3.根據權利要求1或2所述的方法，其特征在于，所述特征組合模型的訓練方式，包括：

獲取初始特征組合模型及多個視頻三元組，其中，每個所述視頻三元組包括第一視頻樣本、第二視頻樣本及第三視頻樣本，所述第一視頻樣本與所述第二視頻樣本組成正樣本對，所述第一視頻樣本與所述第三視頻樣本組成負樣本對，所述正樣本對包括的兩個視頻樣本的之間的相似度高于預設閾值，所述負樣本對包括的兩個視頻樣本的之間的相似度不高于所述預設閾值，每個視頻樣本包括標題特征樣本、圖像特征樣本及類型特征樣本中的至少兩種；

針對每個所述視頻三元組，基于該視頻三元組包括的正樣本對及負樣本對分別對應的相似度，確定該視頻三元組的標定標簽；

將每個所述視頻三元組輸入所述初始特征組合模型，以使所述初始特征組合模型基于當前模型參數，確定第一視頻樣本對應的第一組合特征向量樣本、第二視頻樣本對應的第二組合特征向量樣本及第三視頻樣本對應的第三組合特征向量樣本，并基于所述第一組合特征向量樣本與第二組合特征向量樣本之間的相似度，以及所述第一組合特征向量樣本與所述第三組合特征向量樣本之間的相似度，確定并輸出該視頻三元組的預測標簽；

基于每個視頻三元組對應的預測標簽及標定標簽之間的差異，調整所述初始特征組合模型的模型參數，直到所述初始特征組合模型收斂，停止訓練，得到所述特征組合模型。