CN112188311A - 用于确定新闻的视频素材的方法和装置 - Google Patents

用于确定新闻的视频素材的方法和装置 Download PDF

Info

Publication number
CN112188311A
CN112188311A CN202010090122.XA CN202010090122A CN112188311A CN 112188311 A CN112188311 A CN 112188311A CN 202010090122 A CN202010090122 A CN 202010090122A CN 112188311 A CN112188311 A CN 112188311A
Authority
CN
China
Prior art keywords
news
person
video
character
video material
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010090122.XA
Other languages
English (en)
Other versions
CN112188311B (zh
Inventor
卢大明
�田�浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Baidu USA LLC
Original Assignee
Baidu USA LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Baidu USA LLC filed Critical Baidu USA LLC
Publication of CN112188311A publication Critical patent/CN112188311A/zh
Application granted granted Critical
Publication of CN112188311B publication Critical patent/CN112188311B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/85—Assembly of content; Generation of multimedia applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G06F40/295—Named entity recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/153—Segmentation of character regions using recognition of characters or words
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G06V40/25—Recognition of walking or running movements, e.g. gait recognition
    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B27/00—Editing; Indexing; Addressing; Timing or synchronising; Monitoring; Measuring tape travel
    • G11B27/02—Editing, e.g. varying the order of information signals recorded on, or reproduced from, record carriers
    • G11B27/031—Electronic editing of digitised analogue information signals, e.g. audio or video signals
    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B27/00—Editing; Indexing; Addressing; Timing or synchronising; Monitoring; Measuring tape travel
    • G11B27/10—Indexing; Addressing; Timing or synchronising; Measuring tape travel
    • G11B27/11—Indexing; Addressing; Timing or synchronising; Measuring tape travel by using information not detectable on the record carrier
    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B27/00—Editing; Indexing; Addressing; Timing or synchronising; Monitoring; Measuring tape travel
    • G11B27/10—Indexing; Addressing; Timing or synchronising; Measuring tape travel
    • G11B27/19—Indexing; Addressing; Timing or synchronising; Measuring tape travel by using information detectable on the record carrier
    • G11B27/22—Means responsive to presence or absence of recorded information signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/85—Assembly of content; Generation of multimedia applications
    • H04N21/854—Content authoring
    • H04N21/8549—Creating video summaries, e.g. movie trailer

Abstract

本公开公开了用于确定新闻的视频素材的方法和装置。该用于确定新闻的视频素材的方法包括：识别新闻文本中的人物名；基于人物名搜索视频，得到待选视频；抽取待选视频中的关键帧；识别关键帧中的人物，得到人物的身份信息；响应于人物的身份信息与人物名相符，将待选视频确定为新闻的视频素材。本公开提高了新闻的视频素材与新闻文本的相符程度。

Description

用于确定新闻的视频素材的方法和装置
相关申请的交叉引用
本申请要求申请日为2019年7月2日，申请号为16/460,319，发明名称为“MethodAnd Apparatus For Determining(Raw)Video Materials For News”的美国专利申请的优先权。
技术领域
本公开涉及媒体技术领域，具体新闻媒体领域，尤其涉及用于确定新闻的视频素材的方法和装置。
背景技术
人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
在制作新闻时，针对新闻文本，需要提供匹配新闻文本的视频素材。目前，主要经由人工查找与新闻文本匹配的新闻的视频素材。具体是：针对需要配视频的新闻文本(包括新闻全文和/或新闻全文中的摘要段落)，人工浏览视频内容，人工根据新闻文本的内容选择视频的视频素材来完成新闻的制作。
发明内容
本公开的实施例提供了用于确定新闻的视频素材的方法和装置。
第一方面，本公开的实施例提供了用于确定新闻的视频素材的方法，包括：识别新闻文本中的人物名；基于人物名搜索视频，得到待选视频；抽取待选视频中的关键帧；识别关键帧中的人物，得到人物的身份信息；响应于人物的身份信息与人物名相符，将待选视频确定为新闻的视频素材。
在一些实施例中，识别新闻文本中的人物名包括：采用命名实体识别对新闻文本中的人物名进行识别；采用结巴分词系统对新闻文本中的人物名进行识别；或基于对人物名的识别规则集对新闻文本中的人物名进行识别。
在一些实施例中，识别关键帧中的人物，得到人物的身份信息包括：识别关键帧中的人物的人脸、声音、体型和步态中的至少一项，得到人物的身份信息。
在一些实施例中，方法还包括：响应于新闻的视频素材的播放时长超过新闻所需的播放时长，基于新闻的视频素材中场景发生变化的视频帧，切分新闻的视频素材；采用切分后的视频素材更新新闻的视频素材。
在一些实施例中，方法还包括：在播报新闻文本时，播放新闻的视频素材。
在一些实施例中，新闻文本包括：新闻全文和/或新闻全文中的摘要段落。
第二方面，本公开的实施例提供了一种用于确定新闻的视频素材的装置，包括：文本识别单元，被配置成识别新闻文本中的人物名；搜索单元，被配置成基于人物名搜索视频，得到待选视频；抽取单元，被配置成抽取待选视频中的关键帧；身份识别单元，被配置成识别关键帧中的人物，得到人物的身份信息；确定单元，被配置成响应于人物的身份信息与人物名相符，将待选视频确定为新闻的视频素材。
在一些实施例中，文本识别单元进一步被配置成：采用命名实体识别对新闻文本中的人物名进行识别；采用结巴分词系统对新闻文本中的人物名进行识别；或基于对人物名的识别规则集对新闻文本中的人物名进行识别。
在一些实施例中，身份识别单元进一步被配置成：识别关键帧中的人物的人脸、声音、体型和步态中的至少一项，得到人物的身份信息。
在一些实施例中，装置还包括：切分单元，被配置成响应于新闻的视频素材的播放时长超过新闻所需的播放时长，基于新闻的视频素材中场景发生变化的视频帧，切分新闻的视频素材；更新单元，被配置成采用切分后的视频素材更新新闻的视频素材。
在一些实施例中，装置还包括：播放单元，被配置成在播报新闻文本时，播放新闻的视频素材。
在一些实施例中，文本识别单元中被识别的新闻文本包括：新闻全文和/或新闻全文中的摘要段落。
第三方面，本公开的实施例提供了一种电子设备/终端/服务器，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上任一所述的方法。
第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上任一所述的方法。
第五方面，本公开的实施例提供了一种服务器，包括：接口；存储器，其上存储有一个或多个程序；以及一个或多个处理器，在操作上连接到上述接口和上述存储器，用于：识别新闻文本中的人物名；基于人物名搜索视频，得到待选视频；抽取待选视频中的关键帧；识别关键帧中的人物，得到人物的身份信息；响应于人物的身份信息与人物名相符，将待选视频确定为新闻的视频素材。
第六方面，本公开的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，其中，当上述计算机程序被一个或多个处理器执行时，使得上述一个或多个处理器：识别新闻文本中的人物名；基于人物名搜索视频，得到待选视频；抽取待选视频中的关键帧；识别关键帧中的人物，得到人物的身份信息；响应于人物的身份信息与人物名相符，将待选视频确定为新闻的视频素材。
本公开的实施例提供的用于确定新闻的视频素材的方法和装置，首先识别新闻文本中的人物名；基于人物名搜索视频，得到待选视频；抽取待选视频中的关键帧；识别关键帧中的人物，得到人物的身份信息；响应于人物的身份信息与人物名相符，将待选视频确定为新闻的视频素材。该用于确定新闻的视频素材的方法，在确定新闻的视频素材时，根据对关键帧中的人物的识别结果与新闻文本中的人物名是否相符确定待选视频是否符合新闻文本的要求，可以避免待选视频中的人物与新闻文本中的人物名不相关，进而根据待选视频确定新闻的视频素材，提升了新闻的视频素材与新闻文本的契合程度。
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详细描述，本公开的其它特征、目的和优点将会变得更明显：
图1是本公开的一些实施例可以应用于其中的示例性系统架构图；
图2是根据本公开的用于确定新闻的视频素材的方法的一些实施例的示例性流程图；
图3是根据本公开的实施例的用于确定新闻的视频素材的方法的一些应用场景的示意图；
图4是根据本公开的用于确定新闻的视频素材的方法的又一些实施例的示例性流程图；
图5是根据本公开的用于确定新闻的视频素材的装置的一些实施例的示例性结构图；
图6是适于用来实现本公开的实施例的电子设备/终端/服务器的结构示意图。
具体实施方式
下面结合附图和实施例对本公开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，本公开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公开。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
图1示出了可以应用本公开的实施例的用于确定新闻的视频素材的方法、装置以及用于确定新闻的视频素材的方法、装置的示例性系统架构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，例如搜索类应用、深度学习应用、购物类应用、即时通信工具、邮箱客户端、社交平台软件等。
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，可以是支持各类客户端应用的各种电子设备，包括但不限于平板电脑、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上进行的视频搜索提供支持的后台服务器。后台服务器可以对接收到的搜索请求等数据进行分析等处理，并将处理结果反馈给终端设备。
需要说明的是，在实践中，本公开的实施例所提供的用于确定新闻的视频素材的方法可以由终端设备101、102、103执行，也可以由服务器105执行。相应地，用于确定新闻的视频素材的装置可以设置于终端设备101、102、103中，也可以设置于位于服务器105中。在此不做具体限定。
需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成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。
应该理解，图1中的终端、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、网络和服务器。
继续参考图2，图2示出了根据本公开的用于确定新闻的视频素材的方法的一些实施例的示意性流程图。
如图2所示，用于确定新闻的视频素材的方法200，包括：
在步骤210中，识别新闻文本中的人物名。
在本实施例中，用于确定新闻的视频素材的方法的执行主体(例如图1所示的终端或服务器)可以采用现有技术或未来发展的技术中用于识别文本中的人物名的方法来识别新闻文本中的人物名，本公开对此不做限定。
在一些具体的示例中，可以采用基于HanLP框架的人物名的自动识别。具体地，对于一个给定的句子，先进行下面三大步骤处理：首先进行角色观察，之后采用维特比算法解码求解隐藏状态(也即求解各个分词的角色标记)，然后对角色标记进行最大匹配(可做一些后处理操作)，最后，再使用维特比算法进行一次分词，得到细分结果，即为最后的识别结果。
在本实施例的一些可选的实现方式中，识别新闻文本中的人物名可以包括：采用命名实体识别对新闻文本中的人物名进行识别。
在本实现方式中，命名实体识别(NER)，是从新闻文本中识别出命名性指称项。狭义的命名实体识别，是识别出人物名、地名和组织机构名这三类命名实体(时间、货币名称等构成规律明显的实体类型可以用正则表达式等方式识别)。在特定的领域中，可以相应地定义领域内需要识别出的各种实体类型。
命名实体识别可以采用现有技术或未来发展的技术中识别文本中的实体的方法来实现，本公开对此不做限定。例如，命名实体识别可以采用以下任意一项方法完成对于新闻文本中实体的识别：基于规则的方法、基于特征模板的方法和基于神经网络的方法。
具体地，基于规则的方法可以基于人工编写的规则，将文本与规则进行匹配来识别出命名实体。例如，对于中文来说，识别规则可以包括：“说”、“老师”等词语可作为人名的下文；“大学”、“医院”等词语可作为组织机构名的结尾；词性信息；以及句法信息等。这些基于语言学知识构建的不同语言的识别规则不尽相同，需要考虑规则之间的冲突问题。
基于特征模板的方法，可以通过统计机器学习方法将NER视作序列标注任务，利用大规模语料来学习出标注模型，从而对句子的各个位置进行标注。常用的应用到NER任务中的模型包括生成式模型(例如隐马尔科夫模型HMM)、判别式模型(例如条件随机场模型CRF)等。
在一些示例中，可以采用特征模板+CRF的方案来实现命名实体识别。其中，特征模板通常是人工定义的一些二值特征函数，试图挖掘命名实体内部以及上下文的构成特点。对于句子中的给定位置来说，提取特征的位置是一个窗口，即上下文位置。而且，不同的特征模板之间可以进行组合来形成一个新的特征模板。
其中，CRF在为一个位置进行标注的过程中，可以利用到此前已经标注的信息，利用维特比(Viterbi)解码来得到最优序列。对句子中的各个位置提取特征时，满足条件的特征取值为1，不满足条件的特征取值为0。然后，将提取的特征输入CRF，并在训练模型阶段实现建模标签的转移，进而在预测阶段为输入的新闻文本的各个位置做标注。
基于神经网络的方法，对于序列标注任务NER的处理方式是将标记(token)从离散独热编码(one-hot)表示映射到低维空间中成为稠密的嵌入(embedding)，随后将句子的嵌入序列输入到RNN中，用神经网络自动提取特征，随后采用Softmax来预测每个标记的标签。
采用上述的命名实体识别方法，可以准确高效地对新闻文本进行命名实体识别，以得到新闻文本中的人物名。
在本实施例的一些可选的实现方式中，识别新闻文本中的人物名可以包括：采用结巴(jieba)分词系统对新闻文本中的人物名进行识别。
在本实现方式中，jieba分词系统基于前缀词典和动态规划方法实现分词。利用HMM模型对新闻文本进行分词，主要是将分词问题视为一个序列标注(sequence labeling)问题，其中，新闻文本中的句子为观测序列，分词结果为状态序列。首先通过语料训练出HMM相关的模型，然后利用Viterbi算法进行求解，最终得到可能性最大的状态序列，然后再将状态序列与人物名模式串进行模式匹配以发现新闻文本中的人物名，并输出新闻文本中的人物名。
本实现方式中采用jieba分词系统对新闻文本中的人物名进行识别，可以提高识别人物名的效率和准确性。
在本实施例的一些可选的实现方式中，识别新闻文本中的人物名可以包括：基于对人物名的识别规则集对新闻文本中的人物名进行识别。
在本实现方式中，在基于对人物名的识别规则集确定新闻文本中的人物名时，可以先基于姓名用字的以下至少一项信息建立规则集：频率信息、上下文信息、语料库统计信息和词性信息等，再基于规则集确定新闻文本中的人物名。
在一些具体的示例中，可以首先对中文人名的构成、姓名用字的规律及上下文文本信息特征进行充分分析，在此基础上建立起两组规则集。将两组规则集作用于测试文本，获得初步识别结果。再利用大规模语料库的统计信息对初步识别结果进行概率筛选，设定合适的阈值，输出最终识别结果。
本实现方式中基于对人物名的识别规则集对新闻文本中的人物名进行识别，可以提高识别人物名的准确性。
上述的新闻文本，可以包括新闻全文。备选地或附加地，新闻文本可以包括新闻全文中的摘要段落。其中，摘要段落是指新闻全文中对新闻的内容提供梗概的段落。
在步骤220中，基于人物名搜索视频，得到待选视频。
在本实施例中，可以以人物名为关键词，经由网页、应用程序或其它调用接口从视频库中搜索待选视频。
这里的视频库，可以是由视频提供方提供的视频库，也可以是由搜索引擎提供的包括互联网视频资源，本申请对此不作限定。
在步骤230中，抽取待选视频中的关键帧。
在本实施例中，在搜索到待选视频后，为了验证待选视频是否为符合新闻文本的需要的视频，可以抽取待选视频中的关键帧，以便确认关键帧中的人脸是否符合新闻文本中的人物名。
在这里，关键帧是指角色或者物体运动或变化中的关键动作所处的那一帧；或者，间隔预定数量的帧数从待选视频中提取的视频帧。
在步骤240中，识别关键帧中的人物，得到人物的身份信息。
在本实施例中，上述执行主体可以采用现有技术或未来发展的技术中的人物识别技术识别关键帧中的人物并得到关键帧中的人物的身份信息。本公开对此不做限定。
具体地，人物识别运用人工智能领域内的生物识别技术，分析比较人物的视觉特征信息进行身份鉴别。人物识别实际包括构建人物识别系统的一系列相关技术，包括人物图像采集、人物定位、人物识别预处理、身份确认以及身份查找。在进行人物识别时所用到的生物特征一般与人类在进行个体识别时所利用的生物特征相同。例如，人物识别可以基于以下至少一项对生物特征的识别来完成：人脸识别、语音识别、体型识别和步态识别等。
示例性地，人物识别技术可以基于以下至少一项算法来实现：基于人物部件的多特征识别算法(MMP-PCA recognition algorithms)；基于人物特征点的识别算法(Feature-based recognition algorithms)；基于整幅人物图像的识别算法(Appearance-based recognition algorithms)；基于模板的识别算法(Template-based recognitionalgorithms)；以及利用神经网络进行识别的算法(Recognition algorithms usingneural network)。
在步骤250中，响应于人物的身份信息与人物名相符，将待选视频确定为新闻的视频素材。
在本实施例中，若人脸的身份信息与从新闻文本中识别的人物名相符，那么说明该待选视频符合新闻文本的描述，可以将其确定为新闻的视频素材。与此相反，若人脸的身份信息与从新闻文本中识别的人物名不相符，那么说明该待选视频仅为与新闻文本中的人物名重名的视频，并不能精准的符合新闻文本中的人物名，因此，该待选视频不能作为所需的新闻的视频素材。
以下结合图3，描述本公开的用于确定新闻的视频素材的方法的示例性应用场景。
如图3所示，图3示出了根据本公开的用于确定新闻的视频素材的方法的一些应用场景的示意性流程图。
如图3所示，用于确定新闻的视频素材的方法300运行于电子设备310中，可以包括：
首先，识别新闻文本301中的人物名302；
之后，基于人物名302搜索视频，得到待选视频303；
之后，抽取待选视频303中的关键帧304；
然后，识别关键帧304中的人物，得到人物的身份信息305；
最后，响应于人物的身份信息305与人物名302相符，将待选视频303确定为新闻的视频素材306。
应当理解，上述图3中所示出的用于确定新闻的视频素材的方法的应用场景，仅为对于用于确定新闻的视频素材的方法的示例性描述，并不代表对该方法的限定。例如，上述识别新闻文本301中的人物名302，可以采用现有技术或未来发展的技术中的用于识别文本中人物名的方法对新闻文本中的人物名进行识别。本公开对此不做限定。
本公开上述实施例提供的用于确定新闻的视频素材的方法，由于在确定新闻的视频素材时，根据对关键帧中的人物的识别结果与新闻文本中的人物名是否相符确定待选视频是否符合新闻文本的要求，可以避免待选视频中的人物与新闻文本中的人物名不相关，进而根据待选视频确定新闻的视频素材，提升了新闻的视频素材与新闻文本的契合程度。
请参考图4，其示出了根据本公开的用于确定新闻的视频素材的方法的又一些实施例的示例性结构图。
如图4所示，本实施例的用于确定新闻的视频素材的方法400，可以包括：
在步骤410中，识别新闻文本中的人物名。
在本实施例中，用于确定新闻的视频素材的方法的执行主体(例如图1所示的终端或服务器)可以采用现有技术或未来发展的技术中用于识别文本中的人物名的方法来识别新闻文本中的人物名，本公开对此不做限定。
在一些具体的示例中，可以采用基于HanLP框架的人物名的自动识别。具体地，对于一个给定的句子，先进行下面三大步骤处理：首先进行角色观察，之后采用维特比算法解码求解隐藏状态(也即求解各个分词的角色标记)，然后对角色标记进行最大匹配(可做一些后处理操作)，最后，再使用维特比算法进行一次分词，得到细分结果，即为最后的识别结果。
在步骤420中，基于人物名搜索视频，得到待选视频。
在本实施例中，可以以人物名为关键词，经由网页、应用程序或其它调用接口从视频库中搜索待选视频。
这里的视频库，可以是由视频提供方提供的视频库，也可以是由搜索引擎提供的包括互联网视频资源，本申请对此不作限定。
在步骤430中，抽取待选视频中的关键帧。
在本实施例中，在搜索到待选视频后，为了验证待选视频是否为符合新闻文本的需要的视频，可以抽取待选视频中的关键帧，以便确认关键帧中的人脸是否符合新闻文本中的人物名。
在这里，关键帧是指角色或者物体运动或变化中的关键动作所处的那一帧；或者，间隔预定数量的帧数从待选视频中提取的视频帧。
在步骤440中，识别关键帧中的人物，得到人物的身份信息。
在本实施例中，上述执行主体可以采用现有技术或未来发展的技术中的人物识别技术识别关键帧中的人物并得到关键帧中的人物的身份信息。本公开对此不做限定。
具体地，人物识别运用人工智能领域内的生物识别技术，分析比较人物的视觉特征信息进行身份鉴别。人物识别实际包括构建人物识别系统的一系列相关技术，包括人物图像采集、人物定位、人物识别预处理、身份确认以及身份查找。在进行人物识别时所用到的生物特征一般与人类在进行个体识别时所利用的生物特征相同。例如，人物识别可以基于以下至少一项对生物特征的识别来完成：人脸识别、语音识别、体型识别和步态识别等。
在步骤450中，响应于人物的身份信息与人物名相符，将待选视频确定为新闻的视频素材。
在本实施例中，若人脸的身份信息与从新闻文本中识别的人物名相符，那么说明该待选视频符合新闻文本的描述，可以将其确定为新闻的视频素材。与此相反，若人脸的身份信息与从新闻文本中识别的人物名不相符，那么说明该待选视频仅为与新闻文本中的人物名重名的视频，并不能精准的符合新闻文本中的人物名，因此，该待选视频不能作为所需的新闻的视频素材。
本领域技术人员应当理解，上述步骤410至步骤450，分别与上述图2中所示的实施例中的步骤210至步骤250相对应，因此，上述图2中针对步骤210至步骤250所描述的操作和特征同样适用于步骤410至步骤450，在此不再赘述。
在步骤460中，响应于新闻的视频素材的播放时长超过新闻所需的播放时长，基于新闻的视频素材中场景发生变化的视频帧，切分新闻的视频素材，采用切分后的视频素材更新新闻的视频素材。
在本实施例中，新闻所需的播放时长，可以由本领域技术人员根据经验设定或根据应用场景设定，本申请对此不做限定。若新闻的视频素材的播放时长超过新闻所需的播放时长，可以对新闻的视频素材进行切分，以得到符合所需的播放时长的新闻的视频素材。
在切分时，可以根据新闻的视频素材中场景发生变化的视频帧来切分新闻的视频素材，以便切分后得到的新闻的视频素材所表达的场景完整，从而提高更新后的新闻的视频素材的质量。
本公开上述实施例的用于确定新闻的视频素材的方法，与图2中所示的实施例不同的是：在图2中确定新闻的视频素材的基础上，可以在新闻的视频素材的播放时长超过新闻所需的播放时长时，基于新闻的视频素材中场景发生变化的视频帧，切分新闻的视频素材，并采用切分后的视频素材更新新闻的视频素材，之后在播报新闻文本时，播放新闻的视频素材。这一用于确定新闻的视频素材的方法，避免了所确定的新闻的视频素材的内容与新闻文本不相关，提升了新闻的视频素材与新闻文本的契合程度，并且基于场景发生变化的视频帧对长度较长的新闻的视频素材进行了切分，更新后的新闻的视频素材的播放时长更为适应新闻所需的播放时长。
在上述各个实施例的一些可选实现方式中，上述用于确定新闻的视频素材的方法还包括：在播报新闻文本时，播放新闻的视频素材。
在本实现方式中，所播放的新闻的视频素材是基于上述用于确定新闻的视频素材的方法确定的。因此，播放的新闻的视频素材更为契合所播报的新闻文本。
进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种用于确定新闻的视频素材的装置的一些实施例，该装置实施例与图2-图4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。
如图5所示，本实施例的用于确定新闻的视频素材的装置500可以包括：文本识别单元510，被配置成识别新闻文本中的人物名；搜索单元520，被配置成基于人物名搜索视频，得到待选视频；抽取单元530，被配置成抽取待选视频中的关键帧；身份识别单元540，被配置成识别关键帧中的人物，得到人物的身份信息；确定单元550，被配置成响应于人物的身份信息与人物名相符，将待选视频确定为新闻的视频素材。
在本实施例的一些可选实现方式中，文本识别单元510进一步被配置成：采用命名实体识别对新闻文本中的人物名进行识别；采用结巴分词系统对新闻文本中的人物名进行识别；或基于对人物名的识别规则集对新闻文本中的人物名进行识别。
在本实施例的一些可选实现方式中，身份识别单元540进一步被配置成：识别关键帧中的人物的人脸、声音、体型和步态中的至少一项，得到人物的身份信息。
在本实施例的一些可选实现方式中，装置还包括：切分单元560，被配置成响应于新闻的视频素材的播放时长超过新闻所需的播放时长，基于新闻的视频素材中场景发生变化的视频帧，切分新闻的视频素材；更新单元570，被配置成采用切分后的视频素材更新新闻的视频素材。
在本实施例的一些可选实现方式中，装置还包括：播放单元580，被配置成在播报新闻文本时，播放新闻的视频素材。
在本实施例的一些可选实现方式中，文本识别单元510中被识别的新闻文本包括：新闻全文和/或新闻全文中的摘要段落。
本公开的实施例还提供了一种电子设备/终端/服务器，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上任一所述的方法。
本公开的实施例还提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上任一所述的方法。
本公开的实施例还提供了一种服务器，包括：接口；存储器，其上存储有一个或多个程序；以及一个或多个处理器，在操作上连接到上述接口和上述存储器，用于：识别新闻文本中的人物名；基于人物名搜索视频，得到待选视频；抽取待选视频中的关键帧；识别关键帧中的人物，得到人物的身份信息；响应于人物的身份信息与人物名相符，将待选视频确定为新闻的视频素材。
本公开的实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其中，当上述计算机程序被一个或多个处理器执行时，使得上述一个或多个处理器：识别新闻文本中的人物名；基于人物名搜索视频，得到待选视频；抽取待选视频中的关键帧；识别关键帧中的人物，得到人物的身份信息；响应于人物的身份信息与人物名相符，将待选视频确定为新闻的视频素材。
下面参考图6，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器或终端设备)600的结构示意图。本公开的实施例中的终端设备可以包括但不限于诸如笔记本电脑、台式计算机等。图6示出的终端设备/服务器仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
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装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例所述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。在本公开的实施例中，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。而在本公开的实施例中，计算机可读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，该计算机可读信号介质可以发送、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：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。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电子设备执行时，使得该电子设备：识别新闻文本中的人物名；基于人物名搜索视频，得到待选视频；抽取待选视频中的关键帧；识别关键帧中的人物，得到人物的身份信息；响应于人物的身份信息与人物名相符，将待选视频确定为新闻的视频素材。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、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。
描述于本公开的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：一种处理器包括文本识别单元、搜索单元、抽取单元、身份识别单元和确定单元。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，文本识别单元还可以被描述为“识别新闻文本中的人物名的单元”。
以上描述仅为本公开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，本公开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。例如上述特征与本公开中公开的(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 (14)

1.一种用于确定新闻的视频素材的方法，包括：
识别新闻文本中的人物名；
基于所述人物名搜索视频，得到待选视频；
抽取所述待选视频中的关键帧；
识别所述关键帧中的人物，得到所述人物的身份信息；
响应于所述人物的身份信息与所述人物名相符，将所述待选视频确定为新闻的视频素材。
2.根据权利要求1所述的方法，其中，识别新闻文本中的人物名包括：
采用命名实体识别对所述新闻文本中的人物名进行识别；
采用结巴分词系统对所述新闻文本中的人物名进行识别；或
基于对人物名的识别规则集对所述新闻文本中的人物名进行识别。
3.根据权利要求1所述的方法，其中，所述识别所述关键帧中的人物，得到所述人物的身份信息包括：
识别所述关键帧中的人物的人脸、声音、体型和步态中的至少一项，得到所述人物的身份信息。
4.根据权利要求1所述的方法，其中，所述方法还包括：
响应于所述新闻的视频素材的播放时长超过新闻所需的播放时长，基于所述新闻的视频素材中场景发生变化的视频帧，切分所述新闻的视频素材；
采用切分后的视频素材更新所述新闻的视频素材。
5.根据权利要求1-4任意一项所述的方法，其中，所述方法还包括：
在播报所述新闻文本时，播放所述新闻的视频素材。
6.根据权利要求1所述的方法，其中，所述新闻文本包括：新闻全文和/或新闻全文中的摘要段落。
7.一种用于确定新闻的视频素材的装置，包括：
文本识别单元，被配置成识别新闻文本中的人物名；
搜索单元，被配置成基于所述人物名搜索视频，得到待选视频；
抽取单元，被配置成抽取所述待选视频中的关键帧；
身份识别单元，被配置成识别所述关键帧中的人物，得到所述人物的身份信息；
确定单元，被配置成响应于所述人物的身份信息与所述人物名相符，将所述待选视频确定为新闻的视频素材。
8.根据权利要求7所述的装置，其中，所述文本识别单元进一步被配置成：
采用命名实体识别对所述新闻文本中的人物名进行识别；
采用结巴分词系统对所述新闻文本中的人物名进行识别；或
基于对人物名的识别规则集对所述新闻文本中的人物名进行识别。
9.根据权利要求7所述的装置，其中，所述身份识别单元进一步被配置成：
识别所述关键帧中的人物的人脸、声音、体型和步态中的至少一项，得到所述人物的身份信息。
10.根据权利要求7所述的装置，其中，所述装置还包括：
切分单元，被配置成响应于所述新闻的视频素材的播放时长超过新闻所需的播放时长，基于所述新闻的视频素材中场景发生变化的视频帧，切分所述新闻的视频素材；
更新单元，被配置成采用切分后的视频素材更新所述新闻的视频素材。
11.根据权利要求7-10任意一项所述的装置，其中，所述装置还包括：
播放单元，被配置成在播报所述新闻文本时，播放所述新闻的视频素材。
12.根据权利要求7所述的装置，其中，所述文本识别单元中被识别的所述新闻文本包括：新闻全文和/或新闻全文中的摘要段落。
13.一种服务器，包括：接口；
存储器，其上存储有一个或多个程序；以及
一个或多个处理器，在操作上连接到上述接口和上述存储器，用于：识别新闻文本中的人物名；基于人物名搜索视频，得到待选视频；抽取待选视频中的关键帧；识别关键帧中的人物，得到人物的身份信息；响应于人物的身份信息与人物名相符，将待选视频确定为新闻的视频素材。
14.一种计算机可读存储介质，其上存储有计算机程序，其中，当上述计算机程序被一个或多个处理器执行时，使得上述一个或多个处理器：识别新闻文本中的人物名；基于人物名搜索视频，得到待选视频；抽取待选视频中的关键帧；识别关键帧中的人物，得到人物的身份信息；响应于人物的身份信息与人物名相符，将待选视频确定为新闻的视频素材。
CN202010090122.XA 2019-07-02 2020-02-13 用于确定新闻的视频素材的方法和装置 Active CN112188311B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/460,319 US11036996B2 (en) 2019-07-02 2019-07-02 Method and apparatus for determining (raw) video materials for news
US16/460,319 2019-07-02

Publications (2)

Publication Number Publication Date
CN112188311A true CN112188311A (zh) 2021-01-05
CN112188311B CN112188311B (zh) 2022-09-13

Family

ID=73918787

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010090122.XA Active CN112188311B (zh) 2019-07-02 2020-02-13 用于确定新闻的视频素材的方法和装置

Country Status (2)

Country Link
US (1) US11036996B2 (zh)
CN (1) CN112188311B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114596391A (zh) * 2022-01-19 2022-06-07 阿里巴巴（中国）有限公司 虚拟人物控制方法、装置、设备及存储介质
CN114817517B (zh) * 2022-05-30 2022-12-20 北京海天瑞声科技股份有限公司 一种语料获取方法、装置、电子设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100104144A1 (en) * 2008-10-23 2010-04-29 Kabushiki Kaisha Toshiba Information processing apparatus and content display method
CN102521340A (zh) * 2011-12-08 2012-06-27 中国科学院自动化研究所 一种基于角色的电视剧视频分析方法
CN106294666A (zh) * 2016-08-04 2017-01-04 上海汽笛生网络科技有限公司 一种实现文本形象化动态展示的方法
CN109756751A (zh) * 2017-11-07 2019-05-14 腾讯科技（深圳）有限公司 多媒体数据处理方法及装置、电子设备、存储介质

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2001288469A1 (en) * 2000-08-28 2002-03-13 Emotion, Inc. Method and apparatus for digital media management, retrieval, and collaboration
US6892193B2 (en) * 2001-05-10 2005-05-10 International Business Machines Corporation Method and apparatus for inducing classifiers for multimedia based on unified representation of features reflecting disparate modalities
JP2004364234A (ja) * 2003-05-15 2004-12-24 Pioneer Electronic Corp 放送番組内容メニュー作成装置及び方法
US7305128B2 (en) * 2005-05-27 2007-12-04 Mavs Lab, Inc. Anchor person detection for television news segmentation based on audiovisual features
EP2051791B1 (en) * 2006-08-14 2014-10-08 Evoqua Water Technologies LLC High flow disc filter
JP2009181216A (ja) * 2008-01-29 2009-08-13 Toshiba Corp 電子機器および画像処理方法
US9143573B2 (en) * 2008-03-20 2015-09-22 Facebook, Inc. Tag suggestions for images on online social networks
US8666223B2 (en) * 2008-09-25 2014-03-04 Kabushiki Kaisha Toshiba Electronic apparatus and image data management method
JP2011035837A (ja) * 2009-08-05 2011-02-17 Toshiba Corp 電子機器および画像データの表示方法
JP2011065277A (ja) * 2009-09-15 2011-03-31 Toshiba Corp 電子機器、画像表示方法およびコンテンツ再生プログラム
US8494231B2 (en) * 2010-11-01 2013-07-23 Microsoft Corporation Face recognition in video content
CN102065581A (zh) * 2010-12-28 2011-05-18 惠州Tcl移动通信有限公司 一种视频通话装置及方法
KR101969930B1 (ko) * 2011-01-07 2019-04-18 삼성전자주식회사 컨텐트 수집 방법 및 그 장치
US20150067077A1 (en) * 2013-03-07 2015-03-05 Denise DiSano Private messaging and private social network method for creating personal and private online communities through connecting user(s) utilizing physical objects and/or products and associated unique code(s) linked to users, messages, activities, and/or information
CN109766890B (zh) * 2013-06-03 2020-11-06 支付宝（中国）网络技术有限公司 信息识别方法、设备和系统
US9508390B2 (en) * 2013-07-12 2016-11-29 Apple Inc. Trick play in digital video streaming
GB201405045D0 (en) * 2014-03-21 2014-05-07 Secr Defence Recognition of objects within a video
US20160014482A1 (en) * 2014-07-14 2016-01-14 The Board Of Trustees Of The Leland Stanford Junior University Systems and Methods for Generating Video Summary Sequences From One or More Video Segments
GB201505864D0 (en) * 2015-04-07 2015-05-20 Ipv Ltd Live markers
US10140518B1 (en) * 2015-12-16 2018-11-27 Amazon Technologies, Inc. Content information auditing service
US20180061256A1 (en) * 2016-01-25 2018-03-01 Wespeke, Inc. Automated digital media content extraction for digital lesson generation
US10535371B2 (en) * 2016-09-13 2020-01-14 Intel Corporation Speaker segmentation and clustering for video summarization
US10497382B2 (en) * 2016-12-16 2019-12-03 Google Llc Associating faces with voices for speaker diarization within videos
US20200019583A1 (en) * 2018-07-11 2020-01-16 University Of Southern California Systems and methods for automated repair of webpages
US10762287B2 (en) * 2018-12-06 2020-09-01 Bank Of America Corporation Edoc utility using non-structured-query-language databases
US20200395008A1 (en) * 2019-06-15 2020-12-17 Very Important Puppets Inc. Personality-Based Conversational Agents and Pragmatic Model, and Related Interfaces and Commercial Models

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100104144A1 (en) * 2008-10-23 2010-04-29 Kabushiki Kaisha Toshiba Information processing apparatus and content display method
CN102521340A (zh) * 2011-12-08 2012-06-27 中国科学院自动化研究所 一种基于角色的电视剧视频分析方法
CN106294666A (zh) * 2016-08-04 2017-01-04 上海汽笛生网络科技有限公司 一种实现文本形象化动态展示的方法
CN109756751A (zh) * 2017-11-07 2019-05-14 腾讯科技（深圳）有限公司 多媒体数据处理方法及装置、电子设备、存储介质

Also Published As

Publication number Publication date
US11036996B2 (en) 2021-06-15
US20210004603A1 (en) 2021-01-07
CN112188311B (zh) 2022-09-13

Similar Documents

Publication Publication Date Title
CN107679039B (zh) 用于确定语句意图的方法和装置
US11151177B2 (en) Search method and apparatus based on artificial intelligence
CN111090987B (zh) 用于输出信息的方法和装置
CN111274815B (zh) 用于挖掘文本中的实体关注点的方法和装置
CN107526725B (zh) 基于人工智能的用于生成文本的方法和装置
CN107241260B (zh) 基于人工智能的新闻推送的方法和装置
CN112015859A (zh) 文本的知识层次抽取方法及装置、计算机设备及可读介质
CN110705206B (zh) 一种文本信息的处理方法及相关装置
CN109697239B (zh) 用于生成图文信息的方法
CN111709240A (zh) 实体关系抽取方法、装置、设备及其存储介质
CN112188312B (zh) 用于确定新闻的视频素材的方法和装置
CN110991165A (zh) 文本中人物关系提取方法及装置、计算机设备和存储介质
CN112215008A (zh) 基于语义理解的实体识别方法、装置、计算机设备和介质
CN111078887A (zh) 文本分类方法和装置
CN110633475A (zh) 基于计算机场景的自然语言理解方法、装置、系统和存储介质
CN112188311B (zh) 用于确定新闻的视频素材的方法和装置
CN115438149A (zh) 一种端到端模型训练方法、装置、计算机设备及存储介质
CN111026849B (zh) 数据处理方法和装置
CN112270184A (zh) 自然语言处理方法、装置及存储介质
CN114118068B (zh) 训练文本数据的扩增方法、装置及电子设备
CN112199954B (zh) 基于语音语义的疾病实体匹配方法、装置及计算机设备
CN114398482A (zh) 一种词典构造方法、装置、电子设备及存储介质
CN109800438B (zh) 用于生成信息的方法和装置
CN111723188A (zh) 用于问答系统的基于人工智能的语句显示方法、电子设备
CN111563371A (zh) 一种文本生成的方法及设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant