基于机器学习的短视频数据标签推荐方法、系统及云平台技术方案

本发明专利技术实施例提供的基于机器学习的短视频数据标签推荐方法、系统及云平台，在利用已调试的短视频标签推荐网络对待分析短视频图像进行分类处理时，由于已调试的短视频标签推荐网络能够对待分析短视频图像（不完整的短视频图像）中缺失的内容进行预测分析，因而在进行分类处理时是基于待分析短视频图像对应的完整短视频图像实现的，这样能够提高分类处理的精度和可靠性，以准确地获得短视频图像类别标签。在此基础上，通过短视频图像类别标签的上级标签和下级标签确定待推送短视频图像标签，能够进一步完善和丰富待推送短视频图像标签，以确保短视频运营服务器基于待推送短视频图像标签进行精准且个性化的推送处理。图像标签进行精准且个性化的推送处理。图像标签进行精准且个性化的推送处理。

【技术实现步骤摘要】
基于机器学习的短视频数据标签推荐方法、系统及云平台


[0001]本专利技术涉及数据推送
，特别涉及一种基于机器学习的短视频数据标签推荐方法、系统及云平台。

技术介绍

[0002]机器学习（Machine Learning，ML）是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习模型（例如人工智能神经网络）可以识别可能遗漏的数据趋势和模式，在设置机器学习模型后无需人工干预即可运作，此外，机器学习模型的输出结果会随着时间推移越来越准确，并能够在动态、大容量和复杂的数据环境中处理各种数据格式。
[0003]鉴于上述优势，机器学习的应用领域不断扩大，诸如用户行为分析、网络安全预测、数据推送等。以短视频数据待推送为例，传统技术可以通过对短视频数据进行分析以确定出对应的推荐标签，但是这种方式在处理不完整的短视频数据时仍然存在一定缺陷。

技术实现思路

[0004]为改善相关技术中存在的技术问题，本专利技术提供了一种基于机器学习的短视频数据标签推荐方法、系统及云平台。
[0005]第一方面，本专利技术实施例提供了一种基于机器学习的短视频数据标签推荐方法，应用于与短视频运营服务器通信的短视频标签推荐云平台，所述方法包括：接收所述短视频运营服务器发送的目标短视频用户终端的待分析短视频图像；其中，所述待分析短视频图像为不完整的短视频图像；将所述待分析短视频图像输入已调试的短视频标签推荐网络，获得所述已调试的短视频标签推荐网络生成的短视频图像类别标签；基于所述短视频图像类别标签，向所述短视频运营服务器反馈待推送短视频图像标签。
[0006]在一些可选的实施例中，所述已调试的短视频标签推荐网络的调试步骤包括：获取初始短视频标签推荐网络；获取短视频标签推荐项目的过往短视频图像，基于所述过往短视频图像对所述初始短视频标签推荐网络进行二次调试，得到匹配所述短视频标签推荐项目的已调试的短视频标签推荐网络。
[0007]在一些可选的实施例中，所述初始短视频标签推荐网络是通过调试终止时得到的深度残差网络所确定的，且所述深度残差网络的调试步骤包括：获取短视频图像调试样例以及所述短视频图像调试样例的图像内容关联特征，所述短视频图像调试样例包括若干个短视频图像块；依据所述图像内容关联特征确定各所述短视频图像块在所述短视频图像调试样例中的图像细节依存性，基于所述图像细节依存性从所述短视频图像调试样例中抽取出若
干个目标短视频图像块；依据所述图像内容关联特征确定各所述目标短视频图像块在所述若干个目标短视频图像块中的联系互斥权重，基于所述联系互斥权重确定所述若干个目标短视频图像块中每个短视频图像块的解析优先级；将所述短视频图像调试样例中的所述若干个目标短视频图像块进行图像屏蔽操作，得到屏蔽图像调试样例；通过深度残差网络依据所述屏蔽图像调试样例，结合所述解析优先级按序生成每个图像屏蔽区域为对应目标短视频图像块的图像块判别可能性，基于所述图像块判别可能性优化所述深度残差网络。
[0008]在一些可选的实施例中，所述依据所述图像内容关联特征确定各所述短视频图像块在所述短视频图像调试样例中的图像细节依存性，基于所述图像细节依存性从所述短视频图像调试样例中抽取出若干个目标短视频图像块，包括：依据所述图像内容关联特征，确定所述短视频图像调试样例中每个短视频图像块之间的图像块距离；基于所述图像块距离，确定每个短视频图像块在所述短视频图像调试样例中的图像细节依存性；基于所述图像细节依存性从所述短视频图像调试样例中确定出若干个目标短视频图像块。
[0009]在一些可选的实施例中，所述基于所述图像块距离，确定每个短视频图像块在所述短视频图像调试样例中的图像细节依存性，包括：基于所述短视频图像调试样例中的每个短视频图像块获得短视频图像块集合；随机游走所述短视频图像块集合中的每个短视频图像块；确定随机游走到的短视频图像块到所述短视频图像块集合中剩余短视频图像块的全局图像块距离；将所述全局图像块距离作为随机游走到的短视频图像块在所述短视频图像调试样例中的图像细节依存性；其中，所述全局图像块距离越大，所对应的图像细节依存性越低。
[0010]在一些可选的实施例中，所述基于所述图像细节依存性从所述短视频图像调试样例中确定出若干个目标短视频图像块，包括：从所述短视频图像调试样例的短视频图像块集合中筛选得到所对应的图像细节依存性最高的短视频图像块，作为目标短视频图像块；依据所述图像内容关联特征从所述短视频图像块集合中清洗掉与筛选得到的所述目标短视频图像块存在图像牵涉特征的短视频图像块后，跳转至所述从所述短视频图像调试样例的短视频图像块集合中筛选得到所对应的图像细节依存性最高的短视频图像块，作为目标短视频图像块的步骤，直到满足短视频图像块筛选终止要求时，得到所述若干个目标短视频图像块。
[0011]在一些可选的实施例中，所述依据所述图像内容关联特征确定各所述目标短视频图像块在所述若干个目标短视频图像块中的联系互斥权重，基于所述联系互斥权重确定所述若干个目标短视频图像块中每个短视频图像块的解析优先级，包括：
依据所述图像内容关联特征，确定所述若干个目标短视频图像块中目标短视频图像块之间的图像块距离；基于所述图像块距离，确定每个目标短视频图像块在所述若干个目标短视频图像块中的联系互斥权重；基于所述联系互斥权重，确定所述若干个目标短视频图像块中每个短视频图像块的解析优先级。
[0012]在一些可选的实施例中，所述基于所述图像块距离，确定每个目标短视频图像块在所述若干个目标短视频图像块中的联系互斥权重，包括：随机游走所述若干个目标短视频图像块的每个目标短视频图像块；确定随机游走到的目标短视频图像块到所述若干个目标短视频图像块中剩余目标短视频图像块的全局图像块距离；将所述全局图像块距离作为随机游走到的目标短视频图像块在所述若干个目标短视频图像块中的联系互斥权重；其中，所述全局图像块距离越大，所对应的联系互斥权重越低。
[0013]在一些可选的实施例中，所述基于所述联系互斥权重，确定所述若干个目标短视频图像块中每个短视频图像块的解析优先级，包括：确定所述若干个目标短视频图像块中每个短视频图像块相应联系互斥权重的由小到大排列结果；将所述由小到大排列结果作为所述若干个目标短视频图像块中对应目标短视频图像块的解析优先级。
[0014]在一些可选的实施例中，所述确定所述若干个目标短视频图像块中每个短视频图像块相应联系互斥权重的由小到大排列结果，包括：将所述若干个目标短视频图像块按各目标短视频图像块所对应的联系互斥权重的由小到大排列结果进行分簇；所述将所述由小到大排列结果作为所述若干个目标短视频图像块中对应目标短视频图像块的解析优先级，包括：将所述由小到大排列结果作为每个短视频图像簇中对应目标短视频图像块的解析优先级。
[0015]在一些可选的实施例中，所述通过深度残差网络依据所述屏蔽图像调试样例，结合所述解析优先级按序生成每个图像屏蔽区域为对应目标短视频图像块的图像块判别可能性，基于所述图像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的短视频数据标签推荐方法，其特征在于，应用于与短视频运营服务器通信的短视频标签推荐云平台，所述方法包括：接收所述短视频运营服务器发送的目标短视频用户终端的待分析短视频图像；其中，所述待分析短视频图像为不完整的短视频图像；将所述待分析短视频图像输入已调试的短视频标签推荐网络，获得所述已调试的短视频标签推荐网络生成的短视频图像类别标签；基于所述短视频图像类别标签，向所述短视频运营服务器反馈待推送短视频图像标签。2.如权利要求1所述的方法，其特征在于，所述已调试的短视频标签推荐网络的调试步骤包括：获取初始短视频标签推荐网络；获取短视频标签推荐项目的过往短视频图像，基于所述过往短视频图像对所述初始短视频标签推荐网络进行二次调试，得到匹配所述短视频标签推荐项目的已调试的短视频标签推荐网络。3.如权利要求2所述的方法，其特征在于，所述初始短视频标签推荐网络是通过调试终止时得到的深度残差网络所确定的，且所述深度残差网络的调试步骤包括：获取短视频图像调试样例以及所述短视频图像调试样例的图像内容关联特征，所述短视频图像调试样例包括若干个短视频图像块；依据所述图像内容关联特征确定各所述短视频图像块在所述短视频图像调试样例中的图像细节依存性，基于所述图像细节依存性从所述短视频图像调试样例中抽取出若干个目标短视频图像块；依据所述图像内容关联特征确定各所述目标短视频图像块在所述若干个目标短视频图像块中的联系互斥权重，基于所述联系互斥权重确定所述若干个目标短视频图像块中每个短视频图像块的解析优先级；将所述短视频图像调试样例中的所述若干个目标短视频图像块进行图像屏蔽操作，得到屏蔽图像调试样例；通过深度残差网络依据所述屏蔽图像调试样例，结合所述解析优先级按序生成每个图像屏蔽区域为对应目标短视频图像块的图像块判别可能性，基于所述图像块判别可能性优化所述深度残差网络。4.如权利要求3所述的方法，其特征在于，所述依据所述图像内容关联特征确定各所述短视频图像块在所述短视频图像调试样例中的图像细节依存性，基于所述图像细节依存性从所述短视频图像调试样例中抽取出若干个目标短视频图像块，包括：依据所述图像内容关联特征，确定所述短视频图像调试样例中每个短视频图像块之间的图像块距离；基于所述图像块距离，确定每个短视频图像块在所述短视频图像调试样例中的图像细节依存性；基于所述图像细节依存性从所述短视频图像调试样例中确定出若干个目标短视频图像块；其中，所述基于所述图像块距离，确定每个短视频图像块在所述短视频图像调试样例
中的图像细节依存性，包括：基于所述短视频图像调试样例中的每个短视频图像块获得短视频图像块集合；随机游走所述短视频图像块集合中的每个短视频图像块；确定随机游走到的短视频图像块到所述短视频图像块集合中剩余短视频图像块的全局图像块距离；将所述全局图像块距离作为随机游走到的短视频图像块在所述短视频图像调试样例中的图像细节依存性；其中，所述全局图像块距离越大，所对应的图像细节依存性越低；其中，所述基于所述图像细节依存性从所述短视频图像调试样例中确定出若干个目标短视频图像块，包括：从所述短视频图像调试样例的短视频图像块集合中筛选得到所对应的图像细节依存性最高的短视频图像块，作为目标短视频图像块；依据所述图像内容关联特征从所述短视频图像块集合中清洗掉与筛选得到的所述目标短视频图像块存在图像牵涉特征的短视频图像块后，跳转至所述从所述短视频图像调试样例的短视频图像块集合中筛选得到所对应的图像细节依存性最高的短视频图像块，作为目标短视频图像块的步骤，直到满足短视频图像块筛选终止要求时，得到所述若干个目标短视频图像块。5.如权利要求3所述的方法，其特征在于，所述依据所述图像内容关联特征确定各所述目标短视频图像块在所述若干个目标短视频图像块中的联系互斥权重，基于所述联系互斥权重确定所述若干个目标短视频图像块中每个短视频图像块的解析优先级，包括：依据所述图像内容关联特征，确定所述若干个目标短视频图像块中目标短视频图像块之间的图像块距离；基于所述图像块距离，确定每个目标短视频图像块在所述若干个目标短视频图像块中的联系互斥权重；基于所述联系互斥...

【专利技术属性】
技术研发人员：张征，王凯，
申请(专利权)人：广州阿凡提电子科技有限公司，
类型：发明
国别省市：