文本风格处理方法、装置、电子设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109189985A(43)申请公布日2019.01.11(21)申请号201810943330.2(22)申请日2018.08.17(71)申请人北京达佳互联信息技术有限公司地址100084北京市海淀区中关村东路1号院8号楼20层B2201(72)发明人申世伟(74)专利代理机构北京市立方律师事务所11330代理人刘延喜(51)Int.Cl.G06F16/73(2019.01)G06F16/35(2019.01)G06F16/43(2019.01)G06N3/08(2006.01)权利要求书2页说明书13页附图6页(54)发明名称文本风格处理方法、装置、电子设备及存储介质(57)摘要本申请公开了一种文本风格处理方法、装置、电子设备及存储介质，包括下述步骤：获取目标媒体中的文本信息，识别文本信息中文字所表达的情绪信息，根据情绪信息对目标媒体进行图像处理，以使目标媒体中的文本信息通过文字形态表征情绪信息，通过将不同的文本信息处理成不同风格化的图像，并展示在视频字幕或者音乐歌词等目标媒体中，丰富了文字信息在目标媒体的展示效果，从而提高了文字信息的可观赏性。CN109189985ACN109189985A权利要求书1/2页1.一种文本风格处理方法，其特征在于，包括：获取目标媒体中的文本信息；识别所述文本信息中文字所表达的情绪信息；根据所述情绪信息对所述目标媒体进行图像处理，以使所述目标媒体中的文本信息通过文字形态表征所述情绪信息。2.根据权利要求1所述的文本风格处理方法，其特征在于，所述情绪信息为文本信息的情绪分类结果；所述识别所述文本信息中文字所表达的情绪信息，包括：将所述文本信息输入到预设的文本分类模型中，其中，所述文本分类模型为训练至收敛的用于文本分类的神经网络模型；获取所述文本分类模型输出的所述文本信息的情绪分类的置信度；当所述置信度大于预设第一阈值时，确认所述置信度所表征的情绪分类结果为所述情绪信息。3.根据权利要求1所述的文本风格处理方法，其特征在于，所述根据所述情绪信息对所述目标媒体进行图像处理，包括：在预设的风格图片数据库中获取与所述情绪信息具有对应关系的风格图片；将所述文本信息像素化生成内容图片；将所述内容图片与所述风格图片输入到预设的图像融合模型中，其中，所述图像融合模型为训练至收敛的用于图像融合的神经网络模型；获取所述图像融合模型根据所述内容图片与所述风格图片生成的融合图片，其中，所述融合图片包括所述文本信息的文字图像，且所述文字图像的文字形态表征所述情绪信息。4.根据权利要求3所述的文本风格处理方法，其特征在于，所述获取所述图像融合模型根据所述内容图片与所述风格图片生成的融合图片，包括：通过格拉姆矩阵计算所述融合图片与所述内容图片之间的内容损失；通过格拉姆矩阵计算所述融合图片与所述风格图片之间的风格损失；通过所述内容损失与所述风格损失计算所述融合图片的总损失值；将所述总损失值与所述图像融合模型的梯度损失函数的梯度阈值进行比对，当所述总损失值大于所述梯度阈值时，通过所述图像融合模型的反向传播算法校正所述图像融合模型中的权值，至所述图像融合模型输出的融合图片的总损失值小于或等于所述梯度损失函数的最小梯度阈值时为止。5.根据权利要求4所述的文本风格处理方法，其特征在于，所述总损失值的特征描述为：ltotal(a,x,p)＝α×lstyle(a,x)+β×lcontent(p,x)其中，a表示所述风格图片，x表示所述融合图片，p表示所述内容图片，ltotal(a,x,p)表示所述总损失值，lstyle(a,x)表示所述风格损失，lcontent(p,x)表示所述内容损失，α和β表示调节所述风格图片与所述内容图片的权重因子。6.根据权利要求1或3所述的文本风格处理方法，其特征在于，所述目标媒体为视频数据，所述根据所述情绪信息对所述目标媒体进行图像处理之后，还包括：获取所述文本信息在所述目标媒体的位置信息；2CN109189985A权利要求书2/2页将所述融合图片插入至所述目标媒体的位置信息对应的位置，以替换所述文本信息。7.根据权利要求2所述的文本风格处理方法，其特征在于，所述识别所述文本信息中文字所表达的情绪信息之前，还包括：获取标记有分类判断信息的训练样本数据；将所述训练样本数据输入到第一神经网络模型中获取所述训练样本数据的分类参照信息，所述第一神经网络模型为用于训练所述文本分类模型的预设神经网络模型；通过损失函数比对所述训练样本数据内不同样本的模型分类参照信息与所述分类判断信息是否一致；当所述模型分类参照信息与所述分类判断信息不一致时，反复循环迭代的更新所述第一神经网络模型中的权重，至所述比对结果与所述分类判断信息一致时结束，得到训练至