CN109688428B - 视频评论生成方法和装置 - Google Patents

Abstract

本申请实施例公开了视频评论生成方法和装置。该方法的一具体实施方式包括：获取目标视频，对该目标视频进行视频描述处理，生成该目标视频的至少一个视频描述语句；确定该至少一个视频描述语句的文本摘要；基于所确定的文本摘要，生成该目标视频的评论语句。本申请实施例能够给视频添加与视频内容相关性非常高的评论，以提高所生成的评论语句的准确度，避免生成无效评论。

Description

视频评论生成方法和装置

技术领域

本申请实施例涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及视频评论生成方法和装置。

背景技术

随着视频技术的发展，越来越多的用户能够观看到视频。通过对视频添加评论，可以让视频的相关内容更加丰富。用户通过视频的评论能够更好地了解视频的内容。现有技术中，可以根据视频的相似视频的评论给视频添加评论。然而，这种通过方式添加的评论可能与视频内容并不吻合。

发明内容

本申请实施例提出了视频评论生成方法和装置。

第一方面，本申请实施例提供了一种视频评论生成方法，包括：获取目标视频，对目标视频进行视频描述处理，生成目标视频的至少一个视频描述语句；确定至少一个视频描述语句的文本摘要；基于所确定的文本摘要，生成目标视频的评论语句。

第二方面，本申请实施例提供了一种视频评论生成装置，包括：获取单元，被配置成获取目标视频，对目标视频进行视频描述处理，生成目标视频的至少一个视频描述语句；确定单元，被配置成确定至少一个视频描述语句的文本摘要；生成单元，被配置成基于所确定的文本摘要，生成目标视频的评论语句。

第三方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如视频评论生成方法中任一实施例的方法。

第四方面，本申请实施例提供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如视频评论生成方法中任一实施例的方法。

本申请实施例提供的视频评论生成方案，首先，获取目标视频，对目标视频进行视频描述，生成目标视频的至少一个视频描述语句。之后，确定至少一个视频描述语句的文本摘要。最后，基于所确定的文本摘要，生成目标视频的评论语句。本申请实施例能够给视频添加与视频内容相关性非常高的评论，以提高所生成的评论语句的准确度，避免生成无效评论。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的视频评论生成方法的一个实施例的流程图；

图3是根据本申请的视频评论生成方法的一个应用场景的示意图；

图4是根据本申请的视频评论生成方法的又一个实施例的流程图；

图5是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的视频评论生成方法或视频评论生成装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如视频评论生成应用、视频类应用、直播应用、即时通信工具、邮箱客户端、社交平台软件等。

这里的终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103提供支持的后台服务器。后台服务器可以对接收到的目标视频等数据进行分析等处理，并将处理结果(例如目标视频的评论语句)反馈给终端设备。

需要说明的是，本申请实施例所提供的视频评论生成方法可以由服务器105或者终端设备101、102、103执行，相应地，视频评论生成装置可以设置于服务器105或者终端设备101、102、103中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本申请的视频评论生成方法的一个实施例的流程200。该视频评论生成方法，包括以下步骤：

步骤201，获取目标视频，对目标视频进行视频描述处理，生成目标视频的至少一个视频描述语句。

在本实施例中，视频评论生成方法的执行主体(例如图1所示的服务器或终端设备)可以获取目标视频，并对目标视频进行视频描述处理，以生成目标视频的视频描述语句。在这里，所生成的视频描述语句的数量为至少一个。视频描述处理为利用视频描述(video caption)技术，对视频的内容进行描述。视频描述语句为描述视频内容的语句。

步骤202，确定至少一个视频描述语句的文本摘要。

在本实施例中，上述执行主体可以基于文本摘要(textsummarization)技术，确定至少一个视频描述语句的文本摘要。文本摘要用于对至少一个视频描述语句进行概括。

在实践中，文本摘要技术可以不限于一种实施方式，因而可以采用多种方式获取文本摘要。举例来说，可以对各个视频描述语句进行分句，对分句得到的各个语句进行打分，并将得分高的一个或多个语句作为文本摘要。比如，打分的参考条件可以包括语句中包括的关键词，关键词数量越大，则得分越高。也可以设定语句的标准长度，分句得到的语句长度与标准长度的差距越小，则得分越高。可以利用这些条件进行综合评价以确定得分。此外，也可以利用图排序的方法，从视频描述语句中选取一个或多个视频描述语句作为评论语句。具体地，可以分析每个语句，将每个语句对应的向量作为一个图的顶点，并将视频标题对应的向量作为该图的根顶点。之后，计算每两个语句之间的相似度，如果相似度大于零，则建立这两个语句之间的边。将所有建立边的语句放入集合中，进行打分，并将得分高的语句作为文本摘要。

步骤203，基于所确定的文本摘要，生成目标视频的评论语句。

在本实施例中，上述执行主体可以基于所确定的文本摘要，来确定目标视频的评论语句。在实践中，上述执行主体可以采用多种方式生成目标视频的评论语句。举例来说，上述执行主体可以将文本摘要作为评论语句。此外，上述执行主体可以随机从各个文本摘要中确定预设数量的评论语句。

继续参见图3，图3是根据本实施例的视频评论生成方法的应用场景的一个示意图。在图3的应用场景中，执行主体301可以获取目标视频302，对目标视频302进行视频描述，生成目标视频的至少一个视频描述语句303。确定至少一个视频描述语句的文本摘要304。基于所确定的文本摘要304，生成目标视频的评论语句305。

本申请的上述实施例提供的方法能够给视频添加与视频内容相关性非常高的评论，以提高所生成的评论语句的准确度，避免生成无效评论。

进一步参考图4，其示出了视频评论生成方法的又一个实施例的流程400。其中，图4所示的方法中，与图2所示方法相同或相似的内容，可以参考图2中的详细介绍，后续不再赘述。该视频评论生成方法的流程400，包括以下步骤：

步骤401，获取目标视频，对目标视频进行视频描述处理，生成目标视频的至少一个视频描述语句。

在本实施例中，视频评论生成方法的执行主体(例如图1所示的服务器或终端设备)可以获取目标视频，并对目标视频进行视频描述处理，以生成目标视频的视频描述语句。在这里，所生成的视频描述语句的数量为至少一个。

步骤402，确定至少一个视频描述语句的文本摘要。

在本实施例中，上述执行主体可以基于文本摘要技术，确定至少一个视频描述语句的文本摘要。

在实践中，可以采用多种方式获取文本摘要。举例来说，可以对各个视频描述语句进行分句，对分句得到的各个语句进行打分，并将得分高的一个或多个语句作为文本摘要。

步骤403，基于所确定的文本摘要，生成目标视频的评论语句。

在本实施例中，上述执行主体可以基于所确定的文本摘要，来确定目标视频的评论语句。在实践中，上述执行主体可以采用多种方式生成目标视频的评论语句。举例来说，上述执行主体可以将文本摘要作为评论语句。此外，上述执行主体可以随机从各个文本摘要中确定预设数量的评论语句。

步骤404，获取至少两个评论语句的得分，基于得分对至少两个评论语句中各个评论语句进行排序。

在本实施例中，上述执行主体可以获取至少两个评论语句的得分。这里的得分是在得到评论语句之后，针对各个评论语句所确定的得分。之后，可以按照各个评论语句得分的大小，对各个评论语句进行排序。

在实践中，上述执行主体可以采用多种方式确定各个评论语句的得分。举例来说，上述执行主体可以获取预设的评论语句集合，确定所确定的各个评论语句与该集合中的评论语句的相似度。并将平均相似度的倒数作为所确定的评论语句的得分。

在本实施例的一些可选的实现方式中，步骤404可以包括：

对于至少两个评论语句中的每个评论语句，对该评论语句进行分词，得到至少一个词语；确定至少一个词语中的各个词语对应的词向量，以确定该评论语句所对应的向量；将该评论语句所对应的向量输入预先训练的评分模型，得到该评论语句的得分，其中，评分模型用于确定评论语句的得分。

在这些可选的实现方式中，上述执行主体可以对所确定的评论语句进行分词，确定分词得到的词语对应的词向量。并将评论语句对应的各个词语的词向量所合成的向量输入评分模型，以得到该评分模型输出的该评论语句的得分。举例来说，评分模型可以是神经网络，也可以是表征评论语句的向量与得分的对应关系的对应关系表。词向量为采用向量的形式表示的词语。可以通过自然语言处理(Natural Language Processing)等方式获得。

在这些实现方式的一些可选的应用场景中，评分模型为深度神经网络(DeepNeural Networks，DNN)。深度神经网络为神经网络的一种，是由多层神经元组成的网络。可以通过机器学习进行迭代、优化。

在这些可选的应用场景中，利用深度神经网络，能够更加准确地确定出各个评论语句的得分。

在这些实现方式的一些可选的应用场景中，评分模型可以通过以下方式训练得到：

获取指定的评论语句所对应的向量，以及指定的评论语句所标注的得分；基于指定的评论语句所对应的向量和所标注的得分，训练初始评分模型，得到评分模型。

在这些可选的应用场景中，上述执行主体可以利用确定了向量和得分的评论语句对评分模型进行训练。初始评分模型为有待于训练的评分模型。具体地，上述执行主体可以利用初始评分模型预测出评论语句的得分，并确定该得分与标注的得分的损失值。之后利用损失值进行反向传播，以训练评分模型。

步骤405，基于各个评论语句的排序结果，从至少两个评论语句中选取目标评论语句。

在本实施例中，上述执行主体可以基于各个评论语句的排序结果，从所确定的至少两个评论语句中，确定目标视频的目标评论语句。具体地，上述执行主体可以按从得到的评论语句序列的得分高的一端，选取预设数量的评论语句作为目标评论语句。

本实施例通过各个评论语句的得分，准确地从各个评论语句中，选取目标评论语句，以进一步提高评论语句与视频内容的相关性。

在本申请的视频评论生成方法上述任一实施例的一些可选的实现方式中，在上述获取目标视频之后，该视频评论生成方法还包括以下步骤：

将目标视频分割为至少两个视频片段，其中，不同的视频片段对应目标视频的不同事件。

在这些可选的实现方式中，上述执行主体可以在目标视频包括至少两个视频片段的情况下，将目标视频分割为至少两个视频片段。一个视频的视频片段可以是该视频的一部分，也可以与完整的该视频相同。这里的事件指一连串的行为。比如，一个视频可以包括两个事件，第一个事件的描述信息是“一组运动员在篮球场上打篮球”，第二个事件的描述信息是“一队拉拉队员在篮球场边欢呼”。第一个事件可以包含多个行为，比如可以包括行为“运动员甲拍了一下篮球”和行为“运动员甲将篮球抛出去”等等。

在实践中，上述执行主体可以采用多种方式将视频分割为视频片段。比如，上述执行主体可以利用预先训练的循环神经网络(Recurrent Neural Network，RNN)分割目标视频。在实践中，循环神经网络可以包括长短期记忆网络(Long Short-Term Memory，LSTM)。循环神经网络能够识别出视频中的各个事件，以基于各个事件所在的播放时间段对视频进行分割。

上述的循环神经网络用于按照时间顺序，将视频分割为视频片段。循环神经网络是一类以序列数据为输入，在序列的演进方向进行递归且所有循环单元链式连接形成闭合回路的递归神经网络(recursive neural network)。循环神经网络具有记忆性、参数共享并且图灵完备(Turing completeness)，因此能以很高的效率对序列的非线性特征进行学习。长短期记忆网络是一种循环神经网络门控算法，其对应的循环单元包含三个门控：输入门、遗忘门和输出门。这三个门控在LSTM单元内对内部状态建立了自循环(self-loop)。

在这些实现方式的一些可选的应用场景中，上述将目标视频分割为至少两个视频片段，可以包括：

若确定目标视频的事件中，至少两个事件的发生时段存在重叠，将目标视频分割为至少两个视频片段，其中，在所分割的视频片段中，至少两个视频片段存在重叠。

在这些可选的应用场景中，同一个视频中包括的至少两个事件的发生时段如果存在重叠，那么上述至少两个事件分别对应的视频片段之间则存在重叠。举例来说，事件一对应的第一个视频片段呈现A在唱歌，该事件的发生时段为1分50秒至1分59秒。事件二对应的第二个视频片段呈现B在跳舞，该事件的发生时段为1分56秒至2分07秒。第一个视频片段和第二个视频片之间的重叠部分在第一个视频片段的结尾和第二个视频片段的起始，重叠部分的画面中呈现A在唱歌和B在跳舞。重叠部分所对应的播放时间为1分56秒至1分59秒。

这些应用场景并没有限定不同的视频片段必须包含不同的播放时间，而是围绕事件分割视频片段。在视频片段存在重叠的情况下，基于事件进行视频分割所得到的视频片段更加准确，从而进一步提高了确定所生成评论语句的准确性以及评论语句与视频内容的相关性。

这些实现方式基于事件对目标视频进行分割，所得到的视频片段更加准确，从而能够更进一步提高确定评论语句的准确性，并且提高了评论语句与视频内容的相关性。

在本申请的视频评论生成方法上述任一实施例的一些可选的实现方式中，上述对目标视频进行视频描述处理，生成目标视频的视频描述语句，包括以下步骤：

对于目标视频的每个视频片段，将该视频片段输入视频描述生成模型，得到该视频片段的视频描述语句，其中，视频描述生成模型用于表征视频片段与视频描述语句的对应关系；

视频描述生成模型通过以下方式训练得到：

获取预设视频片段，以及预设视频片段所标注的视频描述语句；基于预设视频片段和所标注的视频描述语句，训练初始视频描述生成模型，得到视频描述生成模型。

在这些可选的实现方式中，对于目标视频的每个视频片段，上述执行主体可以将该视频片段输入视频描述生成模型，以得到视频描述生成模型输出的该视频片段的视频描述语句。具体地，上述执行主体可以通过视频描述(video caption)技术，生成对视频的每个事件的描述。

在实践中，视频描述生成模型可以以多种形式存在。举例来说，视频描述生成模型可以是一个预先设置的对应关系表。比如对应关系表中的一组对应关系可以是视频片段中字幕出现多个地名和景物名称，视频描述语句则为风景介绍。视频描述生成模型还可以是神经网络，比如深度神经网络。

预设视频片段为某个预先设置的视频片段，可以是预先设置的视频片段库中的视频片段。初始视频描述生成模型为有待于训练的视频描述生成模型。在视频描述生成模型为深度神经网络(比如卷积神经网络)的情况下，上述执行主体可以利用初始视频描述生成模型对预设视频片段预测得到视频描述语句。之后，确定预测得到的视频描述语句与所标注的视频描述语句之间的损失值，并利用该损失值进行反向传播，以训练初始视频描述生成模型。

这些实现方式可以利用视频描述生成模型，准确地确定视频描述语句，从而增加了生成评论语句的准确度。并且，通过训练视频描述生成模型，可以使视频描述生成模型更加准确，从而得到准确的视频描述语句。

作为对上述各图所示方法的实现，本申请提供了一种视频评论生成装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

本实施例的视频评论生成装置包括：获取单元、确定单元和生成单元。其中，获取单元，被配置成获取目标视频，对目标视频进行视频描述处理，生成目标视频的至少一个视频描述语句；确定单元，被配置成确定至少一个视频描述语句的文本摘要；生成单元，被配置成基于所确定的文本摘要，生成目标视频的评论语句。

在一些实施例中，获取单元可以获取目标视频，并对目标视频进行视频描述，以生成目标视频的视频描述语句。在这里，所生成的视频描述语句的数量为至少一个。

在一些实施例中，确定单元可以基于文本摘要技术，确定至少一个视频描述语句的文本摘要。在实践中，文本摘要技术可以不限于一种实施方式，因而可以采用多种方式获取文本摘要。

在一些实施例中，生成单元可以基于所确定的文本摘要，来确定目标视频的评论语句。在实践中，上述执行主体可以采用多种方式生成目标视频的评论语句。举例来说，上述执行主体可以将文本摘要作为评论语句。此外，上述执行主体可以随机从各个文本摘要中确定预设数量的评论语句。

在本实施例的一些可选的实现方式中，装置还包括：得分获取单元，被配置成获取至少两个评论语句的得分，基于得分对至少两个评论语句中各个评论语句进行排序；选取单元，被配置成基于各个评论语句的排序结果，从至少两个评论语句中选取目标评论语句。

在本实施例的一些可选的实现方式中，得分获取单元进一步被配置成：对于至少两个评论语句中的每个评论语句，对该评论语句进行分词，得到至少一个词语；确定至少一个词语中的各个词语对应的词向量，以确定该评论语句所对应的向量；将该评论语句所对应的向量输入预先训练的评分模型，得到该评论语句的得分，其中，评分模型用于确定评论语句的得分。

在本实施例的一些可选的实现方式中，评分模型为深度神经网络。

在本实施例的一些可选的实现方式中，评分模型通过以下方式训练得到：获取指定的评论语句所对应的向量，以及指定的评论语句所标注的得分；基于指定的评论语句所对应的向量和所标注的得分，训练初始评分模型，得到评分模型。

在本实施例的一些可选的实现方式中，装置还包括：分割单元，被配置成将目标视频分割为至少两个视频片段，其中，不同的视频片段对应目标视频的不同事件。

在本实施例的一些可选的实现方式中，分割单元进一步被配置成：响应于确定目标视频的事件中，至少两个事件的发生时段存在重叠，将目标视频分割为至少两个视频片段，其中，在所分割的视频片段中，至少两个视频片段存在重叠。

在本实施例的一些可选的实现方式中，获取单元进一步被配置成：对于目标视频的每个视频片段，将该视频片段输入视频描述生成模型，得到该视频片段的视频描述语句，其中，视频描述生成模型用于表征视频片段与视频描述语句的对应关系；以及视频描述生成模型通过以下方式训练得到：获取预设视频片段，以及预设视频片段所标注的视频描述语句；基于预设视频片段和所标注的视频描述语句，训练初始视频描述生成模型，得到视频描述生成模型。

下面参考图5，其示出了适于用来实现本申请实施例的电子设备的计算机系统500的结构示意图。图5示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图5所示，计算机系统500包括处理单元(CPU和/或GPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。处理单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示屏(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元501执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、确定单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取目标视频的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：获取目标视频，对目标视频进行视频描述处理，生成目标视频的至少一个视频描述语句；确定至少一个视频描述语句的文本摘要；基于所确定的文本摘要，生成目标视频的评论语句。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (11)

1.一种视频评论生成方法，其特征在于，包括：

获取目标视频，对所述目标视频进行视频描述处理，生成所述目标视频的至少一个视频描述语句，其中，视频描述语句与所述目标视频的视频片段存在对应关系，不同的视频片段对应所述目标视频的不同事件；

确定所述至少一个视频描述语句的文本摘要，包括：对所述至少一个视频描述语句进行分句；对分句得到的各个语句进行打分，得到各个语句的得分；基于所述得分确定所述至少一个视频描述语句的文本摘要；

基于所确定的文本摘要，生成所述目标视频的评论语句。

2.根据权利要求1所述的方法，其特征在于，所述评论语句为至少两个；在所述基于所确定的文本摘要，生成所述目标视频的评论语句之后，所述方法还包括：

获取至少两个评论语句的得分，基于所述得分对所述至少两个评论语句中各个评论语句进行排序；

基于所述各个评论语句的排序结果，从所述至少两个评论语句中选取目标评论语句。

3.根据权利要求2所述的方法，其特征在于，所述获取至少两个评论语句的得分，包括：

对于所述至少两个评论语句中的每个评论语句，对该评论语句进行分词，得到至少一个词语；确定所述至少一个词语中的各个词语对应的词向量，以确定该评论语句所对应的向量；将该评论语句所对应的向量输入预先训练的评分模型，得到该评论语句的得分，其中，所述评分模型用于确定评论语句的得分。

4.根据权利要求3所述的方法，其特征在于，所述评分模型为深度神经网络。

5.根据权利要求3所述的方法，其中，所述评分模型通过以下方式训练得到：

获取指定的评论语句所对应的向量，以及所述指定的评论语句所标注的得分；

基于所述指定的评论语句所对应的向量和所标注的得分，训练初始评分模型，得到所述评分模型。

6.根据权利要求1至5中任一项所述的方法，其特征在于，在所述获取目标视频之后，所述方法还包括：

将所述目标视频分割为至少两个视频片段。

7.根据权利要求6所述的方法，其特征在于所述将所述目标视频分割为至少两个视频片段，包括：

若所述目标视频的事件中，至少两个事件的发生时段存在重叠，将所述目标视频分割为至少两个视频片段，其中，在所分割的视频片段中，所述至少两个视频片段存在重叠。

8.根据权利要求1-5、7中任一项所述的方法，其特征在于，所述对所述目标视频进行视频描述处理，生成所述目标视频的至少一个视频描述语句，包括：

对于所述目标视频的每个视频片段，将该视频片段输入视频描述生成模型，得到该视频片段的视频描述语句，其中，所述视频描述生成模型用于表征视频片段与视频描述语句的对应关系；以及

所述视频描述生成模型通过以下方式训练得到：

获取预设视频片段，以及预设视频片段所标注的视频描述语句；

基于预设视频片段和所标注的视频描述语句，训练初始视频描述生成模型，得到所述视频描述生成模型。

9.根据权利要求6所述的方法，其特征在于，所述对所述目标视频进行视频描述处理，生成所述目标视频的至少一个视频描述语句，包括：

对于所述目标视频的每个视频片段，将该视频片段输入视频描述生成模型，得到该视频片段的视频描述语句，其中，所述视频描述生成模型用于表征视频片段与视频描述语句的对应关系；以及

所述视频描述生成模型通过以下方式训练得到：

获取预设视频片段，以及预设视频片段所标注的视频描述语句；

基于预设视频片段和所标注的视频描述语句，训练初始视频描述生成模型，得到所述视频描述生成模型。

10.一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-9中任一所述的方法。

11.一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-9中任一所述的方法。

Images