[发明专利]一种视频相似度的计算方法

摘要

本发明涉及一种视频相似度的计算方法，具体包括：(1)提取视频A初步文本特征；(2)采用LDA主题模型提取视频A的隐性特征；(3)计算视频A的文本特征v_A，通过步骤(1)-(3)计算视频的B文本特征v_B，并计算视频A、视频B之间的相似度。本发明通过对用户的历史数据分析构建用户特征画像，为了达到高效的目的，用户特征画像的建立是通过离线处理装置事先算好的，因此，可周期性获取用户特征，最后将用户特征画像融入到相关视频推荐中，从而达到了个性化推荐的目的。本发明根据用户的评论对传统的相似视频计算方法进行修正，在提高相关视频转化率及提升用户体验的同时，也给视频供应商带来了巨大的经济效益。

主权项

一种视频相似度的计算方法，其特征在于，具体步骤包括：(1)提取视频A初步文本特征①对所述视频A的简介进行中文分词；②计算步骤①获取的每个分词的频率，计算公式如式(Ⅰ)所示：${\mathrm{\β}}_{a,d}=\frac{count(a,d)}{count\left(d\right)}$  (Ⅰ)式(Ⅰ)中，β_a,d是指分词a在视频A的简介d中的频率，count(a,d)是指分词a在视频A的简介d中出现的次数，count(d)是指视频A的简介d中所有分词的数量；③计算分词a在整个数据库中所有视频的简介C中出现的逆文档频率β_a,C，计算公式如式(Ⅱ)所示：${\mathrm{\β}}_{a,C}=log\left(\frac{n}{count(a,C)}\right)$  (Ⅱ)；式(Ⅱ)中，n是指整个数据库中所有视频的简介C的总数，count(a,C)是指整个数据库中所有视频的简介C中出现分词a的视频的简介的数量；④计算分词a在所述视频A的简介中的权重β_α，计算公式如式(Ⅲ)所示：β_α＝β_α,d*β_α,C  (Ⅲ)⑤计算视频A的初步文本特征：β_A＝{a:β_a,b:β_b,.........}；其中，{a,b,.........}是指所述视频A的所有分词，{β_a,β_b,.........}是指所述视频A的所有分词对应的权重；(2)采用LDA主题模型提取视频A的隐性特征⑥对所述视频A的简介进行中文分词；⑦将步骤⑥获取的所有分词放置在语料库；⑧将步骤⑦获取的所述语料库输入所述LDA主题模型，指定主题数目，输出：视频A在每个指定主题上的相关度V_tv及所有分词在每个指定主题上的相关度V_at；⑨计算分词a在视频A的简介中的权重α_a，计算公式如式(Ⅳ)所示：α_a＝V_at*V_tv  (Ⅳ)⑩计算视频A的隐性特征为α_A＝{a:α_a,b:α_b,.........}，其中，{a,b,.........}是指所述视频A的所有分词，{α_a,α_b,.........}是指所述视频A的所有分词对应的权重；(3)计算视频A的文本特征v_A，计算公式如式(Ⅴ)所示：v_A＝λα_A*(1‑λ)β_A  (Ⅴ)式(Ⅴ)中，λ为相似视频转化率最大时的取值；(4)通过步骤(1)‑(3)计算视频的B文本特征v_B，并计算视频A、视频B之间的相似度，计算公式如式(Ⅵ)所示：$sim(v_A,v_B)=cos(\stackrel{\→}{v_A},\stackrel{\→}{v_B})=\frac{\stackrel{\→}{v_A}\·\stackrel{\→}{v_B}}{\left|\stackrel{\→}{v_A}\right|*\left|\stackrel{\→}{v_B}\right|}$  (Ⅵ)。