本发明专利技术实施例提供了一种标题的生成方法、装置、电子设备及存储介质，其中，该方法包括：获取目标视频的第一文本，所述第一文本为所述目标视频中的台词集合；将所述第一文本输入到预训练的第一深度学习模型中进行语法逻辑整合，获得第二文本；将所述第二文本输入到预训练的第二深度学习模型中进行特征提取，获得特征信息，所述特征信息用于表示所述目标视频中的关键角色和人物关系；根据所述特征信息生成所述目标视频的目标标题。本发明专利技术实施例提供的一种标题的生成方法通过将目标视频中的台词进行语法逻辑整合后，提取其中的关键角色和人物关系，从而通过关键角色和人物关系确定目标标题，提高了视频标题与视频内容之间的相关性。性。性。
【技术实现步骤摘要】
标题的生成方法、装置、电子设备及可读存储介质
[0001]本专利技术涉及视频
，特别是涉及标题的生成方法、装置、电子设备及可读存储介质。
技术介绍
[0002]随着短视频在网络中热度越来越高，每天在各种视频平台中生成的短视频数量也越来越多，因此，对于短视频起标题的工作量也越来越大。目前，除了人工标注短视频的标题外，还能够通过训练模型自动对短视频生成标题，但是目前的训练模型一般无法准确理解短视频内容，因此生成的视频标题与视频内容无法紧密相关，也就是说，在自动生成短视频标题的过程中，自动生成的视频标题与视频内容之间的相关性低。
技术实现思路
[0003]本专利技术实施例的目的在于提供一种标题的生成方法、装置、电子设备及可读存储介质，以解决现有技术中视频标题与视频内容之间的相关性低的问题。
[0004]在本专利技术实施的第一方面，首先提供了一种标题的生成方法，包括：
[0005]获取目标视频的第一文本，所述第一文本为所述目标视频中的台词集合；
[0006]将所述第一文本输入到预训练的第一深度学习模型中进行语法逻辑整合，获得第二文本，所述语法逻辑整合用于删除所述第一文本中不符合语法逻辑的内容；
[0007]将所述第二文本输入到预训练的第二深度学习模型中进行特征提取，获得特征信息，所述特征信息用于表示所述目标视频中的关键角色和人物关系；
[0008]根据所述特征信息生成所述目标视频的目标标题。
[0009]可选的，所述根据所述特征信息生成所述目标视频的目标标题之后，所述方法还包括：
[0010]在所述目标标题包括角色名称的情况下，获取所述目标视频中所有角色之间的人物关系；
[0011]基于所述人物关系确定称呼名称，并将所述称呼名称作为目标名称；
[0012]使用所述目标名称对所述目标标题中的角色名称进行替换，得到替换后的目标标题。
[0013]可选的，所述将所述第二文本输入到预训练的第二深度学习模型中进行特征提取，获得特征信息之前，所述方法还包括：
[0014]获取所述目标视频中的所有角色信息；
[0015]将所述角色信息与台词集合中的所有台词进行匹配，得到角色信息对应的角色台词，所述角色信息包括角色名称和角色名称所对应的人脸信息；
[0016]根据所述角色台词对所述第二文本进行更新，获得更新后的第二文本，所述更新后的第二文本中包含所述所有台词中对应所述角色台词的集合，所述第二文本用于对所述第二深度学习模型进行训练。
[0017]可选的，所述将所述第一文本输入到预训练的第一深度学习模型中进行语法逻辑整合，获得第二文本之前，所述方法还包括：
[0018]获取创建的第一语言模型；
[0019]通过第一训练样本对所述第一语言模型进行训练，得到第一输出值，并根据所述第一输出值对所述第一语言模型进行更新，所述第一训练样本为语法逻辑样本；
[0020]将训练好的第一语言模型确定为所述第一深度学习模型。
[0021]可选的，所述将所述第二文本输入到预训练的第二深度学习模型中进行特征提取，获得特征信息之前，所述方法还包括：
[0022]获取创建的第二语言模型；
[0023]通过第二训练样本对所述第二语言模型进行训练，得到第二输出值，并根据所述第二输出值对所述第二语言模型进行更新，所述第二训练样本为特征样本，所述特征样本包括角色名称和人物关系；
[0024]将训练好的第二语言模型确定为所述第二深度学习模型。
[0025]可选的，根据所述特征信息生成所述目标视频的目标标题，包括：
[0026]基于所述特征信息确定所述台词集合中的关键角色、关键事件和人物关系，所述关键事件与所述关键角色相匹配，所述人物关系基于所述关键角色确定；
[0027]根据所述关键角色、所述关键事件和所述人物关系生成所述目标视频的目标标题。
[0028]在本专利技术实施的第二方面，还提供了一种标题的生成装置，，包括：
[0029]获取模块，用于获取目标视频的第一文本，所述第一文本为所述目标视频中的台词集合；
[0030]第一输入模块，用于将所述第一文本输入到预训练的第一深度学习模型中进行语法逻辑整合，获得第二文本；
[0031]第二输入模块，用于将所述第二文本输入到预训练的第二深度学习模型中进行特征提取，获得特征信息，所述特征信息用于表示所述目标视频中的关键角色和人物关系；
[0032]生成模块，用于根据所述特征信息生成所述目标视频的目标标题。
[0033]可选的，还包括：
[0034]关系获取模块，用于在所述目标标题包括角色名称的情况下，获取所述目标视频中所有角色之间的人物关系；
[0035]关系确定模块，用于基于所述人物关系确定目标名称，所述目标名称；
[0036]关系替换模块，用于使用所述目标名称对所述目标标题中的角色名称进行替换。
[0037]在本专利技术实施例的第三方面，还提供了一种电子设备，包括处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面中任一项所述的标题的生成方法的步骤。
[0038]在本专利技术实施例的第四方面，还提供了一种计算机可读存储介质，所述可读存储介质上存储有程序或指令，所述程序或指令被处理器执行时实现如第一方面中任一项所述的标题的生成方法的步骤。
[0039]本专利技术实施例提供了一种标题的生成方法、装置、电子设备及存储介质，其中，该方法包括：获取目标视频的第一文本，所述第一文本为所述目标视频中的台词集合；将所述
第一文本输入到预训练的第一深度学习模型中进行语法逻辑整合，获得第二文本，所述语法逻辑整合用于删除所述第一文本中不符合语法逻辑的内容；将所述第二文本输入到预训练的第二深度学习模型中进行特征提取，获得特征信息，所述特征信息用于表示所述目标视频中的关键角色和人物关系；根据所述特征信息生成所述目标视频的目标标题。本专利技术实施例提供的一种标题的生成方法通过将目标视频中的台词进行语法逻辑整合后，提取其中的关键角色和人物关系，从而通过关键角色和人物关系确定目标标题，提高了视频标题与视频内容之间的相关性。
附图说明
[0040]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
[0041]图1为本专利技术实施例中标题的生成方法的流程示意图；
[0042]图2为本专利技术实施例中标题的生成装置的结构示意图；
[0043]图3为本专利技术实施例中电子设备的结构示意图。
具体实施方式
[0044]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获取的所有其他实施例，都属于本申请本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种标题的生成方法，其特征在于，包括：获取目标视频的第一文本，所述第一文本为所述目标视频中的台词集合；将所述第一文本输入到预训练的第一深度学习模型中进行语法逻辑整合，获得第二文本，所述语法逻辑整合用于删除所述第一文本中不符合语法逻辑的内容；将所述第二文本输入到预训练的第二深度学习模型中进行特征提取，获得特征信息，所述特征信息用于表示所述目标视频中的关键角色和人物关系；根据所述特征信息生成所述目标视频的目标标题。2.根据权利要求1中所述的方法，其特征在于，所述根据所述特征信息生成所述目标视频的目标标题之后，所述方法还包括：在所述目标标题包括角色名称的情况下，获取所述目标视频中所有角色之间的人物关系；基于所述人物关系确定称呼名称，并将所述称呼名称作为目标名称；使用所述目标名称对所述目标标题中的角色名称进行替换，得到替换后的目标标题。3.根据权利要求1中所述的方法，其特征在于，所述将所述第二文本输入到预训练的第二深度学习模型中进行特征提取，获得特征信息之前，所述方法还包括：获取所述目标视频中的所有角色信息；将所述角色信息与台词集合中的所有台词进行匹配，得到角色信息对应的角色台词，所述角色信息包括角色名称和角色名称所对应的人脸信息；根据所述角色台词对所述第二文本进行更新，获得更新后的第二文本，所述更新后的第二文本中包含所述所有台词中对应所述角色台词的集合，所述第二文本用于对所述第二深度学习模型进行训练。4.根据权利要求1中所述的方法，其特征在于，所述将所述第一文本输入到预训练的第一深度学习模型中进行语法逻辑整合，获得第二文本之前，所述方法还包括：获取创建的第一语言模型；通过第一训练样本对所述第一语言模型进行训练，得到第一输出值，并根据所述第一输出值对所述第一语言模型进行更新，所述第一训练样本为语法逻辑样本，所述语法逻辑样本中包含了预设语法和预设逻辑；将训练好的第一语言模型确定为所述第一深度学习模型。5.根据权利要求1中所述的方法，其特征在于，所述将所述第二文本输入到预训练的第二深度学习模型中进行特征提取，获得特征信息之前，所述方法还包括：获...
【专利技术属性】
技术研发人员：于洋，
申请(专利权)人：北京奇艺世纪科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。