一种生成H5场景的方法、装置、存储介质和设备与流程

一种生成h5场景的方法、装置、存储介质和设备
技术领域
1.本技术涉及广告设计领域，尤其涉及一种生成h5场景的方法、装置、存储介质和设备。


背景技术：

2.h5场景指基于html5技术的交互网页应用，h5场景除了图片和文字外，还可以加入声音、动效、视频和互动元素等因素，从而令广告的互动视觉效果好、互动感性更强。
3.目前，h5场景的现有制作过程均为人为操作，具体的，用户利用编辑器创建模板，并根据自身所需素材修改模板中的内容，从而得到h5场景。然而，编辑器操作复杂，包含模板、页面、图层、组合、组件等近1000项可调整的内容，上手成本高，大大阻碍了h5场景的应用发展。


技术实现要素：

4.本技术提供了一种生成h5场景的方法、装置、存储介质和设备，目的在于降低h5场景的制作难度。
5.为了实现上述目的，本技术提供了以下技术方案：
6.一种生成h5场景的方法，包括：
7.获取用户输入的需求信息；所述需求信息包括广告业务所需的营销图片和营销主题信息；
8.将所述营销图片输入至图片实体识别模型中，得到所述图片实体识别模型输出的识别结果；所述图片实体识别模型基于将样本图片作为输入，并将所述样本图片中人为标识的实体作为训练目标，预先训练得到；所述识别结果包括所述营销图片中所包含的实体；
9.对所述营销主题信息进行语义理解，得到文案特征，并将所述文案特征输入至行业预测模型中，得到所述行业预测模型输出的预测结果；所述行业预测模型基于将样本文案特征作为输入，并将人为标识的所述样本文案特征的行业类型作为训练目标，预先训练得到；所述预测结果包括所述文案特征的行业类型；
10.从预设的图片库所示的各个图片中，选取包含有所述营销图片中所包含的实体的所述图片，作为目标图片；
11.从预设的组件库所示的各个组件中，选取行业类型与所述文案特征的行业类型相同的所述组件，作为目标组件；
12.集合所述营销图片、所述营销主题信息、所述目标图片和所述目标组件，构建素材特征；
13.将所述素材特征输入至场景生成模型中，得到所述场景生成模型输出的多个h5场景；所述场景生成模型基于将样本素材特征作为输入，并将与所述样本素材特征对应的样本h5场景作为训练目标，预先训练得到。
14.可选的，所述从预设的图片库所示的各个图片中，选取包含有所述营销图片中所
包含的实体的所述图片，作为目标图片，包括：
15.对所述营销图片进行颜色识别，得到所述营销图片的主色和搭配色；
16.将所述主色、所述搭配色和所述营销图片，输入至颜色搭配模型中，得到所述颜色搭配模型输出的第一待选图片集合；其中，所述颜色搭配模型基于将样本颜色和样本图片作为输入，人工针对预设的图片库中的图片进行打分、且选取分数大于预设分数的图片作为训练目标，预先训练得到；所述第一待选图片集合包括多个第一待选图片，所述第一待选图片的分数大于所述预设分数；
17.从各个所述第一待选图片中，选取包含有所述营销图片中所包含的实体的所述第一待选图片，作为目标图片。
18.可选的，所述从各个所述第一待选图片中，选取包含有所述营销图片中所包含的实体的所述第一待选图片，作为目标图片，包括：
19.对所述营销图片进行尺寸测量，得到所述营销图片的尺寸；
20.从各个所述第一待选图片中，选取尺寸与所述营销图片的尺寸相同的所述第一待选图片，作为第二待选图片；
21.从各个所述第二待选图片中，选取包含有所述营销图片中所包含的实体的所述第二待选图片，作为目标图片。
22.可选的，所述组件库包括音乐组件库、文案组件库和动效组件库；
23.所述从预设的组件库所示的各个组件中，选取行业类型与所述文案特征的行业类型相同的所述组件，作为目标组件，包括：
24.从所述音乐组件库所示的各个音乐组件中，选取行业类型与所述文案特征的行业类型相同的所述音乐组件，作为目标音乐组件；
25.从所述文案组件库所示的各个文案组件中，选取行业类型与所述文案特征的行业类型相同的所述文案组件，作为目标文案组件；
26.从所述动效组件库所示的各个动效组件中，选取行业类型与所述文案特征的行业类型相同的所述动效组件，作为目标动效组件；
27.将所述目标音乐组件、所述目标文案组件和所述目标动效组件，标识为目标组件。
28.可选的，还包括：
29.分别对每个所述h5场景进行特征提取，得到每个所述h5场景的数据特征；
30.对于每个所述h5场景，基于所述h5场景的数据特征，获得所述h5场景的多维度评分，并计算多维度所述评分之间的算术平均值，得到所述h5场景的爆款指数；
31.从各个所述h5场景中，选取所述爆款指数的取值大于预设阈值的所述h5场景，作为目标h5场景；
32.通过预设界面向所述用户展示所述目标h5场景。
33.可选的，所述数据特征包括文本特征、图片特征、音乐特征、动效特征、历史特征和热点特征；
34.所述基于所述h5场景的数据特征，获得所述h5场景的多维度评分，并计算多维度所述评分之间的算术平均值，得到所述h5场景的爆款指数，包括：
35.将所述h5场景的所述文本特征、所述图片特征和所述音乐特征，输入至主题契合评价模型中，得到所述主题契合评价模型输出的主题契合评分；所述主题契合评价模型基
于将样本h5场景的文本特征、图片特征和音乐特征作为输入，并将人为针对所述样本h5场景进行打分，所得到的主题契合评分作为训练目标，预先训练得到；
36.将所述h5场景的所述动效特征，输入至视觉动效评价模型中，得到所述视觉动效评价模型输出的视觉动效评分；所述视觉动效评价模型基于将所述样本h5场景的动效特征作为输入，并将人为针对所述样本h5场景进行打分，所得到的视觉动效评分作为训练目标，预先训练得到；
37.将所述h5场景的所述文本特征、所述图片特征、所述音乐特征和所述动效特征，输入至内容创新评价模型中，得到所述内容创新评价模型输出的内容创新评分；所述内容创新评价模型基于将所述样本h5场景的文本特征、图片特征、音乐特征和动效特征作为输入，并将人为针对所述样本h5场景进行打分，所得到内容创新评分作为训练目标，预先训练得到；
38.将所述h5场景的所述热点特征，输入至热点跟进评价模型中，得到所述热点跟进评价模型输出的热点跟进评分；所述热点跟进评价模型基于将梭梭树样本h5场景的热点特征作为输入，并将人为针对所述样本h5场景进行打分，所得到的热点跟进评分作为训练目标，预先训练得到；
39.将所述h5场景的所述历史特征和所述热点特征，输入至传播效率评价模型中，得到所述传播效率评价模型输出的传播效率评分；所述传播效率评价模型基于将所述样本h5场景的历史特征和热点特征作为输入，并将人为针对所述样本h5场景进行打分，所得到的传播效率评分作为训练目标，预先训练得到；
40.将所述h5场景的所述历史特征，输入至历史类比评价模型中，得到所述历史类比评价模型输出的历史类比评分；所述历史类比评价模型基于将所述样本h5场景的历史特征作为输入，并将人为针对所述样本h5场景进行打分，所得到的历史类比评分作为训练目标，预先训练得到；
41.计算所述主题契合评分、所述视觉动效评分、所述内容创新评分、所述热点跟进评分、所述传播效率评分和所述历史类比评分之间的算术平均值，得到所述h5场景的爆款指数。
42.一种生成h5场景的装置，包括：
43.信息获取单元，用于获取用户输入的需求信息；所述需求信息包括广告业务所需的营销图片和营销主题信息；
44.图片识别单元，用于将所述营销图片输入至图片实体识别模型中，得到所述图片实体识别模型输出的识别结果；所述图片实体识别模型基于将样本图片作为输入，并将所述样本图片中人为标识的实体作为训练目标，预先训练得到；所述识别结果包括所述营销图片中所包含的实体；
45.行业预测单元，用于对所述营销主题信息进行语义理解，得到文案特征，并将所述文案特征输入至行业预测模型中，得到所述行业预测模型输出的预测结果；所述行业预测模型基于将样本文案特征作为输入，并将人为标识的所述样本文案特征的行业类型作为训练目标，预先训练得到；所述预测结果包括所述文案特征的行业类型；
46.图片选取单元，用于从预设的图片库所示的各个图片中，选取包含有所述营销图片中所包含的实体的所述图片，作为目标图片；
47.组件选取单元，用于从预设的组件库所示的各个组件中，选取行业类型与所述文案特征的行业类型相同的所述组件，作为目标组件；
48.特征构建单元，用于集合所述营销图片、所述营销主题信息、所述目标图片和所述目标组件，构建素材特征；
49.场景生成单元，用于将所述素材特征输入至场景生成模型中，得到所述场景生成模型输出的多个h5场景；所述场景生成模型基于将样本素材特征作为输入，并将与所述样本素材特征对应的样本h5场景作为训练目标，预先训练得到。
50.可选的，还包括：
51.场景筛选单元；
52.所述场景筛选单元用于：
53.分别对每个所述h5场景进行特征提取，得到每个所述h5场景的数据特征；
54.对于每个所述h5场景，基于所述h5场景的数据特征，获得所述h5场景的多维度评分，并计算多种所述评分之间的算术平均值，得到所述h5场景的爆款指数；
55.从各个所述h5场景中，选取所述爆款指数的取值大于预设阈值的所述h5场景，作为目标h5场景；
56.通过预设界面向所述用户展示所述目标h5场景。
57.一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，所述程序执行所述的生成h5场景的方法。
58.一种生成h5场景的设备，包括：处理器、存储器和总线；所述处理器与所述存储器通过所述总线连接；
59.所述存储器用于存储程序，所述处理器用于运行程序，其中，所述程序运行时执行所述的生成h5场景的方法。
60.本技术提供的技术方案，获取用户输入的需求信息，将营销图片输入至图片实体识别模型中，得到图片实体识别模型输出的识别结果。对营销主题信息进行语义理解，得到文案特征，并将文案特征输入至行业预测模型中，得到行业预测模型输出的预测结果。从预设的图片库所示的各个图片中，选取包含有营销图片中所包含的实体的图片，作为目标图片。从预设的组件库所示的各个组件中，选取行业类型与文案特征的行业类型相同的组件，作为目标组件。集合营销图片、营销主题信息、目标图片和目标组件，构建素材特征。将素材特征输入至场景生成模型中，得到场景生成模型输出的多个h5场景。相较于现有技术，本技术所示方法，无需利用编辑器创建模板，更不需要用户修改模板中的内容，整个h5场景的制作过程均不需要用户参与，用户只需输入广告业务所需的营销图片和营销主题信息，即可获得h5场景。可见，利用本实施例所示方法，能够有效降低h5场景的制作难度，且还能够提高h5场景的制作效率。
附图说明
61.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
62.图1a为本技术实施例提供的一种生成h5场景的方法的示意图；
63.图1b为本技术实施例提供的一种生成h5场景的方法的示意图；
64.图1c为本技术实施例提供的一种生成h5场景的方法的示意图；
65.图2为本技术实施例提供的另一种生成h5场景的方法的示意图；
66.图3为本技术实施例提供的一种生成h5场景的装置的架构示意图。
具体实施方式
67.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
68.如图1a、图1b和图1c所示，为本技术实施例提供的一种生成h5场景的方法的示意图，包括如下步骤：
69.s101：获取用户输入的需求信息。
70.其中，需求信息包括广告业务所需的营销图片和营销主题信息，具体的，以店铺开业的广告业务为例，需求信息包括开业图片(即营销图片)、店铺名称、开业时间和店铺地址(即营销主题信息)。
71.s102：对营销图片进行颜色识别，得到营销图片的主色和搭配色。
72.其中，可以利用开源的图片颜色提取模型，对营销图片进行颜色识别，具体的，将营销图片输入至图片颜色提取模型中，得到图片颜色提取模型输出的营销图片的主色和颜色配比。
73.s103：对营销图片进行尺寸测量，得到营销图片的尺寸。
74.s104：将营销图片输入至图片实体识别模型中，得到图片实体识别模型输出的识别结果。
75.其中，图片实体识别模型基于将样本图片作为输入，并将样本图片中人为标识的实体作为训练目标，预先训练得到。在本技术实施例中，识别结果包括营销图片中所包含的实体，以店铺开业的广告业务为例，营销图片中所包含的实体，即为店铺。
76.s105：对营销主题信息进行语义理解，得到文案特征，并将文案特征输入至行业预测模型中，得到行业预测模型输出的预测结果。
77.其中，行业预测模型基于将样本文案特征作为输入，并将人为标识的样本文案特征的行业类型作为训练目标，预先训练得到。在本技术实施例中，预测结果包括文案特征的行业类型。
78.需要说明的是，语义理解的具体实现过程，为本领域技术人员所熟悉的公知常识，这里不再赘述。以营销主题信息中所记录的开业时间为例，对开业时间进行语义理解，得到开业近期的节假日，以及开业近期的热点营销事件，开业近期的节假日和热点营销事件，均为对营销主题进行语义理解，所得到的文案特征。
79.具体的，以文案特征为店铺地址为例，将店铺地址输入至行业预测模型中，得到行业预测模型输出的预测结果，该预测结果指示店铺地址的行业类型为地图。
80.s106：将主色、搭配色和营销图片，输入至颜色搭配模型中，得到颜色搭配模型输
出的第一待选图片集合。
81.其中，颜色搭配模型基于将样本颜色和样本图片作为输入，人工针对预设的图片库中的图片进行打分、且选取分数大于预设分数的图片作为训练目标，预先训练得到。第一待选图片集合包括多个第一待选图片，第一待选图片的分数大于预设分数。
82.s107：从各个第一待选图片中，选取尺寸与营销图片的尺寸相同的第一待选图片，作为第二待选图片。
83.s108：从各个第二待选图片中，选取包含有营销图片中所包含的实体的第二待选图片，作为目标图片。
84.s109：从预设的音乐组件库所示的各个音乐组件中，选取行业类型与文案特征的行业类型相同的音乐组件，作为目标音乐组件。
85.s110：从预设的文案组件库所示的各个文案组件中，选取行业类型与文案特征的行业类型相同的文案组件，作为目标文案组件。
86.s111：从预设的动效组件库所示的各个动效组件中，选取行业类型与文案特征的行业类型相同的动效组件，作为目标动效组件。
87.s112：集合用户的特征信息、营销图片、营销主题、目标图片、目标音乐组件、目标文案组件和目标动效组件，构建素材特征。
88.s113：将素材特征输入至场景生成模型中，得到场景生成模型输出的多个h5场景。
89.其中，场景生成模型基于将样本素材特征作为输入，并将与样本素材特征对应的样本h5场景作为训练目标，预先训练得到。
90.s114：分别对每个h5场景进行特征提取，得到每个h5场景的数据特征。
91.其中，数据特征包括但不限于为：文本特征、图片特征、音乐特征、动效特征、历史特征、热点特征。
92.s115：对于每个h5场景，将h5场景的文本特征、图片特征和音乐特征，输入至主题契合评价模型中，得到主题契合评价模型输出的评价结果。
93.其中，主题契合评价模型基于将样本h5场景的文本特征、图片特征和音乐特征作为输入，并将人为针对样本h5场景进行打分，所得到的主题契合评分作为训练目标，预先训练得到。在本技术实施例中，主题契合评价模型输出的评价结果包括h5场景的主题契合评分。
94.s116：将h5场景的动效特征，输入至视觉动效评价模型中，得到视觉动效评价模型输出的评价结果。
95.其中，视觉动效评价模型基于将样本h5场景的动效特征作为输入，并将人为针对样本h5场景进行打分，所得到的视觉动效评分作为训练目标，预先训练得到。在本技术实施例中，视觉动效评价模型输出的评价结果包括h5场景的视觉动效评分。
96.s117：将h5场景的文本特征、图片特征、音乐特征和动效特征，输入至内容创新评价模型中，得到内容创新评价模型输出的评价结果。
97.其中，内容创新评价模型基于将样本h5场景的文本特征、图片特征、音乐特征和动效特征作为输入，并将人为针对样本h5场景进行打分，所得到内容创新评分作为训练目标，预先训练得到。在本技术实施例中，内容创新评价模型输出的评价结果包括h5场景的内容创新评分。
98.s118：将h5场景的热点特征，输入至热点跟进评价模型中，得到热点跟进评价模型输出的评价结果。
99.其中，热点跟进评价模型基于将样本h5场景的热点特征作为输入，并将人为针对样本h5场景进行打分，所得到的热点跟进评分作为训练目标，预先训练得到。在本技术实施例中，热点跟进评价模型输出的评价结果包括h5场景的热点跟进评分。
100.s119：将h5场景的历史特征和热点特征，输入至传播效率评价模型中，得到传播效率评价模型输出的评价结果。
101.其中，传播效率评价模型基于将样本h5场景的历史特征和热点特征作为输入，并将人为针对样本h5场景进行打分，所得到的传播效率评分作为训练目标，预先训练得到。在本技术实施例中，传播效率评价模型输出的评价结果包括h5场景的传播效率评分。
102.s120：将h5场景的历史特征，输入至历史类比评价模型中，得到历史类比评价模型输出的评价结果。
103.其中，历史类比评价模型基于将样本h5场景的历史特征作为输入，并将人为针对样本h5场景进行打分，所得到的历史类比评分作为训练目标，预先训练得到。在本技术实施例中，历史类比评价模型输出的评价结果包括h5场景的历史类比评分。
104.s121：计算主题契合评分、视觉动效评分、内容创新评分、热点跟进评分、传播效率评分和历史类比评分之间的算术平均值，得到h5场景的爆款指数。
105.s122：从各个h5场景中，选取爆款指数的取值大于预设阈值的h5场景，作为目标h5场景。
106.s123：通过预设界面向用户展示目标h5场景。
107.综上所述，相较于现有技术，本实施例所示方法，无需利用编辑器创建模板，更不需要用户修改模板中的内容，整个h5场景的制作过程均不需要用户参与，用户只需输入广告业务所需的营销图片和营销主题信息，即可获得h5场景。可见，利用本实施例所示方法，能够有效降低h5场景的制作难度，且还能够提高h5场景的制作效率。
108.需要说明的是，上述实施例提及的s122，为本技术所述生成h5场景的方法的一种可选的实现方式。此外，上述实施例提及的s123，也为本技术所述生成h5场景的方法的一种可选的实现方式。为此，上述实施例提及的流程，可以概括为图2所示的方法。
109.s201：获取用户输入的需求信息。
110.其中，需求信息包括广告业务所需的营销图片和营销主题信息。
111.s202：将营销图片输入至图片实体识别模型中，得到图片实体识别模型输出的识别结果。
112.其中，图片实体识别模型基于将样本图片作为输入，并将样本图片中人为标识的实体作为训练目标，预先训练得到；识别结果包括营销图片中所包含的实体。
113.s203：对营销主题信息进行语义理解，得到文案特征，并将文案特征输入至行业预测模型中，得到行业预测模型输出的预测结果。
114.其中，行业预测模型基于将样本文案特征作为输入，并将人为标识的样本文案特征的行业类型作为训练目标，预先训练得到；预测结果包括文案特征的行业类型。
115.s204：从预设的图片库所示的各个图片中，选取包含有营销图片中所包含的实体的图片，作为目标图片。
116.s205：从预设的组件库所示的各个组件中，选取行业类型与文案特征的行业类型相同的组件，作为目标组件。
117.s206：集合营销图片、营销主题信息、目标图片和目标组件，构建素材特征。
118.s207：将素材特征输入至场景生成模型中，得到场景生成模型输出的多个h5场景。
119.其中，场景生成模型基于将样本素材特征作为输入，并将与样本素材特征对应的样本h5场景作为训练目标，预先训练得到。
120.综上所述，相较于现有技术，本实施例所示方法，无需利用编辑器创建模板，更不需要用户修改模板中的内容，整个h5场景的制作过程均不需要用户参与，用户只需输入广告业务所需的营销图片和营销主题信息，即可获得h5场景。可见，利用本实施例所示方法，能够有效降低h5场景的制作难度，且还能够提高h5场景的制作效率。
121.与上述实施例提供的生成h5场景的方法相对应，本技术还提供了一种生成h5场景的装置。
122.如图3所示，为本技术实施例提供的一种生成h5场景的装置的架构示意图，包括：
123.信息获取单元100，用于获取用户输入的需求信息；需求信息包括广告业务所需的营销图片和营销主题信息。
124.图片识别单元200，用于将营销图片输入至图片实体识别模型中，得到图片实体识别模型输出的识别结果；图片实体识别模型基于将样本图片作为输入，并将样本图片中人为标识的实体作为训练目标，预先训练得到；识别结果包括营销图片中所包含的实体。
125.行业预测单元300，用于对营销主题信息进行语义理解，得到文案特征，并将文案特征输入至行业预测模型中，得到行业预测模型输出的预测结果；行业预测模型基于将样本文案特征作为输入，并将人为标识的样本文案特征的行业类型作为训练目标，预先训练得到；预测结果包括文案特征的行业类型。
126.图片选取单元400，用于从预设的图片库所示的各个图片中，选取包含有营销图片中所包含的实体的图片，作为目标图片。
127.其中，图片选取单元400具体用于：对营销图片进行颜色识别，得到营销图片的主色和搭配色；将主色、搭配色和营销图片，输入至颜色搭配模型中，得到颜色搭配模型输出的第一待选图片集合；其中，颜色搭配模型基于将样本颜色和样本图片作为输入，人工针对预设的图片库中的图片进行打分、且选取分数大于预设分数的图片作为训练目标，预先训练得到；第一待选图片集合包括多个第一待选图片，第一待选图片的分数大于预设分数；从各个第一待选图片中，选取包含有营销图片中所包含的实体的第一待选图片，作为目标图片。
128.图片选取单元400用于从图片库所示的各个第一待选图片中，选取包含有营销图片中所包含的实体的第一待选图片，作为目标图片的过程，包括：对营销图片进行尺寸测量，得到营销图片的尺寸；从各个第一待选图片中，选取尺寸与营销图片的尺寸相同的第一待选图片，作为第二待选图片；从各个第二待选图片中，选取包含有营销图片中所包含的实体的第二待选图片，作为目标图片。
129.组件选取单元500，用于从预设的组件库所示的各个组件中，选取行业类型与文案特征的行业类型相同的组件，作为目标组件。
130.其中，组件库包括音乐组件库、文案组件库和动效组件库，组件选取单元500具体
用于：从音乐组件库所示的各个音乐组件中，选取行业类型与文案特征的行业类型相同的音乐组件，作为目标音乐组件；从文案组件库所示的各个文案组件中，选取行业类型与文案特征的行业类型相同的文案组件，作为目标文案组件；从动效组件库所示的各个动效组件中，选取行业类型与文案特征的行业类型相同的动效组件，作为目标动效组件；将目标音乐组件、目标文案组件和目标动效组件，标识为目标组件。
131.特征构建单元600，用于集合营销图片、营销主题信息、目标图片和目标组件，构建素材特征。
132.场景生成单元700，用于将素材特征输入至场景生成模型中，得到场景生成模型输出的多个h5场景；场景生成模型基于将样本素材特征作为输入，并将与样本素材特征对应的样本h5场景作为训练目标，预先训练得到。
133.场景筛选单元800用于：分别对每个h5场景进行特征提取，得到每个h5场景的数据特征；对于每个h5场景，基于h5场景的数据特征，获得h5场景的多维度评分，并计算多维度评分之间的算术平均值，得到h5场景的爆款指数；从各个h5场景中，选取爆款指数的取值大于预设阈值的h5场景，作为目标h5场景；通过预设界面向用户展示目标h5场景。
134.其中，数据特征包括文本特征、图片特征、音乐特征、动效特征、历史特征和热点特征；场景筛选单元800用于基于h5场景的数据特征，获得h5场景的多维度评分，并计算多维度评分之间的算术平均值，得到h5场景的爆款指数的过程，包括如下步骤：
135.将h5场景的文本特征、图片特征和音乐特征，输入至主题契合评价模型中，得到主题契合评价模型输出的主题契合评分；主题契合评价模型基于将样本h5场景的文本特征、图片特征和音乐特征作为输入，并将人为针对样本h5场景进行打分，所得到的主题契合评分作为训练目标，预先训练得到；
136.将h5场景的动效特征，输入至视觉动效评价模型中，得到视觉动效评价模型输出的视觉动效评分；视觉动效评价模型基于将样本h5场景的动效特征作为输入，并将人为针对样本h5场景进行打分，所得到的视觉动效评分作为训练目标，预先训练得到；
137.将h5场景的文本特征、图片特征、音乐特征和动效特征，输入至内容创新评价模型中，得到内容创新评价模型输出的内容创新评分；内容创新评价模型基于将样本h5场景的文本特征、图片特征、音乐特征和动效特征作为输入，并将人为针对样本h5场景进行打分，所得到内容创新评分作为训练目标，预先训练得到；
138.将h5场景的热点特征，输入至热点跟进评价模型中，得到热点跟进评价模型输出的热点跟进评分；热点跟进评价模型基于将梭梭树样本h5场景的热点特征作为输入，并将人为针对样本h5场景进行打分，所得到的热点跟进评分作为训练目标，预先训练得到；
139.将h5场景的历史特征和热点特征，输入至传播效率评价模型中，得到传播效率评价模型输出的传播效率评分；传播效率评价模型基于将样本h5场景的历史特征和热点特征作为输入，并将人为针对样本h5场景进行打分，所得到的传播效率评分作为训练目标，预先训练得到；
140.将h5场景的历史特征，输入至历史类比评价模型中，得到历史类比评价模型输出的历史类比评分；历史类比评价模型基于将样本h5场景的历史特征作为输入，并将人为针对样本h5场景进行打分，所得到的历史类比评分作为训练目标，预先训练得到；
141.计算主题契合评分、视觉动效评分、内容创新评分、热点跟进评分、传播效率评分
和历史类比评分之间的算术平均值，得到h5场景的爆款指数。
142.综上所述，相较于现有技术，本实施例所示方法，无需利用编辑器创建模板，更不需要用户修改模板中的内容，整个h5场景的制作过程均不需要用户参与，用户只需输入广告业务所需的营销图片和营销主题信息，即可获得h5场景。可见，利用本实施例所示方法，能够有效降低h5场景的制作难度，且还能够提高h5场景的制作效率。
143.本技术还提供了一种计算机可读存储介质，计算机可读存储介质包括存储的程序，其中，程序执行上述本技术提供的生成h5场景的方法。
144.本技术还提供了一种生成h5场景的设备，包括：处理器、存储器和总线。处理器与存储器通过总线连接，存储器用于存储程序，处理器用于运行程序，其中，程序运行时执行上述本技术提供的生成h5场景的方法。
145.本技术实施例方法所述的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算设备可读取存储介质中。基于这样的理解，本技术实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算设备(可以是个人计算机，服务器，移动计算设备或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read
‑
only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
146.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。
147.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本技术。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。