随着腾讯视频、优酷和爱奇艺等视频网站近年来的蓬勃发展,对视频的精确检索、分类以及个性化推荐等需求变得日益迫切起来。目前,对视频的自动分类大多数是根据上传视频的标题或者字幕等信息来分类的,技术的限制使得分类时往往遗漏了视频的真正内容。近年来,图像领域深度学习算法飞速发展,促进了视频分类技术的更新换代,使得基于视频内容的视频自动化分类成为了可能。本文利用深度学习强大的特征提取能力,直接从视频的内容着手对视频进行多标签分类,针对视频的固有特点,本文的主要工作包括以下几点:1)迁移多个文本特征提取算法应用到视频时序特征提取。视频和文本都由图片(即帧)和词语组成,都存在关键帧和关键词。与文本不同的是,视频相邻帧相似,所以本文在迁移算法的同时,还做出了相应的优化,使得算法能更好地提取视频时序特征。2)改进C-LSTM特征提取网络,结合Bi-LSTM和Attention机制以提取视频关键信息。现实中,视频信息较为冗余,可能只有小部分视频对分类起关键作用,还有大量片头片尾,切换镜头等噪声需要去除。通过结合Attention机制,模型对视频内容给予不同的权重,以达到提取关键信息的效果,从视频中提取更有区分度的分类特征。3)改进时序分割网络(TSN)以适用于多标签视频分类。本文通过提出多种互补采样策略,在减少视频冗余信息的同时,尽可能地保留重要信息;基于Bagging的思想,本文提出结合混合专家模型的集成策略,在单个模型中通过共享参数,多路集成,最后达到Bagging的效果,提高视频分类性能,避免训练多个模型。最后,本文通过一系列的实验,证明了本文改进的视频时序特征提取器(C-Bi-LSTM Attention)和多路集成网络(MpEN),在视频的多标签分类数据集上取得了更好的性能。