Resumen

Con el auge y el rápido desarrollo de los sitios web para compartir vídeos cortos, el número de vídeos cortos en Internet ha crecido de forma explosiva. La organización y clasificación de los vídeos cortos se han convertido en la base para el uso eficaz de los vídeos cortos, lo que también es un problema al que se enfrentan las principales plataformas de vídeos cortos. Teniendo en cuenta las características de las complejas categorías de contenido de los vídeos cortos y la rica información textual ampliada, este artículo utiliza métodos del campo de la clasificación de textos para resolver el problema de la clasificación de los vídeos cortos. En comparación con la forma tradicional de clasificar y comprender los fotogramas clave de los vídeos cortos, este método se caracteriza por un menor coste computacional, unos resultados de clasificación más precisos y una aplicación más sencilla. Este trabajo propone un modelo de clasificación de texto basado en el mecanismo de atención de la extensión de vídeo corto con incrustación multitexto. El experimento utiliza primero el modelo de lenguaje de entrenamiento Albert para extraer vectores a nivel de frase y luego utiliza el mecanismo de atención para estudiar la información de texto en varias extensiones de vídeo corto en un factor de peso de clasificación de vídeo corto. Y esta investigación aplicó el método de aumento de datos no supervisado (UDA) de Google basado en datos no supervisados, combinándolo creativamente con el grafo de conocimiento chino, y realizó el reemplazo de palabras TF-IDF. Durante el proceso de entrenamiento, introdujimos una gran cantidad de datos sin etiquetar, lo que mejoró significativamente la precisión de la clasificación del modelo. La serie final de experimentos relacionados tiene como objetivo comparar los métodos existentes de clasificación de títulos de vídeos cortos, los métodos de clasificación basados en fotogramas clave de vídeo y los métodos híbridos, y demostrar que el método propuesto en este artículo es más preciso y robusto en el conjunto de pruebas.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:vídeos cortos, método, mecanismo de atención, categorías complejas de contenidos de vídeos cortos, principales plataformas de vídeos cortos, información ampliada rica en texto, problema de clasificación de vídeos cortos, factor de peso de clasificación de vídeos cortos, fotogramas clave de vídeos cortos, sitios web para compartir vídeos cortos
• Keywords:short videos, method, attention mechanism, complex short video content categories, major short video platforms, rich extended text information, short video classification problem, short video classification weight factor, short video key frames, short video sharing websites