一种融合电影人物特征的电影故事生成方法和系统技术方案

本发明专利技术公开了一种融合电影人物特征的电影故事生成方法和系统，包括：构建电影故事资源库，分别采用电影人物集和正态分布来随机初始化电影人物向量表示和电影人物动词向量表示；以及采用第二个自适应特征训练电影人物动词向量表示，并结合了第一个和第三个自适应特征、行为预测器、编码器、CVAE模型和解码器共同训练电影人物向量表示来计算词的最后分布；再通过词的最后分布来决定电影故事生成的内容，从而实现围绕着给定的电影人物来创建电影故事。结合电影人物特征生成的电影故事可以显示地捕捉到电影人物信息以及强化电影情节和电影人物之间的联系，以提高可解释性和一致性，实现围绕着给定的电影人物来创建电影故事。实现围绕着给定的电影人物来创建电影故事。实现围绕着给定的电影人物来创建电影故事。

【技术实现步骤摘要】
一种融合电影人物特征的电影故事生成方法和系统


[0001]本专利技术涉及数据处理
，特别涉及一种融合电影人物特征的条件变分自编码器故事生成方法和系统。

技术介绍

[0002]电影故事生成是根据提示或参考的信息，生成符合相关信息并具备一定创新性的电影故事。传统的电影故事生成需要创作者通过收集和整理知识，并结合灵感和写作技巧来创作电影故事，这将面临创作周期长、效率低和难以满足电影受众不断更新的精神需求。探索一种新的电影故事自动生成方法来辅助并完成电影故事的创作已成为受众和创作者的需求。
[0003]电影故事生成的核心要素包含电影标题、电影时间段、电影场景词和电影人物，其中电影人物的背景信息、在不同电影场景下人物的行为反应和电影人物间的关系在电影故事中起来关键作用。为了提高电影故事生成的可解释性并贴近人类思维，以电影人物为中心的讲故事模式能够实现在不同的上文环境下，围绕着给定的电影人物来创建具备一定创新性的电影故事。然而，现阶段的电影故事依存于具备一定专业知识和经验的创作者，这使得电影故事的创作需要较长的创作周期，并受限于创作者的知识和经验。此外，电影故事的创作需要不断地适应受众与时俱进的欣赏水平和爱好需求。因此，构建电影故事资源库，融合电影人物特征的故事生成方法已成为影视行业中亟待解决的关键问题。

技术实现思路

[0004]本专利技术针对现有技术的缺陷，提供了一种融合电影人物特征的电影故事生成方法和系统。实现围绕着给定的电影人物来创建电影故事。首先收集和整理电影知识来构建电影故事资源库；然后结合电影标题、电影人物相关信息，采用行为预测器预测电影人物在不同场景下的行为反应；紧接着融入三个自适特征，采用条件变分自编码器(CVAE)、双编码器和解码器来可控地完成电影故事的生成。
[0005]为了实现以上专利技术目的，本专利技术采取的技术方案如下：
[0006]一种融合电影人物特征的电影故事生成方法，包括以下步骤：
[0007]步骤101：构建电影故事资源库；
[0008]步骤101包括以下子步骤：
[0009]S11：获取电影标题、电影故事文本和电影人物背景信息；
[0010]S12：根据电影故事文本，获取电影时间段和场景词；
[0011]S13：结合电影标题、电影故事文本和电影人物背景信息，构建电影人物动词表和电影人物集，并初始化电影人物的向量表示。
[0012]步骤102：根据已生成的电影故事段落或句子作为当前生成电影故事句子的上文信息，采用第一编码器提取上文信息的语义信息。
[0013]步骤103：根据输入电影标题，获得与电影标题相关的电影人物作为故事的核心内
容。融入第一个自适应特征，通过S101获得的电影人物的向量表示、电影人物动词表和被编码后的上文信息，采用行为预测器预测电影人物动作的向量表示，既电影人物在已知的上文环境中决定当前要生成的句子中执行的操作，。
[0014]S104：结合电影标题、时间段、场景词、电影人物的向量表示、人物动作的向量表示，融入第二个自适应特征，采用第二个编码器进一步编码上文信息；
[0015]根据输入的电影标题和步骤103用户选择的电影人物，并从步骤101的电影故事资源库中，获取电影人物各自相应的出场时间段和场景词。在每段电影故事生成过程中，采用电影人物相应的时间段和场景词作为辅助信息，完善电影故事的生成背景。
[0016]步骤105：基于第二个编码器编码后的上文信息，结合自注意力，采用CVAE模型提高电影故事生成的质量；
[0017]将电影人物特征和CVAE相互结合起来，CVAE针对给定源文本情况下对目标文本生成概率进行建模，同时输入源文本和目标文本，并从后验分布中采样参与解码器的训练。此外，提供一个条件先验分布，用于测试阶段采样生成文本。
[0018]S106：结合Pseudo自注意力，融入第三个自适应特征，采用解码器计算词的最后分布并生成电影故事。
[0019]进一步地，步骤103包括以下子步骤：
[0020]S31：输入电影标题，从电影故事资源库中的电影人物集选择电影人物，并获取相应的电影人物的向量表示；
[0021]S32：融入第一个自适应特征，根据相应的电影人物的向量表示、电影人物动词表和被编码后的上文信息，采用行为预测器预测电影人物的动作。
[0022]进一步地，步骤104包括以下子步骤：
[0023]S41：结合输入的电影标题和相应的电影人物，获取电影人物各自相应的电影时间段和场景词；
[0024]S42：根据输入的电影标题、电影时间段、电影场景词、电影人物的向量表示和电影人物动作向量表示，融入第二个自适应特征，采用第二个编码器进一步编码上文信息。
[0025]进一步地，步骤105包括以下子步骤：
[0026]S51：采用第二个编码器的输出，编码自注意力信息；
[0027]S52：根据自注意力机制编码信息，采用CVAE模型提高电影故事生成的质量。
[0028]进一步地，步骤106包括以下子步骤：
[0029]S61：根据相应的电影人物的向量表示，将其拼接到时间步骤t中解码器已生成电影故事的向量表示一起，构建解码器的在时间步骤t的输入；
[0030]S62：结合隐变量z和解码器的输入，融入第三个自适应特征，编码pseudo自注意力信息；
[0031]S63：根据pseudo自注意力信息，采用解码器计算词的最后分布；
[0032]S64：采用词的最后分布，得到电影故事的生成。
[0033]本专利技术还公开了一种融合电影人物特征的电影故事生成系统，包括：
[0034]电影故事资源库构建模块：用于构建电影故事资源库；
[0035]第一编码器模块：根据已生成的电影故事段落或句子作为当前生成电影故事句子的上文信息，采用第一个编码器提取上文的语义信息，；
[0036]行为预测模块：基于电影标题、电影人物的向量表示、电影人物动词表和被编码后的上文信息，融入第一个自适应特征，采用行为预测器预测电影人物的动作；
[0037]第二个编码器模块：结合电影标题、时间段、场景词、电影人物的向量表示、人物动作的向量表示，融入第二个自适应特征，采用第二个编码器进一步编码上文信息；
[0038]自注意力模块：基于第二个编码器编码后的信息，结合自注意力，采用CVAE模型提高电影故事生成的质量。
[0039]电影故事生成模块：结合Pseudo自注意力，融入第三个自适应特征，采用解码器计算词的最后分布并生成电影故事。
[0040]本专利技术还公开了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述电影故事生成方法。
[0041]本专利技术还公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述电影故事生成方法。
[0042]与现有技术相比，本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合电影人物特征的电影故事生成方法，其特征在于，包括以下步骤：步骤101：构建电影故事资源库；步骤101包括以下子步骤：S11：获取电影标题、电影故事文本和电影人物背景信息；S12：根据电影故事文本，获取电影时间段和场景词；S13：结合电影标题、电影故事文本和电影人物背景信息，构建电影人物动词表和电影人物集，并初始化电影人物的向量表示；步骤102：根据已生成的电影故事段落或句子作为当前生成电影故事句子的上文信息，采用第一编码器提取上文信息的语义信息；步骤103：根据输入电影标题，获得与电影标题相关的电影人物作为故事的核心内容；融入第一个自适应特征，通过S101获得的电影人物的向量表示、电影人物动词表和被编码后的上文信息，采用行为预测器预测电影人物动作的向量表示，既电影人物在已知的上文环境中决定当前要生成的句子中执行的操作，；S104：结合电影标题、时间段、场景词、电影人物的向量表示、人物动作的向量表示，融入第二个自适应特征，采用第二个编码器进一步编码上文信息；根据输入的电影标题和步骤103用户选择的电影人物，并从步骤101的电影故事资源库中，获取电影人物各自相应的出场时间段和场景词；在每段电影故事生成过程中，采用电影人物相应的时间段和场景词作为辅助信息，完善电影故事的生成背景；步骤105：基于第二个编码器编码后的上文信息，结合自注意力，采用CVAE模型提高电影故事生成的质量；将电影人物特征和CVAE相互结合起来，CVAE针对给定源文本情况下对目标文本生成概率进行建模，同时输入源文本和目标文本，并从后验分布中采样参与解码器的训练；此外，提供一个条件先验分布，用于测试阶段采样生成文本；S106：结合Pseudo自注意力，融入第三个自适应特征，采用解码器计算词的最后分布并生成电影故事。2.根据权利要求1所述的一种融合电影人物特征的电影故事生成方法，其特征在于：步骤103包括以下子步骤：S31：输入电影标题，从电影故事资源库中的电影人物集选择电影人物，并获取相应的电影人物的向量表示；S32：融入第一个自适应特征，根据相应的电影人物的向量表示、电影人物动词表和被编码后的上文信息，采用行为预测器预测电影人物的动作。3.根据权利要求2所述的一种融合电影人物特征的电影故事生成方法，其特征在于：步骤104包括...

【专利技术属性】
技术研发人员：刘宏伟，刘宏蕊，张鸿彬，
申请(专利权)人：天津外国语大学，
类型：发明
国别省市：