[发明专利]标题生成方法、装置、电子设备和可读存储介质

权利要求书

1.一种标题生成方法，其特征在于，包括：

获取目标视频的视频数据，所述视频数据包括台词文本和视频画面；

对所述视频数据进行特征提取，得到文本特征和画面特征，其中，所述文本特征为用于表征所述台词文本的语义，所述画面特征为用于表征所述视频画面的内容；

基于所述文本特征和所述画面特征，生成所述目标视频的视频标题。

2.根据权利要求1所述的方法，其特征在于，所述基于所述文本特征和所述画面特征，生成所述目标视频的视频标题，包括：

基于所述文本特征和所述画面特征中的一者，生成所述目标视频的第一子标题；

基于第二子标题对所述第一子标题进行调整，得到所述目标视频的视频标题，所述第二子标题为根据所述文本特征和所述画面特征中的另一者，生成的所述目标视频的子标题。

3.根据权利要求2所述的方法，其特征在于，所述第一子标题的调整方式包括以下至少一项：

提取所述第一子标题的第一关键词和所述第二子标题中的第二关键词，所述第一关键词和所述第二关键词具有相同第一语义，所述目标视频的视频标题包括所述第一语义；

提取所述第一子标题的第三关键词和所述第二子标题中的第四关键词，所述第三关键词和所述第四关键词具有不同的第二语义和第三语义，所述目标视频的视频标题包括所述第二语义和所述第三语义。

4.根据权利要求1所述的方法，其特征在于，所述对所述视频数据进行特征提取，得到文本特征和画面特征，包括：

将所述视频数据输入到预先训练的第一网络模型，获得所述文本特征和所述画面特征；

其中，所述第一网络模型用于分别提取所述视频数据中至少一个第一目标位置的台词文本和至少一个第二目标位置的视频画面，并对提取的每个第一目标位置的台词文本进行特征提取得到所述文本特征,对提取的每个第二目标位置的视频画面进行特征提取得到所述画面特征。

5.根据权利要求4所述的方法，其特征在于，在将所述视频数据输入到预先训练的第一网络模型之前，还包括：

将视频样本数据输入待训练网络模型进行N次迭代训练，所述视频样本数据包括样本台词文本和样本视频画面，N为正整数；

在经过第N次迭代训练后的待训练网络模型满足预设条件的情况下，将所述经过第N次迭代训练后的待训练网络模型确定为所述第一网络模型；

其中，所述预设条件包括目标文本特征与预设文本特征之间的匹配度大于或等于第一匹配值，且目标画面特征与预设画面特征之间的匹配度大于或等于第二匹配值，所述目标文本特征为待训练网络模型基于所述样本台词文本生成的特征，所述预设文本特征为所述样本台词文本中预设的特征，所述目标画面特征为待训练网络模型基于所述样本视频画面生成的特征，所述预设画面特征为所述样本视频画面中预设的特征。

6.根据权利要求5所述的方法，其特征在于，在所述N次迭代训练的一次迭代训练的过程中，所述待训练网络模型用于分别提取所述视频样本数据中第一目标位置的样本台词文本和第二目标位置的样本视频画面，并对提取的所述第一目标位置的样本台词文本进行特征提取得到所述目标文本特征，对提取的所述第二目标位置的样本视频画面进行特征提取得到所述目标画面特征；

其中，所述预设文本特征为所述视频样本数据中第一预设位置的样本台词文本的预设特征，所述预设画面特征为所述视频样本数据中第二预设位置的样本视频画面的预设特征；

其中，所述预设条件还包括所述第一目标位置与所述第一预设位置之间的偏差值小于或等于第一偏差值；所述第二目标位置与所述第二预设位置之间的偏差值小于或等于第二偏差值。

7.根据权利要求2所述的方法，其特征在于，所述基于第二子标题对所述第一子标题进行调整，得到所述目标视频的视频标题，包括：

将所述第一子标题和所述第二子标题输入到预先训练的第二网络模型，得到所述目标视频的视频标题；

其中，所述第二网络模型用于将所述第二子标题在所述视频数据中对应的时间轴序列与所述第一子标题在所述视频数据中对应的时间轴序列对齐后，基于所述第二子标题对所述第一子标题进行调整，生成所述视频标题。