【技术实现步骤摘要】
本申请涉及人工智能，特别是涉及一种视频评估模型训练的方法、视频评估的方法、装置、计算机设备和存储介质。
技术介绍
1、随着计算机技术的不断发展，且随着多媒体信息时代的到来，各类视频处理和视频通信技术层出不穷。而与视频相关的各类视频信息，均可以有助于从大量的视频中，筛选出更令用户感兴趣的视频进行视频分发给用户，因此，如何从大量的视频中精准、快速地筛选出用户更感兴趣的视频十分重要。
2、目前，可以考虑各类视频信息来评估视频的视频质量，如：预先设定一个视频点播次数的阈值，在设定的周期内，当用户点播次数超过该阈值时，确定视频质量高。然而，由于导致视频质量差的因素有很多，因此，导致视频质量高低的因素也有多种，而通常得到的质量评估结果无法得知是哪些因素导致视频质量高或视频质量低，此时会使得评估出的视频质量不准确且不可外化。因此，如何提升视频评估的准确度以及可外化性是亟需解决的问题。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提升视频评估的准确度以及可外化性的视频评估模型训练的方法、视频评估的方法、装置、计算机设备和存储介质。
2、第一方面，本申请提供了一种视频评估模型训练的方法。所述方法包括：
3、获取多个视频样本在同一初始特征维度下的特征数据，对属于同一初始特征维度的各特征数据分别进行分箱处理，得到每一特征数据各自所属的分箱区间、以及每一分箱区间各自的区间特征；
4、基于同一初始特征维度所包含的分箱区间，以及每一分箱区间所包
5、从初始特征维度中，筛选出维度价值满足价值条件的目标特征维度；
6、将每一视频样本在各目标特征维度所属分箱区间的区间特征，输入至初始视频评估模型，得到每一视频样本属于正样本或负样本的分类概率；
7、基于各视频样本的正负样本类型和分类概率，对初始视频评估模型进行参数调整，得到视频评估模型，视频评估模型用于评估待分析视频在每一目标特征维度下的维度评估价值。
8、第二方面，本申请提供了一种视频评估的方法。所述方法包括：
9、对待分析视频进行特征提取，得到待分析视频在多个目标特征维度下各自对应的特征数据；
10、确定待分析视频的特征数据在各目标特征维度下所属的目标分箱区间；
11、将待分析视频在各目标特征维度所属分箱区间的区间特征，输入至视频评估模型进行评估，得到待分析视频在每一目标特征维度下的维度评估价值；视频评估模型是通过上述视频评估模型训练的方法得到的；
12、基于各目标特征维度下的维度评估价值，确定待分析视频的视频评估价值。
13、第三方面，本申请还提供了一种视频评估模型训练装置。所述装置包括：
14、数据处理模块，用于获取多个视频样本在同一初始特征维度下的特征数据，对属于同一初始特征维度的各特征数据分别进行分箱处理，得到每一特征数据各自所属的分箱区间、以及每一分箱区间各自的区间特征；
15、维度价值确定模块，用于基于同一初始特征维度所包含的分箱区间，以及每一分箱区间所包含的特征数据所属视频样本的正样本数量与负样本数量，确定每一初始特征维度各自的维度价值；
16、特征维度筛选模块，用于从初始特征维度中，筛选出维度价值满足价值条件的目标特征维度；
17、分类概率获取模块，用于基将每一视频样本在各目标特征维度所属分箱区间的区间特征，输入至初始视频评估模型，得到每一视频样本属于正样本或负样本的分类概率；
18、参数调整模块，用于基于各视频样本的正负样本类型和分类概率，对初始视频评估模型进行参数调整，得到视频评估模型，视频评估模型用于评估待分析视频在每一目标特征维度下的维度评估价值。
19、第四方面，本申请还提供了一种视频评估装置。所述装置包括：
20、特征提取模块，用于基对待分析视频进行特征提取，得到待分析视频在多个目标特征维度下各自对应的特征数据；
21、分箱区间确定模块，用于基确定待分析视频的特征数据在各目标特征维度下所属的目标分箱区间；
22、维度评估模块，用于基将待分析视频在各目标特征维度所属分箱区间的区间特征，输入至视频评估模型进行评估，得到待分析视频在每一目标特征维度下的维度评估价值；视频评估模型是通过上述视频评估模型训练的方法得到的；
23、视频评估模块，用于基于各目标特征维度下的维度评估价值，确定待分析视频的视频评估价值。
24、第五方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序以实现上述视频评估模型训练方法的步骤。
25、第六方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序以实现上述视频评估方法的步骤。
26、第七方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述视频评估模型训练方法的步骤。
27、第八方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述视频评估方法的步骤。
28、第九方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述视频评估模型训练方法的步骤。
29、第十方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述视频评估方法的步骤。
30、上述视频评估模型训练的方法、视频评估的方法、装置、计算机设备和存储介质，通过对属于同一初始特征维度的各特征数据分别进行分箱处理，从而确定属于同一分箱区间的特征数据，以及分箱区间各自的区间特征，由此考虑每一分箱区间所包含的特征数据所属视频样本的正样本数量与负样本数量，进行信息价值评估以确定每一初始特征维度各自的维度价值，由此能够从初始特征维度中选择对预测结果贡献价值更高的目标特征维度。基于此，通过在目标特征维度的特征数据所属分箱区间的区间特征作为视频样本的特征进行输入，以预测视频样本的分类概率，由此考虑分类概率以及视频样本的样本类型调整模型参数，以使得基于视频评估模型能够评估待分析视频在每一目标特征维度下的维度评估价值，通过模型训练中进行特征维度筛选保证特征维度能够更为完整准确描述样本特征，保证模型训练的可靠性以及准确度，由此，通过训练完的模型进行视频评估以提升视频评估的准确度，且通过训练完的模型能够得到不同目标特征维度下的维度评估价值，可以得知在不同目标特征维度下对视频价值的贡献，还能够提升视频评估的可外化性。
本文档来自技高网...【技术保护点】
1.一种视频评估模型训练的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对属于同一所述初始特征维度的各所述特征数据分别进行分箱处理，得到每一所述特征数据各自所属的分箱区间、以及每一所述分箱区间各自的区间特征，包括：
3.根据权利要求2所述的方法，其特征在于，基于每一所述分箱区间所包含的特征数据所属视频样本的正样本数量与负样本数量，确定每一所述分箱区间各自的区间特征，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于同一所述初始特征维度所包含的分箱区间，以及每一所述分箱区间所包含的特征数据所属视频样本的正样本数量与负样本数量，确定每一所述初始特征维度各自的维度价值，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于各所述视频样本的正负样本类型和所述分类概率，对所述初始视频评估模型进行参数调整，得到视频评估模型，包括：
6.根据权利要求5所述的方法，其特征在于，所述基于各所述视频样本的正负样本类型和所述分类概率，以及所述曲线下面积，对所述初始视频评估模型进行参数调整，得到视频评估模型
7.根据权利要求1所述的方法，其特征在于，所述多个视频样本属于目标业务场景；
8.根据权利要求7所述的方法，其特征在于，所述待纠偏特征维度的维度类型为非二项式分布类型，与所述非二项式分布类型匹配的纠偏方式为基于分位数的纠偏方式，其中，所述纠偏处理后的特征数据包括分位纠偏处理后的特征数据。
9.根据权利要求7所述的方法，其特征在于，所述待纠偏特征维度的维度类型为二项式分布类型；
10.根据权利要9所述的方法，其特征在于，所述方法还包括：
11.根据权利要求1所述的方法，其特征在于，所述方法还包括：
12.根据权利要求1所述的方法，其特征在于，所述方法还包括：
13.一种视频评估的方法，其特征在于，包括：
14.一种视频评估模型训练装置，其特征在于，所述装置包括：
15.一种视频评估装置，其特征在于，所述装置包括：
16.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至13中任一项所述的方法的步骤。
17.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至13中任一项所述的方法的步骤。
18.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至13中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种视频评估模型训练的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对属于同一所述初始特征维度的各所述特征数据分别进行分箱处理，得到每一所述特征数据各自所属的分箱区间、以及每一所述分箱区间各自的区间特征，包括：
3.根据权利要求2所述的方法，其特征在于，基于每一所述分箱区间所包含的特征数据所属视频样本的正样本数量与负样本数量，确定每一所述分箱区间各自的区间特征，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于同一所述初始特征维度所包含的分箱区间，以及每一所述分箱区间所包含的特征数据所属视频样本的正样本数量与负样本数量，确定每一所述初始特征维度各自的维度价值，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于各所述视频样本的正负样本类型和所述分类概率，对所述初始视频评估模型进行参数调整，得到视频评估模型，包括：
6.根据权利要求5所述的方法，其特征在于，所述基于各所述视频样本的正负样本类型和所述分类概率，以及所述曲线下面积，对所述初始视频评估模型进行参数调整，得到视频评估模型，包括：
7.根据权利要求1所述的方法，其特征在于，所述多个视频样本属于目标业务场景；
8.根据权利要求7所述的方法，其特征在于，...
【专利技术属性】
技术研发人员：阮文静，
申请(专利权)人：深圳市腾讯计算机系统有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。