[發明專利]一種新聞內容識別方法、模型訓練方法和裝置

在審

• 申請號: 201911414722.0
• 申請日: 2019-12-31
• 公開（公告）號: CN113127598A
• 公開（公告）日: 2021-07-16
• 發明（設計）人: 徐佳宏;朱呂亮
• 申請（專利權）人: 深圳市茁壯網絡股份有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/951;G06F40/258;G06K9/00;G06N3/04;G06N3/08
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 王兆林

1.一種新聞內容識別模型訓練方法，其特征在于，包括：

利用網絡爬蟲技術，從網絡上抓取距今預設時間段內的新聞文字內容；

以當前抓取的新聞文字內容作為最新的新聞語料，結合預先存儲的背景圖片和字庫，合成訓練集；

利用所述訓練集訓練新聞內容識別模型。

2.根據權利要求1所述的新聞內容識別模型訓練方法，其特征在于，當新聞內容以音頻或視頻的形式出現時，所述從網絡上抓取距今預設時間段內的新聞文字內容，包括：從網絡上抓取距今預設時間段內的新聞標題。

3.根據權利要求1所述的新聞內容識別模型訓練方法，其特征在于，在合成訓練集時，還對要合成的訓練集設置如下參數中的一種或任意幾種：文字大小、文字顏色、文字透明度、文字在圖片中的位置、文字之間的間隔、文字的邊距等。

4.根據權利要求1所述的新聞內容識別模型訓練方法，其特征在于，所述以當前抓取的新聞文字內容作為最新的新聞語料，包括：不對當前抓取的新聞文字內容進行去重處理，直接將其作為最新的新聞語料。

5.根據權利要求1所述的新聞內容識別模型訓練方法，其特征在于，所述新聞內容識別模型的架構為卷積神經網絡CNN與循環神經網絡RNN相結合的數學模型。

6.一種新聞內容識別方法，其特征在于，包括：

將新聞視頻抽幀成一張張圖片；

分別對抽幀成的每張圖片進行區域檢測，得到文本行圖片；

利用新聞內容識別模型分別對每張文本行圖片進行文字識別，得到文本行，作為識別結果；

其中，所述新聞內容識別模型是利用權利要求1-5中任一項所述的新聞內容識別模型訓練方法進行訓練得到。

7.一種新聞內容識別模型訓練裝置，其特征在于，包括：

抓取單元，用于利用網絡爬蟲技術，從網絡上抓取距今預設時間段內的新聞文字內容；

合成單元，用于以當前抓取的新聞文字內容作為最新的新聞語料，結合預先存儲的背景圖片和字庫，合成訓練集；

訓練單元，用于利用所述訓練集訓練新聞內容識別模型。

8.根據權利要求7所述的新聞內容識別模型訓練裝置，其特征在于，當新聞內容以音頻或視頻的形式出現時，所述抓取單元具體用于利用網絡爬蟲技術，從網絡上抓取距今預設時間段內的新聞標題。

9.根據權利要求7所述的新聞內容識別模型訓練裝置，其特征在于，所述合成單元不對所述抓取單元當前抓取的新聞文字內容進行去重處理，直接將其作為最新的新聞語料。

10.一種新聞內容識別裝置，其特征在于，包括：

抽幀單元，用于將新聞視頻抽幀成一張張圖片；

區域檢測單元，用于分別對抽幀成的每張圖片進行區域檢測，得到文本行圖片；

文字識別單元，用于利用新聞內容識別模型分別對每張文本行圖片進行文字識別，得到文本行，作為識別結果；其中，所述新聞內容識別模型是利用權利要求7-9中任一項所述的新聞內容識別模型訓練裝置進行訓練得到。