[发明专利]用于对视频进行聚类的方法和装置

说明书

公开了一种用于对视频进行聚类的方法和装置，所述方法包括：确定所述视频的标题文本；基于与所述视频相关联的搜索点击数据，确定用于所述标题文本的扩展文本；基于所述标题文本和所述扩展文本确定用于聚类所述视频的至少两个标签文本；对所述至少两个标签文本进行聚类，以得到用于所述视频的聚类结果。利用本申请提供的用于对视频进行聚类的方法，通过根据存储的搜索日志中的信息获得用于对视频进行聚类的更多文本，能够基于更丰富的语义信息实现更好的聚类效果。利用视频的聚类结果可以为用户提供更准确的推荐信息。

技术领域

本申请涉及视频搜索领域，更具体地涉及一种用于对视频进行聚类的方法和装置。

背景技术

随着短视频内容的兴起，用户每天可以在网络上上传数十万甚至上百万的短视频内容。可以根据事先制定的分类标签体系对短视频进行标注并训练分类模型，从而实现对视频的分类。然而，对于例如热点类视频(如新闻视频)来说，可能出现短时间上传大量视频内容的情况。事先制定的分类标签体系难以覆盖突发事件的信息，并且也来不及人工对数据进行标注。在对视频进行无监督的聚类时，由于视频标题的语义表征稀疏，直接利用视频标题进行聚类的效果不好。

发明内容

根据本申请的一方面，提出了一种用于对视频进行聚类的方法，包括：确定所述视频的标题文本；基于与所述视频相关联的搜索点击数据，确定用于所述标题文本的扩展文本；基于所述标题文本和所述扩展文本确定用于聚类所述视频的至少两个标签文本；对所述至少两个标签文本进行聚类，以得到用于所述视频的聚类结果。

在一些实施例中，所述扩展文本包括扩展查询串、扩展搜索文本和扩展标题文本中的至少一个，其中所述扩展查询串是用于搜索所述视频的，所述扩展搜索文本是利用所述扩展查询串进行文本搜索得到的，所述扩展标题文本是利用所述标题文本进行文本搜索得到的。

在一些实施例中，所述扩展文本包括扩展查询串，基于与所述视频相关联的搜索点击数据，确定用于所述标题文本的扩展文本包括：基于所述搜索点击数据确定至少一个候选查询串，其中在所述至少一个候选查询串中的每个候选查询串的搜索结果中包括所述视频，利用所述至少一个候选查询串中的至少一部分确定所述扩展查询串。

在一些实施例中，利用所述至少一个候选查询串中的至少一部分确定所述扩展查询串包括：对于所述至少一个候选查询串中的每个候选查询串，确定该候选查询串的搜索结果中所述视频的点击率；在所述视频的点击率大于第一点击率阈值的情况下，利用该候选查询串确定所述扩展查询串。

在一些实施例中，所述扩展文本包括扩展搜索文本，基于与所述视频相关联的搜索点击数据，确定用于所述标题文本的扩展文本还包括：基于所述扩展查询串的文本搜索结果确定至少一个候选扩展搜索文本；利用所述至少一个候选扩展搜索文本中的至少一部分确定所述扩展搜索文本。

在一些实施例中，利用所述至少一个候选扩展搜索文本中的至少一部分确定所述扩展搜索文本包括：针对所述至少一个候选扩展搜索文本中的每个候选扩展搜索文本，确定该候选扩展搜索文本的点击率，在所述候选扩展搜索文本的点击率大于第二点击率阈值的情况下，利用该候选扩展搜索文本确定所述扩展搜索文本。

在一些实施例中，利用该候选扩展搜索文本确定所述扩展搜索文本包括：利用所述候选扩展搜索文本的文本标题、文本摘要、文本正文中的至少一个确定所述扩展搜索文本。

在一些实施例中，所述扩展文本包括扩展标题文本，基于与所述视频相关联的搜索点击数据，确定用于所述标题文本的扩展文本包括：基于所述视频的标题文本的文本搜索结果确定至少一个候选扩展标题文本；利用所述至少一个候选扩展标题文本中的至少一部分确定所述扩展标题文本。