信息检索方法和装置、存储介质和电子设备与流程

1.本公开涉及资源检索领域，具体地，涉及一种信息检索方法和装置、存储介质和电子设备。


背景技术：

2.视频是一种常见的多媒体形式，通过视频可以达到艺术创作、事件记录、信息宣传等目的，极大地提高了人们生活的丰富性。但是，制作视频所需的视频素材和图片素材需要用户根据视频内容逐一检索、筛选，使得视频制作的效率较低，成本较高。


技术实现要素：

3.提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
4.第一方面，本公开提供一种信息检索方法，所述方法包括：将用户输入的文案内容进行分句，得到多个文案子句；通过场景模型，判别所述文案子句在文案内容中所属的场景；基于该场景对应的关键词提取模型，确定各场景对应的各文案子句的关键词；基于各文案子句的关键词，检索与所述文案内容对应的视频信息和/或图像信息。
5.第二方面，本公开提供一种信息检索装置，包括：分句模块，用于将用户输入的文案内容进行分句，得到多个文案子句；判别模块，用于通过场景模型，判别所述文案子句在文案内容中所属的场景；提取模块，用于通过该场景对应的关键词提取模型，提取各场景对应的各文案子句的关键词；检索模块，用于基于各文案子句的关键词，检索与所述文案内容对应的视频信息和/或图像信息。
6.第三方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开第一方面所述方法的步骤。
7.第四方面，本公开提供一种电子设备，包括存储装置和处理装置，存储装置上存储有计算机程序的，处理装置用于执行所述计算机程序，以实现本公开第一方面所述方法的步骤。
8.通过上述技术方案，至少可以达到以下的技术效果：
9.可以通过对用户输入的文案内容进行分句，并对各子句分别进行场景提取，并基于场景对应的关键词提取模型对各子句的关键词进行提取，再针对各子句的关键词检索该子句对应的视频或图片信息，从而实现基于文案内容批量化地检索视频和图片的效果，提高视频和图片信息的检索效率，避免了手动基于视频制作需求进行信息检索的繁琐和低效。
10.本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
11.结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：
12.图1是根据一示例性公开实施例示出的一种信息检索方法的流程图。
13.图2是根据一示例性公开实施例示出的一种信息检索装置的框图。
14.图3是根据一示例性公开实施例示出的一种电子设备的框图。
具体实施方式
15.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
16.应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
17.本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
18.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
19.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”。
20.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
21.图1是根据一示例性公开实施例示出的一种信息检索方法的流程图，如图1所示，所述方法包括：
22.s11、将用户输入的文案内容进行分句，得到多个文案子句。
23.分句可以是基于文案内容的符号进行的，也可以是基于文案内容的语义进行的，例如，可以以结束符(句号、问号、叹号等)为分句点进行分句，也可以识别文本的语义，基于语义对文案内容进行分句。
24.s12、通过场景模型，判别所述文案子句在文案内容中所属的场景。
25.可以通过场景模型，判别所述文案子句在文案内容中所属的场景，文案内容的可以包括开端、发展、高光、结尾等结构性场景，还可以包括背景、生平、代表作、发展前景等内容性场景，根据不同的视频制作需要，还可以包括其他任意的场景类型。
26.在一种可能的实施方式中，场景模型是通过以下方式训练得到的：将标注场景分割点的第一样本文案输入所述场景模型，以使所述场景模型基于所述第一样本文案和预设的损失函数调整所述场景模型中的参数。
27.s13、基于该场景对应的关键词提取模型，确定各场景对应的各文案子句的关键词。
28.考虑到不同场景中需要提取的关键词的类型可能不同，例如，在“代表作”场景下，提取的关键词主要包括作品的名称、拍摄时间、收视等类型，而在“生平”场景下，提取的关键词主要包括人物的名称、人物的籍贯、人物的求学过程等类型，因此，在本公开中不同的场景所对应的关键词提取模型应与场景相对应。
29.该关键词提取模型可以通过标注有关键词的第二样本文案作为样本训练，经过预设的损失函数调整参数从而迭代得到，根据不同的场景，可以将不同类型的词语设置为与该场景对应的关键词提取模型的训练样本的关键词，例如，当训练“代表作”场景对应的关键词提取模型的情况下，可以将作品的名称、拍摄时间、收视等标注为关键词，这样，训练得到的关键词提取模型可以从任意文本中提取到该文本中包含的作品的名称、拍摄时间、收视等信息作为该文本的关键词。值得说明的是，一个文案子句可能提取出一个关键词或多个关键词，本公开对此不作限制。
30.在一种可能的实施方式中，所述关键词提取模型是通过以下方式训练得到的：将标注有各场景对应的关键词标签的第二样本文案输入该场景对应的关键词提取模型，以使所述关键词提取模型基于所述第二样本文案和预设的损失函数调整所述关键词提取模型中的参数。
31.s14、基于各文案子句的关键词，检索与所述文案内容对应的视频信息和/或图像信息。
32.在获得关键词之后，可以根据关键词检索视频信息和/或图像信息，检索可以在指定的数据库中进行，也可以在互联网中进行，本公开对此不做限制。对同一文案子句提取得到的多个关键词进行检索的情况下，可以基于独个的关键词分别检索信息，还可以将同一文案子句对应的多个关键词进行排列组合，基于排列组合的结果进行检索。例如，当同一个文案子句中提取出了关键词a、b、c，则可以分别检索a、b、c得到多个视频、图像信息，还可以将关键词两两组合，得到a+b、a+c、b+c的组合，或者将三者同时组合，得到a+b+c的组合，并对这些组合分别检索得到视频信息，本公开对基于关键词进行检索的形式不作限定。在检索得到了视频信息和/或音频信息后，还可以根据文案子句的排列顺序，将视频信息和/或图像信息拼接为目标视频，这样，可以通过场景提取、关键词提取、关键词检索、信息拼接的步骤，自动生成文案对应的视频内容，提升视频的制作效率。
33.在一种可能的实施方式中，在确定了各场景所包括的文案子句之后，可以统计各场景对应的关键词，例如，对一个场景中的各文案子句的关键词进行去重处理，或者统计该场景中的各文案子句的关键词中出现频率较高的关键词作为场景对应的关键词。
34.通过对场景对应的关键词进行检索，得到该场景对应的视频信息和/或图像信息，这样，可以减少冗杂的信息，在利用检索到的信息制作视频时，也可以以场景为单位进行制作，避免由于文案子句数量较大导致的资源筛选困难和资源利用困难的问题。
35.该场景模型可以通过标注了场景分割点的第一样本文案作为训练样本，经过预设的损失函数调整参数从而迭代训练得到，该文案可以是与待制作的视频同类视频的字幕内容或旁白内容，还可以是与待制作的视频同题材的文章内容。例如，当待制作的视频是百科类视频时，可以获取多个百科视频，并将其字幕或旁白的文案按照场景进行分割，并标注场
景分割点；或者，将百科类读物按照场景进行分割，并标注场景分割点。值得说明的是，不同题材的文案的场景可能不同，例如，人物百科题材的文案的场景可能为“背景”“幼年经历”“学业”“职业生涯”“高光”等，而小说题材的文案的场景可以为“开端”、“发展”、“高光”、“结局”等。
36.在一种可能的实施方式中，可以基于所述文案内容中的各场景的排列顺序，将所述视频信息和/或图像信息拼接为目标视频。
37.例如，文案内容的场景包括“开端”“发展”“高光”“结局”时，可以将开端部分的视频、图像作为视频的第一部分，将发展部分的视频、图像作为视频的第二部分，将高光部分的视频、图像作为视频的第三部分，将结局部分的视频、图像作为视频的第四部分，通过将检所得到的视频进行有序的排列，可以自动生成与文案内容相符的视频。
38.在一种可能的实施方式中，可以基于各文案子句在所述文案内容中的位置，确定该文案子句在所述目标视频中的位置，将各文案子句转换为语音音频，并将各语音音频插入至所述目标视频中与该语音音频对应的文案子句在所述目标视频中的位置。
39.作为一种可能的实施方式，可以按照文案子句的排列顺序依次将各文案子句对应的语音音频作为旁白插入至生成的视频中，具体地，还可以将各文案子句的语音音频插入到其所属的场景所对应的视频位置中。例如，文案子句1属于场景1，并且是场景1中排列第一的子句，则可以将文案子句1的语音音频插入到场景1对应的视频部分中，并作为该视频部分中的第一句旁白。
40.在一种可能的实施方式中，可以根据各场景对应的视频的长度，调整各文案子句对应的语音音频的语音速度，从而使得视频的语音效果更加自然。
41.在一种可能的实施方式中，可以基于情感判别模型，确定各文案子句的情感标签；基于各文案子句对应的情感标签，将各文案子句转换为语音音频。
42.通过情感判别模型，可以为各文案子句标注情感标签，情感标签可以包括兴奋、快乐、悲伤等。
43.该情感判别模型的训练步骤如下：将样本文本输入待训练的情感判别模型，并获取所述情感判别模型输出的情感标签，并基于样本文本的样本标签、所述情感判别模型输出的情感标签以及预设的损失函数调整所述情感判别模型中的参数，以使情感判别模型输出的情感标签与样本标签接近，可以在前述两种标签的差异度满足预设条件，或者在训练迭代次数达到预设次数时停止训练。该预设的损失函数是用于惩罚模型输出的情感标签与样本标签的差值的损失函数。
44.在获得了情感标签之后，可以通过语音合成器或语音转换引擎等程序或软件，基于情感标签将文案子句转换为语音音频，该语音音频的情感与情感标签相对应，从而可以得到生动自然的语音。
45.在一种可能的实施方式中，可以获取所述文案内容对应的目标人物名称，基于各文案子句的关键词和所述目标人物名称，检索与所述文案内容对应的视频信息和/或图像信息，其中，所述视频信息和/或图像信息与所述目标人物相关。
46.在制作的视频为人物百科视频的情况下，所需要的视频或图像信息应当与人物主题相贴切，为了减少无关的素材，可以获取目标人物的名称，并基于该名称和关键词进行检索，得到符合需求的素材。
47.例如，从文案子句“他的家乡是一个贫瘠的地方，经过十年寒窗苦读，他终于进入了理想的院校”中可以提取出“家乡”“院校”等关键词，但是，这些关键词所搜索出的视频、图像等很可能与主角无关，则在检索时，可以增加目标人物的名称，通过名称和关键词结合的方式进行检索，可以过滤掉大量的无关素材。
48.该目标人物名称可以通过以下的两种形式获取：
49.第一种：获取用户输入的目标人物名称，也就是说，在进行信息检索前，可以预先获取用户输入的人物名称，在检索时围绕该名称进行，提升素材的相关性。
50.第二种：从所述文案内容中提取人物名称，并将频率最高的人物名称作为所述目标人物名称。重要的人物名称可能在文案内容中多次重复出现，因此，可以将频率最高的人物名称作为目标人物名称，这样，在针对没有出现过人物名称的文案子句进行检索时，可以结合文案内容整体的重要人物进行，避免检索出大量无关的素材。例如，文章内容中多次出现了人名“张三”，在针对没有出现人名的文案子句进行资源检索时，可以结合人名“张三”和文案子句本身的关键词进行检索，得到与“张三”相关的视频、图像资源。
51.在一种可能的实施方式中，响应于用户对所述文案内容的修改操作，确定用户修改的文案子句为目标文案子句，并重新基于所述目标文案子句进行检索。
52.也就是说，用户实时对文案内容进行编辑，增添、修改或删除文案内容中的任意子句、词汇，当检测到用户对文案内容进行了修改时，可以确定用户修改的内容所在的文案子句，并针对该文案子句重新进行关键词的提取和检索，并修改目标视频中基于该文案子句检索得到的视频、图像，当修改操作为增添或删除操作时，还可以在目标视频中增添或删除基于该文案子句检索得到的视频、图像。
53.通过上述技术方案，至少可以达到以下的技术效果：
54.可以通过对用户输入的文案内容进行分句，并对各子句分别进行场景提取，并基于场景对应的关键词提取模型对各子句的关键词进行提取，再针对各子句的关键词检索该子句对应的视频或图片信息，从而实现基于文案内容批量化地检索视频和图片的效果，提高视频和图片信息的检索效率，避免了手动基于视频制作需求进行信息检索的繁琐和低效。
55.图2是根据一示例性公开实施例示出的一种信息检索装置的框图，如图2所示，所述装置200包括以下部分：
56.分句模块210，用于将用户输入的文案内容进行分句，得到多个文案子句；
57.判别模块220，用于通过场景模型，判别所述文案子句在文案内容中所属的场景；
58.提取模块230，用于通过该场景对应的关键词提取模型，提取各场景对应的各文案子句的关键词；
59.检索模块240，用于基于各文案子句的关键词，检索与所述文案内容对应的视频信息和/或图像信息。
60.在一种可能的实施方式中，所述装置还包括拼接模块，用于基于各文案子句的排列顺序，将所述视频信息和/或图像信息拼接为目标视频。
61.在一种可能的实施方式中，所述检索模块240，用于基于各场景对应的文案子句的关键词，检索该场景对应的视频信息和/或图像信息；所述拼接模块，用于基于所述文案内容中的各场景的排列顺序，将所述视频信息和/或图像信息拼接为目标视频。
62.在一种可能的实施方式中，所述装置还包括合成模块，用于基于各文案子句在所述文案内容中的位置，确定该文案子句在所述目标视频中的位置；将各文案子句转换为语音音频，并将各语音音频插入至所述目标视频中与该语音音频对应的文案子句在所述目标视频中的位置。
63.在一种可能的实施方式中，所述合成模块，还用于基于情感判别模型，确定各文案子句的情感标签；基于各文案子句对应的情感标签，将各文案子句转换为语音音频。
64.在一种可能的实施方式中，所述文案内容为人物介绍；所述装置还包括获取模块，用于获取所述文案内容对应的目标人物名称；所述检索模块230，用于基于各文案子句的关键词和所述目标人物名称，检索与所述文案内容对应的视频信息和/或图像信息，其中，所述视频信息和/或图像信息与所述目标人物相关。
65.在一种可能的实施方式中，所述获取模块，用于获取用户输入的目标人物名称；或者，从所述文案内容中提取人物名称，并将频率最高的人物名称作为所述目标人物名称。
66.在一种可能的实施方式中，所述场景模型是通过以下方式训练得到的：将标注场景分割点的第一样本文案输入所述场景模型，以使所述场景模型基于所述第一样本文案和预设的损失函数调整所述场景模型中的参数。
67.在一种可能的实施方式中，所述关键词提取模型是通过以下方式训练得到的：将标注有各场景对应的关键词标签的第二样本文案输入该场景对应的关键词提取模型，以使所述关键词提取模型基于所述第二样本文案和预设的损失函数调整所述关键词提取模型中的参数。
68.上述装置中各模块所具体执行的步骤在该模块对应的方法部分的实施例中已经进行了详细的阐述，在此不做赘述。
69.通过上述技术方案，至少可以达到以下的技术效果：
70.可以通过对用户输入的文案内容进行分句，并对各子句分别进行场景提取，并基于场景对应的关键词提取模型对各子句的关键词进行提取，再针对各子句的关键词检索该子句对应的视频或图片信息，从而实现基于文案内容批量化地检索视频和图片的效果，提高视频和图片信息的检索效率，避免了手动基于视频制作需求进行信息检索的繁琐和低效。
71.下面参考图3，其示出了适于用来实现本公开实施例的电子设备300的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
72.如图3所示，电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储器(rom)302中的程序或者从存储装置308加载到随机访问存储器(ram)303中的程序而执行各种适当的动作和处理。在ram 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、rom 302以及ram 303通过总线304彼此相连。输入/输出(i/o)接口305也连接至总线304。
73.通常，以下装置可以连接至i/o接口305：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306；包括例如液晶显示器(lcd)、扬声器、振
动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，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。
74.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，其包括承载在非暂态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309从网络上被下载和安装，或者从存储装置308被安装，或者从rom 302被安装。在该计算机程序被处理装置301执行时，执行本公开实施例的方法中限定的上述功能。
75.需要说明的是，本公开上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。
76.在一些实施方式中，电子设备可以利用诸如http(hypertext transfer protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
77.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。
78.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操作的计算机程序代码，上述程序设计语言包括但不限于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)。
79.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。
80.描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定。
81.本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。
82.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd
‑
rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
83.根据本公开的一个或多个实施例，示例1提供了一种信息检索方法，所述方法包括：将用户输入的文案内容进行分句，得到多个文案子句；通过关键词提取模型，提取各文案子句的关键词；基于各文案子句的关键词，检索与所述文案内容对应的视频信息和/或图像信息。
84.根据本公开的一个或多个实施例，示例2提供了示例1的方法，所述方法还包括：基于各文案子句的排列顺序，将所述视频信息和/或图像信息拼接为目标视频。
85.根据本公开的一个或多个实施例，示例3提供了示例2的方法，所述基于各文案子句的关键词，检索与所述文案内容对应的视频信息或图像信息，包括：基于各场景对应的文案子句的关键词，检索该场景对应的视频信息和/或图像信息；所述基于各文案子句的排列顺序，将所述视频信息和/或图像信息拼接为目标视频，包括：基于所述文案内容中的各场景的排列顺序，将所述视频信息和/或图像信息拼接为目标视频。
86.根据本公开的一个或多个实施例，示例4提供了示例2的方法，所述方法还包括：基于各文案子句在所述文案内容中的位置，确定该文案子句在所述目标视频中的位置；将各文案子句转换为语音音频，并将各语音音频插入至所述目标视频中与该语音音频对应的文案子句在所述目标视频中的位置。
87.根据本公开的一个或多个实施例，示例5提供了示例4的方法，所述方法还包括：基于情感判别模型，确定各文案子句的情感标签；所述将各文案子句转换为语音音频，包括：基于各文案子句对应的情感标签，将各文案子句转换为语音音频。
88.根据本公开的一个或多个实施例，示例6提供了示例1
‑
5的方法，所述文案内容为人物介绍；所述方法还包括：获取所述文案内容对应的目标人物名称；所述基于各文案子句的关键词，检索与所述文案内容对应的视频信息和/或图像信息，还包括：基于各文案子句的关键词和所述目标人物名称，检索与所述文案内容对应的视频信息和/或图像信息，其中，所述视频信息和/或图像信息与所述目标人物相关。
89.根据本公开的一个或多个实施例，示例7提供了示例6的方法，所述获取所述文案内容对应的目标人物名称包括：获取用户输入的目标人物名称；或者，从所述文案内容中提取人物名称，并将频率最高的人物名称作为所述目标人物名称。
90.根据本公开的一个或多个实施例，示例8提供了示例1的方法，所述场景模型是通过以下方式训练得到的：将标注场景分割点的第一样本文案输入所述场景模型，以使所述场景模型基于所述第一样本文案和预设的损失函数调整所述场景模型中的参数。
91.根据本公开的一个或多个实施例，示例9提供了示例1的方法，所述关键词提取模型是通过以下方式训练得到的：将标注有各场景对应的关键词标签的第二样本文案输入该场景对应的关键词提取模型，以使所述关键词提取模型基于所述第二样本文案和预设的损失函数调整所述关键词提取模型中的参数。根据本公开的一个或多个实施例，示例10提供了一种信息检索装置，包括：分句模块，用于将用户输入的文案内容进行分句，得到多个文案子句；判别模块，用于通过场景模型，判别所述文案子句在文案内容中所属的场景；提取模块，用于通过该场景对应的关键词提取模型，提取各场景对应的各文案子句的关键词；检索模块，用于基于各文案子句的关键词，检索与所述文案内容对应的视频信息和/或图像信息。
92.根据本公开的一个或多个实施例，示例11提供了示例10的装置，所述装置还包括拼接模块，用于基于各文案子句的排列顺序，将所述视频信息和/或图像信息拼接为目标视频。
93.根据本公开的一个或多个实施例，示例12提供了示例11的装置，所述检索模块240，用于基于各场景对应的文案子句的关键词，检索该场景对应的视频信息和/或图像信息；所述拼接模块，用于基于所述文案内容中的各场景的排列顺序，将所述视频信息和/或图像信息拼接为目标视频。
94.根据本公开的一个或多个实施例，示例13提供了示例11的装置，所述装置还包括合成模块，用于基于各文案子句在所述文案内容中的位置，确定该文案子句在所述目标视频中的位置；将各文案子句转换为语音音频，并将各语音音频插入至所述目标视频中与该语音音频对应的文案子句在所述目标视频中的位置。
95.根据本公开的一个或多个实施例，示例14提供了示例13的装置，所述合成模块，还用于基于情感判别模型，确定各文案子句的情感标签；基于各文案子句对应的情感标签，将各文案子句转换为语音音频。
96.根据本公开的一个或多个实施例，示例15提供了示例10
‑
14的装置，所述文案内容为人物介绍；所述装置还包括获取模块，用于获取所述文案内容对应的目标人物名称；所述
检索模块，用于基于各文案子句的关键词和所述目标人物名称，检索与所述文案内容对应的视频信息和/或图像信息，其中，所述视频信息和/或图像信息与所述目标人物相关。
97.根据本公开的一个或多个实施例，示例16提供了示例15的装置，所述获取模块，用于获取用户输入的目标人物名称；或者，从所述文案内容中提取人物名称，并将频率最高的人物名称作为所述目标人物名称。
98.根据本公开的一个或多个实施例，示例17提供了示例10的装置，所述场景模型是通过以下方式训练得到的：将标注场景分割点的第一样本文案输入所述场景模型，以使所述场景模型基于所述第一样本文案和预设的损失函数调整所述场景模型中的参数。
99.根据本公开的一个或多个实施例，示例18提供了示例10的装置，所述关键词提取模型是通过以下方式训练得到的：将标注有各场景对应的关键词标签的第二样本文案输入该场景对应的关键词提取模型，以使所述关键词提取模型基于所述第二样本文案和预设的损失函数调整所述关键词提取模型中的参数。
100.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，本公开中所涉及的公开范围，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公开构思的情况下，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。
101.此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
102.尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。