分析视频评论真实性的方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种分析视频评论真实性的方法、装置、电子设备及存储介质，包括：获取待分析目标视频的网络地址；利用爬虫技术获取同一类别视频的所有评论信息；对评论信息打标签进行分类，并进行变量解析，获得变量参数；获取变量参数对应的AI模型，AI模型为基于人工智能学习的表征变量模型；获取待分析目标视频的第一评论信息以及与所述待分析目标视频相关联的评论评分系统；基于第一预设评分规则和评论评分系统，对第一评论信息中的每一条评论进行评分，得到第一评分结果。本发明专利技术具有优点：自动完成数据抓取、分析，成本低；AI模型自动匹配数据，获得评论真实性结果，时效性强、准确性高；设置预警系统，便于及时跟踪，维护各方利益。

【技术实现步骤摘要】
分析视频评论真实性的方法、装置、电子设备及存储介质
本专利技术涉及一种分析视频评论真实性的方法、装置、电子设备及存储介质。
技术介绍
近年来随着国内短视频的蓬勃发展，越来越多的人开始将观看短视频作为一种普遍的休闲娱乐选择。同时，由于短视频的繁荣，短视频的数量和题材井喷式增加，尤其是很多博主通过短视频来销售商品，带来了比较繁荣的短视频带货现象。短视频的评论成为了用户选择视频中所展示商品的一个重要参考。相应的，在各大短视频网站上便出现了非用户生成的评论，这种评论极大的干扰了用户的选择，降低了短视频带货的可信度。现在并没有针对短视频评论进行过滤的成熟方法，但是短视频的评论却在很大程度上影响着许多用户的选择，还会造成虚假宣传、劣质产品、假货等不好的影响。
技术实现思路
针对现有技术存在的问题，本专利技术的目的在于提供一种针对短视频的分析视频评论真实性的方法，本专利技术的另一目的是提供一种实施上述方法的装置、电子设备及存储介质。为实现上述目的，本专利技术一种分析视频评论真实性的方法，具体为：步骤1：获取待分析目标视频的网络地址；步骤2：利用爬虫技术获取同一类别视频的所有评论信息；步骤3：对评论信息打标签进行分类，并进行变量解析，获得变量参数；步骤4：获取变量参数对应的AI模型，AI模型为基于人工智能学习的表征变量模型；步骤5：获取待分析目标视频的第一评论信息以及与所述待分析目标视频相关联的评论评分系统；基于第一预设评分规则和评论评分系统，对第一评论信息中的每一条评论进行评分，得到第一评分结果；步骤6：获取所述第一评论信息中所有的评论用户的信息，获取该评论用户的历史评论信息；基于所述历史评论信息和第二预设评分规则对所述第一评论信息中的每一条评论进行评分，获得每一个评论用户所做的评论信息的评分，得到第二评分结果。步骤7：基于第一评分结果、第二评分结果，当视频评论信息的可信度降低至设定值，触发预警系统进行报警。进一步，所述步骤3中，在获取同一类别视频的所有评论信息的基础上，将评论信息按照设定的标签规则进行划分，将评论信息打标签来细化分类，标签信息可以作为解析参数。进一步，所述变量参数包括参数类型、参数关键词、参数名、关键词编码、请求参数值、路径信息。进一步，所述步骤4中，获取已知视频的真实评论，并获取该已知真实评论的标签信息，对该已知的标签信息进行变量解析，得到实时变量参数；将实时变量参数输入至预先训练的机器学习模型；获取所述机器学习模型基于实时变量输出的AI模型。进一步，所述AI模型包括评论评分系统，该评论评分系统包括所述第一预设评分规则、所述第二预设评分规则。一种实施上述方法的分析视频评论真实性的装置，包括：目标视频的网络地址获取模块，用于获取待分析目标视频的网络地址；评论信息获取模块，用于获取所述网络地址中的同一类别视频的所有评论信息；变量解析模块，用于对评论信息打标签进行分类解析，获得变量参数；AI模型单元，基于人工智能学习的表征变量模型，用于对视频的评论信息进行评估。进一步，所述AI模型单元包括评论评分系统，评论评分系统包括第一预设评分规则模块、第二预设评分规则模块、第一反馈模块、第二反馈模块。进一步，所述第一预设评分规则模块，用于对第一评论信息中的每一条评论进行评分，得到第一评分结果；所述第二预设评分规则模块，用于获取所述第一评论信息中所有的评论用户的信息，获取该评论用户的历史评论信息；基于所述历史评论信息和第二预设评分规则对所述第一评论信息中的每一条评论进行评分，获得每一个评论用户所做的评论信息的评分，得到第二评分结果；所述第一反馈模块，用于反馈第一评分结果；所述第二反馈模块，用于反馈第二评分结果。一种实施上述方法的电子设备，包括存储器和处理器，所述存储器与所述处理器连接；所述存储器用于存储程序；所述处理器用于调用存储于所述存储器中的程序，以执行上述分析视频评论真实性的方法。一种实施上述方法的存储介质，存储有处理器可执行的程序代码于计算机内，所述存储介质包括多条指令，所述多条指令被配置成使所述处理器执行上述分析视频评论真实性的方法。本专利技术具有以下技术优点：1、自动完成数据抓取、分析，成本低；2、AI模型自动匹配数据，获得评论真实性结果，时效性强；3、针对不同行业、不同类别视频，分类进行人工智能学习，针对性强、准确性高；4、设置预警系统，便于及时跟踪，维护各方利益。附图说明图1为本专利技术分析视频评论真实性的方法的流程框架图；图2为本专利技术分析视频评论真实性的装置的结构框架图。具体实施方式下面将结合附图，对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例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。在本专利技术的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本专利技术中的具体含义。以下结合附图对本专利技术的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本专利技术，并不用于限制本专利技术。实施例1如图1所示，本专利技术一种分析视频评论真实性的方法，包括以下具体步骤：步骤1：获取待分析目标视频的网络地址，即获取给定目标视频对应的网络地址，其中，目标视频可以是短视频、电视剧、电影、综艺节目、纪录片等各种类型的视频。短视频可以是抖音、视频号、快手等平台的视频。步骤2：利用爬虫技术获取同一类别视频的所有评论信息。同一类别的视频，具有相同的共性，其评论也具有一定的共性，获取同一类别视频的评论信息将有助于后续AI模型的数据分析与评估。视频类别包括搞笑类、影视娱乐类、文化类、萌宠类、美食类、健康类、游戏动漫类、时尚艺术类、民生类、情感类、生活类、音乐类、母婴育儿类、教育类、美妆类、旅行类、摄影类、运动类、职场类、时事政务类、企业类、汽车类、财经类、科学科普类、科技互联网类等。如获取汽车类视频的所有评论信息，即形成了汽车类视频的初步数据库。步骤3：对评论信息打标签进行本文档来自技高网...

【技术保护点】
1.分析视频评论真实性的方法，其特征在于，该方法具体为：/n步骤1：获取待分析目标视频的网络地址；/n步骤2：利用爬虫技术获取同一类别视频的所有评论信息；/n步骤3：对评论信息打标签进行分类，并进行变量解析，获得变量参数；/n步骤4：获取变量参数对应的AI模型，AI模型为基于人工智能学习的表征变量模型；/n步骤5：获取待分析目标视频的第一评论信息以及与所述待分析目标视频相关联的评论评分系统；基于第一预设评分规则和评论评分系统，对第一评论信息中的每一条评论进行评分，得到第一评分结果；/n步骤6：获取所述第一评论信息中所有的评论用户的信息，获取该评论用户的历史评论信息；基于所述历史评论信息和第二预设评分规则对所述第一评论信息中的每一条评论进行评分，获得每一个评论用户所做的评论信息的评分，得到第二评分结果；/n步骤7：基于第一评分结果、第二评分结果，当视频评论信息的可信度降低至设定值，触发预警系统进行报警。/n

【技术特征摘要】
1.分析视频评论真实性的方法，其特征在于，该方法具体为：
步骤1：获取待分析目标视频的网络地址；
步骤2：利用爬虫技术获取同一类别视频的所有评论信息；
步骤3：对评论信息打标签进行分类，并进行变量解析，获得变量参数；
步骤4：获取变量参数对应的AI模型，AI模型为基于人工智能学习的表征变量模型；
步骤5：获取待分析目标视频的第一评论信息以及与所述待分析目标视频相关联的评论评分系统；基于第一预设评分规则和评论评分系统，对第一评论信息中的每一条评论进行评分，得到第一评分结果；
步骤6：获取所述第一评论信息中所有的评论用户的信息，获取该评论用户的历史评论信息；基于所述历史评论信息和第二预设评分规则对所述第一评论信息中的每一条评论进行评分，获得每一个评论用户所做的评论信息的评分，得到第二评分结果；
步骤7：基于第一评分结果、第二评分结果，当视频评论信息的可信度降低至设定值，触发预警系统进行报警。


2.如权利要求1所述的方法，其特征在于，所述步骤3中，在获取同一类别视频的所有评论信息的基础上，将评论信息按照设定的标签规则进行划分，将评论信息打标签来细化分类，标签信息可以作为解析参数。


3.如权利要求1所述的方法，其特征在于，所述变量参数包括参数类型、参数关键词、参数名、关键词编码、请求参数值、路径信息。


4.如权利要求1所述的方法，其特征在于，所述步骤4中，获取已知视频的真实评论，并获取该已知真实评论的标签信息，对该已知的标签信息进行变量解析，得到实时变量参数；将实时变量参数输入至预先训练的机器学习模型；获取所述机器学习模型基于实时变量输出的AI模型。


5.如权利要求4所述的方法，其特征...

【专利技术属性】
技术研发人员：马囡囡，泮晓波，陈树华，
申请(专利权)人：顶象科技有限公司，
类型：发明
国别省市：浙江;33