[發(fā)明專利]一種計(jì)算影視內(nèi)容相關(guān)程度的方法、智能終端及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201910556383.3
• 申請(qǐng)日: 2019-06-25
• 公開（公告）號(hào): CN110297918A
• 公開（公告）日: 2019-10-01
• 發(fā)明（設(shè)計(jì)）人: 關(guān)越
• 申請(qǐng)（專利權(quán)）人: 深圳市酷開網(wǎng)絡(luò)科技有限公司
• 主分類號(hào): G06F16/45
• 分類號(hào): G06F16/45;G06K9/62;G06N3/08
• 代理公司: 深圳市君勝知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44268
• 代理人: 王永文

本發(fā)明所提供的一種計(jì)算影視內(nèi)容相關(guān)程度的方法、智能終端及存儲(chǔ)介質(zhì)，所述方法包括以下步驟：獲取用戶觀看的多個(gè)影視內(nèi)容，并利用唯一標(biāo)識(shí)分別對(duì)多個(gè)所述影視內(nèi)容進(jìn)行標(biāo)記；將多個(gè)所述唯一標(biāo)識(shí)分別初始化為對(duì)應(yīng)的初始K維向量，對(duì)多個(gè)所述初始K維向量進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，獲得與所述唯一標(biāo)識(shí)一一對(duì)應(yīng)的多個(gè)最終K維向量；對(duì)所獲得的多個(gè)最終K維向量逐一進(jìn)行對(duì)比，分析影視內(nèi)容的相關(guān)程度。本方法提高了計(jì)算影視內(nèi)容之間的相關(guān)程度的精確度，能夠更深層次地挖掘出影視內(nèi)容之間的隱藏關(guān)系，利于用戶更準(zhǔn)確、快速地尋找出需要的影視。

技術(shù)領(lǐng)域

本發(fā)明涉及影視內(nèi)容技術(shù)領(lǐng)域，尤其涉及的是一種計(jì)算影視內(nèi)容相關(guān)程度的方法、智能終端及存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著智能影音設(shè)備的進(jìn)步和互聯(lián)網(wǎng)大數(shù)據(jù)的蓬勃發(fā)展，可供群眾選擇的影視多樣化，滿足了受眾在新媒體時(shí)代的閱覽需求，但用戶在海量的影視庫(kù)中尋找喜歡的影視成為困難。

因此，通過已知的影視內(nèi)容，搜索與已知影視內(nèi)容相關(guān)的影視，從而尋找出同類影視成為搜取影視的主要手段。傳統(tǒng)的搜索方式是對(duì)已知的影視內(nèi)容按照影視類別、導(dǎo)演、主演、內(nèi)容長(zhǎng)短等多種方式分類，并對(duì)同一類影視內(nèi)容設(shè)置標(biāo)簽，用戶在搜索同類影視內(nèi)容時(shí)可根據(jù)設(shè)置的標(biāo)簽進(jìn)行尋找。這種方式根據(jù)不同的方式劃分，但不同用戶對(duì)不同影視內(nèi)容的的劃分評(píng)價(jià)并不完全相同，比如甲用戶認(rèn)為A影視為勵(lì)志影視，而乙用戶則認(rèn)為A影視為青春片。可見此種方式的劃分并不能細(xì)致描述出影視內(nèi)容的細(xì)節(jié)，僅是針對(duì)個(gè)人喜好對(duì)影視內(nèi)容進(jìn)行了概括并分類，并不能根據(jù)已知影視內(nèi)容搜索出與其內(nèi)容相關(guān)的其他影視內(nèi)容。

可見傳統(tǒng)的搜索相關(guān)影視內(nèi)容的方式，并不能根據(jù)已知的影視內(nèi)容準(zhǔn)確地推薦出相關(guān)的影視內(nèi)容，更不能挖掘出影視之間的內(nèi)容隱藏關(guān)系。

因此，現(xiàn)有技術(shù)存在缺陷，有待改進(jìn)與發(fā)展。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題在于，針對(duì)現(xiàn)有技術(shù)的上述缺陷，提供一種計(jì)算影視內(nèi)容相關(guān)程度的方法、智能終端及存儲(chǔ)介質(zhì)，旨在解決現(xiàn)有技術(shù)中不能挖掘出影視之間的內(nèi)容隱藏關(guān)系的技術(shù)問題。

本發(fā)明解決技術(shù)問題所采用的技術(shù)方案如下：

一種計(jì)算影視內(nèi)容相關(guān)程度的方法，其中，包括：

獲取用戶觀看的多個(gè)影視內(nèi)容，并利用唯一標(biāo)識(shí)分別對(duì)多個(gè)所述影視內(nèi)容進(jìn)行標(biāo)記；

將多個(gè)所述唯一標(biāo)識(shí)分別初始化為對(duì)應(yīng)的初始K維向量，對(duì)多個(gè)所述初始K維向量進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，獲得與所述唯一標(biāo)識(shí)一一對(duì)應(yīng)的多個(gè)最終K維向量；

對(duì)所獲得的多個(gè)最終K維向量逐一進(jìn)行對(duì)比，分析多個(gè)影視內(nèi)容之間的相關(guān)程度。

進(jìn)一步地，所述獲取用戶觀看的多個(gè)影視內(nèi)容，并利用唯一標(biāo)識(shí)分別對(duì)多個(gè)所述影視內(nèi)容進(jìn)行標(biāo)記還包括：

將每個(gè)用戶觀看的影視內(nèi)容按照預(yù)設(shè)規(guī)則進(jìn)行排列；

將每個(gè)用戶排列后的影視內(nèi)容分別向量化為一一對(duì)應(yīng)的行為序列。

進(jìn)一步地，所述預(yù)設(shè)規(guī)則為用戶觀看影視內(nèi)容的有效順序，所述有效順序按照時(shí)間順序排列。

進(jìn)一步地，所述將多個(gè)所述唯一標(biāo)識(shí)分別初始化為對(duì)應(yīng)的初始K維向量，對(duì)多個(gè)所述初始K維向量進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，獲得與所述唯一標(biāo)識(shí)一一對(duì)應(yīng)的多個(gè)最終K維向量具體包括:

將多個(gè)所述唯一標(biāo)識(shí)分別初始化為對(duì)應(yīng)的初始K維向量；

將多個(gè)所述初始K維向量分別輸入到Skip-gram模型中，依次進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，得到多個(gè)唯一標(biāo)識(shí)對(duì)應(yīng)的最終K維向量。

進(jìn)一步地，所述將多個(gè)所述初始K維向量分別輸入到Skip-gram模型中，依次進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，得到多個(gè)唯一標(biāo)識(shí)對(duì)應(yīng)的最終K維向量具體包括：