一种文本配图方法及装置与流程

技术特征：
1.一种文本配图方法，其特征在于，包括：获取待配图的文本数据；将所述文本数据输入到情绪关键词组提取模型，获得所述情绪关键词组提取模型输出的情绪关键词组；其中，所述情绪关键词组提取模型是基于社交样本数据、所述社交样本数据对应的情绪分类标签进行训练得到的；基于所述情绪关键词组到开放域图片库进行查询，获得第一图片；确定所述文本数据的文本向量；生成所述文本向量的向量查询请求，基于向量查询请求到本地图片向量库进行查询，获得第二图片；对所述第一图片和所述第二图片进行重排，输出目标配图。2.根据权利要求1所述的文本配图方法，其特征在于，所述确定所述文本数据的文本向量，具体包括：将所述文本数据输入到文本编码模型，获得所述文本编码模型输出的文本向量；其中，所述文本编码模型为基于样本社交文本数据、所述样本社交文本数据对应的编码向量结果进行训练得到的。3.根据权利要求1所述的文本配图方法，其特征在于，所述对所述第一图片和所述第二图片进行重排，输出目标配图，具体包括：基于融合编码模型和图片美感评分模型，对所述第一图片和所述第二图片进行加权得分，根据加权得分结果进行重排，获得图片重排结果；根据图片重排结果，确定目标配图；其中，所述融合编码模型是融入情绪特征及语义特征的模型；所述图片美感评分模型是基于样本图片以及所述样本图片对应的美感评分结果进行训练得到的。4.根据权利要求1所述的文本配图方法，其特征在于，基于向量查询请求到本地图片向量库进行查询，获得第二图片，具体包括：基于所述向量查询请求将所述文本向量与所述本地图片向量库中候选图片的向量进行相似度计算，将相似度达到或超过预设相似度阈值的多张图片确定为所述第二图片。5.根据权利要求1所述的文本配图方法，其特征在于，获取待配图的文本数据，具体包括：获取用户输入的待配图的社交文本数据，以及获取所述用户的个性化用户数据；对所述社交文本数据和所述个性化用户数据进行拼接，得到所述文本数据。6.根据权利要求1所述的文本配图方法，其特征在于，将所述文本数据输入到情绪关键词组提取模型，获得所述情绪关键词组提取模型输出的情绪关键词组，具体包括：判断所述文本数据的长度是否大于或等于预设的长度阈值，在所述文本数据的长度大于或等于所述长度阈值的情况下，将所述文本数据输入到情绪关键词组提取模型进行情绪分类，并根据文本数据里的每个词对分类标签的影响权重，提取出文本数据的情绪关键词组。7.根据权利要求6所述的文本配图方法，其特征在于，在所述文本数据的长度小于所述长度阈值的情况下，基于所述文本数据生成相应的文本查询请求，基于所述文本查询请求到开放域图片库中进行查询，获得第三图片；所述方法，还包括：对所述第一图片、所述第二图片以及所述第三图片进行重排，输出相应的目标配图。
8.一种文本配图装置，其特征在于，包括：数据获取单元，用于获取待配图的文本数据；第一图片确定单元，用于将所述文本数据输入到情绪关键词组提取模型，获得所述情绪关键词组提取模型输出的情绪关键词组；其中，所述情绪关键词组提取模型是基于社交样本数据、所述社交样本数据对应的情绪分类标签进行训练得到的；基于所述情绪关键词组到开放域图片库进行查询，获得第一图片；第二图片确定单元，用于确定所述文本数据的文本向量；生成所述文本向量的向量查询请求，基于向量查询请求到本地图片向量库进行查询，获得第二图片；目标配图确定单元，用于对所述第一图片和所述第二图片进行重排，输出目标配图。9.一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任意一项所述的文本配图方法的步骤。10.一种处理器可读存储介质，所述处理器可读存储介质上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任意一项所述的文本配图方法的步骤。

技术总结
本发明提供一种文本配图方法及装置。该方法包括：获取待配图的文本数据；将文本数据输入到情绪关键词组提取模型，获得情绪关键词组提取模型输出的情绪关键词组；其中，情绪关键词组提取模型是基于社交样本数据、社交样本数据对应的情绪分类标签进行训练得到的情绪分类模型；生成情绪关键词组的文本查询请求，基于文本查询请求到开放域图片库进行查询，获得第一图片；确定文本数据的文本向量；生成文本向量的向量查询请求，基于向量查询请求到本地图片向量库进行查询，获得第二图片；对第一图片和第二图片进行重排，输出目标配图。本发明提供的文本配图方法，能够为社交领域的文本数据进行在线自动配图，提高了社交领域的文本配图效率和精确度。图效率和精确度。图效率和精确度。


技术研发人员：刘剑锋 王宝元
受保护的技术使用者：北京红棉小冰科技有限公司
技术研发日：2022.11.28
技术公布日：2022/12/30