视频评论观点处理方法和装置与流程

1.本技术涉及数据处理技术领域，具体涉及视频评论观点处理方法、装置及系统，电子设备。


背景技术：

2.随着短视频越来普及，短视频上的互动规模也越来越多大。特别是用户对短视频的评论，近年来呈爆炸式的增长。评论是用户观看短视频最真实的表达，也是短视频内容的重要补充，对其他用户也有吸引力，可提升短视频的点播量。
3.目前，用户对短视频进行评论的方式主要是点赞和打开评论区输入评论内容。随着评论越来越多，快速知晓评论中的观点倾向成为用户关心的问题。针对该问题，产生了大量基于短视频的用户评论信息挖掘用户观点的技术。
4.然而，在实现本发明过程中，发明人发现现有方案至少存在如下问题：1)用户需要打开评论区才能对短视频进行评论，而评论区会对用户正在观看的短视频画面产生部分遮挡，影响用户观看效果；2)用户打开评论区进行短视频评论的操作链路较长，由此导致用户不愿意打开评论区进行评论；3)在一些有观点冲突的短视频中，知晓正反方的观点占比是用户关心的一个问题，同时正反观点的统计占比也吸引用户的关注。因此，如何提取观点并展示出用户占比，吸引用户参与评论，以提高短视频点播量，成为短视频平台需要解决的问题。


技术实现要素：

5.本技术提供视频评论观点处理方法，以解决现有技术存在的无法提供用户对视频内容的评论观点倾向信息的问题。本技术另外提供视频评论观点处理装置和系统，电子设备。
6.本技术提供一种视频评论观点处理方法，包括：
7.获取对应视频的多个用户评论信息；
8.从多个用户评论信息中挖掘多个候选观点；
9.在视频播放界面中展示针对所述多个候选观点的投票操作选项；
10.通过所述投票操作选项获得用户投票信息；
11.根据所述用户投票信息，获取各候选观点的用户占比数据；
12.显示各候选观点的用户占比数据在视频播放界面中。
13.可选的，所述从多个用户评论信息中挖掘多个候选观点，包括：响应于视频发布超过目标时长和/或用户评论信息的数量达到预设数量阈值，从多个用户评论信息中挖掘多个候选观点。
14.可选的，从多个用户评论信息中挖掘多个候选观点还包括：从多个用户评论信息中选取符合第一条件的候选用户评论信息，所述第一条件包括以下条件的至少一个：与视频主题有关，不包括至少一个过滤词；从多个候选用户评论信息中挖掘多个候选观点。
15.可选的，所述显示各候选观点的用户占比数据在视频播放界面中，包括：以可视化方式在各候选观点的展示区域展示对应的用户占比数据，可视化方式包括以下任一：进度条、数值、百分比、圆饼图。
16.可选的，所述显示各候选观点的用户占比数据在视频播放界面中还包括：以第一显示属性展示用户占比数据排在第一位的候选观点，以第二显示属性展示其它候选观点，以突出显示用户占比数据排在第一位的候选观点。
17.可选的，所述显示各候选观点的用户占比数据在视频播放界面中还包括：显示与各候选观点相关的符合第二条件的用户评论信息，所述第二条件包括以下条件的至少一个：评论点赞量达到第一点赞量阈值，评论转发量达到第一转发量阈值，相似评论出现频次达到第一频次阈值。
18.可选的，显示各候选观点的用户占比数据在视频播放介面中还包括：响应于接收到一第一用户选取的候选观点后，显示对应的用户占比数据给该第一用户。
19.可选的，获取各候选观点的用户占比数据还包括：根据用户评论信息，更新所述用户占比数据。
20.可选的，所述根据用户评论信息，更新所述用户占比数据，包括：根据所述多个用户投票信息和用户评论信息，获取所述用户占比数据的初始值。
21.可选的，所述根据用户评论信息，更新所述用户占比数据，包括：实时采集所述视频的新增用户评论信息，并根据实时采集的新增用户评论信息，更新各候选观点的用户占比数据。
22.可选的，本技术的视频评论观点处理方法还包括：在第三条件成立时，采集所述视频的新增用户评论信息；根据新增用户评论信息挖掘新增候选观点；
23.更新对应于初始候选观点和新增候选观点的用户占比数据；显示更新后的用户占比数据在视频播放界面中；其中所述第三条件包括以下条件的至少一个：新增用户评论量达到第一评论量阈值，与上次采集新增用户评论信息的时间间隔达到时长阈值。
24.可选的，所述视频是从视频集中选取的符合第四条件的视频，所述第四条件包括以下条件的至少一个：视频点赞量达到第二点赞量阈值，视频收藏量达到收藏量阈值，视频评论量达到第二评论量阈值，视频浏览量达到浏览量阈值。
25.本技术还提供一种视频评论观点处理装置，包括：
26.评论信息获取单元，用于获取对应视频的多个用户评论信息；
27.观点挖掘单元，用于从多个用户评论信息中挖掘多个候选观点；
28.投票策略显示单元，用于在视频播放界面中展示针对所述多个候选观点的投票操作选项；
29.投票信息获取单元，用于通过所述投票操作选项获得用户投票信息；
30.用户占比数据获取单元，用于根据所述用户投票信息，获取各候选观点的用户占比数据；
31.用户占比数据显示单元，用于显示各候选观点的用户占比数据在视频播放界面中。
32.本技术还提供一种电子设备，包括：
33.处理器和存储器；存储器，用于存储实现上述方法的程序，该设备通电并通过所述
处理器运行该方法的程序。
34.本技术还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述各种方法。
35.本技术还提供一种包括指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各种方法。
36.与现有技术相比，本技术具有以下优点：
37.本技术实施例提供的视频评论观点处理方法，通过对视频评论的观点挖掘和倾向理解，提取出视频评论的多方观点，并生成投票策略，进而通过对视频评论和投票数据的分析，实时更新并展示用户的观点倾向。这种基于视频评论生成用户投票方案的处理方式，使得在为用户提供评论分析的同时，也吸引用户的关注，用户可以知晓评论中的观点倾向和多方的观点占比，且操作链路更短，引导更多的用户加入互动，提升平台的用户体验。
附图说明
38.图1本技术提供的视频评论观点处理方法的实施例的流程示意图；
39.图2本技术提供的视频评论观点处理方法的实施例的应用场景示意图；
40.图3本技术提供的视频评论观点处理方法的实施例的对抗性观点挖掘流程图；
41.图4本技术提供的视频评论观点处理方法的实施例的投票处理流程图；
42.图5本技术提供的视频评论观点处理方法的实施例的评论处理流程图；
43.图6本技术提供的视频评论观点处理方法的实施例的对抗性观点及投票方案展示界面图；
44.图7本技术提供的视频评论观点处理装置的实施例的示意图。
具体实施方式
45.在下面的描述中阐述了很多具体细节以便于充分理解本技术。但是本技术能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本技术内涵的情况下做类似推广，因此本技术不受下面公开的具体实施的限制。
46.在本技术中，提供了视频评论观点处理方法、装置及设备。下面将在各实施例中逐一对各种方案进行详细说明。
47.第一实施例
48.请参看图1，其为本技术的视频评论观点处理方法的实施例的流程示意图。在本实施例中，所述方法可包括如下步骤：
49.步骤s101：获取对应视频的多个用户评论信息。
50.所述视频包括但不限于短视频，也可以是较长的视频。其中，短视频具有内容时长短、受众刺激点强等特点。在本实施例中，为简化说明以短视频为范例来进行说明。所述短视频，可以是带货短视频、广告短视频、教学短视频、剧情短视频、搞笑短视频等。以短视频为带货短视频为例，通过带货短视频可以卖很多东西，小到柴米油盐，大到汽车保险，带货短视频具有较好的销售效果。商家可以将各种视频短片以各种形式放到网络平台上，做为宣传的营销推广手段。
51.请参考图2，其为本技术提供的视频评论观点处理方法的实施例的应用场景示意
图。在本实施例中，短视频内容博主创作短视频内容之后发布到对应的短视频内容平台，在发布短视频时可进行埋点处理，根据短视频发布埋点数据生成短视频内容维表，供在线离线计算。所述视频内容维表包括但不限于：视频标识、作者、发布时间、相关属性字段，还可包括对抗性观点策略生产状态等等，如下表1所示：
52.视频标识作者观点是否形成发布时间内容简介1张三是20210506 2李四否20210507
ꢀ…ꢀꢀꢀꢀ
53.在一个示例中，所述视频是从视频集中选取的符合第四条件的视频。所述视频集可包括视频网站上的所有视频，也可以是指定类别的所有视频，还可以是指定用户的所有视频，等等。所述第四条件包括但不限于以下条件的至少一个：视频点赞量达到第二点赞量阈值，视频收藏量达到收藏量阈值，视频评论量达到第二评论量阈值，视频浏览量达到浏览量阈值。采用这种处理方式，可以获得热度较高的视频，针对这部分热点视频进行生成投票策略的处理。
54.如图2所示，短视频内容获得曝光后用户可以看到，如果用户感兴趣的话点击就会进入内容播放页，此时如果用户对于短视频内容有所感触，就可以针对该短视频内容进行评价，形成对应视频的用户评论信息。所述用户评论信息，可记录在日志系统中。日志系统中存储的用户评论信息，可如下表2所示：
55.视频标识用户评论信息评论时间1评论信息1202105062评论信息220210507
…ꢀꢀ
56.如图2所示，本技术实施例提供的方法，可针对用户评价的动作进行埋点处理，由日志系统进行采集，后续供系统后台进行订阅和数据处理。具体实施时，在触发观点挖掘处理前，日志系统无需实时地从应用系统(视频评论观点处理系统)采集用户评论信息，可根据一定条件集中获取用户评论信息。如图3所示，视频评论观点处理系统可以每隔15分钟，将这段时间累积的用户评论信息发送至日志系统进行存储。日志系统在获取到用户评论信息后，可先进行数据清洗，然后存储处理后的用户评论信息。
57.步骤s103：从多个用户评论信息中挖掘多个候选观点。
58.在本实施例中，可根据存储在日志系统中的用户评论信息，挖掘出用户观点(即所述候选观点)。挖掘出的候选观点，可以是正反方对抗性观点，也可以是多方对抗性观点。
59.要从多个用户评论信息中挖掘候选观点，可采用现有技术中的观点挖掘算法进行处理。目前，基于视频评论进行观点挖掘的方案主要分为两类。一类方案面向网络评论的观点主题识别，其聚焦的是观点分类；另一类方案基于产品特征的互联网评论观点挖掘，其聚焦的是对特定主题下的句子做情感分类。这两类方案都聚焦在评论的主体识别和观点挖掘。具体实施时，还可以采用基于预训练模型做实体识别和情感判断等方法。观点挖掘算法选择上不是唯一的，只要可以根据评价内容抽取用户行为的趋向性，最终生成投票策略即可。
60.如图2所示，处理过程中系统后台的计算单元可调用合适的算法生成对抗性观点
收集策略，并将观点收集策略写入在线数据库。在本技术一个具体实施例中，可使用到两张数据表来实现对抗性观点收集策略，对抗性观点策略表和视频内容维表。其中，对抗性观点策略表可包括如下内容：视频标识、对抗性观点策略展示内容(即观点)，此外还可包括对抗性观点策略计数。对于一个视频而言，策略表中可对应每种观点产生一条记录，如下表3所示：
61.视频标识观点用户数量1正方观点内容501反方观点内容802正方观点内容60502反方观点内容2493
…ꢀꢀ
62.在一个示例中，步骤s103可采用如下方式实现：响应于视频发布超过目标时长和/或用户评论信息的数量达到预设数量阈值，从多个用户评论信息中挖掘多个候选观点。所述视频发布目标时长，是指视频在发布后的时长，如将发布目标时长设置为3天等。所述预设数量阈值，是指可触发观点挖掘处理的用户评论数量的下限值，如将预设数量阈值设置为2000条。这样，在视频发布时长达到目标时长，并且用户评论信息的数量达到数量阈值时，就可以执行从多个用户评论信息中挖掘多个候选观点的处理。
63.具体实施时，可以是视频发布超过目标时长就从多个用户评论信息中挖掘多个候选观点，也可以是用户评论信息的数量达到预设数量阈值就从多个用户评论信息中挖掘多个候选观点，还可以是视频发布超过目标时长、且用户评论信息的数量达到预设数量阈值，就从多个用户评论信息中挖掘多个候选观点。
64.在另一个示例中，步骤s103可采用如下方式实现：从多个用户评论信息中选取符合第一条件的候选用户评论信息；从多个候选用户评论信息中挖掘多个候选观点。所述第一条件包括但不限于以下条件的至少一个：用户评论信息与视频主题相关，不包括至少一个过滤词。通过选取与视频主题相关的用户评论信息，可以获得有意义的用户评论信息，使得挖掘出的候选观点与视频主题相关。所述过滤词，可以是敏感词等，至少一个过滤词可存储在词库中。通过选取不包括过滤词的用户评论信息，可以保证用于提取候选观点的用户评论信息中不存在不当言论内容。
65.在一个视频的大量用户评论信息中，一部分评论信息是有价值的信息，同时也存在一些价值较低的评论信息。有价值的用户评论信息通常与视频主题有关、不存在不当言论且有意义。具体实施时，可根据这些情况来设置所述第一条件，以选取出有价值的评论信息。
66.具体实施时，本技术实施例提供的方法还可包括如下步骤：记录所述视频的观点是否形成的状态数据；相应的，步骤s103可以采用如下方式实现：在视频发布目标时长后，若用户评论信息的数量达到数量阈值、且所述状态数据为观点未形成，则从多个用户评论信息中挖掘多个观点，并将所述状态数据更新为观点已形成。
67.图3示出了本实施例中观点挖掘流程示意图，在本实施例中，可先针对已经发布的短视频内容进行初始化操作，埋点以前操作不再重复介绍，此处的采集为采集到离线数据库中，采集后第一步进行数据清洗，之后进行初始规则判断，具体规则有两个：规则一、3天
以内发布的短视频评价数超过n【n可以调整，比如1000等】；规则二、短视频内容的对抗性观点策略状态是未生产对抗性观点策略【pkstatus＝0】，如果两个条件都满足才会继续进入对抗性观点策略初始化流程，即执行从多个用户评论信息中挖掘多个观点的处理。将用户评论传到离线算法模型中，由算法产出最终的针对该视频的对抗性观点策略，然后更新该内容的对抗性观点策略状态为已生成对抗性观点策略【pkstatus＝1】，并将短视频内容维表和策略表同步到短视频评论观点处理系统的在线数据库。
68.步骤s105：在视频播放界面中展示针对所述多个候选观点的投票操作选项。
69.根据挖掘出的多个观点，可形成投票策略，当用户观看视频时，可在视频播放界面中展示投票策略，这样用户无需打开评论区就可以通过投票方式表达自己的观点，由此可提升用户的参与感及降低用户评价的链路，且不影响用户观看视频。
70.具体实施时，投票策略可以浮窗方式显示在视频播放界面中。投票策略内容可不包括各观点的用户占比数据，以避免影响用户投票意向。每个观点可对应不同的投票操作选项，如提供正方投票按钮和反方投票按钮。多个观点也可共同对应一个投票操作选项，用户可在投票内容框中输入正方或者反方，通过按钮提交投票信息。
71.步骤s107：通过所述投票操作选项获得用户投票信息。
72.步骤s109：根据所述用户投票信息，获取各候选观点的用户占比数据。
73.获取到用户投票信息后，可计算相应候选观点的用户数量，根据用户数量重新计算各候选观点的用户占比数据。图4示出了本实施例中采用的投票处理流程示意图，当用户投票后，可通过实时计算平台针对该次投票，实时计算对抗性观点的最新投票结果，然后回写到数据库中，如更新上述表3中对应候选观点的用户数量。在本实施例中，日志系统订阅用户投票操作，以进行实时更新投票数据的处理。
74.步骤s111：显示各候选观点的用户占比数据在视频播放界面中。
75.在本实施例中，当有用户进入视频观看界面就可以触发投票策略，由应用端(可以是用户终端，如智能手机、平板电脑等)通过接口(如服务端提供的获取投票策略的接口)获取对抗性观点投票策略，在用户投票后，可展示最新的投票结果，让用户看到有多少人和其有相同观点。
76.具体实施时，可以是响应于接收到一第一用户选取的候选观点后，显示对应的用户占比数据给该第一用户。采用这种处理方式，使得只有在用户点击选项后才展示相应的用户占比数据给用户看。
77.在一个示例中，要将各候选观点的用户占比数据展示在视频播放界面中，可采用如下方式实现：以可视化方式在各候选观点的展示区域展示对应的用户占比数据，这样使得用户简单明了的查看数据分析结果。数据可视化的本质就是通过颜色、面积、长度和其他方式在视觉上代表数字。所述可视化方式，包括但不限于以下任一种方式：进度条、数值、百分比、圆饼图。图6示出了本实施例提供的方法采用进度条方式的实施效果图，左侧为投票前的观点展示图，右侧为投票后的投票数据展示效果。在采用数值或者百分比的可视化方式时，可在各候选观点的展示区域显示对应的用户投票数量或者用户投票比例。在采用圆饼图方式时，可在圆饼图中用不同颜色显示各候选观点及其所占的比例。
78.在一个示例中，步骤s111还可包括如下步骤：以第一显示属性展示用户占比数据排在第一位的候选观点，以第二显示属性展示其它候选观点，以突出显示用户占比数据排
在第一位的候选观点。所述显示属性包括但不限于：颜色、字体、背景等属性。第一显示属性与第二显示属性可具有不同的属性值，如第一显示属性的显示效果为黄色高亮显示。采用这种处理方式，使得根据用户占比高低以视觉效果凸显当前高占比的候选观点。
79.在一个示例中，步骤s111还可包括如下步骤：显示与各候选观点相关的符合第二条件的用户评论信息。所述第二条件可以与上述第一条件相同，也可以与第一条件不同。采用这种处理方式，使得视频观看用户可从视频的候选观点出发，快速查看到对应的精彩评论，避免用户点开评论区通过逐条查看大量评论的方式来查找能代表候选观点的精彩评论；因此，可以有效缩短用户查看评论的链路，从而提升用户体验。同时，这种处理方式还可以有效节约系统资源。
80.具体实施时，可以在用户选取候选观点后，显示与候选观点相关的符合第二条件的用户评论信息。例如，用户点击其感兴趣的候选观点，系统自动提取并显示该观点的精彩评论，供用户查看。
81.具体实施时，第二条件可以是在第一条件基础上进一步加以限制，根据第二条件可从候选观点的多个用户评论信息中精选出价值更高的评论。所述第二条件包括以下条件的至少一个：评论点赞量达到第一点赞量阈值(即一条用户评论信息的点赞量足够大时，可以视为精选评论)，评论转发量达到第一转发量阈值(即一条用户评论信息的转发量足够大时，可以视为精选评论)，相似评论出现频次达到第一频次阈值(即相似评论的数量足够大时，可以视为精选评论)。
82.在一个示例中，获取各候选观点的用户占比数据还可包括如下步骤：根据用户评论信息，更新所述用户占比数据。这样，用户占比数据不仅与用户投票有关，还可以与用户评论信息的内容有关。
83.在一个示例中，所述根据用户评论信息，更新所述用户占比数据的步骤，可采用如下方式实现：根据所述多个用户评论信息，获取所述用户占比数据的初始值。这样，可以在形成初始候选观点时，根据形成观点的初始用户评论信息，获取各候选观点的用户占比数据的初始值，以提升用户占比数据的准确性。
84.在另一个示例中，所述根据用户评论信息，更新所述用户占比数据的步骤，可采用如下方式实现：实时采集所述视频的新增用户评论信息，并根据实时采集的新增用户评论信息，更新各候选观点的用户占比数据，这样不仅用户投票会影响候选观点的用户占比数据，还可将新增用户评论信息自动转化为对用户投票结果的影响，进一步保障用户投票结果的合理性，以及提高参与用户的覆盖度。正如步骤s101部分的说明，在形成候选观点前，可定期采集用户评论信息，如每隔15分钟采集一次，这样降低日志数据库的并发访问量。而在形成候选观点后，可实时采集所述视频的新增的用户评论信息，以快速响应用户评论操作，显示用户评论信息对投票结果的影响。
85.具体实施时，根据实时采集的新增的用户评论信息，更新各候选观点的用户占比数据的处理，可采用如下方式实现：确定与实时采集的新增的用户评论信息对应的目标观点；更新目标观点的用户数量。例如，计算新增用户评论信息与各候选观点的语义相似度，将相似度高的候选观点作为与新增用户评论信息对应的目标观点。再如，计算新增用户评论信息与挖掘出候选观点所依赖的用户评论信息之间的语义相似度，将相似度高的用户评论信息对应的候选观点作为与新增用户评论信息对应的目标观点。
86.图5示出了本实施例中评论处理流程示意图，在形成观点后，用户点击进入短视频后每条评论都会被埋点后实时采集到日志中，可由实时计算任务进行订阅，然后经过数据清洗后，进入规则判断，如果短视频内容维表的pkstatus＝0，该数据会被过滤掉，如果pkstatus＝1，那么该评论会进入到实时算法模型，然后由算法返回该评论对应的观点，该观点是初始化策略观点的一个，然后在该观点的计数上累计1，并写回到观点策略在线数据表，该模块有两个作用：1)保证投票的实时性；2)扩大影响策略项最终指标的因素范围，即使用户没投票，还是可以根据用户的评论识别出用户的观点倾向。
87.在一个示例中，本技术实施例提供的方法还可包括如下步骤：在第三条件成立时，采集视频的新增用户评论信息，并根据新增用户评论信息挖掘新的候选观点；更新对应于初始候选观点和新增候选观点的用户占比数据；显示更新后的用户占比数据在视频播放界面中。采用这种处理方式，可以及时挖掘出新增候选观点，从而提升观点全面性。同时，在挖掘出新增候选观点后，还可以及时更新初始候选观点和新增候选观点的用户占比数据。
88.所述第三条件包括但不限于以下条件的至少一个：新增用户评论量达到第一评论量阈值，与上次采集新增用户评论信息的时间间隔达到时长阈值。所述第一评论量阈值和所述时长阈值，可根据应用需求进行设置。例如，将第一评论量阈值设置为100条，这样每新增100条用户评论信息，就可以进行一次观点挖掘，以挖掘出新的候选观点。将时长阈值设置为24小时，这样可以每天进行一次观点挖掘。
89.具体实施时，更新对应于初始候选观点和新增候选观点的用户占比数据，可采用如下方式实现：初始候选观点和新增候选观点的用户占比数据为具体候选观点的用户数量与所有候选观点的用户数量和的比值。在获得新增候选观点后，初始候选观点的用户占比数据通常先变小，然后随着后续获得的用户投票信息和新增用户评论信息变化。
90.从上述实施例可见，本技术实施例提供的视频评论观点处理方法，通过对视频评论的观点挖掘和倾向理解，提取出视频评论的多方观点，并生成投票策略，进而通过对视频评论和投票数据的分析，实时更新并展示用户的观点倾向。这种基于视频评论生成用户投票方案的处理方式，使得在为用户提供评论分析的同时，也吸引用户的关注，用户可以知晓评论中的观点倾向和多方的观点占比，且操作链路更短，引导更多的用户加入互动，提升平台的用户体验。
91.第二实施例
92.在上述的实施例中，提供了一种视频评论观点处理方法，与之相对应的，本技术还提供一种视频评论观点处理装置。该装置是与上述方法的实施例相对应。由于装置实施例基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
93.本技术另外提供一种视频评论观点处理装置，该装置为实现上述方法的装置，可以是通过计算机软件实现的虚拟装置。这种装置的各组成部分为实现该方法各步骤所建立的功能模块，该装置为实现该解决方案的功能模块构架。所述装置可部署在用户终端，也可部署在服务器端或者云端，或者部分功能模块部署在用户终端，部分功能模块部署在服务端或者云端。所述用户终端包括但不限于：个人电脑、智能手机、平板电脑等。
94.所述装置可包括如下功能模块：
95.评论信息获取单元701，用于获取对应视频的多个用户评论信息；观点挖掘单元
703，用于从多个用户评论信息中挖掘多个候选观点；投票策略显示单元705，用于在视频播放界面中展示针对所述多个候选观点的投票操作选项；投票信息获取单元707，用于通过所述投票操作选项获得用户投票信息；用户占比数据获取单元709，用于根据所述用户投票信息，获取各候选观点的用户占比数据；用户占比数据显示单元711，用于显示各候选观点的用户占比数据在视频播放界面中。
96.在一个示例中，该装置部署在云端，视频所有者用户可通过其终端设备指定待发布视频，该视频可存储在本地端、服务器端或者云端，向云端发送针对该视频的发布请求,云端可以是直播平台、电商平台、社交平台、视频平台、短视频平台等。云端接收到该请求后，通过上述功能模块基于视频评论生成用户投票方案，并可将该投票方案显示在视频观看者用户的视频播放界面中，视频观看者用户无需打开视频评论页就可以查看关于该视频的多种用户观点及相应的投票策略，这样可以吸引视频观看者用户的关注，视频观看者用户可以知晓评论中的观点倾向和正反方的观点占比，引导更多的用户加入互动，提升平台的用户体验。
97.在一个示例中，观点挖掘单元703可具体用于响应于视频发布超过目标时长和/或用户评论信息的数量达到预设数量阈值，从多个用户评论信息中挖掘多个候选观点。
98.在一个示例中，所述装置还可包括：状态数据记录单元，用于记录所述视频的观点是否形成的状态数据。相应的，所述观点挖掘单元，具体用于在视频发布目标时长后，若用户评论信息的数量达到数量阈值、且所述状态数据为观点未形成，则从多个用户评论信息中挖掘多个候选观点，并将所述状态数据更新为观点已形成。
99.在一个示例中，所述观点挖掘单元，可具体用于从多个用户评论信息中选取符合第一条件的候选用户评论信息，所述第一条件包括以下条件的至少一个：与视频主题有关，不包括至少一个过滤词；从多个候选用户评论信息中挖掘多个候选观点。
100.在一个示例中，所述用户占比数据显示单元711，可具体用于以可视化方式在各候选观点的展示区域展示对应的用户占比数据，可视化方式包括以下任一：进度条、数值、百分比、圆饼图。
101.在一个示例中，所述用户占比数据显示单元711，可具体用于以第一显示属性展示用户占比数据排在第一位的候选观点，以第二显示属性展示其它候选观点，以突出显示用户占比数据排在第一位的候选观点。
102.在一个示例中，所述用户占比数据显示单元711，还可用于显示与各候选观点相关的符合第二条件的用户评论信息，所述第二条件包括以下条件的至少一个：评论点赞量达到第一点赞量阈值，评论转发量达到第一转发量阈值，相似评论出现频次达到第一频次阈值。
103.在一个示例中，所述用户占比数据显示单元711，还可用于响应于接收到一第一用户选取的候选观点后，显示对应的用户占比数据给该第一用户。
104.在一个示例中，所述用户占比数据获取单元709，还可用于根据用户评论信息，更新所述用户占比数据。
105.在一个示例中，所述用户占比数据获取单元709，可具体用于根据所述多个用户投票信息和用户评论信息，获取所述用户占比数据的初始值。
106.在一个示例中，所述用户占比数据获取单元709，可具体用于实时采集所述视频的
新增用户评论信息，并根据实时采集的新增用户评论信息，更新各候选观点的用户占比数据。
107.在一个示例中，评论信息获取单元701还用于在第三条件成立时，采集所述视频的新增用户评论信息；观点挖掘单元703还用于根据新增用户评论信息挖掘新增候选观点；用户占比数据获取单元709还用于更新对应于初始候选观点和新增候选观点的用户占比数据；用户占比数据显示单元711还用于显示更新后的用户占比数据在视频播放界面中。其中所述第三条件包括以下条件的至少一个：新增用户评论量达到第一评论量阈值，与上次采集新增用户评论信息的时间间隔达到时长阈值。
108.第三实施例
109.在上述的实施例中，提供了一种视频评论观点处理方法，与之相对应的，本技术还提供一种电子设备。该设备是与上述方法的实施例相对应。由于设备例基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。下述描述的设备例仅仅是示意性的。
110.本技术另外提供一种电子设备，包括：处理器；以及存储器，用于存储实现根据上述任一项视频评论观点处理方法的程序，该终端通电并通过所述处理器运行该方法的程序后，执行如下步骤：获取对应视频的多个用户评论信息；从多个用户评论信息中挖掘多个候选观点；在视频播放界面中展示针对所述多个候选观点的投票操作选项；通过所述投票操作选项获得用户投票信息；根据所述用户投票信息，更新各候选观点的用户占比数据，将更新的用户占比数据展示在视频播放界面中。
111.本技术虽然以较佳实施例公开如上，但其并不是用来限定本技术，任何本领域技术人员在不脱离本技术的精神和范围内，都可以做出可能的变动和修改，因此本技术的保护范围应当以本技术权利要求所界定的范围为准。
112.在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
113.内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
114.1、计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
115.2、本领域技术人员应明白，本技术的实施例可提供为方法、系统或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用
存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。