[发明专利]一种视频数据流的自定义化截取方法及系统

权利要求书

1.一种视频数据流的自定义化截取方法，其特征在于，所述方法包括：

对待处理视频信息进行内容遍历解析，获得视频内容信息；

根据所述视频内容信息进行特征化标签处理，获得视频内容标签；

根据所述视频内容标签对视频数据流进行标记，基于标记构建内容识别数据库；

获得自定义视频内容提取要求；

根据所述自定义视频内容提取要求，确定截取内容标签；

根据所述截取内容标签在所述内容识别数据库中进行匹配，获得匹配视频数据流信息；

根据所述匹配视频数据流信息中的视频数据流标记位置进行视频数据流截取，并将提取视频数据流进行发送。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：

获得自定义视频观看目标要求；

根据所述自定义视频观看目标要求，确定用户匹配分析数据集；

根据所述用户匹配分析数据集，确定所述截取内容标签。

3.如权利要求2所述的方法，其特征在于，当所述自定义视频观看目标要求为在线学习目标时，所述方法包括：

根据在线学习目标，获得用户历史记录，将所述用户历史记录作为用户匹配分析数据集，其中，所述用户历史记录包括视频观看记录、考核评估记录；

根据所述视频观看记录、考核评估记录构建用户马尔科夫模型；

获得评估目标概率；

基于所述评估目标概率，通过所述用户马尔可夫模型，获得用户奖赏值；

根据所述用户奖赏值、用户历史记录，获得所述视频内容提取要求。

4.如权利要求3所述的方法，其特征在于，根据所述视频观看记录、考核评估记录构建用户马尔科夫模型，包括：

根据所述考核评估记录，确定评估内容信息，基于所述评估内容信息获得内容特征；

利用所述内容特征对所述视频观看记录进行特征遍历比较，获得学习视频记录；

根据所述学习视频记录、所述考核评估记录进行时间序列确定，构建时间序列链；

基于所述时间序列链，确定所述学习视频记录与考核评估记录的映射关系，将所述学习视频记录作为记录奖赏值，将所述考核评估记录作为用户状态，构建所述用户马尔科夫模型。

5.如权利要求3所述的方法，其特征在于，所述根据所述用户奖赏值、用户历史记录，获得所述视频内容提取要求，包括：

根据所述用户奖赏值，获得视频观看要求；

根据所述用户历史记录，获得用户学习缺失信息；

根据所述视频观看要求、所述用户学习缺失信息，获得所述视频内容提取要求。

6.如权利要求5所述的方法，其特征在于，所述根据所述视频观看要求、所述用户学习缺失信息，获得所述视频内容提取要求，包括：

根据所述用户学习缺失信息，获得视频内容缺失信息、考核评估缺失信息；

根据所述视频内容缺失信息、所述考核评估缺失信息，确定匹配缺失视频数据；

根据所述视频观看要求确定视频观看时长要求、视频内容占比关系；

根据所述视频观看时长要求、视频内容占比关系对所述匹配缺失视频数据进行内容匹配分析，获得匹配学习视频数据，并基于所述匹配学习视频数据确定所述视频内容提取要求。

7.如权利要求6所述的方法，其特征在于，根据所述视频观看时长要求、视频内容占比关系对所述匹配缺失视频数据进行内容匹配分析，获得匹配学习视频数据，包括：

将所述视频观看时长要求、所述视频内容占比关系、所述匹配缺失视频数据输入内容匹配分析模型，其中，所述内容匹配分析模型为深度机器学习模型，所述内容匹配分析模型为通过多组包括视频观看时长要求、视频内容占比关系、匹配缺失视频数据及内容匹配结果的标签结果经过深度学习获得的；

通过所述内容匹配分析模型对所述视频观看时长要求、所述视频内容占比关系、所述匹配缺失视频数据进行匹配分析，输出所述匹配学习视频数据。