[发明专利]一种电影剧本情节预测方法

权利要求书

1.一种电影剧本情节预测方法，其特征在于，包括：

将历史文本切分为语句；

确定语句中包含的事件以及所述事件的事件特征；

根据各个事件的时序，建立事件图，所述事件图中的每个节点对应一个事件，节点的特征向量通过该节点所对应事件的事件特征确定；

将指定节点路径中包含的节点的特征向量，输入训练后的图神经网络，输出与所述指定节点路径相应事件的预测节点；

其中，所述事件特征包括事件类型、场景信息以及情感标签；

其中，所述事件类型通过以下步骤确定：

对所述语句进行词性标注，并确定所述语句中的动词；

将所述动词与预先建立的自动内容抽取库中的事件类型进行匹配，得到与所述动词相匹配的事件类型；

所述场景信息通过以下步骤确定：

利用正则表达式从所述历史文本中定位以“EXT.”或者“INT.”开头的目标语句；

基于所述目标语句确定所述场景信息；

所述情感标签通过以下步骤确定：

利用词向量技术，将所述语句转换为对应的数值信息；

将所述数值信息输入预先建立的朴素贝叶斯模型，得到所述语句的情感标签。

2.根据权利要求1所述的方法，其特征在于，所述将指定节点路径中包含的节点的特征向量，输入训练后的图神经网络，输出与所述指定节点路径相应事件的预测节点，包括：

将节点的特征向量，输入所述训练后的图神经网络，得到节点的状态向量；

将所述指定节点路径中包含的节点的特征向量与状态向量，输入所述训练后的图神经网络，输出与所述指定节点路径相应事件的预测节点。

3.根据权利要求2所述的方法，其特征在于，所述将节点的特征向量，输入所述训练后的图神经网络，得到节点的状态向量，包括：

将节点的特征向量、与该节点相连的边的特征向量、与该节点相邻的节点的特征向量以及状态向量，输入训练后的针对局部转化的前馈全连接神经网络函数中，得到该节点的状态向量。

4.根据权利要求1所述的方法，其特征在于，还包括：

在输出与制定节点路径相应事件的预测节点后，执行以下步骤：

将所述预测节点的状态向量以及特征向量，输入所述图神经网络，输出与所述预测节点相应的下一个预测节点。

5.一种电影剧本情节预测装置，其特征在于，包括：

语句切分模块，用于将历史文本切分为语句；

事件特征确定模块，用于确定语句中包含的事件以及所述事件的事件特征；

事件图确定模块，用于根据各个事件的时序，建立事件图；所述事件图中的每个节点对应一个事件，节点的特征向量通过该节点所对应事件的事件特征确定；

节点选取模块，用于将指定节点路径中包含的节点的特征向量，输入训练后的图神经网络，输出与所述指定节点路径相应事件的预测节点；

其中，所述事件特征包括事件类型、场景信息以及情感标签；

其中，所述事件类型通过以下步骤确定：

对所述语句进行词性标注，并确定所述语句中的动词；

将所述动词与预先建立的自动内容抽取库中的事件类型进行匹配，得到与所述动词相匹配的事件类型；

所述场景信息通过以下步骤确定：

利用正则表达式从所述历史文本中定位以“EXT.”或者“INT.”开头的目标语句；

基于所述目标语句确定所述场景信息；

所述情感标签通过以下步骤确定：

利用词向量技术，将所述语句转换为对应的数值信息；

将所述数值信息输入预先建立的朴素贝叶斯模型，得到所述语句的情感标签。

6.一种计算机设备，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现权利要求1-4中任意一项所述方法的步骤。

7.一种计算机可读存储介质，其上存储有计算机指令，所述指令被执行时实现权利要求1-4中任意一项所述方法的步骤。