(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210015812.8 (22)申请日 2022.01.07 (71)申请人 北京中视广信科技有限公司 地址 100038 北京市海淀区复兴 路12号43 号楼309室 (72)发明人 金璨　孙剑　麻书城　 (74)专利代理 机构 北京市盛峰律师事务所 11337 代理人 席小东 (51)Int.Cl. G06F 16/41(2019.01) G06F 16/432(2019.01) G06F 16/45(2019.01) G06F 40/30(2020.01) H04N 21/2187(2011.01) (54)发明名称 一种体育赛事直播的全媒体内容智能感知 及关联的方法 (57)摘要 本发明提供一种体育赛事直播的全媒体内 容智能感知及关联的方法， 包括以下步骤： 步骤 1， 预建立内容库与内容索引库； 步骤2， 离线赛前 预筛选阶段； 步骤3， 事件提取过程； 步骤4， 初步 匹配过程； 步骤5， 事件语义扩展过程； 步骤6， 深 度语义匹配过程； 步骤7， 多模态内容输出， 作为 当前时刻的实时赛事数据的关联内容， 即时呈 现。 本发明能够实现对体育赛事直播节目的全媒 体内容智能感知及同源内容动态关联， 可以快 速、 全面准确的从全媒体内容数据库中搜索到与 当前赛事数据最为关联的关联内容， 提升体育赛 事直播效果。 权利要求书4页 说明书11页 附图3页 CN 114372159 A 2022.04.19 CN 114372159 A 1.一种体育赛事直播的全媒体内容智能感知及关联的方法， 其特征在于， 包括以下步 骤： 步骤1， 预建立内容库 与内容索引库； 所述内容库用于存 储多条原 始内容； 每条 所述原始内容具有内容 id； 所述内容索引库用于存储绑定有对应的内容id的内容索引； 其中， 每条所述内容索引 包括多个内容属性标签； 步骤2， 离线赛前 预筛选阶段： 步骤2.1， 针对当前待直播的体育赛事， 获取赛事静态数据集； 所述赛事静态数据集包 括多个赛事静态数据； 步骤2.2， 以所述赛事静态数据集中的每个赛事静态数据为检索词， 检索所述内容索引 库， 一共预筛选得到N 1条与所述赛事静态数据集相关联的内容索引， 表示为： 预筛选内容索 引 预筛选内容索引 ...,预筛选内容索引 由此形成预筛内容索引 库B0_index； 步骤3， 事 件提取过程： 步骤3.1， 针对当前待直播的体育赛事， 预定义赛事提取触发规则以及重点关注的锚点 集合； 其中， 所述 赛事提取触发规则包括多个赛事关键词； 所述锚点 集合包括多个锚点； 预定义事件层次结构； 所述事件层次结构为三层结构， 按自上向下的方向， 包括： 第一 层节点， 第二层节点和第三层节点； 其中， 所述第一层节点为根节点， 用于存储一级事件类 型； 所述第二层节 点为所述第一层节 点的子节点， 包括多种不同的二级事件类型； 所述第三 层节点为各个所述第二层节点的子节点， 用于表示二级事件类型包括的三级事件类型； 其 中， 所述三级事件类型中， 包括体育赛事 事件； 步骤3.2， 当体育赛事直播开始时， 通过体育赛事直播源实时读取到当前t时刻的实时 赛事数据； 根据步骤3.1预定义的事件层次结构， 判断所述实时赛事数据是否属于体育赛事事件 数据， 如果不是， 则结束对此实时赛事数据的处理， 继续读取下一时间段的实时赛事数据； 如果是， 则进一步判断所述实时赛事数据， 是否满足所述赛事提取触发规则， 如果不满足， 则结束对此实时赛事 数据的处理， 继续读取下一时间段的实时赛事数据； 如果满足， 则执行 步骤3.3； 步骤3.3， 采用事件抽取模型， 从所述实时赛事数据中提取得到事件， 表示为： 事件 Eventt＝{et1,et2,...,et11}； 其中， et1,et2,...,et11代表事件Eventt的11个事件变量； 其中： et1为一级事件类型变量； et2为二级事件类型变量； et3为三级事件类型变量； et4为赛事具体事 件类型变量； et5为对阵双方名称变量； et6为当前比分变量； et7为事件锚点变量；权　利　要　求　书 1/4 页 2 CN 114372159 A 2et8为当前球员姓名变量； et9为当前球员所在球队名称变量； et10为事件简要描述变量； et11为事件发生时间变量； 从所述实时赛事数据中提取 得到事件的提取 方法为： 按照设定顺序排列11个事件变量的组合槽位， 从第1个槽位开始， 利用槽位识别技术确 定当前槽位， 再通过对所述 实时赛事数据的分析， 得到 当前槽位的变量值， 并向当前槽位填 充相应的变量值； 然后向后移动一个槽位， 循环进行， 直到完成对第11个槽位的填充， 得到 包含11个事件变量的事件Eventt， 即为提取到的事件； 如果某个槽位相应的变量值不存在， 则为空； 其中， 事件锚点变量的提取方法为： 根据步骤3.1预定义的锚点集合， 如果存在属于锚 点集合的事件属性， 则将该事 件属性作为事 件锚点； 步骤4， 初步匹配过程： 步骤4.1， 将步骤3提取到的事件Eventt， 与步骤2得到 的预筛选内容索引 预筛 选内容索引 ...,预筛选内容索引 输入到已训练完成的逻辑回归模型进行 补步匹配， 逻辑回归模型分别计算得到事件Eventt与预筛选内容索引 的匹配得分 事件Eventt与预筛选内容索引 的匹配得分 ...,事件Eventt与预筛 选内容索引 的匹配得分 获得匹配得分最高 的前N2个预筛选内容索引， 表示为： 预筛选内容索引 预筛选 内容索引 ...,预筛选内容索引 其中， N2＜N1， 由此 形成初筛内容索引库B1_ index； 步骤4.2， 由于每条预筛选内容索引均绑定有对应的内容id， 因此， 对于初筛内容索引 库B1_index中的每一条预筛选内容索引， 根据其绑定的内容id， 查找步骤1预建立的内容 库， 得到对应的初步关联内容， 将得到的N2个初步关联内容表示为： 初步关联内容 初步关联内容 ...,初步关联内容 由此形成初步关联内容 库； 步骤5， 事 件语义扩展过程： 步骤5.1， 对事件Eventt往前进行一定时间长度的回溯， 提取事件Eventt在回溯时间段 内的所有前置事件， 形成前置事件合集， 按时间序列， 依次表示为： 前置事件F_Eventt(1)， 前置事件F_Eventt(2),...,前置事 件F_Eventt(n1)； 其中， n1代 表前置事 件的总数量； 将n1个前置事 件按时间序列的排序， 称为语义扩展后的前置事 件合集； 步骤5.2， 判断步骤5.1得到的前置事件的总数量n1， 是否达到设定数量 阈值； 如果未达 到， 则执行步骤5.3； 如果达 到， 则执行步骤5.4； 步骤5.3， 基于体育赛事知识图谱， 对步骤5.1得到的n1个前置事件进行实体扩展得到 二次扩展后事 件合集； 采用二次扩展后事件合集更新步骤5.1得到的语义扩展后的前置事件合集； 然后执行权　利　要　求　书 2/4 页 3 CN 114372159 A 3