Hi,

mein Anliegen hat eigentlich nicht viel mit programmieren zu tun. Aber irgendwie schon.

Es geht um die Titel von YouTube-Videos, speziell um Videos, die Musik beinhalten.

Wer schon mal ein (in)offizielles Musikvideo auf YouTube gesehen hat, wird wahrscheinlich bemerkt haben, dass im Videotitel meist so Sachen wie (1080p), [HD], (with Lyrics), Full HD 1080p oder HQ Audio stehen. Ich arbeite momentan an einer Software, die u. A. in der Lage sein soll, den Videotitel von solchen "Verunreinigungen" zu befreien (so gut es geht natürlich), um - im Idealfall - nur Titel, Interpret und eventuell wichtige Zusätze im Titel zu haben.
Auf keinen Fall sollte es vorkommen, dass wichtige Infos herausgefiltert werden, also lieber zu wenig als zu viel wegnehmen.

Später sollen die gefilterten Songtitel eventuell dafür verwendet werden können, eine Abfrage an diverse Datenbanken zu stellen, um entsprechende Infos/Covers zu erhalten. Das kann aber erstmal vernachlässigt werden.

Wie geht man sowas am Besten an? Einfaches filtern über mehrere RegEx-Patterns? Wenn ja: Würde man da überhaupt noch durch so etwas komplexes durchsteigen?

Oder mit einem neuronalen Netz arbeiten? In welchem Format würde man solch ein Netz füttern? Ich könnte mir nur vorstellen, dass man die Bits der Ascii-Werte nimmt, sie in Floats (0.0/1.0) konvertiert und dann so an das Netz gibt. Andere ERfahrungen habe ich damit leider noch nicht machen können, bisher hab ich es imemr so (oder ähnlich) gemacht. Dann hätte man aber ein Netz, das ca 40*8 == 320 (bei 40 Zeichen) Eingangsneuronen hat. Das würde bestimmt ewig zum trainieren brauchen.
Außerdem: Woher bekomme ich die Lerndaten? Welche Parameter (z. B. Anzahl an Neuronen) wären da angemessen?

Gibt es sonst noch ansätze, die man gehen kann?

nikeee

nafets3646 schrieb:

Könntest du vielleicht eine Liste mit solchen Titeln zum Testen bereitstellen?

Hier: holz.nu/tunnel
Das ist in etwa das, was das Ding als Input bekommt (also die Videotitel).

nafets3646 schrieb:

per einfachem Replace Sachen wie deine Beispiele oben entfernen

Das Problem dabei ist, dass sich die Sachen zu stark voneinander unterscheiden. Wenn replace, dann wird das sicherlich nur mit RegEx vernünftig gehen. Da muss ich aber ebenfalls ziemlich viele Titel betrachten und schauen, was dort so geschrieben wurde.
Ich denke, man würde mit einer Kombination von RegEx und diversen stichwortlistne schon relativ weit kommen. Ich warte aber noch auf die Meisteridee, mit der das viel zuverlässiger gehen würde.

Chrisber schrieb:

die Lib auch mit Internetanbindung zu mahen

Es wird ein HTML-Basierter Mediaplayer, der YT-Videos abspielt. Dementsprechend könnte man da bestimmt eine REST-Google-API benutzen. Für die Google-APIs braucht man aber so gut wie immer einen Developer Key, welchen ich bei der Anwendung aber nicht beilegen kann, da der nicht öffentlich zugänglich sein darf. Da die Anwendung open source ist und via gh-pages gehostet wird, wird das schwer, weil ich möchte, dass man den Player verwenden kann, ohne sich das Repo zu klonen, eine Config-Datei anzupassen und nen eigenen Webserver zu starten.

Einfach eine Musik-Datenbank abfragen geht leider auch nicht immer, da die Musik ja teilweise nicht mal von irgendeinem Publisher vertrieben wird und deshalb nicht zwingend in irgendwelchen Musik-DBs sein muss.

@nafets3646 dieses Pattern sieht fr micha us, als hättest du einfach verschiedene Stichwörter genommen und diese dann zwischen immer die gleichen Tags gepackt.
Wäre es dann nicht eleganter, diese Wörter zu nehmen, in ein Array zu packen, einzeln durchzugehen und immer in das Standard-Pattern einzusetzen?
Genau das habe ich auch schon von Anfang an im Kopf gehabt. Man braucht dann quasi nur ein Standard-Pattern, das nicht zu lose aber acuh nicht zu stark ist.

@Higlav jeder macht es ja nicht zu 100% gleich, von daher wäre es interessant zu wissen, wie du das Problem angegangen bist und was du so für Tests berücksichtig hast.

Ich muss mir auch erstmal ein tool schreiben, mit dem ich alle Videotitel aus einer Playlist bekomme, denn sonst kann man das ja nicht vernünftig testen.

@nafets3646 das ist wohl mit Absicht so. Man kann bis zu 50 Stück afu einmal abfragen:
stackoverflow.com/a/10365437/785210
Irgendwo hab ich auch mal gelesen, dass man noch ein offset definieren kann, find's aber nicht mehr.

Wenn ich dann am Ende mit RegEx arbeiten würde, würde ich das Matching auf dem Client machen, was bedeuten soll, dass das Pattern auch unter JS funktionieren muss. RegEx ist zwar weitgehend standardisiert, aber viele packen da noch ihren eigenen Kram rein.

Das Pattern arbeitet für mein Anliegen aber noch zu unzuverlässig. Ich glaube ich belasse das erstmal dabei, dass ich nichts mache.