[发明专利]针对媒体生成文本的方法、装置、计算设备和存储介质

说明书

本申请的实施例提供了一种针对媒体生成文本的方法、装置、计算设备和存储介质。该方法包括：获取目标媒体；解析所述目标媒体的内容以获得所述目标媒体的媒体标签；利用经训练的文本分类模型对所述媒体标签进行分类，以得到与所述媒体标签对应的至少一个文本类别，其中该经训练的文本分类模型是基于文本集中的至少一部分文本训练得到的，所述文本集中的每个文本具有至少一个文本标签；以及基于所述至少一个文本类别和所述文本集生成针对所述目标媒体的目标文本。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种针对媒体生成文本的方法、装置、计算设备和存储介质。

背景技术

目前，随着人工智能技术的快速发展，以卷积神经网络为代表的深度学习框架已在计算机视觉和自然语言处理领域得到广泛应用。例如，在利用关键词获取用户期望的诗句的应用场景中，当关键词不存在于诗词语料库中时，可以对输入的关键词自动进行扩展，检索出与关键词相关的诗句。或者，以多轮会话的方式提示用户输入补充文本，从而避免用户输入的会话文本缺乏必要属性信息而无法检索到适当的诗词。

在传统相关技术中，检索诗词资源的方式是以单一的关键词或会话文本信息作为检索信息，这可能存在给定信息不充分或不完整的问题，检索结果可能难以符合用户的预期。另一方面，近年来图像和视频等技术得以迅速的发展，用户可以轻松地拍摄或者容易地获得大量的图像和视频等媒体资源，这些媒体资源也更大程度地融入人们的日常工作和生活。然而，传统技术并不能满足为图像、视频等媒体资源自动提供符合用户意图的文本（例如，诗词、歇后语等等）这一需求。

发明内容

有鉴于此，本申请提供了一种针对媒体生成文本的方法、装置、计算设备和存储介质，期望克服上面提到的部分或全部缺陷以及其它可能的缺陷。

根据本申请的第一方面，提供了一种针对媒体生成文本的方法，该方法包括：获取目标媒体；解析所述目标媒体的内容以获得所述目标媒体的媒体标签；利用经训练的文本分类模型对所述媒体标签进行分类，以得到与所述媒体标签对应的至少一个文本类别，其中所述经训练的文本分类模型是基于文本集中的至少一部分文本训练得到的，所述文本集中的每个文本具有至少一个文本标签；以及基于所述至少一个文本类别和所述文本集生成针对所述目标媒体的目标文本。

在一些实施例中，所述目标媒体包括目标视频，并且其中解析所述目标媒体的内容以获得所述目标媒体的媒体标签包括：从所述目标视频采集多帧图像；对所述多帧图像中的每帧图像进行特征提取，以得到与每帧图像对应的至少一个第一标签；将所述多帧图像对应的全部第一标签作为候选标签加入候选标签组，以及基于候选标签组中的候选标签获得所述目标媒体的媒体标签。

在一些实施例中，所述基于候选标签组中的候选标签获得所述目标媒体的媒体标签包括：确定每个候选标签在所述候选标签组中的出现频率；从所述候选标签组中去除出现频率低于频率阈值的候选标签，以得到所述媒体标签。

在一些实施例中，所述解析所述目标媒体的内容以获得所述目标媒体的媒体标签还包括：从所述目标视频采集音频；对所述音频进行特征提取，获得至少一个第二标签；将所述至少一个第二标签作为候选标签加入所述候选标签组。

在一些实施例中，所述解析所述目标媒体的内容以获得所述目标媒体的媒体标签还包括：从所述目标视频采集描述文字；对所述描述文字特征提取，获得至少一个第三标签；将所述至少一个第三标签作为候选标签加入所述候选标签组。