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。
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。