CN115759048A - 一种剧本文本处理方法及装置 - Google Patents

Abstract

本公开提供的一种剧本文本处理方法及装置，可以对剧本文本中任一场次的场次内容文本：获得该场次内容文本的场景关键词向量、标题场景词向量、第一角色的角色关联数据以及第二角色的角色场景词向量，进而获得场次内容文本的第一场景词相似度、第二场景词相似度以及第三场景词相似度；将角色关联数据、第一场景词相似度、第二场景词相似度以及第三场景词相似度输入至预先训练好的剧情分割模型中，获得剧情分割模型输出的与剧本文本对应的剧情分割点。本公开通过剧本文本中各场次对应的相似度数据和角色关联数据，利用预先训练好的剧情分割模型，可以快速、准确预测出剧本文本中的剧情分割点，从而提高剧本文本的剧情划分效率和正确性。

Description

一种剧本文本处理方法及装置

技术领域

本公开涉及文本处理领域，尤其涉及一种剧本文本处理方法及装置。

背景技术

剧本作为一种文学体裁，主要是由台词和舞台指示组成的文本。在剧本文本中，通常包括闪回内容、蒙太奇内容、场景描述内容、角色对话句以及角色行为句等。

在一份剧本文本中可以包含着多个剧情，而剧情作为一个叙事故事的戏剧和感情成份，当前对剧本文本中的剧情的划分，主要依赖于戏剧专业人员的人工判定和操作。这在大篇幅剧本文本的情况下，会出现剧情划分效率低且容易出错的问题。

因此，如何高效和正确地对剧本文本进行处理，成为本领域技术人员急需解决的技术问题。

发明内容

鉴于上述问题，本公开提供一种克服上述问题或者至少部分地解决上述问题的一种剧本文本处理方法及装置，技术方案如下：

一种剧本文本处理方法，包括：

获得剧本文本中各个场次对应的场次内容文本；

对任一所述场次的所述场次内容文本：获得该场次内容文本的场景关键词向量、标题场景词向量、第一角色的角色关联数据以及第二角色的角色场景词向量，其中，所述第一角色为在所述剧本文本中出现次数最多的若干个角色，所述第二角色为在该场次首次出现且在下一场次有发言的角色；

利用所述场景关键词向量，获得所述场次内容文本的第一场景词相似度；

利用所述标题场景词向量，获得所述场次内容文本的第二场景词相似度；

利用所述角色场景词向量，获得所述场次内容文本的第三场景词相似度；

将各所述场次对应的所述角色关联数据、所述第一场景词相似度、所述第二场景词相似度以及所述第三场景词相似度输入至预先训练好的剧情分割模型中，获得所述剧情分割模型输出的与所述剧本文本对应的剧情分割点。

可选的，在所述获得所述剧情分割模型输出的与所述剧本文本对应的剧情分割点之后，所述方法还包括：

统计所述剧本文本中的所述剧情分割点的数量；

基于所述剧情分割点的数量，生成所述剧本文本对应的剧本情节数量。

可选的，所述获得剧本文本中各个场次对应的场次内容文本，包括：

识别出剧本文本中的标题文本；

按照所述标题文本对所述剧本文本进行场次划分，获得与各场次对应的场次内容文本。

可选的，所述利用所述场景关键词向量，获得所述场次内容文本的第一场景词相似度，包括：

利用该场次和与该场次相邻的其他场次对应的所述场景关键词进行相似度计算，获得所述场次内容文本的第一场景词相似度。

可选的，所述利用所述标题场景词向量，获得所述场次内容文本的第二场景词相似度，包括：

利用该场次和与该场次存在第一关联关系的其他场次对应的所述标题场景词向量进行相似度计算，获得所述场次内容文本的第二场景词相似度；

和/或，利用该场次和与该场次存在第二关联关系的其他场次对应的所述标题场景词向量进行相似度计算，获得所述场次内容文本的第二场景词相似度。

可选的，所述第一关联关系为与该场次相邻，所述第二关联关系为与该场次具有所述第一关联关系的其他场次相邻。

可选的，所述角色关联数据包括所述第一角色在该场次内容文本中的出现次数、角色关联句数量以及角色互动次数。

可选的，所述利用所述角色场景词向量，获得所述场次内容文本的第三场景词相似度，包括：

利用该场次和与该场次相邻且在该场次之后的下一场次的所述角色场景词向量进行相似度计算，获得所述场次内容文本的第三场景词相似度。

可选的，所述剧情分割模型为CatBoost算法模型。

一种剧本文本处理装置，包括：场次内容文本获得单元、文本数据获得单元、第一场景词相似度获得单元、第二场景词相似度获得单元、第三场景词相似度获得单元以及剧情分割点获得单元，

所述场次内容文本获得单元，用于获得剧本文本中各个场次对应的场次内容文本；

所述文本数据获得单元，用于对任一所述场次的所述场次内容文本：获得该场次内容文本的场景关键词向量、标题场景词向量、第一角色的角色关联数据以及第二角色的角色场景词向量，其中，所述第一角色为在所述剧本文本中出现次数最多的若干个角色，所述第二角色为在该场次首次出现且在下一场次有发言的角色；

所述第一场景词相似度获得单元，用于利用所述场景关键词向量，获得所述场次内容文本的第一场景词相似度；

所述第二场景词相似度获得单元，用于利用所述标题场景词向量，获得所述场次内容文本的第二场景词相似度；

所述第三场景词相似度获得单元，用于利用所述角色场景词向量，获得所述场次内容文本的第三场景词相似度；

剧情分割点获得单元，用于将各所述场次对应的所述角色关联数据、所述第一场景词相似度、所述第二场景词相似度以及所述第三场景词相似度输入至预先训练好的剧情分割模型中，获得所述剧情分割模型输出的与所述剧本文本对应的剧情分割点。

借由上述技术方案，本公开提供的一种剧本文本处理方法及装置，可以获得剧本文本中各个场次对应的场次内容文本；对任一场次的场次内容文本：获得该场次内容文本的场景关键词向量、标题场景词向量、第一角色的角色关联数据以及第二角色的角色场景词向量，其中，第一角色为在剧本文本中出现次数最多的若干个角色，第二角色为在该场次首次出现且在下一场次有发言的角色；利用场景关键词向量，获得场次内容文本的第一场景词相似度；利用标题场景词向量，获得场次内容文本的第二场景词相似度；利用角色场景词向量，获得场次内容文本的第三场景词相似度；将角色关联数据、第一场景词相似度、第二场景词相似度以及第三场景词相似度输入至预先训练好的剧情分割模型中，获得剧情分割模型输出的与剧本文本对应的剧情分割点。本公开通过剧本文本中各场次对应的相似度数据和角色关联数据，利用预先训练好的剧情分割模型，可以快速、准确预测出剧本文本中的剧情分割点，有助于对剧本文本的剧情划分，提高剧本文本的剧情划分效率和正确性。

上述说明仅是本公开技术方案的概述，为了能够更清楚了解本公开的技术手段，而可依照说明书的内容予以实施，并且为了让本公开的上述和其它目的、特征和优点能够更明显易懂，以下特举本公开的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本公开的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本公开实施例提供的剧本文本处理方法的一种实施方式的流程示意图；

图2示出了本公开实施例提供的剧本文本处理方法的另一种实施方式的流程示意图；

图3示出了本公开实施例提供的剧本文本处理方法的另一种实施方式的流程示意图；

图4示出了本公开实施例提供的剧本文本处理装置的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

如图1所示，本公开实施例提供的剧本文本处理方法的一种实施方式的流程示意图，该剧本文本处理方法可以包括：

S100、获得剧本文本中各个场次对应的场次内容文本。

其中，剧本文本可以由台词和舞台指示组成。在剧本文本中可以包括闪回内容、蒙太奇内容、场景描述内容、角色对话句以及角色行为句等。

本公开实施例可以将剧本文本划分为多个场次，并获得与场次相对应的场次内容文本。具体的，本公开实施例可以以剧本文本中的标题文本为场次划分依据，对剧本文本进行场次划分，分别获得与各个场次对应的场次内容文本。

可选的，基于图1所示方法，如图2所示，本公开实施例提供的剧本文本处理方法的另一种实施方式的流程示意图，步骤S100可以包括：

S110、识别出剧本文本中的标题文本。

其中，标题文本为剧本文本中用以标明部分文本内容的简短语句。可以理解的是，标题文本在剧本文本中通常具有特定的文字格式和内容等标题文本特征。

可选的，本公开实施例可以使用预设标题识别算法对剧本文本中的各文本段落进行标题文本分类判定，判断该文本段落是否为标题文本，从而识别出剧本文本中的标题文本。该预设标题识别算法可以为基于标题文本特征进行标题文本识别的算法。

S120、按照标题文本对剧本文本进行场次划分，获得与各场次对应的场次内容文本。

具体的，本公开实施例可以将剧本文本中相邻的两个标题文本之间的文本内容，确定为一个场次的对应的场次内容文本。

本公开实施例通过标题文本对剧本文本进行场次划分，可以准确获得剧本文本中各场次的场次内容文本，有助于后续以场次内容文本为主体进行文本内容分析和处理，提高剧本文本的剧情划分的准确性。

S200、对任一场次的场次内容文本：获得该场次内容文本的场景关键词向量、标题场景词向量、第一角色的角色关联数据以及第二角色的角色场景词向量，其中，第一角色为在剧本文本中出现次数最多的若干个角色，第二角色为在该场次首次出现且在下一场次有发言的角色。

其中，场景关键词向量为从场次内容文本中提取出的场景词的词向量。场景词可以为场次内容文本中描述场景的词语。例如：花园、屋内以及工厂等。

可选的，本公开实施例可以使用预设文本预处理算法对场次内容文本进行预处理，筛除场次内容文本中的特殊内容。可选的，该特殊内容可以包括闪回内容以及蒙太奇内容。

可选的，本公开实施例可以使用TF-IDF(Term Frequency–Inverse DocumentFrequency，词频-逆文本频率指数)算法，识别并提取预处理后的场次内容文本中的场景词。对该场景词进行结巴分词并清洗去除单字，获得该场景词的分词结果。使用word2vector算法将该分词结果转换为该场景词的词向量，则该词向量即为该场次内容文本的场景关键词向量。

其中，标题场景词向量为场次内容文本对应的标题文本中提取出的场景词的词向量。可以理解的是，本公开实施例可以在剧本文本中将与场次内容文本段落相邻且在该场次内容文本之前的标题文本，确定为与该场次内容文本对应的标题文本。

可选的，本公开实施例可以使用TF-IDF算法，识别并提取与该场次内容文本对应的标题文本中的场景词。对该场景词进行结巴分词并清洗去除单字，获得该场景词的分词结果。使用word2vector算法将该分词结果转换为该场景词的词向量，则该词向量即为该场次内容文本的标题场景词向量。

其中，第一角色为剧本文本中的主要角色。本公开实施例可以预先使用BERT(Bidirectional Encoder Representation from Transformers，基于转换器的双向编码表征)算法识别并提取剧本文本中所有的角色名称以及各角色名称在剧本文本中的位置。统计各角色名称在该剧本文本中的出现次数，将出现次数最多的若干个角色确定为主要角色，即第一角色。可选的，本公开实施例可以将在剧本文本中出现次数排前三的角色名称确定为第一角色。

其中，BERT算法可以将剧本文本按照预设模型词表文件将字符转变为数字向量，基于数字向量得到相应字符对应的分类结果，根据分类结果识别相应字符是否判定为角色名。

其中，BERT算法的分类任务，通过将句子拆分字符，转换数字向量后送入训练好的对话句分类模型，得到模型判断出的标签，判断句子是否是对话句。

其中，BERT算法的分类任务，通过将句子拆分字符，转换数字向量后送入训练好的行为句分类模型，得到模型判断出的标签，判断句子是否是行为句。

可以理解的是，BERT算法可以同步输出与实体对应的文本位置，以便后续利用该文本位置对实体进行提取。

可选的，角色关联数据包括第一角色在该场次内容文本中的出现次数、角色关联句数量以及角色互动次数。

可选的，本公开实施例可以在场次内容文本中，对任一第一角色：统计该第一角色的出现次数。

其中，角色关联句包括在场次内容文本中存在第一角色的对话句和行为句。可选的，本公开实施例可以在场次内容文本中，对任一第一角色：统计存在该第一角色的对话句和行为句的数量，将该数量确定为角色关联句数量。

其中，对话句为剧本文本中表达角色需要说出口的对白内容的句子。

其中，行为句为剧本文本中表达角色需要表演的行为和画面的句子。

其中，角色互动次数包括在场次内容文本中第一角色之间发生互动的次数。可选的，本公开实施例可以在场次内容文本中，对任一第一角色：统计该第一角色与其他第一角色发生互动的次数。

可以理解的是，本公开实施例可以将场次内容文本中第一角色与其他第一角色的交互行为描述文本确定为互动。

本公开实施例可以预先使用BERT算法识别剧本文本中的对话句、行为句以及交互行为描述文本。

可选的，第二角色可以为在该场次内容文本存在且在与该场次内容文本相邻且之后的场次内容文本中存在对话句的角色。本公开实施例可以识别出在该场次内容文本出现的角色，并在与该场次内容文本相邻且之后的场次内容文本中识别该角色是否存在对话句，如果有，则将该角色确定为该场次内容文本中的第二角色。

可选的，第二角色可以为在该场次首次出现且在下一场次有发言的第一角色。

其中，角色场景词向量为在场次内容文本中与第二角色对应的场景词的词向量。

可选的，本公开实施例可以在识别出该场次内容文本中存在第二角色的情况下，分别提取该场次内容文本头尾各五行的文本内容，即头文本和尾文本。使用TF-IDF算法，分别识别并提取与头文本和尾文本中与第二角色对应的场景词。对该场景词进行结巴分词并清洗去除单字，获得该场景词的分词结果。使用word2vector算法将该分词结果转换为该场景词的词向量，则该词向量即为该场次内容文本的角色场景词向量。可选的，本公开实施例可以将头文本和尾文本中与第二角色同时存在的场景词，确定为与该第二角色对应的场景词。

S300、利用场景关键词向量，获得场次内容文本的第一场景词相似度。

其中，第一场景词相似度为该场次对应的场景关键词向量和与该场次相邻的其他场次对应的场景关键词之间的相似度。可以理解的是，与任一场次相邻的其他场次可以包括该场次的前一场次和/或后一场次。

可选的，本公开实施例可以利用该场次和与该场次相邻的其他场次对应的场景关键词进行相似度计算，获得场次内容文本的第一场景词相似度。

具体的，本公开实施例可以使用余弦相似度算法计算该场次和与该场次相邻的其他场次对应的场景关键词之间的相似度，获得场次内容文本的第一场景词相似度。

S400、利用标题场景词向量，获得场次内容文本的第二场景词相似度。

其中，第二场景词相似度可以包括该场次对应的标题场景词向量和与该场次存在第一关联关系的其他场次对应的标题场景词向量之间的相似度，也可以包括该场次对应的标题场景词向量和与该场次存在第二关联关系的其他场次对应的标题场景词向量之间的相似度。

可选的，第一关联关系为与该场次相邻，第二关联关系为与该场次具有第一关联关系的其他场次相邻。可以理解的是，与该场次存在第一关联关系的其他场次可以包括该场次的前一场次和/或后一场次。该场次存在第二关联关系的其他场次可以包括该场次的前一场次的前一场次，也可以包括该场次的后一场次的后一场次。为了便于理解，此处通过举例进行说明：假设剧本文本中依次存在场次1、场次2、场次3、场次4和场次5，对于场次3而言，场次2和场次4与场次3具有第一关联关系，场次1和场次5与场次3具有第二关联关系。

可选的，本公开实施例可以利用该场次和与该场次存在第一关联关系的其他场次对应的标题场景词向量进行相似度计算，获得场次内容文本的第二场景词相似度。

具体的，本公开实施例可以使用余弦相似度算法计算该场次和与该场次存在第一关联关系的其他场次对应的标题场景词向量之间的相似度，获得场次内容文本的第二场景词相似度。

可选的，本公开实施例可以利用该场次和与该场次存在第二关联关系的其他场次对应的标题场景词向量进行相似度计算，获得场次内容文本的第二场景词相似度。

具体的，本公开实施例可以使用余弦相似度算法计算该场次和与该场次存在第二关联关系的其他场次对应的标题场景词向量之间的相似度，获得场次内容文本的第二场景词相似度。

S500、利用角色场景词向量，获得场次内容文本的第三场景词相似度。

其中，第三场景词相似度为该场次对应的角色场景词向量和与该场次相邻且在该场次之后的下一场次的角色场景词向量之间的相似度。

可选的，本公开实施例可以利用该场次和与该场次相邻且在该场次之后的下一场次的角色场景词向量进行相似度计算，获得场次内容文本的第三场景词相似度。

具体的，本公开实施例可以使用余弦相似度算法计算该场次和与该场次相邻且在该场次之后的下一场次的角色场景词向量之间的相似度，获得场次内容文本的第三场景词相似度。

S600、将各场次对应的角色关联数据、第一场景词相似度、第二场景词相似度以及第三场景词相似度输入至预先训练好的剧情分割模型中，获得剧情分割模型输出的与剧本文本对应的剧情分割点。

可选的，剧情分割模型为CatBoost算法模型。本公开实施例可以使用CatBoost算法模型，通过集成学习方法，按照20％，40％，60％，80％场景词排序的比例进行相似度的计算分类，结合角色关联数据计算离散化程度，最后输出与剧本文本对应的剧情分割点。

其中，剧情分割点为按照戏剧逻辑不构成连续发展的情节断点。

可以理解的是，在剧本文本中任意两个相邻的剧情分割点之间的内容为一个剧情文本内容。本公开实施例通过剧情分割点，可以快速且正确地对剧本文本进行剧情划分。

可选的，基于图1所示方法，如图3所示，本公开实施例提供的剧本文本处理方法的另一种实施方式的流程示意图，在步骤S600之后，该剧本文本处理方法还可以包括：

S700、统计剧本文本中的剧情分割点的数量。

S800、基于剧情分割点的数量，生成剧本文本对应的剧本情节数量。

本公开实施例通过生成剧本情节数量，可以直观展示剧本文本中的剧情数量，方便专业人员了解剧本文本的剧情数据。

本公开提供的一种剧本文本处理方法，可以获得剧本文本中各个场次对应的场次内容文本；对任一场次的场次内容文本：获得该场次内容文本的场景关键词向量、标题场景词向量、第一角色的角色关联数据以及第二角色的角色场景词向量，其中，第一角色为在剧本文本中出现次数最多的若干个角色，第二角色为在该场次首次出现且在下一场次有发言的角色；利用场景关键词向量，获得场次内容文本的第一场景词相似度；利用标题场景词向量，获得场次内容文本的第二场景词相似度；利用角色场景词向量，获得场次内容文本的第三场景词相似度；将角色关联数据、第一场景词相似度、第二场景词相似度以及第三场景词相似度输入至预先训练好的剧情分割模型中，获得剧情分割模型输出的与剧本文本对应的剧情分割点。本公开通过剧本文本中各场次对应的相似度数据和角色关联数据，利用预先训练好的剧情分割模型，可以快速、准确预测出剧本文本中的剧情分割点，有助于对剧本文本的剧情划分，提高剧本文本的剧情划分效率和正确性。

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。

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。

与上述方法实施例相对应，本公开实施例还提供一种剧本文本处理装置，其结构如图4所示，可以包括：场次内容文本获得单元100、文本数据获得单元200、第一场景词相似度获得单元300、第二场景词相似度获得单元400、第三场景词相似度获得单元500以及剧情分割点获得单元600。

场次内容文本获得单元100，用于获得剧本文本中各个场次对应的场次内容文本。

文本数据获得单元200，用于对任一场次的场次内容文本：获得该场次内容文本的场景关键词向量、标题场景词向量、第一角色的角色关联数据以及第二角色的角色场景词向量，其中，第一角色为在剧本文本中出现次数最多的若干个角色，第二角色为在该场次首次出现且在下一场次有发言的角色。

第一场景词相似度获得单元300，用于利用场景关键词向量，获得场次内容文本的第一场景词相似度。

第二场景词相似度获得单元400，用于利用标题场景词向量，获得场次内容文本的第二场景词相似度。

第三场景词相似度获得单元500，用于利用角色场景词向量，获得场次内容文本的第三场景词相似度。

剧情分割点获得单元600，用于将各场次对应的角色关联数据、第一场景词相似度、第二场景词相似度以及第三场景词相似度输入至预先训练好的剧情分割模型中，获得剧情分割模型输出的与剧本文本对应的剧情分割点。

可选的，剧本文本处理装置还可以包括：剧情分割点数量统计单元以及剧本情节数量生成单元。

剧情分割点数量统计单元，用于剧情分割点获得单元600获得剧情分割模型输出的与剧本文本对应的剧情分割点之后，统计剧本文本中的剧情分割点的数量。

剧本情节数量生成单元，用于基于剧情分割点的数量，生成剧本文本对应的剧本情节数量。

可选的，场次内容文本获得单元100，包括：标题文本识别子单元和场次内容文本获得子单元。

标题文本识别子单元，用于识别出剧本文本中的标题文本。

场次内容文本获得子单元，用于按照标题文本对剧本文本进行场次划分，获得与各场次对应的场次内容文本。

可选的，第一场景词相似度获得单元300，具体用于利用该场次和与该场次相邻的其他场次对应的场景关键词进行相似度计算，获得场次内容文本的第一场景词相似度。

可选的，第二场景词相似度获得单元400，用于利用该场次和与该场次存在第一关联关系的其他场次对应的标题场景词向量进行相似度计算，获得场次内容文本的第二场景词相似度，和/或，利用该场次和与该场次存在第二关联关系的其他场次对应的标题场景词向量进行相似度计算，获得场次内容文本的第二场景词相似度。

可选的，第一关联关系为与该场次相邻，第二关联关系为与该场次具有第一关联关系的其他场次相邻。

可选的，角色关联数据包括第一角色在该场次内容文本中的出现次数、角色关联句数量以及角色互动次数。

可选的，第三场景词相似度获得单元500，具体用于利用该场次和与该场次相邻且在该场次之后的下一场次的角色场景词向量进行相似度计算，获得场次内容文本的第三场景词相似度。

可选的，剧情分割模型为CatBoost算法模型。

本公开提供的一种剧本文本处理装置，可以获得剧本文本中各个场次对应的场次内容文本；对任一场次的场次内容文本：获得该场次内容文本的场景关键词向量、标题场景词向量、第一角色的角色关联数据以及第二角色的角色场景词向量，其中，第一角色为在剧本文本中出现次数最多的若干个角色，第二角色为在该场次首次出现且在下一场次有发言的角色；利用场景关键词向量，获得场次内容文本的第一场景词相似度；利用标题场景词向量，获得场次内容文本的第二场景词相似度；利用角色场景词向量，获得场次内容文本的第三场景词相似度；将角色关联数据、第一场景词相似度、第二场景词相似度以及第三场景词相似度输入至预先训练好的剧情分割模型中，获得剧情分割模型输出的与剧本文本对应的剧情分割点。本公开通过剧本文本中各场次对应的相似度数据和角色关联数据，利用预先训练好的剧情分割模型，可以快速、准确预测出剧本文本中的剧情分割点，有助于对剧本文本的剧情划分，提高剧本文本的剧情划分效率和正确性。

关于上述实施例中的装置，其中各个单元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。

所述剧本文本处理装置包括处理器和存储器，上述场次内容文本获得单元100、文本数据获得单元200、第一场景词相似度获得单元300、第二场景词相似度获得单元400、第三场景词相似度获得单元500以及剧情分割点获得单元600等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。

处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来通过剧本文本中各场次对应的相似度数据和角色关联数据，利用预先训练好的剧情分割模型，可以快速、准确预测出剧本文本中的剧情分割点，有助于对剧本文本的剧情划分，提高剧本文本的剧情划分效率和正确性。

本公开实施例提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现所述剧本文本处理方法。

本公开实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述剧本文本处理方法。

本公开实施例提供了一种电子设备，电子设备包括至少一个处理器、以及与处理器连接的至少一个存储器、总线；其中，处理器、存储器通过总线完成相互间的通信；处理器用于调用存储器中的程序指令，以执行上述的剧本文本处理方法。本文中的电子设备可以是服务器、PC、PAD、手机等。

本公开还提供了一种计算机程序产品，当在电子设备上执行时，适于执行初始化有剧本文本处理方法步骤的程序。

本公开是参照根据本公开实施例的方法、装置、电子设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程设备的处理器以产生一个机器，使得通过计算机或其他可编程设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

在一个典型的配置中，电子设备包括一个或多个处理器(CPU)、存储器和总线。电子设备还可以包括输入/输出接口、网络接口等。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

在本公开的描述中，需要理解的是，如若涉及术语“上”、“下”、“前”、“后”、“左”和“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的位置或元件必须具有特定方位、以特定的方位构成和操作，因此不能理解为本公开的限制。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本公开的实施例可提供为方法、***或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上仅为本公开的实施例而已，并不用于限制本公开。对于本领域技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本公开的权利要求范围之内。

Claims (10)

1.一种剧本文本处理方法，其特征在于，包括：

获得剧本文本中各个场次对应的场次内容文本；

对任一所述场次的所述场次内容文本：获得该场次内容文本的场景关键词向量、标题场景词向量、第一角色的角色关联数据以及第二角色的角色场景词向量，其中，所述第一角色为在所述剧本文本中出现次数最多的若干个角色，所述第二角色为在该场次首次出现且在下一场次有发言的角色；

利用所述场景关键词向量，获得所述场次内容文本的第一场景词相似度；

利用所述标题场景词向量，获得所述场次内容文本的第二场景词相似度；

利用所述角色场景词向量，获得所述场次内容文本的第三场景词相似度；

将各所述场次对应的所述角色关联数据、所述第一场景词相似度、所述第二场景词相似度以及所述第三场景词相似度输入至预先训练好的剧情分割模型中，获得所述剧情分割模型输出的与所述剧本文本对应的剧情分割点。

2.根据权利要求1所述的方法，其特征在于，在所述获得所述剧情分割模型输出的与所述剧本文本对应的剧情分割点之后，所述方法还包括：

统计所述剧本文本中的所述剧情分割点的数量；

基于所述剧情分割点的数量，生成所述剧本文本对应的剧本情节数量。

3.根据权利要求1所述的方法，其特征在于，所述获得剧本文本中各个场次对应的场次内容文本，包括：

识别出剧本文本中的标题文本；

按照所述标题文本对所述剧本文本进行场次划分，获得与各场次对应的场次内容文本。

4.根据权利要求1所述的方法，其特征在于，所述利用所述场景关键词向量，获得所述场次内容文本的第一场景词相似度，包括：

利用该场次和与该场次相邻的其他场次对应的所述场景关键词进行相似度计算，获得所述场次内容文本的第一场景词相似度。

5.根据权利要求1所述的方法，其特征在于，所述利用所述标题场景词向量，获得所述场次内容文本的第二场景词相似度，包括：

利用该场次和与该场次存在第一关联关系的其他场次对应的所述标题场景词向量进行相似度计算，获得所述场次内容文本的第二场景词相似度；

和/或，利用该场次和与该场次存在第二关联关系的其他场次对应的所述标题场景词向量进行相似度计算，获得所述场次内容文本的第二场景词相似度。

6.根据权利要求5所述的方法，其特征在于，所述第一关联关系为与该场次相邻，所述第二关联关系为与该场次具有所述第一关联关系的其他场次相邻。

7.根据权利要求1所述的方法，其特征在于，所述角色关联数据包括所述第一角色在该场次内容文本中的出现次数、角色关联句数量以及角色互动次数。

8.根据权利要求1所述的方法，其特征在于，所述利用所述角色场景词向量，获得所述场次内容文本的第三场景词相似度，包括：

利用该场次和与该场次相邻且在该场次之后的下一场次的所述角色场景词向量进行相似度计算，获得所述场次内容文本的第三场景词相似度。

9.根据权利要求1所述的方法，其特征在于，所述剧情分割模型为CatBoost算法模型。

10.一种剧本文本处理装置，其特征在于，包括：场次内容文本获得单元、文本数据获得单元、第一场景词相似度获得单元、第二场景词相似度获得单元、第三场景词相似度获得单元以及剧情分割点获得单元，

所述场次内容文本获得单元，用于获得剧本文本中各个场次对应的场次内容文本；

所述文本数据获得单元，用于对任一所述场次的所述场次内容文本：获得该场次内容文本的场景关键词向量、标题场景词向量、第一角色的角色关联数据以及第二角色的角色场景词向量，其中，所述第一角色为在所述剧本文本中出现次数最多的若干个角色，所述第二角色为在该场次首次出现且在下一场次有发言的角色；

所述第一场景词相似度获得单元，用于利用所述场景关键词向量，获得所述场次内容文本的第一场景词相似度；

所述第二场景词相似度获得单元，用于利用所述标题场景词向量，获得所述场次内容文本的第二场景词相似度；

所述第三场景词相似度获得单元，用于利用所述角色场景词向量，获得所述场次内容文本的第三场景词相似度；

剧情分割点获得单元，用于将各所述场次对应的所述角色关联数据、所述第一场景词相似度、所述第二场景词相似度以及所述第三场景词相似度输入至预先训练好的剧情分割模型中，获得所述剧情分割模型输出的与所述剧本文本对应的剧情分割点。

Images