视频质量标签的生成方法、装置、设备及存储介质制造方法及图纸

本申请涉及数据分析领域，具体公开了一种视频质量标签的生成方法、装置、设备及存储介质，所述视频质量标签的生成方法包括：基于特征序列模型、目标行为特征向量和目标行为特征向量的预设重要性排名，生成目标视频对应的目标特征序列；基于预设划分规则，将目标特征序列分成至少一个特征序列样本，并将全部特征序列样本输入预设聚类模型，生成目标视频的质量标签。通过上述方式，本申请通过预设特征序列模型计算得到目标视频的目标特征序列后，再将目标特征序列送入预设聚类模型，通过划分后的全部特征序列样本生成目标视频的质量标签，提高了金融领域中教学类视频质量的评估准确率，解决了教学类视频质量的评估准确率低下的技术问题。术问题。术问题。

【技术实现步骤摘要】
视频质量标签的生成方法、装置、设备及存储介质


[0001]本申请涉及数据分析领域，尤其涉及一种视频质量标签的生成方法、装置、设备及存储介质。

技术介绍

[0002]近年来随着科技的发展越来越多的企业正在面临或经历数字化转型，在各环节实现数字化和线上化的过程中，线上培训的普及速度格外突出。一方面教育场景转向线上，另一方面原本就正处于快速发展迭代过程中的视频、语音相关的NLP(natural language processing，自然语言处理)，CV(Computer vision，计算机视觉)等技术恰好加持了线上培训能力的快速发展。
[0003]值得关注的是，虽然网络上存在大量各类教学视频，某些视频平台也已公认拥有丰富教学资源，成为带有技能学习属性的平台，甚至已经吸引了大量各方面专家在上面开号授课，但是几乎所有视频平台建立的初衷都是服务于娱乐性质的视频，因此诸多功能并不能完美适配教学场景。在金融领域中，业务人员的培训课程规划与制作，急需一种排除受众群体量级差异干扰的视频质量自动识别方法。教学类视频质量评估在所有平台都尚未有良好解决方案，针对教学类视频质量的评估准确率低下。因此如何提高教学类视频质量的评估准确率成为了亟需解决的问题。

技术实现思路

[0004]本申请提供了一种视频质量标签的生成方法、装置、计算机设备及存储介质，以提高教学类视频质量的评估准确率。
[0005]第一方面，本申请提供了一种视频质量标签的生成方法，所述视频质量标签的生成方法包括：基于预设特征序列模型、目标视频的目标行为特征向量和所述目标行为特征向量的预设重要性排名，生成所述目标视频对应的目标特征序列；基于预设划分规则，将所述目标特征序列分成至少一个特征序列样本，并将全部所述特征序列样本输入预设聚类模型，生成所述目标视频的质量标签。
[0006]第二方面，本申请还提供了一种视频质量标签的生成装置，所述装置包括：
[0007]目标特征序列生成模块，用于基于预设特征序列模型、目标视频的目标行为特征向量和所述目标行为特征向量的预设重要性排名，生成所述目标视频对应的目标特征序列；
[0008]质量标签生成模块，用于基于预设划分规则，将所述目标特征序列分成至少一个特征序列样本，并将全部所述特征序列样本输入预设聚类模型，生成所述目标视频的质量标签。
[0009]第三方面，本申请还提供了一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器用于存储计算机程序；所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如上述的视频质量标签的生成方法。
[0010]第四方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如上述的视频质量标签的生成方法。
[0011]本申请公开了一种视频质量标签的生成方法、装置、计算机设备及存储介质，所述视频质量标签的生成方法包括：基于预设特征序列模型、目标视频的目标行为特征向量和所述目标行为特征向量的预设重要性排名，生成所述目标视频对应的目标特征序列；基于预设划分规则，将所述目标特征序列分成至少一个特征序列样本，并将全部所述特征序列样本输入预设聚类模型，生成所述目标视频的质量标签。通过上述方式，本申请通过预设特征序列模型计算得到目标视频的目标特征序列后，再将目标特征序列送入预设聚类模型，通过划分后的全部特征序列样本生成目标视频的质量标签，提高了教学类视频质量的评估准确率，解决了教学类视频质量的评估准确率低下的技术问题。
附图说明
[0012]为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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他的附图。
[0013]图1是本申请的实施例提供的一种视频质量标签的生成方法的第一实施例示意流程图；
[0014]图2是本申请的实施例提供的一种视频质量标签的生成方法的第一实施例示意流程图；
[0015]图3是本申请的实施例提供的一种视频质量标签的生成方法的第一实施例示意流程图；
[0016]图4为本申请的实施例提供的一种视频质量标签的生成装置的示意性框图；
[0017]图5为本申请的实施例提供的一种计算机设备的结构示意性框图。
具体实施方式
[0018]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
[0019]附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
[0020]应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0021]还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0022]本申请的实施例提供了一种视频质量标签的生成方法、装置、计算机设备及存储
介质。其中，该视频质量标签的生成方法可以应用于服务器中，通过预设特征序列模型计算得到目标视频的目标特征序列后，再将目标特征序列送入预设聚类模型，通过划分后的全部特征序列样本生成目标视频的质量标签。其中，该服务器可以为独立的服务器，也可以为服务器集群。
[0023]下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
[0024]请参阅图1，图1是本申请的实施例提供的一种视频质量标签的生成方法的第一实施例示意流程图。该视频质量标签的生成方法可应用于服务器中，用于通过预设特征序列模型计算得到目标视频的目标特征序列后，再将目标特征序列送入预设聚类模型，通过划分后的全部特征序列样本生成目标视频的质量标签。
[0025]如图1所示，该视频质量标签的生成方法具体包括步骤S10至步骤S20。
[0026]步骤S10、基于预设特征序列模型、目标视频的目标行为特征向量和所述目标行为特征向量的预设重要性排名，生成所述目标视频对应的目标特征序列；
[0027]步骤S20、基于预设划分规则，将所述目标特征序列分成至少一个特征序列样本，并将全部所述特征序列样本输入预设聚类模型，生成所述目标视频的质量标签。
[0028]具体实施例中，重要性排序可被量化为重要性排名(Rank)，例如；当I1&本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种视频质量标签的生成方法，其特征在于，所述视频质量标签的生成方法包括：基于预设特征序列模型、目标视频的目标行为特征向量和所述目标行为特征向量的预设重要性排名，生成所述目标视频对应的目标特征序列；基于预设划分规则，将所述目标特征序列分成至少一个特征序列样本，并将全部所述特征序列样本输入预设聚类模型，生成所述目标视频的质量标签。2.根据权利要求1所述的视频质量标签的生成方法，其特征在于，所述基于预设特征序列模型、目标视频的目标行为特征向量和所述目标行为特征向量的预设重要性排名，确定所述目标视频对应的目标特征序列之前，包括：获取所述目标视频的历史用户行为数据，并基于所述历史用户行为数据生成所述目标行为特征向量；将所述目标行为特征向量降维，生成目标特征时间序列，并将所述目标特征时间序列转换为变化趋势序列；将所述变化趋势序列通过l
‑
值运算，生成所述变化趋势序列对应的离散值。3.根据权利要求2所述的视频质量标签的生成方法，其特征在于，所述基于预设特征序列模型、目标视频的目标行为特征向量和所述目标行为特征向量的预设重要性排名，确定所述目标视频对应的目标特征序列，包括：将所述目标行为特征向量和所述重要性排名送入所述特征序列模型，生成所述目标特征序列，其中，所述特征序列模型如下：y为所述目标特征序列，为所述变化趋势序列的离散值，为所述重要性排名。4.根据权利要求2所述的视频质量标签的生成方法，其特征在于，所述将所述变化趋势序列通过l
‑
值运算，生成所述变化趋势序列对应的离散值，包括：将所述目标行为特征向量进行离散化运算，生成所述目标行为特征向量的离散值，其中，离散化运算的公式如下：中，离散化运算的公式如下：为所述变化趋势序列的离散值，为所述目标行为特征向量，c为预设阈值，为不同的所述目标行为特征向量，l为所述离散化运算中变量的个数。5.根据权利要求2所述的视频质量标签的生成方法，其特征在于，所述目标行为特征向量包括观看人数特征，弹幕数量特征和点赞人数特征，所述将所述目标行为特征向量降维，生成目标特征时间序列，并将所述目标特征时间序列转换为变化趋势序列，包括：将所述观看人数特征，所述弹幕数量特征和所述点赞人数特征分别进行平均分段处理，生成观看人数序列，弹幕数量序列和点赞人数序列，并将所述观看人数序列，所述弹幕
数量序列和所述点赞人数序列作为所述目标特征时间序列；将所述观看人数序列按照第一转换公式转换为所述观看人数序列的变化趋势序列，其中，所述第...

【专利技术属性】
技术研发人员：许丹，张茜，张莉，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：