[发明专利]一种多媒体内容的识别方法、相关装置、设备及存储介质

权利要求书

1.一种多媒体内容的识别方法，其特征在于，包括：

获取待识别视频的目标文本信息以及内容信息，其中，所述目标文本信息包括标题文本以及简介文本中的至少一种，所述内容信息包括图像数据以及音频数据中的至少一种；

对所述内容信息进行文本识别处理，得到关联文本信息，其中，所述关联文本信息包括图像文本以及音频文本中的至少一种，所述图像文本为对所述图像数据进行文本识别后得到的，所述音频文本为对所述音频数据进行文本识别后得到的；

若所述目标文本信息以及所述关联文本信息中的至少一种满足第一恶意推广条件，则基于所述目标文本信息以及所述关联文本信息中的至少一种，通过文本分类模型获取目标文本分类结果，其中，所述目标文本分类结果表示文本内容的恶意推广程度；

根据所述目标文本分类结果确定所述待识别视频所对应的视频识别结果，其中，所述视频识别结果表示所述待识别视频的恶意推广程度。

2.根据权利要求1所述的识别方法，其特征在于，所述内容信息包括所述图像数据；

所述对所述内容信息进行文本识别处理，得到关联文本信息，包括：

对所述待识别视频所包括的所述图像数据进行分帧处理，得到K个视频帧，其中，所述K为大于或等于1的整数；

按照预设帧率从所述K个视频帧中获取L个视频帧，其中，所述L为大于或等于1，且小于所述K的整数；

对所述L个视频帧中的每个视频帧进行光学字符识别OCR处理，得到每个视频帧的文本识别结果，其中，所述文本识别结果包括字幕以及所述字幕所对应的坐标信息；

针对于所述L个视频帧中的每个视频帧，根据所述字幕所对应的坐标信息，对所述文本内容进行去重处理；

将所述每个视频帧中经过去重后的字幕作为所述图像文本。

3.根据权利要求1所述的识别方法，其特征在于，所述内容信息包括所述音频数据；

所述对所述内容信息进行文本识别处理，得到关联文本信息，包括：

对所述待识别视频所包括的所述音频数据进行分帧处理，得到T个音频帧，其中，所述T为大于或等于1的整数；

对所述T个音频帧中的每个音频帧进行特征提取处理，得到所述每个音频帧所对应的音频特征向量；

基于所述每个音频帧所对应的音频特征向量，通过声学模型输出音素信息；

基于所述音素信息，通过语言模型输出所述音频文本。

4.根据权利要求1所述的识别方法，其特征在于，所述方法还包括：

若所述标题文本与匹配库中的模板匹配成功，且所述标题文本与白名单中的信息匹配失败，则确定所述标题文本满足所述第一恶意推广条件，且所述目标文本信息满足所述第一恶意推广条件；

若所述简介文本与所述匹配库中的模板匹配成功，且所述简介文本与所述白名单中的信息匹配失败，则确定所述简介文本满足所述第一恶意推广条件，且所述目标文本信息满足所述第一恶意推广条件；

若所述图像文本与所述匹配库中的模板匹配成功，且所述图像文本与是白名单中的信息匹配失败，则确定所述图像文本满足所述第一恶意推广条件，且所述关联文本信息满足所述第一恶意推广条件；

若所述音频文本与所述匹配库中的模板匹配成功，且所述音频文本与所述白名单中的信息匹配失败，则确定所述音频文本满足所述第一恶意推广条件，且所述关联文本信息满足所述第一恶意推广条件。

5.根据权利要求4所述的识别方法，其特征在于，所述基于所述目标文本信息以及所述关联文本信息中的至少一种，通过文本分类模型获取目标文本分类结果，包括：

若所述标题文本满足所述第一恶意推广条件，则基于所述标题文本，通过所述文本分类模型获取标题文本分类结果；

若所述简介文本满足所述第一恶意推广条件，则基于所述简介文本，通过所述文本分类模型获取简介文本分类结果；

若所述图像文本满足所述第一恶意推广条件，则基于所述图像文本，通过所述文本分类模型获取图像文本分类结果；

若所述音频文本满足所述第一恶意推广条件，则基于所述音频文本，通过所述文本分类模型获取音频文本分类结果。