[发明专利]一种视频的展示方法、装置、电子设备及存储介质

权利要求书

1.一种视频的展示方法，其特征在于，所述方法包括：

获取目标视频在预设时段内的视频图像帧和语音数据，并对所述视频图像帧进行图像识别得到所述视频图像帧中的关键信息，所述视频图像帧中的关键信息包括所述视频图像帧中显示的对象；

基于所述视频图像帧中的关键信息确定所述目标视频的目标类别；

根据所述目标类别对所述目标视频进行展示；

所述基于所述视频图像帧中的关键信息确定所述目标视频的目标类别，包括：

基于预设的关键信息与类别的对应关系，确定所述视频图像帧中的关键信息对应的类别，作为候选类别；

基于所述候选类别，确定所述目标视频的目标类别，包括，基于所述候选类别，根据所述目标视频中的语音数据，确定所述目标视频的目标类别，或者，

基于所述候选类别，根据所述目标视频的视频图像帧的评论文本，确定所述目标视频的目标类别，或者，

基于所述候选类别，根据所述目标视频中的视频图像帧、所述目标视频中的语音数据和所述目标视频的视频图像帧的评论文本，确定所述目标视频的目标类别。

2.根据权利要求1所述的视频的展示方法，其特征在于，所述基于所述候选类别，根据所述目标视频中的语音数据，确定所述目标视频的目标类别，包括：

获取预设时间段内所述目标视频中预设时长的语音数据；

将所述语音数据输入至预先训练的所述候选类别对应的第二深度学习网络模型中，得到所述目标视频属于所述候选类别的概率，作为第二概率；其中，所述第二深度学习网络模型为将样本语音数据作为预设结构的深度学习网络模型的输入特征，将所述样本语音数据的标签作为所述深度学习网络模型的输出特征，对所述深度学习网络模型进行训练得到的；所述样本语音数据包括属于所述候选类别的正样本语音数据和不属于所述候选类别的负样本语音数据；所述样本语音数据的标签表示所述样本语音数据属于所述候选类别或者不属于所述候选类别；

如果所述第二概率大于第二预设概率阈值，将所述候选类别确定为所述目标视频的目标类别。

3.根据权利要求1所述的视频的展示方法，其特征在于，所述基于所述候选类别，根据所述目标视频的视频图像帧的评论文本，确定所述目标视频的目标类别，包括：

获取用户输入的针对所述视频图像帧的评论文本；

计算所述评论文本与所述候选类别的语义相关度；

如果所述语义相关度大于预设相关度阈值，将所述候选类别确定为所述目标视频的目标类别。

4.根据权利要求1所述的视频的展示方法，其特征在于，所述基于所述候选类别，根据所述目标视频中的视频图像帧、所述目标视频中的语音数据和所述目标视频的视频图像帧的评论文本，确定所述目标视频的目标类别，包括：

将所述视频图像帧输入至预先训练的所述候选类别对应的第一深度学习网络模型中，得到所述目标视频属于所述候选类别的概率，作为第一概率；其中，所述第一深度学习网络模型为将样本图像帧作为预设结构的深度学习网络模型的输入特征，将所述样本图像帧的标签作为所述深度学习网络模型的输出特征，对所述深度学习网络模型进行训练得到的；所述样本图像帧包括属于所述候选类别的正样本图像帧和不属于所述候选类别的负样本图像帧；所述样本图像帧的标签表示所述样本图像帧属于所述候选类别或者不属于所述候选类别；

获取预设时间段内所述目标视频中预设时长的语音数据，并将所述语音数据输入至预先训练的所述候选类别对应的第二深度学习网络模型中，得到所述目标视频属于所述候选类别的概率，作为第二概率；其中，所述第二深度学习网络模型为将样本语音数据作为预设结构的深度学习网络模型的输入特征，将所述样本语音数据的标签作为所述深度学习网络模型的输出特征，对所述深度学习网络模型进行训练得到的；所述样本语音数据包括属于所述候选类别的正样本语音数据和不属于所述候选类别的负样本语音数据；所述样本语音数据的标签表示所述样本语音数据属于所述候选类别或者不属于所述候选类别；

获取用户输入的针对所述视频图像帧的评论文本，并计算所述评论文本与所述候选类别的语义相关度；

如果所述第一概率大于第一预设概率阈值、所述第二概率大于第二预设概率阈值，且所述语义相关度大于预设相关度阈值，将所述候选类别确定为所述目标视频的目标类别。