基于新闻内容的视频推荐方法、装置、设备和存储介质

本申请涉及人工智能，特别是涉及一种基于新闻内容的视频推荐方法、装置、设备和存储介质。

背景技术：

1、信息化时代的当下，传播内容量大，传播呈现方式多样化，新闻作为重要的信息载体之一，也是人们获得信息的主要来源。目前，新闻展示方式较为单调。而在现有技术中，新闻展示大多单以文字或视频为主，对于新闻推荐一般是通过用户观看痕迹，分析计算出用户喜好，并给用户打上标签后，将现有的新闻文案或视频直接推荐给用户，使得推荐视频内容不够多层次与多元化，而导致推荐内容单一与不够准确。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种基于新闻内容的视频推荐方法、装置、设备和存储介质。基于新闻内容推荐相关视频，结合新闻一起展现，可以丰富新闻内容本身的涵盖的信息，提升新闻内容档次，有利于增加阅读新闻时的趣味性。

2、一种基于新闻内容的视频推荐方法，所述方法包括：

3、对获取的视频素材进行特征提取和分类，并建立视频数据库。

4、对当前用户阅读的新闻文本进行实体识别，得到实体标签。

5、对当前用户阅读的新闻图片进行图像识别，得到图像标签。

6、根据所述实体标签和所述图像标签，在所述视频数据库中进行匹配，得到匹配视频集合。

7、将所述匹配视频集合中的元素按顺序进行衔接，并将得到新的视频进行主动推荐。

8、在其中一个实施例中，对获取的视频素材进行特征提取和分类，并建立视频数据库，包括：

9、采用netvlad算法对获取的视频素材进行视频特征提取和识别，得到视频特征和分类类别；所述视频特征包括：视频信息、标题、标签、变更时间、识别内容。

10、根据所述视频特征和所述分类类别，建立视频数据库。

11、在其中一个实施例中，对当前用户阅读的新闻文本进行实体识别，得到实体标签，包括：

12、对当前用户阅读的新闻文本采用bilstm-crf模型进行实体识别，得到实体标签。

13、在其中一个实施例中，bilstm-crf模型包括embedding层、bilstm层、linear层以及crf层。

14、对当前用户阅读的新闻文本采用bilstm-crf模型进行实体识别，得到实体标签，包括：

15、将当前用户阅读的新闻文本进行张量化处理，得到新闻文本序列。

16、将所述新闻文本序列通过embedding层后映射为词向量。

17、将所述词向量输入到bilstm层中，得到向量矩阵；所述向量矩阵的每行代表对应单词经过bilstm层后的上下文向量。

18、将所述向量矩阵经过linear层进行线性变换，得到发射分数。

19、将所述发射分数输入到所述crf层，得到一串标签序。

20、根据所述标签序和预设损失函数，计算损失值为：

21、；

22、其中，为损失值，，为标签数，为本文长度，为第跳路径的分数，为标签序。

23、当所述损失值最小时，则将其相应的路径作为最终的预判结果。

24、在其中一个实施例中，对当前用户阅读的新闻图片进行图像识别，得到图像标签，包括：

25、对当前用户阅读的新闻图片采用yolov7模型进行图像识别，得到图像标签。

26、在其中一个实施例中，所述yolov7模型包括：backbone骨干网络和head模块。

27、所述backbone骨干网络由若干个cbs模块、1个elan模块、3个由mp模块和elan模块组成的组合模块。

28、所述head模块包括sppcpc模块、上采样模块、rep模块以及elan-w模块。

29、在其中一个实施例中，根据所述实体标签和所述图像标签，在所述视频数据库中进行匹配，得到匹配视频集合，包括：

30、将所述实体标签和所述图像标签按照顺序进行排列，得到特征集合。

31、按顺序将所述特征集合中的元素与所述视频数据库进行相似度匹配，得到匹配的词序列。

32、根据匹配的词序列提取视频片段，得到匹配视频集合。

33、一种基于新闻内容的视频推荐装置，所述装置包括：

34、视频数据库建立模块，用于对获取的视频素材进行特征提取和分类，并建立视频数据库。

35、实体标签确定模块，用于对当前用户阅读的新闻文本进行实体识别，得到实体标签。

36、图像标签确定模块，用于对当前用户阅读的新闻图片进行图像识别，得到图像标签。

37、视频匹配模块，用于根据所述实体标签和所述图像标签，在所述视频数据库中进行匹配，得到匹配视频集合。

38、视频推荐模块，用于将所述匹配视频集合中的元素按顺序进行衔接，并将得到新的视频进行主动推荐。

39、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一方法的步骤。

40、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一方法的步骤。

41、上述基于新闻内容的视频推荐方法、装置、设备和存储介质，所述方法包括：对获取的视频素材进行特征提取和分类，并建立视频数据库；对当前用户阅读的新闻文本进行实体识别，得到实体标签；对当前用户阅读的新闻图片进行图像识别，得到图像标签；根据实体标签和图像标签，在视频数据库中进行匹配，得到匹配视频集合；将匹配视频集合中的元素按顺序进行衔接，并将得到新的视频进行主动推荐。本方法提供了精准、多样、新颖的个性化新闻视频推荐，而且提高了新闻的阅读的趣味性，还提高了新闻推荐的精度与准确性。

技术特征：

1.一种基于新闻内容的视频推荐方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，对获取的视频素材进行特征提取和分类，并建立视频数据库，包括：

3.根据权利要求1所述的方法，其特征在于，对当前用户阅读的新闻文本进行实体识别，得到实体标签，包括：

4.根据权利要求3所述的方法，其特征在于，bilstm-crf模型包括embedding层、bilstm层、linear层以及crf层；

5.根据权利要求1所述的方法，其特征在于，对当前用户阅读的新闻图片进行图像识别，得到图像标签，包括：

6.根据权利要求5所述的方法，其特征在于，所述yolov7模型包括：backbone骨干网络和head模块；

7.根据权利要求1所述的方法，其特征在于，根据所述实体标签和所述图像标签，在所述视频数据库中进行匹配，得到匹配视频集合，包括：

8.一种基于新闻内容的视频推荐装置，其特征在于，所述装置包括：

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

技术总结
本申请涉及一种基于新闻内容的视频推荐方法、装置、设备和存储介质。所述方法包括：对获取的视频素材进行特征提取和分类，并建立视频数据库；对当前用户阅读的新闻文本进行实体识别，得到实体标签；对当前用户阅读的新闻图片进行图像识别，得到图像标签；根据实体标签和图像标签，在视频数据库中进行匹配，得到匹配视频集合；将匹配视频集合中的元素按顺序进行衔接，并将得到新的视频进行主动推荐。本方法提供了精准、多样、新颖的个性化新闻视频推荐，而且提高了新闻的阅读的趣味性，还提高了新闻推荐的精度与准确性。

技术研发人员：邓劲生,宋省身,尹晓晴,熊炜林,刘娟
受保护的技术使用者：中国人民解放军国防科技大学
技术研发日：
技术公布日：2024/4/7