基于深度学习的短视频价值评估方法及相关装置制造方法及图纸

本发明专利技术实施例公开了一种基于深度学习的短视频价值评估方法及相关装置，该方法包括：获取来自至少一个视频平台的短视频，并对所述短视频进行结构化处理得到标准视频数据；基于所述标准视频数据获取多维度价值标签并标注，得到多维度价值训练数据集；基于所述多维度价值训练数据集训练深度神经网络模型，以得到用于根据输入的短视频输出多维度价值评分的价值评估模型；将待评估短视频输入所述价值评估模型得到多维度价值评分作为价值评估结果。本发明专利技术实施例通过构建深度学习模型借助深度学习算法完成短视频价值评估，其评估维度更广，不受人为评估时的学识限制，且能够适用于不同的短视频平台和领域，大大提高了短视频价值评估的效率和公平性。估的效率和公平性。估的效率和公平性。

【技术实现步骤摘要】
基于深度学习的短视频价值评估方法及相关装置


[0001]本专利技术实施例涉及视频处理
，尤其涉及一种基于深度学习的短视频价值评估方法及相关装置。

技术介绍

[0002]短视频即时长较短的视频，通常指时长不超过10分钟的视频，作为一种互联网内容传播方式，随着移动终端普及和网络的提速，短视频短平快的大流量传播内容逐渐获得各大平台、粉丝和资本的青睐，并且随着网红经济的出现，短视频行业逐渐崛起一批优质UGC内容制作者，微博、秒拍、快手、今日头条纷纷入局短视频行业，募集一批优秀的内容制作团队入驻，这也进一步促进了短视频行业的发展。
[0003]而随着短视频行业的发展，网络中短视频的质量参差不齐，往往在出现某一短视频爆火之后，出现大批作者盲目跟风，而模仿的短视频质量较差，长此以往不利于短视频的发展，所以需要一种短视频价值评估方式对短视频的质量进行把控，提高短视频的质量。
[0004]深度学习技术在计算机视觉和多媒体领域的成功应用为视频和图像分析技术带来了极大的提升。例如谷歌研究团队提出了一种深度卷积神经网络NIMA，能结构化视频内容为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的短视频价值评估方法，其特征在于，包括：获取来自至少一个视频平台的短视频，并对所述短视频进行结构化处理得到标准视频数据；基于所述标准视频数据获取多维度价值标签并标注，得到多维度价值训练数据集；基于所述多维度价值训练数据集训练深度神经网络模型，以得到用于根据输入的短视频输出多维度价值评分的价值评估模型；将待评估短视频输入所述价值评估模型得到多维度价值评分作为价值评估结果。2.根据权利要求1所述的方法，其特征在于，所述将待评估短视频输入所述价值评估模型得到多维度价值评分作为价值评估结果之前，还包括：基于所述待评估短视频按照预设的导向评估指标确定导向评估结果，并剔除导向评估结果不合格的待评估短视频。3.根据权利要求1所述的方法，其特征在于，所述基于所述多维度价值训练数据集训练深度神经网络模型，以得到用于根据输入的短视频输出多维度价值评分的价值评估模型包括：对所述标准视频数据提取针对不同视频平台的视频特征标签并标注，基于标注后的标准视频数据进行深度学习模型训练，得到用于描述视频库特征的预训练模型；基于所述多维度价值训练数据集和所述预训练模型训练得到能够适用于不同视频平台的价值评估模型。4.根据权利要求1所述的方法，其特征在于，所述多维度价值标签包括内容评估标签、平台评估标签和商业评估标签，所述基于所述标准视频数据获取多维度价值标签并标注包括：根据短视频内容价值属性，按照预设的内容价值指标评估确定内容价值作为内容评估标签；抽取与所述标准视频数据对应的视频平台内用户行为，进行时间维度和数值归一化后得到的平台价值作为平台评估标签；获取固定上线时间范围内所述标准视频数据对应的短视频的商业收益，进行归一化得到商业价值作为商业评估标签。5.根据权利要求1
‑
4任意一项所述的方法，其特征在于，将待评估短视频输入所述价值评估模型得到多维度价值评分作为价值评估结果之后，还包括：基于所述预训练模型分别提取所述待评估短视频的第一视频特征...

【专利技术属性】
技术研发人员：王飚，刘玉柱，陈斯华，
申请(专利权)人：中国新闻出版研究院，
类型：发明
国别省市：