类别确定方法、装置、设备、存储介质和产品与流程

技术特征：
1.一种类别确定方法，其特征在于，所述方法包括：获取目标视频的第一视频描述信息，所述第一视频描述信息用于描述所述目标视频的视频内容；对所述第一视频描述信息进行实体识别，得到所述第一视频描述信息中的第一实体；获取所述第一实体的第一知识扩展信息；基于所述第一视频描述信息和所述第一知识扩展信息，确定所述目标视频的类别。2.根据权利要求1所述的方法，其特征在于，所述目标视频的类别包括一级类别和二级类别；所述基于所述第一视频描述信息和所述第一知识扩展信息，确定所述目标视频的类别，包括：基于所述第一视频描述信息，确定所述目标视频的一级类别；基于所述第一视频描述信息和所述第一知识扩展信息，确定所述目标视频的二级类别。3.根据权利要求2所述的方法，其特征在于，所述基于所述第一视频描述信息，确定所述目标视频的一级类别，包括：确定所述第一视频描述信息的描述语义特征，基于所述描述语义特征，确定所述目标视频的一级类别；所述基于所述第一视频描述信息和所述第一知识扩展信息，确定所述目标视频的二级类别，包括：确定所述第一知识扩展信息的扩展语义特征，对所述描述语义特征和所述扩展语义特征进行融合，得到融合特征，基于所述融合特征，确定所述目标视频的二级类别。4.根据权利要求1所述的方法，其特征在于，所述目标视频的类别包括一级类别和二级类别；所述基于所述第一视频描述信息和所述第一知识扩展信息，确定所述目标视频的类别，包括：将所述第一视频描述信息和所述第一知识扩展信息输入类别识别模型，输出所述目标视频的一级类别和二级类别，所述类别识别模型用于基于所述第一视频描述信息，确定所述目标视频的一级类别，基于所述第一视频描述信息和所述第一知识扩展信息，确定所述目标视频的二级类别。5.根据权利要求4所述的方法，其特征在于，所述类别识别模型的训练过程包括：获取样本数据，所述样本数据包括样本视频的第二视频描述信息、所述样本视频的样本一级类别和样本二级类别；获取第二实体的第二知识扩展信息，所述第二实体为所述第二视频描述信息中的实体；通过训练前的类别识别模型，对所述第二视频描述信息和所述第二知识扩展信息进行类别识别，得到所述样本视频的预测一级类别和预测二级类别；基于所述预测一级类别、所述样本一级类别、所述预测二级类别和所述样本二级类别，对所述训练前的类别识别模型进行训练，得到所述类别识别模型。6.根据权利要求5所述的方法，其特征在于，所述基于所述预测一级类别、所述样本一级类别、所述预测二级类别和所述样本二级类别，对所述训练前的类别识别模型进行训练，得到所述类别识别模型，包括：
基于所述预测一级类别和所述样本一级类别，确定第一损失值；基于所述预测二级类别和所述样本二级类别，确定第二损失值；将所述第一损失值与所述第二损失值进行融合，得到第三损失值；基于所述第三损失值，对所述训练前的类别识别模型进行训练，得到所述类别识别模型。7.根据权利要求5所述的方法，其特征在于，所述基于所述预测一级类别、所述样本一级类别、所述预测二级类别和所述样本二级类别，对所述训练前的类别识别模型进行训练，得到所述类别识别模型，包括：确定第一概率和第二概率，所述类别识别模型用于确定所述目标视频属于多个一级类别的概率和所述目标视频属于多个二级类别的概率，所述第一概率为所述类别识别模型确定的至少一个一级类别的概率，所述第二概率为所述类别识别模型确定的至少一个二级类别的概率；基于所述预测一级类别、所述样本一级类别、所述预测二级类别、所述样本二级类别、所述第一概率和所述第二概率，对所述训练前的类别识别模型进行训练，得到所述类别识别模型。8.根据权利要求7所述的方法，其特征在于，所述确定第一概率和第二概率，包括以下任一项：将所述类别识别模型确定的正确一级类别的概率确定为所述第一概率，将所述类别识别模型确定的正确二级类别的概率确定为所述第二概率，所述正确一级类别是与所述样本一级类别相同的类别，所述正确二级类别是与所述样本二级类别相同的类别；将所述预测一级类别的概率确定为所述第一概率，将所述预测二级类别的概率确定为所述第二概率；将所述预测一级类别的概率确定为所述第一概率，将所述类别识别模型确定的多个二级类别的概率确定为所述第二概率；将所述类别识别模型确定的多个一级类别的概率确定为所述第一概率，将所述类别识别模型确定的多个二级类别的概率确定为所述第二概率。9.根据权利要求7所述的方法，其特征在于，所述基于所述预测一级类别、所述样本一级类别、所述预测二级类别、所述样本二级类别、所述第一概率和所述第二概率，对所述训练前的类别识别模型进行训练，得到所述类别识别模型，包括：基于所述预测一级类别和所述样本一级类别，确定第一损失值；基于所述预测二级类别和所述样本二级类别，确定第二损失值；基于所述第一概率和所述第二概率，确定第四损失值；将所述第一损失值、所述第二损失值和所述第四损失值进行融合，得到第五损失值；基于所述第五损失值，对所述类别识别模型进行训练。10.根据权利要求9所述的方法，其特征在于，所述基于所述第一概率和所述第二概率，确定第四损失值，包括：在所述第一概率小于所述第二概率的情况下，基于所述第一概率和所述第二概率的差值，确定所述第四损失值，所述第四损失值与所述差值呈正相关；在所述第一概率不小于所述第二概率的情况下，确定所述第四损失值为0。
11.一种类别确定装置，其特征在于，所述装置包括：第一获取模块，用于获取目标视频的第一视频描述信息，所述第一视频描述信息用于描述所述目标视频的视频内容；识别模块，用于对所述第一视频描述信息进行实体识别，得到所述第一视频描述信息中的第一实体；第二获取模块，用于获取所述第一实体的第一知识扩展信息；确定模块，用于基于所述第一视频描述信息和所述第一知识扩展信息，确定所述目标视频的类别。12.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器用于存储至少一段计算机程序，所述至少一段计算机程序由所述处理器加载并执行权利要求1至10任一项权利要求所述的类别确定方法。13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储至少一段计算机程序，所述至少一段计算机程序用于执行权利要求1至10任一项权利要求所述的类别确定方法。14.一种计算机程序产品，包括计算机程序代码，其特征在于，所述计算机程序代码存储在计算机可读存储介质中，计算机设备的处理器从所述计算机可读存储介质读取所述计算机程序代码，所述处理器执行所述计算机程序代码，使得所述计算机设备执行权利要求1至10任一项权利要求所述的类别确定方法。

技术总结
本申请实施例公开了一种类别确定方法、装置、设备、存储介质和产品，属于计算机技术领域，可应用于计算机技术中的视频分类、人工智能以及车载等场景。方法包括：获取目标视频的第一视频描述信息，所述第一视频描述信息用于描述所述目标视频的视频内容；对所述第一视频描述信息进行实体识别，得到所述第一视频描述信息中的第一实体；获取所述第一实体的第一知识扩展信息；基于所述第一视频描述信息和所述第一知识扩展信息，确定所述目标视频的类别。该方案通过引入知识扩展信息使得实体的信息更加丰富，也使得该实体能够被更加准确地理解，因此，基于该知识扩展信息和视频描述信息能够更加准确地确定视频类别，提高了视频类别的准确性。的准确性。的准确性。


技术研发人员：黄剑辉
受保护的技术使用者：腾讯科技（深圳）有限公司
技术研发日：2022.03.24
技术公布日：2022/6/28