[发明专利]一种基于视频文本信息的错源排查方法

摘要

本发明涉及一种基于视频文本信息的错源排查方法，通过节目名称搜索各视频站点，确定各视频站点是否有对应该节目名称的视频源；从视频源对应的视频站点上抓取视频播放链接：采用周期性抓取的方式；存储抓取结果形成抓取历史记录；对抓取历史记录中的文本信息进行分析，找出错源，并相应删除抓取历史记录中错源对应的抓取结果；根据最后形成的无错源的抓取历史记录，通过协议在电视端汇聚、以节目的方式呈现并实现播放。本发明，在抓取视频播放链接时，基于文本信息进行视频抓取排错，解决电视互联网视频聚合应用中出现的“同名不同源”问题。

主权项

1.一种基于视频文本信息的错源排查方法，其特征在于，包括如下步骤：步骤1，通过节目名称搜索各视频站点，确定各视频站点是否有对应该节目名称的视频源；步骤2，从视频源对应的视频站点上抓取视频播放链接：采用周期性抓取的方式，至少抓取以下内容：与视频源对应的视频播放链接，用于标定该视频源的视频内容的文本信息；步骤3，存储步骤2的抓取结果形成抓取历史记录；其中，所述形成抓取历史记录，具体步骤如下：判断新抓取的视频源的节目名称是否已存在于抓取历史记录中，若不存在，则新建一条metadata记录存储新抓取的视频源；若已存在，则新建一条metadata记录存储新抓取的视频源，待抓取操作完成后执行步骤4；步骤4，对抓取历史记录中的文本信息进行分析，找出错源，并相应删除抓取历史记录中错源对应的抓取结果；其中，对抓取历史记录中节目名称相同的metadata记录进行相似度匹配：对节目名称相同的两条metadata记录中的用于标定该视频源的视频内容的文本信息进行逐项进行相似度匹配；综合各项相似度匹配的结果；若相似度达到或超过判定标准，则认为新抓取的视频源与metadata记录中更早存储的视频源为同一个节目；根据新抓取的视频源的文本信息元素，补全metadata记录中的文本信息元素；若相似度未达到判定标准，则认为新抓取的视频源为错源，应予以排除，将新抓取的视频源作为新节目；步骤5，根据步骤4最后形成的无错源的抓取历史记录，通过协议在电视端汇聚、以节目的方式呈现并实现播放。