[發明專利]一種視頻搜索引擎粗排序方法、裝置及電子設備

有效

• 申請號: 201810056946.8
• 申請日: 2018-01-19
• 公開（公告）號: CN108304512B
• 公開（公告）日: 2021-05-25
• 發明（設計）人: 趙曉萌;陳英傑;胡軍
• 申請（專利權）人: 北京奇藝世紀科技有限公司
• 主分類號: G06F16/78
• 分類號: G06F16/78;G06F16/735;G06F16/738;G06K9/62;G06N20/00
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 項京;馬敬

1.一種視頻搜索引擎粗排序方法，其特征在于，包括：

獲得多個待排序視頻；

針對每個待排序視頻，獲得預設維度的維度特征的得分；

針對每個待排序視頻，根據所述維度特征的得分，使用預設的每個維度特征對應的權重值，計算獲得所述每個待排序視頻的總得分；所述預設的每個維度特征對應的權重值，是預先采用機器學習算法，將從已經保存的第一預設時間段內的搜索日志中獲得的視頻樣本進行訓練獲得的；

按總得分對多個待排序視頻進行排序；

其中，所述預先采用機器學習算法，將從已經保存的第一預設時間段內的搜索日志中獲得的視頻樣本進行訓練，包括：

獲取已經保存的第一預設時間段內的搜索日志；

獲取所述搜索日志對應的播放日志；

將獲取的所有播放日志中的所有視頻，確定為訓練樣本視頻；

根據每個訓練樣本視頻的播放時長，對各個訓練樣本進行打分，將每個訓練樣本視頻的得分確定為訓練目標；

針對每個訓練樣本視頻，獲得預設維度的維度特征的得分，所述預設維度的維度特征的得分為：從視頻數據庫中讀取的，或是通過從視頻數據庫中得到的數據計算獲取的；

構建包含訓練樣本視頻的各個維度特征得分的樣本訓練集；

將每個訓練樣本視頻的訓練目標及樣本訓練集中每個樣本的各個維度特征得分作為訓練數據，輸入到帶權重的邏輯回歸Weighted Logistic Regression模型中進行訓練，獲得每個預設維度的維度特征的最優權重；

所述將每個訓練樣本視頻的訓練目標及樣本訓練集中每個樣本的各個維度特征得分作為訓練數據，輸入到帶權重的邏輯回歸Weighted Logistic Regression模型中進行訓練，獲得每個預設維度的維度特征的最優權重，包括：

將所述每個訓練樣本視頻的訓練目標作為觀測值，表示為y；

將樣本訓練集中每個樣本的各個維度特征得分作為特征數據，表示為x；

將所述特征數據與該特征數據對應的虛擬權值進行線性加權加和，得到g(x)；

將所述g(x)輸入到邏輯函數sigmoid中，獲取logistic regression模型預測函數h_θ(x)，所述

使用預設的損失函數進行計算，獲得每個預設維度的維度特征的最優權重。

2.根據權利要求1所述的方法，其特征在于，所述獲取所述搜索日志對應的播放日志，包括：

獲取所述搜索日志對應的所有播放日志；

對獲取的所有播放日志進行過濾，過濾掉重復的播放日志，過濾后保留的日志為所述搜索日志對應的播放日志。

3.根據權利要求1所述的方法，其特征在于，所述根據每個訓練樣本視頻的播放時長，對各個訓練樣本進行打分，將每個訓練樣本視頻的得分確定為訓練目標，包括：

將每個訓練樣本視頻與預設的第一播放時長閾值和第二播放時長閾值進行比較；其中，第一播放時長閾值小于所述第二播放時長閾值；

如果所述訓練樣本視頻播放時長小于預設第一播放時長閾值，則該訓練樣本視頻的得分為預設的最低值，并將所述最低值確定為該訓練樣本視頻的訓練目標；

或者，如果所述訓練樣本視頻播放時長大于預設第二播放時長閾值，則該訓練樣本視頻的得分為預設的最高值，并將所述最高值確定為該訓練樣本視頻的訓練目標；

或者，如果所述訓練樣本視頻播放時長在所述第一播放時長閾值和第二播放時長閾值之間，則該訓練樣本視頻的得分為預設的中間值，并將所述中間值確定為該訓練樣本視頻的訓練目標。

4.根據權利要求1所述的方法，其特征在于，所述損失函數定義為：

其中，n為訓練樣本的個數，i為第i個樣本，y_i為所述觀測值，X_i為第i個樣本的所有特征構成的一個向量，h_θ為logistic regression模型預測函數，w_i為樣本權重值，所述樣本權重值根據所述每個訓練樣本視頻的訓練目標獲取：

所述label為所述每個訓練樣本視頻的訓練目標值。