[发明专利]视频分类方法、装置、服务器及计算机可读存储介质

说明书

本公开是关于一种视频分类方法、装置、服务器及计算机可读存储介质，属于信息推荐领域。该方法包括：基于图像数据以及对应的用户行为数据，对第一图像特征提取模块进行训练，得到第二图像特征提取模块，第二图像特征提取模块用于基于输入的图像数据输出包含用户行为的信息的图像特征数据；获取包含第二图像特征提取模块的第一视频分类模型，基于图像数据以及对应的预设类别，对第一视频分类模型进行训练，得到第二视频分类模型，第二视频样本的图像数据在第一视频样本中存在相似的图像数据；在对目标视频进行分类时，获取目标视频的图像数据，将目标视频的图像数据输入第二视频分类模型，输出目标视频的分类结果。

技术领域

本公开涉及视频推荐领域，尤其涉及一种视频分类方法、装置、服务器及计算机可读存储介质。

背景技术

在视频推荐领域中，推荐符合用户兴趣的视频是各个运营人员的目标。视频的分类是实现上述目标的重要支撑，只有在对视频的分类足够准确的情况下，才能准确地将推荐的视频匹配用户兴趣。

相关技术中以视频的图像数据以及对应的类别作为训练样本，对机器学习模型进行训练，得到分类模型。在对视频进行分类时，可以将该视频的图像数据输入该分类模型，输出视频的类别。

一般来说，通过上述训练方法得到的分类模型中的特征提取模型，其提取的特征中包含有图像数据中的信息。但是，图像数据中的信息局限于图像中客观包含的信息，使得特征的代表性也比较局限，进而视频分类的准确性较低。

发明内容

本公开提供一种视频分类方法、装置、服务器及计算机可读存储介质，可以解决视频分类的准确性较低的问题。

根据本公开实施例的第一方面，提供一种视频分类方法，包括：

基于第一视频样本的图像数据以及所述第一视频样本对应的用户行为数据，对第一图像特征提取模块进行训练，得到第二图像特征提取模块，所述第一图像特征提取模块用于基于输入的图像数据输出对应的图像特征数据，所述第二图像特征提取模块用于基于输入的图像数据输出包含用户行为的信息的图像特征数据；

获取包含所述第二图像特征提取模块的第一视频分类模型，基于第二视频样本的图像数据以及所述第二视频样本的预设类别，对所述第一视频分类模型进行训练，得到第二视频分类模型，所述第二视频样本的图像数据在所述第一视频样本中存在相似的图像数据；

在对目标视频进行分类时，获取所述目标视频的图像数据，将所述目标视频的图像数据输入所述第二视频分类模型，输出所述目标视频的分类结果。

可选的，所述基于第一视频样本的图像信息以及所述第一视频样本对应的用户信息，对第一图像特征提取模块进行训练，得到第二图像特征提取模块，包括：

获取所述第一视频样本的图像数据以及所述第一视频样本对应的用户行为数据；

获取初始的点击率预测模型，所述初始的点击率预测模型包括第一图像特征提取模块；

基于所述第一视频样本的图像数据以及所述第一视频样本对应的用户行为数据，对所述初始的点击率预测模型进行训练，得到训练后的点击率预测模型，所述训练后的点击率预测模型包括第二图像特征提取模块，所述第二图像特征提取模块由所述第一图像特征提取模块训练得到；

获取所述第二图像特征提取模块。

可选的，所述初始的点击率预测模型还包括用户特征提取模块，所述用户特征提取模块用于基于输入的用户行为数据输出用户特征数据；

所述第一图像特征提取模块中包括非线性降维模块，所述非线性降维模块用于令所述第一图像特征提取模块输出的图像特征数据的维度，等于所述用户特征提取模块输出的用户特征数据的维度。

可选的，所述点击率预测模型用于基于输入的图像数据和用户行为数据输出预测点击率；