[发明专利]一种基于词频、播放量和创建时间检索信息的方法及系统

说明书

技术领域

本发明属于互联网数据统计处理技术领域，尤其涉及一种在建立索引过程中根据网络视频中文字信息中词频、网络视频总数、所有网络视频创建时间对网络视频进行排序的方法及系统。

背景技术

网络视频已经成为互联网上重要的应用部分，而且，针对网络视频搜索则是当前垂直搜索的一个重要方向。目前，现有的网络视频检索主要是根据网络视频文字信息的检索系统。而在所述的网络视频文字信息检索系统及领域方面，TF-IDF(term frequency-inverse document frequency，即：词频-逆向文件频率)加权是最常用的方法，该方法是一种用于信息检索与信息探勘的常用加权技术方法。进一步地，TF-IDF作为一种加权方法，主要是用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降。目前，TF-IDF加权的各种形式常被搜寻引擎应用，作为文件与用户查询之间相关程度的度量或评级。但在网络视频检索领域，由于文字信息有限(仅包括网络视频标题、作者以及关键词等字词信息)，在大多数网络视频文字信息中，每个词仅仅出现一次，词本身的频率都是1，字词的重要性并不能由它在文件中出现的次数反映出来。这就造成了一种情况：一旦使用标准的TF-IDF加权作为网络视频检索的标准，在做排序时，文本的输入顺序会起到决定性作用，而单纯的输入顺序肯定无法真实反映网络视频的重要程度。因此，在使用TF-IDF加权进行排序就会与信息输入先后顺序保持惊人的一致，TF-IDF无法单独作为有效的权重进行排序。在基于前述问题之下，本发明介绍的方法是在TF-IDF加权的基础上引入了网络视频的播放量和上传时间权重。网络视频播放量的大小能够直接反映大家对这个网络视频的关注度。同时我们做出另一个假设即随着时间的发展，网络视频的重要程度在降低。那么通过对网络视频播放量的统计、计算，同时利用时间就构成了这种对网络视频进行排序检索的方法。基于这种方法构建网络视频信息检索系统能够避免TF-IDF加权的缺点，将用户观看多的网络视频推荐给用户。基于此方法，本发明构建了一种网络视频信息检索系统。即综合网络视频播放量、网络视频创建时间和TF-IDF加权值来评价网络视频的重要程度。

发明内容

鉴于现有技术中存在的问题，本发明的目的在于提供一种不仅仅依赖于TF-ID(term frequency-inverse document frequency，即：词频-逆向文件频率)方法，同时具有网络视频自身特点的排序检索方法。为了达到上述目的，本发明提供了一种基于词频、播放量和创建时间检索信息的方法及系统。

根据本发明提供的一种基于词频、播放量和创建时间检索信息的方法，该方法包括如下步骤：步骤(1)用户输入关键词后触发检索；步骤(2)根据网络视频文字信息，统计该关键词的词频与包含这个关键词的网络视频数、网络视频总数，计算词频-逆向文件频率权重值；步骤(3)根据网络视频的播放量，及该网络视频所属网络视频分类中所含的网络视频个数、该网络视频分类的所有播放量、所有网络视频的播放量的总和计算网络视频播放量权重值；步骤(4)根据网络视频信息中包含的创建时间计算创建时间权重值；步骤(5)当进行倒排预排时，根据计算得出的词频-逆向文件频率权重值、网络视频播放量权重值、创建时间权重值计算最终的权重并依据该最终权重对该关键词后的网络视频文档进行排序；步骤(6)按照顺序显示与网络视频文档对应的网络视频信息。

更进一步的，本方法中的步骤(2)包括以下步骤：

计算tfij=nijΣknkj]]>

其中：n_ij是所述关键词在某网络视频文字信息d_j(V_j)中的出现次数，而分母则是在文字信息d_j(V_j)中所有字词的出现次数之和；