[發明專利]視頻節目的搜索方法和裝置

有效

• 申請號: 201611019485.4
• 申請日: 2016-11-18
• 公開（公告）號: CN106708929B
• 公開（公告）日: 2020-06-26
• 發明（設計）人: 李賢
• 申請（專利權）人: 廣州視源電子科技股份有限公司
• 主分類號: G06F16/783
• 分類號: G06F16/783;G06F16/71
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 麥小嬋;郝傳鑫

本發明公開了一種視頻節目的搜索方法，包括：接收用戶輸入的描述視頻節目的描述詞條和所述視頻節目所屬的視頻類別；選取與所述視頻類別相對應的潛在語義索引模型，并根據所述語義索引模型的索引矩陣的構建方式，構建所述描述詞條的查詢向量；根據所述潛在語義索引模型，計算所述索引矩陣的每一列向量與所述查詢向量的余弦相似度；對計算獲得的余弦相似度進行從大到小的排序，并選取排序號屬于排序區間的余弦相似度的列向量對應的視頻節目提供給所述用戶。相應地，本發明還公開了一種視頻節目的搜索裝置。采用本發明實施例，能挖掘出文檔的潛在語義，提高搜索視頻節目的準確度和搜索效率。

技術領域

本發明涉及計算機領域，尤其涉及視頻節目的搜索方法和裝置。

背景技術

在做綜藝節目推薦時，ContentBase方法是一種重要的策略，主要是通過綜藝內容描述的相似度進行聚類推薦，這種方法將內容相近的文本進行了聚類，現有主要是基于TF-IDF的Rocchio算法，Rocchio算法來源于向量空間模型理論，向量空間模型Vector spacemodel的基本思想為采用向量來表示一個文本，之后的處理過程就可以轉化為空間中向量的運算。Rocchio算法訓練的過程，其實就是建立類別特征向量的過程，對于給定的一個未知文本，生成該文本的向量，然后計算該向量與各類別特征向量的相似度，最后將該文本分到與其最相似的類別中去。

但是采用上述算法存在以缺點：Rocchio算法無法挖掘文檔的潛在語義。二、它假設訓練數據是絕對正確的，因為它沒有任何定量衡量樣本是否含有噪聲的機制，因而也就對錯誤數據毫無抵抗力。

發明內容

本發明實施例提出的一種視頻節目的搜索方法和裝置，能挖掘出文檔的潛在語義，提高搜索視頻節目的準確度和搜索效率。

本發明實施例提供的一種視頻節目的搜索方法，包括：

接收用戶輸入的描述視頻節目的描述詞條和所述視頻節目所屬的視頻類別；

選取與所述視頻類別相對應的潛在語義索引模型，并根據所述語義索引模型的索引矩陣的構建方式，構建所述描述詞條的查詢向量；其中，所述潛在語義索引模型是對由描述同一視頻類別的視頻節目的描述文檔所構建成的索引矩陣進行奇異值分解而獲得的；

根據所述潛在語義索引模型，計算所述索引矩陣的每一列向量與所述查詢向量的余弦相似度；

對計算獲得的余弦相似度進行從大到小的排序，并選取排序號屬于排序區間的余弦相似度的列向量對應的視頻節目提供給所述用戶。

進一步地，由描述視頻節目的描述文檔構建成索引矩陣的過程包括：將第i個關鍵詞在第j個視頻節目的描述文檔中出現的詞頻作為索引矩陣的第j列的第i個元素的數值；

構建所述描述詞條的查詢向量的過程包括：設置所述查詢向量的第i個元素代表的關鍵詞與所述索引矩陣的第i行元素代表的關鍵詞相同，并將第i個元素對應的關鍵詞在所述描述詞條中出現的詞頻作為所述查詢向量的第i個元素的數值；其中，所述查詢向量為列向量。

進一步地，由描述同一視頻類別的視頻節目的描述文檔構建成索引矩陣的過程，具體為：

對于數據庫存儲的描述同一視頻類別的視頻節目的所有描述文檔，根據標準詞條格式，對所述所有描述文檔包含的詞條進行格式調整；其中，所述數據庫存儲有多種視頻類別的描述文檔，一個描述文檔描述一個視頻節目，不同的描述文檔描述的視頻節目互不相同；

調用分詞工具；

利用所述分詞工具對格式調整后的所述所有描述文檔的詞條進行分詞，獲得第一詞語集；

根據TF-IDF算法從所述第一詞語集中提取關鍵詞；