基于人工智能的数据处理方法和相关设备与流程

技术特征：
1.一种基于人工智能的数据处理方法，其特征在于，包括：获取多个待处理视频；将所述多个待处理视频输入特征向量提取模型，以得到每个待处理视频的视频特征向量，其中，所述特征向量提取模型是利用多个样本视频的图像信息以及对应的特征描述信息对原始模型进行训练得到的，所述特征描述信息包括用于描述视频的粗粒度语义特征的第一分类信息，以及用于描述视频的细粒度语义特征的第二分类信息，所述原始模型包括第一分支网络和第二分支网络，所述第一分支网络用于学习所述图像信息以及所述第一分类信息，所述第二分支网络用于辅助所述第一分支网络学习所述第二分类信息；根据所述每个待处理视频的视频特征向量，将所述多个待处理视频划分为至少一个视频类簇。2.如权利要求1所述的方法，其特征在于，所述第一分类信息包括单个标签，所述第二分类信息包括多个标签。3.如权利要求1或2所述的方法，其特征在于，所述根据所述每个待处理视频的视频特征向量，将所述多个待处理视频划分为至少一个视频类簇之后，所述方法还包括：向终端设备发送所述至少一个视频类簇，以使得所述终端设备在用户界面中展示每个视频类簇包括的视频。4.如权利要求2所述的方法，其特征在于，所述将所述多个待处理视频输入特征向量提取模型，以得到每个待处理视频的视频特征向量之前，所述方法还包括：获取训练样本集，所述训练样本集包括多个样本视频；根据所述多个样本视频的图像信息以及对应的特征描述信息，对所述原始模型进行训练；将训练后的第一分支网络作为所述特征向量提取模型。5.如权利要求4所述的方法，其特征在于，所述根据所述多个样本视频的图像信息以及对应的特征描述信息，对所述原始模型进行训练，包括：将所述多个样本视频中的每个样本视频的图像信息输入所述第一分支网络，以得到所述每个样本视频的视频特征向量；将所述每个样本视频的第二分类信息包括的多个标签输入所述第二分支网络，以得到所述每个样本视频的标签特征向量；利用所述视频特征向量和所述标签特征向量对所述原始模型的网络参数进行调整，以训练所述原始模型。6.如权利要求5所述的方法，其特征在于，所述将所述多个样本视频中的每个样本视频的图像信息输入所述第一分支网络，以得到所述每个样本视频的视频特征向量，包括：将所述多个样本视频中的每个样本视频划分为k个视频片段，其中，所述k为正整数；从所述k个视频片段的每个视频片段中随机采样一张图片，以得到所述每个样本视频的k张图片；将所述每个样本视频的k张图片作为图像信息输入所述第一分支网络，以得到所述每个样本视频的视频特征向量。7.如权利要求5所述的方法，其特征在于，所述将所述每个样本视频的第二分类信息包括的多个标签输入所述第二分支网络，以得到所述每个样本视频的标签特征向量，包括：
获取所述多个样本视频的第二分类信息包括的所有标签；根据所述所有标签和所述每个样本视频的第二分类信息包括的多个标签，生成标签依赖关系矩阵，所述标签依赖关系矩阵包括任意两个标签之间的关联系数；将所述每个样本视频的第二分类信息包括的多个标签对应的标签特征矩阵和所述标签依赖关系矩阵，输入所述第二分支网络，以得到所述每个样本视频的标签特征向量。8.如权利要求5～7中任一所述的方法，其特征在于，所述利用所述视频特征向量和所述标签特征向量对所述原始模型的网络参数进行调整，以训练所述原始模型，包括：获取所述每个样本视频的第一分类信息；根据所述视频特征向量、所述标签特征向量和所述第一分类信息，确定总损失值，所述总损失值包括第一类别损失函数的损失值和第二类别损失函数的损失值；利用所述总损失值对所述第一分支网络的网络参数进行调整，以训练所述原始模型。9.如权利要求8所述的方法，其特征在于，所述根据所述视频特征向量、所述标签特征向量和所述第一分类信息，确定总损失值，包括：根据所述每个样本视频的视频特征向量和第一分类信息对应的特征向量，确定所述第一类别损失函数的损失值；根据所述多个样本视频的视频特征向量和第一分类信息确定所述第二类别损失函数的损失值，所述第二类别损失函数包括增大边界的归一化指数函数；根据所述第一类别损失函数的损失值和所述第二类别损失函数的损失值，确定总损失值。10.一种计算机设备，其特征在于，包括：处理器、存储器以及网络接口；所述处理器与所述存储器、所述网络接口相连，其中，所述网络接口用于提供网络通信功能，所述存储器用于存储程序代码，所述处理器用于调用所述程序代码，以执行权利要求1
‑
9任一项所述的方法。

技术总结
本申请实施例公开了一种基于人工智能的数据处理方法和相关设备，其中方法包括：获取多个待处理视频；将所述多个待处理视频输入特征向量提取模型，以得到每个待处理视频的视频特征向量，其中，所述特征向量提取模型是利用多个样本视频的图像信息以及对应的特征描述信息对原始模型进行训练得到的，所述特征描述信息包括用于描述视频的粗粒度语义特征的第一分类信息，以及用于描述视频的细粒度语义特征的第二分类信息；根据所述每个待处理视频的视频特征向量，将所述多个待处理视频划分为至少一个视频类簇。采用本申请，可以减少对提取视频特征向量的条件限制，提高视频的特征向量对视频语义的表达能力和准确度。对视频语义的表达能力和准确度。对视频语义的表达能力和准确度。


技术研发人员：常德丹
受保护的技术使用者：腾讯科技（深圳）有限公司
技术研发日：2021.01.04
技术公布日：2021/10/19