本发明专利技术实施例提供了一种视频标题的生成方法、装置、电子设备及可读存储介质，该方法包括：获取目标视频的至少一个弹幕；根据目标评分参数对所述至少一个弹幕进行评分，所述目标评分参数包括：弹幕质量、交互数据和内容相关度；在所述至少一个弹幕中目标弹幕的评分达到预期评分的情况下，将所述目标弹幕输入到预训练的深度学习模型中，得到目标视频的视频标题。本发明专利技术实施例提供的一种视频标题的生成方法通过将目标视频中的弹幕依靠目标评分参数进行评分，从而筛选出质量较高的目标弹幕，由于弹幕内容与视频内容相关性较高，因此通过目标弹幕确定目标标题，提高了视频标题与视频内容之间的关联性。容之间的关联性。容之间的关联性。
【技术实现步骤摘要】
视频标题的生成方法、装置、电子设备及可读存储介质
[0001]本专利技术涉及视频处理
，特别是涉及一种视频标题的生成方法、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，但是目前通过训练模型自动生成短视频标题无法与视频内容和用户反馈进行紧密相关，因此出现了视频标题与视频内容之间关联性较低的问题。
技术实现思路
[0003]本专利技术实施例的目的在于提供一种视频标题的生成方法，解决了现有技术中自动生成的视频标题对于用户吸引力较低的问题。
[0004]在本专利技术的第一方面，提供了一种模型的训练方法：包括：
[0005]获取创建的语言学习模型，所述语言学习模型用于输入文本内容；
[0006]通过第一训练样本对所述语言学习模型进行训练，得到输出值，并根据所述输出值对所述语言学习模型进行更新，所述第一训练样本包括弹幕样本和台词样本；
[0007]将训练好的语言学习模型确定为所述深度学习模型。
[0008]在本专利技术实施的第二方面，提供了一种标题的生成方法，包括：
[0009]获取目标视频的至少一个弹幕；
[0010]根据目标评分参数对所述至少一个弹幕进行评分，所述目标评分参数包括：弹幕质量、交互数据和内容相关度；
[0011]在所述至少一个弹幕中目标弹幕的评分达到预期评分的情况下，将所述目标弹幕输入到预训练的深度学习模型中，得到目标视频的视频标题。
[0012]可选的，所述在所述至少一个弹幕中目标弹幕的评分达到预期评分的情况下，将所述目标弹幕输入到预训练的深度学习模型中，得到目标视频的视频标题，包括：
[0013]在所述至少一个弹幕中目标弹幕的评分达到预期评分的情况下，将所述目标弹幕和所述目标视频的台词文本进行文本整合，生成目标文本；
[0014]将所述目标文本输入到预训练的深度学习模型中，得到目标视频的视频标题。
[0015]可选的，所述根据目标评分参数对所述至少一个弹幕进行评分包括：
[0016]根据预设弹幕质量对所述至少一个弹幕进行评分，所述弹幕质量用于指示所述弹幕的通顺程度和字数；
[0017]在第一弹幕集合符合预设弹幕质量的情况下，根据预设交互数据对所述第一弹幕集合进行评分，所述交互数据用于指示所述弹幕的点赞数，所述第一弹幕集合为所述至少一个弹幕中的一个或多个弹幕组成的集合；
[0018]在第二弹幕集合符合预设交互数据的情况下，根据预设内容相关度对第二弹幕集合进行评分，所述内容相关度用于指示所述弹幕与所述目标视频中台词的相关度，所述第二弹幕集合为所述第一弹幕集合中的一个或多个弹幕组成的集合。
[0019]可选的，所述根据预设内容相关度对所述第二弹幕集合进行评分，包括：
[0020]基于台词相关度和台词集中度对所述第二弹幕合集进行聚类，得到聚类结果，所述聚类结果用于表征所述第二弹幕合集中每个弹幕与目标视频的台词相关度；
[0021]根据所述聚类结果对所述第二弹幕合集中每个弹幕进行评分。
[0022]可选的，所述在所述至少一个弹幕中目标弹幕的评分达到预期评分的情况下，将所述目标弹幕输入到预训练的深度学习模型中，得到目标视频的视频标题之后，所述方法还包括：
[0023]获取实时的热度弹幕，所述热度弹幕为所述至少一个弹幕中出现次数最高的弹幕；
[0024]将所述热度弹幕和所述目标视频的视频标题输入到所述预训练的深度学习模型中，得到修正后的视频标题。
[0025]在本专利技术实施的第三方面，还提供了一种标题的生成装置，包括：
[0026]模型创建模块，用于获取创建的语言学习模型，所述语言学习模型用于对输入文本内容进行识别；
[0027]模型训练模块，用于通过第一训练样本对所述语言学习模型进行训练，得到输出值，并根据所述输出值对所述语言学习模型进行更新，所述第一训练样本包括弹幕样本和台词样本；
[0028]模型确定模块，用于将训练好的语言学习模型确定为所述深度学习模型。
[0029]在本专利技术实施的第四方面，还提供了一种标题的生成装置，包括：
[0030]获取模块，用于获取目标视频的至少一个弹幕；
[0031]评分模块，用于根据目标评分参数对所述至少一个弹幕进行评分，所述目标评分参数包括：弹幕质量、交互数据和内容相关度；
[0032]输入模块，用于在所述至少一个弹幕中目标弹幕的评分达到预期评分的情况下，将所述目标弹幕输入到预训练的深度学习模型中，得到目标视频的视频标题。
[0033]可选的，所述输入模块还包括：
[0034]结合子模块，用于在所述至少一个弹幕中目标弹幕的评分达到预期评分的情况下，将所述目标弹幕和所述目标视频的台词文本进行结合，生成目标文本；
[0035]输入子模块，用于将所述目标文本输入到预训练的深度学习模型中，得到目标视频的视频标题。
[0036]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视频标题的生成方法的步骤。
[0037]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视频标题的生成方法的步骤。
[0038]本专利技术实施例提供了一种视频标题的生成方法、装置、电子设备及可读存储介质，
该方法包括：获取目标视频的至少一个弹幕；根据目标评分参数对所述至少一个弹幕进行评分，所述目标评分参数包括：弹幕质量、交互数据和内容相关度；在所述至少一个弹幕中目标弹幕的评分达到预期评分的情况下，将所述目标弹幕输入到预训练的深度学习模型中，得到目标视频的视频标题。本专利技术实施例提供的一种视频标题的生成方法通过将目标视频中的弹幕依靠目标评分参数进行评分，从而筛选出质量较高的目标弹幕，由于弹幕内容与视频内容相关性较高，因此通过目标弹幕确定目标标题，提高了视频标题与视频内容之间的关联性。
附图说明
[0039]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。
[0040]图1为本专利技术实施例中提供的一种视频标题的生成方法的流程示意图；
[0041]图2为本专利技术实施例中提供的一种模型的训练方法的流程示意图；
[0042]图3为本专利技术实施例中提供的一种视频标题的生成装置的结构示意图；
[0043]图4为本专利技术实施例中提供的一种模型的训练装置的结构示意图；
[0044]图5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...
【技术保护点】
【技术特征摘要】
1.一种模型的训练方法，其特征在于，包括：获取创建的语言学习模型，所述语言学习模型用于对输入文本内容进行识别；通过第一训练样本对所述语言学习模型进行训练，得到输出值，并根据所述输出值对所述语言学习模型进行更新，所述第一训练样本包括弹幕样本和台词样本；将训练好的语言学习模型确定为所述深度学习模型。2.一种视频标题的生成方法，其特征在于，包括：获取目标视频的至少一个弹幕；根据目标评分参数对所述至少一个弹幕进行评分，所述目标评分参数包括：弹幕质量、交互数据和内容相关度；在所述至少一个弹幕中目标弹幕的评分达到预期评分的情况下，将所述目标弹幕输入到预训练的深度学习模型中，得到目标视频的视频标题。3.根据权利要求2中所述的方法，其特征在于，所述在所述至少一个弹幕中目标弹幕的评分达到预期评分的情况下，将所述目标弹幕输入到预训练的深度学习模型中，得到目标视频的视频标题，包括：在所述至少一个弹幕中目标弹幕的评分达到预期评分的情况下，将所述目标弹幕和所述目标视频的台词文本进行文本整合，生成目标文本；将所述目标文本输入到预训练的深度学习模型中，得到目标视频的视频标题。4.根据权利要求2中所述的方法，其特征在于，所述根据目标评分参数对所述至少一个弹幕进行评分包括：根据预设弹幕质量对所述至少一个弹幕进行评分，所述弹幕质量用于指示所述弹幕的通顺程度和字数；在第一弹幕集合符合预设弹幕质量的情况下，根据预设交互数据对所述第一弹幕集合进行评分，所述交互数据用于指示所述弹幕的点赞数，所述第一弹幕集合为所述至少一个弹幕中的一个或多个弹幕组成的集合；在第二弹幕集合符合预设交互数据的情况下，根据预设内容相关度对第二弹幕集合进行评分，所述内容相关度用于指示所述弹幕与所述目标视频中台词的相关度，所述第二弹幕集合为所述第一弹幕集合中的一个或多个弹幕组成的集合。5.根据权利要求4中所述的方法，其特征在于，所述根据预设内容相关度对所述第二弹幕集合进行评分，包括：基于台词相关度和台词集中度对所述第二弹幕合...
【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。