[发明专利]视频分发方法、装置、电子设备和计算机可读存储介质

说明书

本公开关于视频分发方法、装置、电子设备和计算机可读存储介质，该方法包括：获取目标视频的至少一个视频特征的特征值；基于至少一个视频特征之中每个视频特征的权重信息和获取的特征值的权重信息，计算目标视频的质量得分；当目标视频的质量得分大于或等于预设阈值时，确定目标视频为目标等级视频；根据目标视频是否为目标等级视频，对目标视频进行分发。可以对视频质量进行准确预测，并基于预测的视频质量对视频进行分发。

技术领域

本公开涉及视频技术领域，更具体地说，涉及视频分发方法、装置、电子设备和计算机可读存储介质。

背景技术

随着科技的发展，终端所具有的功能越来越丰富，例如，用户可以使用终端拍摄并发布自己喜欢的视频。针对用户发布的视频，视频质量可能良莠不齐，因此需要对视频的质量进行审核，进而确定分发决策。由于用户所发布的视频的数量较多，视频发布频率较高，因此，相关技术中，通常会使用逻辑回归、随机森林、极端梯度提升(eXtreme GradientBoosting，XGBoost)等分类算法模型自动对用户所发布的视频的质量进行预测，进而根据预测结果确定该视频的分发决策。然而，使用现有的分类算法模型得到的视频质量预测结果往往不够精准。

发明内容

本公开提供视频分发方法、装置、电子设备和计算机可读存储介质，以至少解决上述相关技术中存在的问题。

根据本公开实施例的第一方面，提供一种视频分发方法，包括：获取目标视频的至少一个视频特征的特征值；基于所述至少一个视频特征之中每个视频特征的权重信息和获取的特征值的权重信息，计算所述目标视频的质量得分；当所述目标视频的质量得分大于或等于预设阈值时，确定所述目标视频为目标等级视频；根据所述目标视频是否为目标等级视频，对所述目标视频进行分发。

根据本公开的示例性实施例，所述基于所述至少一个视频特征之中每个视频特征的权重信息和获取的特征值的权重信息，计算所述目标视频的质量得分，包括：对所述目标视频的所述至少一个视频特征的特征值的权重值进行加权求和，并将加权求和的结果作为所述目标视频的质量得分；其中，每个视频特征的特征值的权重值的加权权重为该视频特征的权重值。

根据本公开的示例性实施例，所述视频特征的权重值为：视频的所述视频特征与第一目标变量之间的克莱默相关系数，其中，第一目标变量为用于表示视频是否为目标等级视频的变量；和/或，所述视频特征的特征值的权重值为：视频特征的特征值的证据权重WOE得分。

根据本公开的示例性实施例，所述视频特征的特征值的证据权重得分基于以下项得到：样本视频集中目标等级样本视频的数量、所述样本视频集中非目标等级样本视频的数量、所述样本视频集中具有所述视频特征的所述特征值的目标等级样本视频的数量、所述样本视频集中具有所述视频特征的所述特征值的非目标等级样本视频的数量；其中，所述样本视频集中的多个样本视频被预先标记为目标等级样本视频或非目标等级样本视频。

根据本公开的示例性实施例，视频特征的权重值为基于以下项得到的视频的所述视频特征与第一目标变量之间的克莱默相关系数：所述视频特征的所有特征值的数量、第一目标变量的分类数、样本视频集中样本视频的数量、基于所述样本视频集得到的视频的所述视频特征与所述第一目标变量之间的卡方统计量值；其中，所述样本视频集中的多个样本视频被预先标记为目标等级样本视频或非目标等级样本视频。

根据本公开的示例性实施例，所述视频分发方法还包括：从多个候选视频特征之中筛选出与第二目标变量之间的关联性满足预设条件的视频特征，作为所述至少一个视频特征；其中，第二目标变量为用于表示视频是否为目标等级视频的变量。

根据本公开的示例性实施例，所述预设条件为：基于样本视频集得到的与第二目标变量之间的卡方统计量值对应的p值小于预设显著性水平；其中，所述样本视频集中的多个样本视频被预先标记为目标等级样本视频或非目标等级样本视频。

根据本公开的示例性实施例，所述至少一个视频特征为离散型特征。