[發(fā)明專利]視頻質(zhì)量評估方法、設(shè)備、視頻處理設(shè)備及介質(zhì)

有效

• 申請?zhí)枺?/td>: 201910376420.2
• 申請日: 2019-05-07
• 公開（公告）號: CN110121110B
• 公開（公告）日: 2021-05-25
• 發(fā)明（設(shè)計）人: 丁敏;黃浩;王春燕
• 申請（專利權(quán)）人: 北京奇藝世紀科技有限公司
• 主分類號: H04N21/475
• 分類號: H04N21/475;H04N21/466
• 代理公司: 北京潤澤恒知識產(chǎn)權(quán)代理有限公司 11319
• 代理人: 莎日娜

本發(fā)明公開了視頻質(zhì)量評估方法、設(shè)備、視頻處理設(shè)備及介質(zhì)。一種視頻質(zhì)量評估方法方法包括：構(gòu)建要用于神經(jīng)網(wǎng)絡(luò)系統(tǒng)的評估模型的訓(xùn)練數(shù)據(jù)集，包括人工標注數(shù)據(jù)和用戶點擊量數(shù)據(jù)；屬性特征獲取步驟，針對訓(xùn)練數(shù)據(jù)集中的每個樣本，通過神經(jīng)網(wǎng)絡(luò)系統(tǒng)，獲得每個樣本的與視頻屬性數(shù)據(jù)相關(guān)的各屬性特征；特征合成步驟，針對每個樣本，對該樣本的各屬性特征進行特征合成處理，得到該樣本的合成特征；以及訓(xùn)練步驟，通過對每個樣本的所述合成特征，結(jié)合所述人工標注任務(wù)與所述用戶點擊量任務(wù)進行對抗訓(xùn)練，生成用于評估視頻質(zhì)量的評估模型。本發(fā)明提出的視頻質(zhì)量評估模型無論對于新視頻還是已曝光視頻，都能夠得到更準確、更有效的評估結(jié)果。

技術(shù)領(lǐng)域

本發(fā)明涉及視頻處理技術(shù)，尤其涉及視頻質(zhì)量評估方法、設(shè)備、視頻處理設(shè)備及介質(zhì)。

背景技術(shù)

在當(dāng)前移動互聯(lián)網(wǎng)時代，每個用戶既是內(nèi)容的消費者，也是內(nèi)容的創(chuàng)造者，由用戶生成的各種內(nèi)容爆發(fā)式增長。

發(fā)明人發(fā)現(xiàn)，在視頻推薦場景中，由用戶生成的海量的視頻往往只能展示少部分，而且，由于新視頻出現(xiàn)的時間短，積攢的點擊量往往相比于舊視頻低，所以新視頻依據(jù)點擊量被推薦的幾率也很低。

另外，用戶上傳的內(nèi)容質(zhì)量也參差不齊，低質(zhì)視頻主要體現(xiàn)在封面圖不清晰、視頻描述無意義等，這對個性化推薦算法帶來了一定挑戰(zhàn)，也會給用戶帶來不好的觀看體驗。因此，在視頻推薦業(yè)務(wù)中，一般通過對每一個視頻的質(zhì)量進行評分，并根據(jù)評分來進行視頻推薦和展示，由此增大高質(zhì)量視頻的曝光幾率。

目前，視頻質(zhì)量評分方法主要分為兩種，這兩種方法之間主要的差別在于訓(xùn)練數(shù)據(jù)的來源不同。一種是基于標注數(shù)據(jù)，即由人工對推薦池里的視頻打分，以一些高質(zhì)量視頻作為正樣本，并以一些低質(zhì)量視頻作為負樣本，作為訓(xùn)練數(shù)據(jù)。另一種是基于已曝光的數(shù)據(jù)，按照被推薦視頻的點擊量降序排列，抽取一些高點擊量的視頻作為正樣本，抽取一些低點擊量的視頻作為負樣本，作為訓(xùn)練數(shù)據(jù)。

這兩種方法各自都有局限性。具體地，第一種方法中，由于標注的數(shù)據(jù)是由人工評判的，導(dǎo)致視頻的好壞判斷具有很大的主觀性，這樣的數(shù)據(jù)本身就含有噪聲；另外，由于用戶自身都有個性化的喜好，因此，由個別人標注出來的高質(zhì)量的視頻很難滿足海量用戶的個性化需求，即由少量標注人員標注出來的、認為高質(zhì)量的視頻不一定是大部分用戶傾向點擊或觀看的。而在第二種方法中，是完全基于用戶的點擊量來抽取正負樣本的，而由于舊視頻上線時間長，累積的點擊量通常比新視頻的點擊量高，所以用戶點擊量并不能全面和準確地反映新視頻和舊視頻的受歡迎程度，而且用戶喜歡點擊的不一定都是高質(zhì)量的視頻。

如上所述，對于短視頻的質(zhì)量評估，單獨通過人工標注的先驗數(shù)據(jù)或者通過用戶行為的后驗數(shù)據(jù)，學(xué)習(xí)出來的神經(jīng)網(wǎng)絡(luò)模型的質(zhì)量評分均有一定的偏差。

因此，亟需一種更準確、更有效的視頻質(zhì)量評估方法。

發(fā)明內(nèi)容

為了解決以上問題之一，本發(fā)明提供了一種視頻質(zhì)量評估方法、設(shè)備、視頻處理設(shè)備及介質(zhì)。

具體地，本發(fā)明提出了一種基于多任務(wù)的視頻質(zhì)量評估方案，通過將人工標注數(shù)據(jù)和用戶行為數(shù)據(jù)結(jié)合起來，將先驗數(shù)據(jù)和后驗數(shù)據(jù)分別作為一個子任務(wù)，同時利用對抗訓(xùn)練的方法，學(xué)習(xí)出具有兩個任務(wù)共有特征屬性的神經(jīng)網(wǎng)絡(luò)模型，使得該模型在新視頻和已曝光視頻上的質(zhì)量評估都具有良好的表現(xiàn)，即，得到的評估結(jié)果更準確、更有效。