客户端，用户通过客户端点击该视频观看。
[0003]一个视频的内容在一段时间内具有一定的正反馈效果，这个效果可以依靠用户对视频内容的感兴趣度来衡量。视频时效性指示在一个时间范围内推送视频给用户观看，用户对观看该视频不会感到反感。相应的，超出这个时间范围推送该视频给用户，则会让用户感到反感，不会为相关产品带来正向作用。
[0004]相关技术中，一方面通过人工标注的方式确定待推送视频的时效，人工往往带有主观的时效确定标准，这样会导致标注质量不稳定，同时人工标注效率低、成本高。一方面通过提取待推送视频中各类文本的信息(比如字幕文本信息)，确定各类文本信息对应的时效，进而综合各类文本信息对应的时效确定待推送视频的时效。由于提取各类文本信息的环节存在较大耗时，会影响视频时效确定的效率，尤其对于庞大数量的待推送视频。因此，需要提供准确且高效的视频时效确定方案。
技术实现思路
[0005]为了解决现有技术应用在为待推送视频确定时效时，效率低等问题，本申请提供了一种视频时效确定方法、装置、电子设备和介质：
[0006]根据本申请的第一方面，提供了一种视频时效确定方法，所述方法包括：
[0007]获取目标视频的关键信息；
[0008]确定所述关键信息对应的向量，得到关键向量；
[0009]根据所述关键信息中各个关键词语的词性，确定每个所述关键词语对应的词性向量；
[0010]根据所述关键信息中各个所述关键词语在所述关键信息中的位置，确定每个所述关键词语对应的词位置向量；
[0011]根据每个所述关键词语对应的的词性向量和词位置向量，得到所述关键信息对应的词向量集；
[0012]将所述关键向量、所述词向量集输入视频时效确定模型，得到所述目标视频的分发时效。
[0013]根据本申请的第二方面，提供了一种视频时效确定装置，所述装置包括：
[0014]关键信息获取模块：用于获取目标视频的关键信息；
[0015]关键向量得到模块：用于确定所述关键信息对应的向量，得到关键向量；
[0016]词性向量确定模块：用于根据所述关键信息中各个关键词语的词性，确定每个所述关键词语对应的词性向量；
[0017]词位置向量确定模块：用于根据所述关键信息中各个所述关键词语在所述关键信息中的位置，确定每个所述关键词语对应的词位置向量；
[0018]词向量集得到模块：用于根据每个所述关键词语对应的的词性向量和词位置向量，得到所述关键信息对应的词向量集；
[0019]视频时效得到模块：用于将所述关键向量、所述词向量集输入视频时效确定模型，得到所述目标视频的分发时效。
[0020]根据本申请的第三方面，提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如第一方面所述的视频时效确定方法。
[0021]根据本申请的第四方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如第一方面所述视频时效确定方法。
[0022]根据本申请的第五方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行第一方面所述的视频时效确定方法。
[0023]本申请提供的一种视频时效确定方法、装置、电子设备和介质，具有如下技术效果：
[0024]本申请利用目标视频的关键信息来确定目标视频对应的关键向量和词向量集，然后将关键向量、词向量集输入视频时效确定模型，进而得到目标视频的分发时效。其中关键向量为关键信息对应的向量，词向量集中的词性向量指示关键信息中关键词语的词性，词向量集中的词位置向量指示关键信息中关键词语的所在位置。本申请利用关键信息提取出词性向量、词位置向量丰富了目标视频的文本类特征，基于更丰富的文本类特征可以提高视频时效确定模型的预测准确性和泛化能力。由视频时效确定模型来输出目标视频的分发时效，效率高且精度高。
附图说明
[0025]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，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的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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它附图。
[0026]图1是本专利技术实施例提供的一种应用环境的示意图；
[0027]图2是本专利技术实施例提供的一种视频时效确定方法的流程示意图；
[0028]图3是本专利技术实施例提供的训练得到视频时效确定模型的一种流程示意图；
[0029]图4也是本专利技术实施例提供的一种视频时效确定方法的流程示意图；
[0030]图5是本专利技术实施例提供的训练得到视频分类模型的一种流程示意图；
[0031]图6是本专利技术实施例提供的一种视频时效确定模型的应用场景的示意图；
[0032]图7也是本专利技术实施例提供的一种视频时效确定方法的流程示意图；
[0033]图8是本专利技术实施例提供的word2vec模型(一种用来产生词向量的相关模型)中用于将文本进行向量表示的实现方法示意图；
[0034]图9是本专利技术实施例提供的TextCNN(一种用于文本分类的卷积神经网络)模型的示意图；
[0035]图10也是本专利技术实施例提供的TextCNN模型的示意图；
[0036]图11是本专利技术实施例提供的一种视频时效确定装置的组成框图；
[0037]图12是本专利技术实施例提供的一种电子设备的结构示意图。
具体实施方式
[0038]下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通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，都属于本专利技术保护的范围。
[0039]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形，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、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
...
【技术保护点】
【技术特征摘要】
1.一种视频时效确定方法，其特征在于，所述方法包括：获取目标视频的关键信息；确定所述关键信息对应的向量，得到关键向量；根据所述关键信息中各个关键词语的词性，确定每个所述关键词语对应的词性向量；根据所述关键信息中各个所述关键词语在所述关键信息中的位置，确定每个所述关键词语对应的词位置向量；根据每个所述关键词语对应的的词性向量和词位置向量，得到所述关键信息对应的词向量集；将所述关键向量、所述词向量集输入视频时效确定模型，得到所述目标视频的分发时效。2.根据权利要求1所述的方法，其特征在于，所述获取目标视频的关键信息，包括：获取所述目标视频的视频主题和视频标签；将所述视频主题和所述视频标签作为所述关键信息；相应的，所述确定所述关键信息对应的向量，得到关键向量，包括：确定所述视频主题和视频标签对应的向量，得到所述关键向量。3.根据权利要求1、2任一所述的方法，其特征在于，所述方法还包括训练得到所述视频时效确定模型的过程：获取样本视频集，所述样本视频集中每个样本视频携带有对应的分发时效信息；确定所述样本视频对应的关键向量和词向量集；基于所述样本视频对应的关键向量和词向量集，使用预设机器学习模型进行视频时效确定训练，在训练中调整所述预设机器学习模型的模型参数至所述预设机器学习模型输出的分发时效与对应的样本视频所携带的分发时效信息相匹配；将调整后的模型参数所对应的预设机器学习模型作为所述视频时效确定模型。4.根据权利要求1、2任一所述的方法，其特征在于，所述根据每个所述关键词语对应的的词性向量和词位置向量，得到所述至少一个关键词语对应的词向量集之后，所述方法还包括：将所述关键向量、所述词向量集输入视频分类模型，得到所述目标视频的分类；根据所述分类得到所述目标视频的分发时效。5.根据权利要求4所述的方法，其特征在于，所述根据所述分类结果得到所述目标视频的分发时效之前，所述方法还包括为多个预设分类分别建立对应的映射关系，所述映射关系用于基于预设分类查询所述预设分类所指示的分发时效：相应的，所述根据所述分类结果得到所述目标视频的分发时效，包括：确定与所述分类相匹配的预设分类；确定所述相匹配的预设分类对应的映射关系，得到目标映射关系；根据所述目标映射关系确定所述相匹配的预...
【专利技术属性】
技术研发人员：朱朝悦，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：
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。