[发明专利]一种构建音视频标准数据集的方法和装置

权利要求书

1.一种构建音视频标准数据集的方法，其特征在于，包括以下步骤：

记录用户搜索的至少一个查询词、每个所述查询词下用户点击的音视频以及每个所述查询词下用户浏览的音视频至搜索点击日志；

根据所述搜索点击日志统计每个所述查询词在预设时间内的搜索次数，并输出所述搜索次数大于预设次数的所述查询词；

接收所述查询词，根据所述搜索点击日志对所述查询词下每个音视频进行标注打分，并以第一预设格式输出所述查询词下每个所述音视频的标注分数，其中所述根据所述搜索点击日志对所述查询词下每个音视频进行标注打分，具体包括以下步骤包括：

S11，统计在所述预设时间内，所述查询词下当前音视频的点击数；

S12，统计在所述预设时间内，所述查询词下所述当前音视频的浏览次数；

S13，根据所述查询词下当前音视频的点击数和所述查询词下所述当前音视频的浏览次数计算所述查询词下所述当前音视频的真实点击率；

S14，根据所述当前音视频的真实点击率和当前音视频排序位置处的点击偏置值计算所述当前音视频的标注分数，其中在音视频质量相同的情况下，用户更倾向于点击排序位置靠前的音视频的现象，该现象称之为点击偏置，点击偏置值是与排序位置相关的一组数值；

S15，调整所述当前音视频为下一个音视频；

S16，重复执行S11-S15，直至完成对所述查询词下每个音视频进行标注打分；

以第二预设格式保存所述查询词下每个所述音视频对应的所述标注分数和至少一个排序特征分数。

2.根据权利要求1所述的方法，其特征在于，根据以下公式计算所述查询词下所述当前音视频的真实点击率：

real_ctr＝video_click/video_impression

其中，video_click为所述查询词下所述当前音视频的点击数，video_impression为所述查询词下所述当前音视频的浏览次数。

3.根据权利要求1所述的方法，其特征在于，根据以下公式计算所述当前音视频的标注分数：

label_score＝real_ctr-click_bias(i)

其中，real_ctr为所述当前音视频的真实点击率，i为所述当前音视频排序位置，click_bias(i)为所述当前音视频排序位置处的点击偏置值。

4.根据权利要求1所述的方法，其特征在于，所述当前音视频排序位置处的点击偏置值根据以下步骤获取：

随机打乱搜索引擎返回结果的排序；

统计当前音视频排序位置处的位置点击率；

根据所述当前音视频排序位置处的位置点击率计算所述当前音视频排序位置处的点击偏置值。

5.根据权利要求4所述的方法，其特征在于，根据以下公式计算所述当前音视频排序位置处的点击偏置值：

click_bias(i)＝α×pos_ctr_bias(i)

其中，i为所述当前音视频排序位置，α为经验偏置系数，pos_ctr_bias(i)为所述当前音视频排序位置处的位置点击率，所述当前音视频排序位置处的位置点击率为所述当前音视频排序位置处的音视频在所述查询词下的点击数与所述查询词在所述预设时间内的搜索次数的比值。