一种视频聚合方法及装置、存储介质及电子设备

技术领域

本申请涉及计算机技术领域，尤其涉及一种视频聚合方法及装置、存储介质及电子设备。

背景技术

现有的视频聚合方法，是通过标签进行聚合，也就是提前通过人工的方式为每个视频打上标签，从而将具有相同标签的视频进行聚合，然而，通过标签聚合的方式，不仅对需要消耗大量的人力物力，而且可能会存在视频标签不正确，导致降低视频聚合的准确度。

发明内容

本申请提供了一种视频聚合方法及装置、存储介质及电子设备，目的在于解决现有技术中存在的通过标签聚合的方式，不仅对需要消耗大量的人力物力，而且可能会存在视频标签不正确，导致降低视频聚合的准确度的问题。

为了实现上述目的，本申请提供了以下技术方案：

一种视频聚合方法，包括：

获取至少一个目标主题；

对每个目标主题进行向量化处理，得到每个目标主题的主题向量；

基于每个目标主题的主题向量，通过向量近邻检索算法，在视频向量库中查找与每个主题向量相匹配的各个视频向量和视频片段向量；其中，所述视频向量库中预先存储多个视频的视频向量、视频片段向量集合和视频信息；

针对每个目标主题，确定所查找到的与所述目标主题相匹配的视频向量和/或视频片段向量各自所属的视频，对所确定的各个视频进行视频去重处理，得到所述目标主题对应的各个视频，依据所述目标主题对应的各个视频的视频信息，生成所述目标主题对应的视频列表。

上述的方法，可选的，所述视频向量库中预先存储多个视频的视频向量、视频片段向量集合和视频信息的过程，包括：

获取内容库包括的各个视频；

针对所述内容库包括的每一个视频，对所述视频进行抽帧处理，得到所述视频包括的各帧图像和每一帧图像的视频点位信息，对每一帧图像进行向量化处理，得到每一个帧图像的图像向量，基于所述视频包括的各帧图像的图像向量，确定所述视频的视频向量；

针对所述内容库包括的每一个视频，依据所述视频包括的各帧图像的视频点位信息，生成多个视频片段，依据每一个视频片段包括的图像的图像向量，确定每一个视频片段的视频片段向量，将各个视频频段向量组成视频片段向量集合，将所述视频的所述视频向量、所述视频片段向量集合和视频信息存储至视频向量库中；每个视频片段由相邻视频点位信息的多帧图像构成。

上述的方法，可选的，所述基于所述视频包括的各帧图像的图像向量，确定所述视频的视频向量，包括：

依据所述视频包括的各帧图像的图像向量，计算各个图像向量的平均值，得到向量平均值；

将所述向量平均值作为所述视频的视频向量。

上述的方法，可选的，所述获取各个目标主题，包括：

获取输入的至少一个主题，和/或，获取依据预先采集的短语生成的主题；

从各个主题中，确定出至少一个目标主题。

上述的方法，可选的，所述从各个主题中，确定出至少一个目标主题之前，还包括：

将各个主题发送至审核人员，以便所述审核人员对各个主题进行筛选，并将筛选剩余的各个主题进行反馈；

获取所述审核人员反馈的各个主题。

上述的方法，可选的，所述生成所述目标主题对应的视频列表之后，还包括：

利用推荐系统，向用户推荐每个目标主题，以及每个目标主题对应的视频列表；

获取所述推荐系统转发的所述用户针对所述推荐的反馈信息；

依据所述反馈信息，对各个目标主题进行筛选，并依据所述反馈信息，对筛选出来的目标主题进行排序。

一种视频聚合装置，包括：

第一获取单元，用于获取至少一个目标主题；

向量化单元，用于对每个目标主题进行向量化处理，得到每个目标主题的主题向量；

查找单元，用于基于每个目标主题的主题向量，通过向量近邻检索算法，在视频向量库中查找与每个主题向量相匹配的各个视频向量和视频片段向量；其中，所述视频向量库中预先存储多个视频的视频向量、视频片段向量集合和视频信息；

聚合单元，用于针对每个目标主题，确定所查找到的与所述目标主题相匹配的视频向量和/或视频片段向量各自所属的视频，对所确定的各个视频进行视频去重处理，得到所述目标主题对应的各个视频，依据所述目标主题对应的各个视频的视频信息，生成所述目标主题对应的视频列表。

上述的装置，可选的，所述查找单元在视频向量库中预先存储多个视频的视频向量、视频片段向量集合和视频信息的过程时，具体用于：

获取内容库包括的各个视频；

针对所述内容库包括的每一个视频，对所述视频进行抽帧处理，得到所述视频包括的各帧图像和每一帧图像的视频点位信息，对每一帧图像进行向量化处理，得到每一个帧图像的图像向量，基于所述视频包括的各帧图像的图像向量，确定所述视频的视频向量；

针对所述内容库包括的每一个视频，依据所述视频包括的各帧图像的视频点位信息，生成多个视频片段，依据每一个视频片段包括的图像的图像向量，确定每一个视频片段的视频片段向量，将各个视频频段向量组成视频片段向量集合，将所述视频的所述视频向量、所述视频片段向量集合和视频信息存储至视频向量库中；每个视频片段由相邻视频点位信息的多帧图像构成。

一种存储介质，所述存储介质存储有指令集，其中，所述指令集被处理器执行时实现如上述第一方面公开的视频聚合方法，或者，第三方面公开的视频聚合方法。

一种电子设备，包括：

存储器，用于存储至少一组指令集；

处理器，用于执行所述存储器中存储的指令集，通过执行所述指令集实现如上述第一方面公开的视频聚合方法，或者，第三方面公开的视频聚合方法。

与现有技术相比，本申请包括以下优点：

本申请提供了一种视频聚合方法及装置、存储介质及电子设备，该方法通过在视频向量库中预先存储多个视频的视频向量、视频片段向量集合和视频信息，从而在获取至少一个目标主题后，对每个目标主题进行向量化处理，得到每个目标主题的主题向量，接着基于每个目标主题的主题向量，通过向量近邻检索算法，在视频向量库中查找与每个主题向量相匹配的各个视频向量和视频片段向量，并确定所查找到的与每个目标主题相匹配的视频向量和/或视频片段向量各自所属的视频，然后对所确定的各个视频进行视频去重处理，得到每个目标主题对应的各个视频，依据每个目标主题对应的各个视频的视频信息，生成每个目标主题对应的视频列表。可见，本申请方案实现了基于目标主题的视频聚合，而无需给视频打标签，从而极大的减少了人力物力的消耗，并提高了视频聚合的准确度。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本申请提供的一种视频聚合方法的方法流程图；

图2为本申请提供的一种视频聚合方法的又一方法流程图；

图3为本申请提供的一种视频聚合方法的又一方法流程图；

图4为本申请提供的一种视频聚合方法的又一方法流程图；

图5为本申请提供的一种视频聚合方法的示例图；

图6为本申请提供的一种视频聚合方法的又一示例图；

图7为本申请提供的一种视频聚合装置的结构示意图；

图8为本申请提供的一种电子设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本申请公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本申请公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本申请实施例提供了一种视频聚合方法，该方法的方法流程图如图1所示，具体包括：

S101、获取至少一个目标主题。

本实施例中，获取至少一个目标主题，目标主题为待聚合视频的主题。

参阅图2，获取至少一个目标主题的过程，包括以下步骤：

S201、获取输入的至少一个主题，和/或，获取依据预先采集的短语生成的主题。

本实施例中，获取输入的至少一个主题，和/或，获取依据预先采集的短语生成的主题。

本实施例中，获取输入的至少一个主题的过程，具体为，获取人工输入的至少一个主题，例如，“武侠经典片段”、“人间温情镜头”。

本实施例中，预先采集短语，具体的，预先采集输入的短语，或，预先采集基于视频关键词生成的短语。

依据预先采集的短语，生成主题。

其中，依据预先采集的短语，生成主题的具体实现过程请参见现有技术，此处不再赘述。

S202、从各个主题中，确定出至少一个目标主题。

从各个主题中，确定出至少一个目标主题，具体的，将各个主题中的部分或全部主题作为目标主题。

其中，在步骤S202之前，还可以包括以下步骤：

将各个主题发送至审核人员，以便审核人员对各个主题进行筛选，并将筛选剩余的各个主题进行反馈；

获取审核人员反馈的各个主题。

本实施例中，在确定出目标主题之前，还可以将各个主题发送至审核人员，以便审核人员对各个主题进行筛选，去掉不合理的主题，其中，不合理的主题包括但不限于语义不通顺的主题。

审核人员在完成各个朱提的筛选后，将筛选剩余的各个主题进行反馈。

从而可以获取到审核人员反馈的各个主题。

需要说明的是，在获取到审核人员反馈的各个主题后，从各个主题中，确定出至少一个目标主题的过程，具体为：从审核人员反馈的各个主题中，确定至少一个目标主题。

S102、对每个目标主题进行向量化处理，得到每个目标主题的主题向量。

本实施例中，对每个目标主题进行向量化处理，具体的，通过多模态模型，对每个目标主题进行向量化处理，即，将每个目标主题输入至多模态模型中，得到多模态模型输出的每个目标主题的主题向量。

其中，多模态模型可以是预先训练完成的CLIP(Contrastive Language-ImagePre-Training，对比语言-图像预训练)模型或类似模型。

S103、基于每个目标主题的主题向量，通过向量近邻检索算法，在视频向量库中查找与每个主题向量相匹配的各个视频向量和/或视频片段向量。

本实施例中，预先构建视频向量库，视频向量库中预先存储多个视频的视频向量、视频片段向量集合和视频信息；可选的，视频信息可以是视频id。

视频片段向量集合中包括多个视频片段向量。

参阅图3，视频向量库中预先存储多个视频的视频向量、视频片段向量集合和视频信息的过程，包括以下步骤：

S301、获取内容库包括的各个视频。

本实施例中，内容库存储多个视频。

获取内容库中包括的多个视频，并获取每个视频的视频信息，可选的，视频信息包括视频id。

S302、针对内容库包括的每一个视频，对视频进行抽帧处理，得到视频包括的各帧图像和每一帧图像的视频点位信息，对每一帧图像进行向量化处理，得到每一个帧图像的图像向量，基于视频包括的各帧图像的图像向量，确定视频的视频向量。

本实施例中，针对内容库包括的每一个视频，对视频进行抽帧处理，具体的，按照每N秒抽取一帧图像的频率，对视频进行抽帧处理，从而得视频包括的各帧图像和每一帧图像的视频点位信息，示例性的，N可以是1。

针对内容库包括的每一个视频，对该视频的所抽取每一帧图像进行向量化处理，具体的，利用多模态模型，对每一帧图像进行向量化处理，从而得到每一帧图像的图像向量，从而可以基于该视频包括的各帧图像的图像向量，确定视频的视频向量。

需要说明的是，本申请实施例提及的视频的每一帧图像为所抽取的图像。

其中，基于该视频包括的各帧图像的图像向量，确定视频的视频向量的过程，具体包括以下步骤：

依据视频包括的各帧图像的图像向量，计算各个图像向量的平均值，得到向量平均值；

将向量平均值作为视频的视频向量。

本实施例中，对视频包括的各帧图像的图像向量进行平均值计算，从而得到向量平均值，从将向量平均值作为视频的视频向量。

S303、针对内容库包括的每一个视频，依据视频包括的各帧图像的视频点位信息，生成多个视频片段，依据每一个视频片段包括的图像的图像向量，确定每一个视频片段的视频片段向量，将各个视频频段向量组成视频片段向量集合，将视频的视频向量、视频片段向量集合和视频信息存储至视频向量库中。

本实施例中，针对内容库包括的每一个视频，依据视频包括的各帧图像的视频点位信息，生成多个视频片段；其中，每个视频片段由相邻视频点位信息的多帧图像构成。需要说明的是，本申请实施例不对每个视频片段包括的图像的数量进行限定，不同视频片段包括的图像的数量可以相同也可以不同。

可选的，可以对每个视频片段进行分镜截断，以确保视频片段的相对完整性。

本实施例中，针对内容库包括的每一个视频，依据该视频对应的每一个视频片段包括的图像的图像向量，确定每一个视频片段的视频片段向量，具体的，对每一个视频片段包括的图像的图像向量进行平均值计算，得到每一个视频片段对应的平均值向量，将每一个视频片段对应的平均值向量作为每一个视频片段的视频片段向量，从而将各个视频片段向量组成视频片段向量集合，从而得到该视频的视频片段向量集合。

本实施例中，针对内容库包括的每一个视频，将该视频对应的视频向量、视频片段向量集合和视频信息写入视频向量库。

本申请实施例提供的方法中，基于每个目标主题的主题向量，通过向量近邻检索算法，在视频向量库中查找与每个主题向量相匹配的各个视频向量和视频片段向量，具体的，基于每个目标主题的主题向量，通过向量近邻检索算法，在视频向量库中查找与每个主题向量相匹配的视频向量，以及在视频向量库中查找每个主题向量相匹配的视频片段向量。

其中，向量近邻检索算法包括近邻检索算法和近似近邻检索算法。

示例性的，利用近邻检索算法，在视频向量库中查找与每个主题向量相匹配的各个视频向量和视频片段向量的过程，具体包括：输入向量跟视频向量库中所有的向量进行距离计算，最后选出topk返回。

其中，近似近邻检索算法包括但不限于树方法、哈希方法、矢量方法和图方法。

需要说明的是，基于视频向量库中预先存储的每个视频的视频向量、视频片段向量和视频信息，以及目标主题的主题向量，通过向量近邻检索算法，在视频向量库中查找与每个主题向量相匹配的各个视频向量和视频片段向量的具体过程，请参见现有技术此处不在赘述。

需要说明的是，针对每个目标主题，可能只能查找到与目标主题的主题向量相匹配的视频向量，也可能只能查找到与目标主题的主题向量相匹配的视频片段向量，也可能既查找到与目标主题的主题向量相匹配的视频向量，也能查找到与目标主题的主题向量相匹配的视频片段向量。

S104、针对每个目标主题，确定所查找到的与目标主题相匹配的视频向量和/或视频片段向量各自所属的视频，对所确定的各个视频进行视频去重处理，得到目标主题对应的各个视频，依据目标主题对应的各个视频的视频信息，生成目标主题对应的视频列表。

本实施例中，针对每个目标主题，确定所查找到的与目标主题的主题向量相匹配的视频向量和/或视频片段向量各自所属的视频，也就是说，若只查找到与目标主题的主题向量相匹配的视频向量，则只需确定所查找到的相匹配的视频向量所属的视频，若只查找与目标主题的主题向量相匹配的视频片段向量，则只需确定所查到的相匹配的视频片段向量所属的视频，若既查找到与目标主题的主题向量相配的视频向量，又查找与目标主题的主题向量相匹配的视频片段向量，则需要分别确定所查找到的相匹配的视频向量所属的视频和所查到的相匹配的视频片段向量所属的视频。

针对每个目标主题，在确定所查找到的与目标主题相匹配的视频向量和/或视频片段向量各自所属的视频之后，对所确定的各个视频进行视频去重处理，也就是将重复的视频进行删除，只保留多个重复视频中的一个视频，从而得到目标主题对应的各个视频，基于目标主题对应的各个视频的视频信息，生成目标主题对应的视频列表。

需要说明的是，目标主题对应的视频列表中包括的各个视频信息均为不同的视频信息，也就是说目标主题对应的视频列表中包括的各个视频信息中，不存在相同的视频信息。

可选的，在依据所目标主题对应的各个视频的视频信息，生成目标主题对应的视频列表之后，可以将增加人工审核环节，具体的，将目标主题对应的视频列表发送至人工审核平台，以便审核用户通过人工审核平台对视频列表进行审核。

需要说明的是，目标主题对应的视频列表即为基于目标主题，对视频进行聚合后的结果。

本申请实施例提供的视频聚合方法，通过在视频向量库中预先存储多个视频的视频向量、视频片段向量集合和视频信息，从而在获取至少一个目标主题后，对每个目标主题进行向量化处理，得到每个目标主题的主题向量，接着基于每个目标主题的主题向量，通过向量近邻检索算法，在视频向量库中查找与每个主题向量相匹配的各个视频向量和视频片段向量，并确定所查找到的与每个目标主题相匹配的视频向量和/或视频片段向量各自所属的视频，然后对所确定的各个视频进行视频去重处理，得到每个目标主题对应的各个视频，依据每个目标主题对应的各个视频的视频信息，生成每个目标主题对应的视频列表。可见，本申请方案实现了基于目标主题的视频聚合，而无需给视频打标签，从而极大的减少了人力物力的消耗，并提高了视频聚合的准确度。

参阅图4，上述本申请实施例提供的视频聚合方法中，步骤104之后，还可以包括以下步骤：

S401、利用推荐系统，向用户推荐每个目标主题，以及每个目标主题对应的视频列表。

本实例中，利用推荐系统，向用户推荐每个目标主题，以及每个目标主题对应的视频列表，从而用户可以根据自己的喜好，对多个目标主题和目标视频对应的视频列表中的视频信息进行选择，并反馈选择的结果。

S402、获取推荐系统转发的用户针对推荐的反馈信息。

本实施例中，推荐系统在接收到用户针对该推荐的反馈信息后，将反馈信息进行转发。

获取推荐系统转发的用户针对推荐的反馈信息。

S403、依据反馈信息，对各个目标主题进行筛选，并依据反馈信息，对筛选出来的目标主题进行排序。

本实施例中，依据反馈信息，对各个目标主题进行筛选，以淘汰用户用户选择少的目标主题，也就是淘汰效果差的目标主题。

本实施例中，依据反馈信息对筛选出来的目标主题进行排序，具体的，基于反馈信息，统计每一个目标主题被用户选择的次数，按照选择的次数从高到低的顺序，对筛选出来的目标主题进行排序。

需要说明的是，对于被淘汰的目标主题，将不再进行类似主题的视频聚合，从而替身系统整体运行效率。

本申请实施例提供的视频聚合方法，通过推荐系统对各个目标主题，和目标主题对应的视频列表进行推荐，从可以根据用户针对该推荐的反馈信息进行目标主题的筛选，从而实现淘汰效果差的目标主题，以及对筛选出来的目标主题进行排序，以实现目标主题的个性化展示。

对上述本申请是实施例提供的视频聚合方法的具体实现过程进行举例说明如下：

视频向量计算服务：

参阅图5，针对每一个视频，按每N秒(N通常取1)抽取一帧，利用多模态模型，针对每一个帧生成高维向量，存储帧向量及视频点位信息；然后对一个视频所有帧向量，计算平均向量，当作视频向量，存储视频向量。

这里多模态模型，可以使用预训练好的CLIP模型或类似模型，也可以自己训练类似的多模态模型，本专利不限制，本专利具体实现时实际使用的预训练好的CLIP模型。

创意主题生成服务：

该服务包括自动创意主题生成及人工主题支持。

参阅图6，自动创意主题生成通过组合预设短语或人工添加短语实现自动主题的聚合，自动聚合主题，会需要人工对聚合具体进行一些初筛，去掉生成的明显不合理的主题。

人工主题支持及人工直接添加人工编辑好的主题短语，无需再次加工。比如：“武侠经典片段”，“人间温情镜头”。

聚合主题内容生成服务：

同样参见图6，获取创意主题生成服务待聚合内容的所有主题，用多模态模型将主题文本转化成向量(需要使用视频向量计算服务的同一个模型)，然后到视频向量库检索，检索获得相应视频或片段集合，对视频纬度做一定去重，不重复出现同一个视频，即完成主题聚合。记录主题及检索获得的视频列表。聚合主题内容生成服务，第一次或内容有大量更新时全量生成，平时可增量更新创意主题生成服务。其中人工审核环节是平台的内容播出要求可添加，不是必须。

主题模块内容推荐选优服务：

同样参见图6，主题内容模块选优，包括两个层次，主题内容模块层次及主题内内容层次，这是可用推荐系统自动完成。具体地，推荐召回及排序均会优先向用户推荐更合适及更个性化的模块及内容。根据推荐反馈数据，可以逐步淘汰效果差的主题模块内容聚合，将这些效果差的数据反馈到聚合主题内容生成服务及创意主题生成服务，不再进行类似主题生成及内容聚合，提升系统整体运行效率。

需要说明的是，虽然采用特定次序描绘了各指令，但是这不应当理解为要求这些指令以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。

应当理解，本申请公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本申请公开的范围在此方面不受限制。

与图1所述的方法相对应，本申请实施例还提供了一种视频聚合装置，用于对图1中方法的具体实现，该装置的结构示意图如图7所示，具体包括：

第一获取单元701，用于获取至少一个目标主题；

向量化单元702，用于对每个目标主题进行向量化处理，得到每个目标主题的主题向量；

查找单元703，用于基于每个目标主题的主题向量，通过向量近邻检索算法，在视频向量库中查找与每个主题向量相匹配的各个视频向量和视频片段向量；其中，所述视频向量库中预先存储多个视频的视频向量、视频片段向量集合和视频信息；

聚合单元704，用于针对每个目标主题，确定所查找到的与所述目标主题相匹配的视频向量和/或视频片段向量各自所属的视频，对所确定的各个视频进行视频去重处理，得到所述目标主题对应的各个视频，依据所述目标主题对应的各个视频的视频信息，生成所述目标主题对应的视频列表。

本申请实施例提供的视频聚合装置，实现了基于目标主题的视频聚合，而无需给视频打标签，从而极大的减少了人力物力的消耗，并提高了视频聚合的准确度。

在本申请的一个实施例中，基于前述方案，查找单元703在视频向量库中预先存储多个视频的视频向量、视频片段向量集合和视频信息的过程时，具体用于：

获取内容库包括的各个视频；

针对所述内容库包括的每一个视频，对所述视频进行抽帧处理，得到所述视频包括的各帧图像和每一帧图像的视频点位信息，对每一帧图像进行向量化处理，得到每一个帧图像的图像向量，基于所述视频包括的各帧图像的图像向量，确定所述视频的视频向量；

针对所述内容库包括的每一个视频，依据所述视频包括的各帧图像的视频点位信息，生成多个视频片段，依据每一个视频片段包括的图像的图像向量，确定每一个视频片段的视频片段向量，将各个视频频段向量组成视频片段向量集合，将所述视频的所述视频向量、所述视频片段向量集合和视频信息存储至视频向量库中；每个视频片段由相邻视频点位信息的多帧图像构成。

在本申请的一个实施例中，基于前述方案，查找单元703在基于所述视频包括的各帧图像的图像向量，确定所述视频的视频向量时，具体用于：

依据所述视频包括的各帧图像的图像向量，计算各个图像向量的平均值，得到向量平均值；

将所述向量平均值作为所述视频的视频向量。

在本申请的一个实施例中，基于前述方案，第一获取单元701，具体用于：

获取输入的至少一个主题，和/或，获取依据预先采集的短语生成的主题；

从各个主题中，确定出至少一个目标主题。

在本申请的一个实施例中，基于前述方案，还可以配置为：

发送单元，用于将各个主题发送至审核人员，以便所述审核人员对各个主题进行筛选，并将筛选剩余的各个主题进行反馈；

第二获取单元，用于获取所述审核人员反馈的各个主题。

在本申请的一个实施例中，基于前述方案，还可以配置为：

推荐单元，用于利用推荐系统，向用户推荐每个目标主题，以及每个目标主题对应的视频列表；

筛选单元，用于获取所述推荐系统转发的所述用户针对所述推荐的反馈信息；

依据所述反馈信息，对各个目标主题进行筛选，并依据所述反馈信息，对筛选出来的目标主题进行排序。

本申请实施例还提供了一种存储介质，所述存储介质存储有指令集，其中，在所述指令集运行时执行如上文任一实施例公开的视频聚合方法。

本申请实施例还提供了一种电子设备，其结构示意图如图8所示，具体包括存储器801，用于存储至少一组指令集；处理器802，用于执行所述存储器中存储的指令集，通过执行如上文任一实施例公开的视频聚合方法。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本申请公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

以上描述仅为本申请公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。