1.一种基于query分析的视频反馈方法，其特征在于，包括：获取预设时长内产生的query日志，从所述query日志中获取浏览信息，并分析所述浏览信息，得到目标query及与所述目标query关联的视频段；

对与所述目标query关联的视频段进行视觉特征提取，得到与所述目标query关联的视频段中每个视频段的向量表征；

将与所述目标query关联的视频段确定为输入，将每个视频段的向量表征确定为输出，并训练预设神经网络模型，得到视频内容分析模型，其中，所述视频内容分析模型用于对输入的视频段进行内容的分析及转化，并输出所述输入的视频段内容的向量表征；

关联所述目标query与每个视频段的内容，包括：将所述目标query转化为query向量，拼接所述query向量中的每个query向量与对应的每个视频段的向量表征，得到拼接向量；

利用所述拼接向量训练预设分类模型，得到目标分类模型；

当接收到待处理query及所述待处理query的反馈视频时，将所述待处理query转化为第一向量，及将所述反馈视频输入至所述视频内容分析模型，得到至少一个第二向量；

拼接所述第一向量与所述至少一个第二向量中的每个第二向量，得到至少一个第三向量，将所述至少一个第三向量输入至所述目标分类模型，得到至少一个分类结果，及每个分类结果的第一概率，其中，所述第一概率表征在视频内容维度上与所述待处理query间的相似度；

计算所述第一向量与每个第二向量间的相似度，得到至少一个第二相似度，其中，所述第二相似度表征所述待处理query与所述待处理query的反馈视频间在文本维度上的相似度；

根据每个分类结果的第一概率及所述至少一个第二相似度计算所述待处理query与所述待处理query的反馈视频间的相关度，包括：确定所述第一概率的第一权重，及确定所述第二相似度的第二权重；计算所述第一概率与所述第一权重间的乘积作为第一乘积；计算所述至少一个第二相似度中每个第二相似度与所述第二权重间的乘积作为每个第二相似度对应的第二乘积；计算所述第一乘积与对应的每个第二乘积间的和作为所述待处理query与所述待处理query的反馈视频间的相关度；

根据所述相关度确定与所述待处理query对应的目标视频。

2.根据权利要求1所述的基于query分析的视频反馈方法，其特征在于，所述分析所述浏览信息，得到目标query及与所述目标query关联的视频段包括：从所述浏览信息中获取用户输入的query，并根据所述用户输入的query计算每个query的查询频率，获取所述查询频率大于或者等于配置频率的query作为所述目标query；

及/或

从所述浏览信息中获取每个视频段的点击率，将所述点击率大于或者等于配置点击率的视频段所对应的query确定为所述目标query；及/或从所述浏览信息中获取每个视频段的播放时长，将所述播放时长大于或者等于配置时长的视频段所对应的query确定为所述目标query；

连接指定视频库，并从所述指定视频库中获取与所述目标query关联的视频段。

3.根据权利要求1所述的基于query分析的视频反馈方法，其特征在于，所述对与所述目标query关联的视频段进行视觉特征提取，得到与所述目标query关联的视频段中每个视频段的向量表征包括：

调用Inception‑Renet v2模型作为预训练模型；

将与所述目标query关联的视频段输入至所述预训练模型，并获取所述预训练模型的输出的向量作为与所述目标query关联的视频段中每个视频段的向量表征。

4.根据权利要求1所述的基于query分析的视频反馈方法，其特征在于，所述将所述目标query转化为query向量，拼接所述query向量中的每个query向量与对应的每个视频段的向量表征，得到拼接向量包括：

采用word2vec算法将所述目标query转化为query向量；

获取与每个目标query关联的视频段的向量表征，及获取每个目标query的query向量；

对每个目标query关联的视频段的向量表征与每个目标query的query向量进行横向拼接，得到所述拼接向量。

5.根据权利要求1所述的基于query分析的视频反馈方法，其特征在于，所述利用所述拼接向量训练预设分类模型，得到目标分类模型包括：按照预设比例划分所述拼接向量，得到训练样本及验证样本；

利用所述训练样本训练线性分类器，直至所述线性分类器达到收敛，停止训练；

利用所述验证样本验证训练得到的模型；

当所述训练得到的模型通过验证时，停止训练，得到所述目标分类模型。

6.根据权利要求1所述的基于query分析的视频反馈方法，其特征在于，所述根据所述相关度确定与所述待处理query对应的目标视频包括：按照所述相关度由高到低的顺序对所述反馈视频进行排序，并获取排在前预设位的反馈视频作为与所述待处理query对应的目标视频；及/或获取所述相关度大于或者等于配置相关度的反馈视频作为与所述待处理query对应的目标视频。

7.一种基于query分析的视频反馈装置，其特征在于，包括：分析单元，用于获取预设时长内产生的query日志，从所述query日志中获取浏览信息，并分析所述浏览信息，得到目标query及与所述目标query关联的视频段；

提取单元，用于对与所述目标query关联的视频段进行视觉特征提取，得到与所述目标query关联的视频段中每个视频段的向量表征；

训练单元，用于将与所述目标query关联的视频段确定为输入，将每个视频段的向量表征确定为输出，并训练预设神经网络模型，得到视频内容分析模型，其中，所述视频内容分析模型用于对输入的视频段进行内容的分析及转化，并输出所述输入的视频段内容的向量表征；

拼接单元，用于关联所述目标query与每个视频段的内容，包括：将所述目标query转化为query向量，拼接所述query向量中的每个query向量与对应的每个视频段的向量表征，得到拼接向量；

所述训练单元，还用于利用所述拼接向量训练预设分类模型，得到目标分类模型；

转化单元，用于当接收到待处理query及所述待处理query的反馈视频时，将所述待处理query转化为第一向量，及将所述反馈视频输入至所述视频内容分析模型，得到至少一个第二向量；

分类单元，用于拼接所述第一向量与所述至少一个第二向量中的每个第二向量，得到至少一个第三向量，将所述至少一个第三向量输入至所述目标分类模型，得到至少一个分类结果，及每个分类结果的第一概率，其中，所述第一概率表征在视频内容维度上与所述待处理query间的相似度；

计算单元，用于计算所述第一向量与每个第二向量间的相似度，得到至少一个第二相似度，其中，所述第二相似度表征所述待处理query与所述待处理query的反馈视频间在文本维度上的相似度；

确定单元，用于根据每个分类结果的第一概率及所述至少一个第二相似度计算所述待处理query与所述待处理query的反馈视频间的相关度，包括：确定所述第一概率的第一权重，及确定所述第二相似度的第二权重；计算所述第一概率与所述第一权重间的乘积作为第一乘积；计算所述至少一个第二相似度中每个第二相似度与所述第二权重间的乘积作为每个第二相似度对应的第二乘积；计算所述第一乘积与对应的每个第二乘积间的和作为所述待处理query与所述待处理query的反馈视频间的相关度；

所述确定单元，还用于根据所述相关度确定与所述待处理query对应的目标视频。

8.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的基于query分析的视频反馈方法。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行如权利要求1至6任一项所述的基于query分析的视频反馈方法。