自然语言脚本生成动画脚本的关键技术研究

论文摘要

文景转换系统,主要分成三个模块:抽取自然语言脚本模块、自然语言脚本生成动画脚本模块、动画生成模块。本文是该项目从自然语言到动画的中间过渡模块。本文的研究任务是从自然语言脚本生成动画脚本,主要分成二个步骤:场景识别和自然语言脚本到动画脚本的映射。目前,场景识别多用于视频、图像、机器人及语音等领域,其中图像分类领域技术比较成熟,文本场景识别技术尚未形成完整的理论知识。本文在文本场景分类领域进行初步探索,提出了一种基于SVM的场景识别方法,并辅以简单的规则,验证了场景识别问题是以段落而非句子为基本单位的问题。同时,针对《一千零一夜》中部份语料实现了场景识别模块,并嵌入到自然语言脚本生成脚本系统中,为生成动画场景奠定基础。另一方面,本文将脚本理解自然语言故事的方法应用于文景转换任务中,验证复合动作分解对自然语言脚本生成动画脚本的可行性。从而为动画模块生成必要的动画脚本序列。本文的两个重要研究内容如下:1.场景识别。主要研究内容:面向段落的场景识别,具体包括:场景类别划分、语料标注规则制定、初始语料加工、数据稀疏问题处理、后处理规则制定以及实验结果的评价。详细分析这些研究内容并给出具体算法和实验数据,结合不同的数据稀疏处理方法和后处理规则,分别对以句子为基本单位和以段落为基本单位场景识别实验比较。最后利用LIBSVM不同核函数,在最好的实验方法上,进行比较实验。2.自然语言脚本到动画脚本的映射。主要研究内容:针对任务定义元动作、分解复合动作、构造实体间的等级关系及将自然语言脚本映射生成动画脚本,如:主语可以是事件的施事,也可以是动画脚本是的角色或开始位置等,从而验证该方法的可行性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究的背景和意义
• 1.2 相关研究综述
• 1.2.1 自然语言脚本及动画脚本的定义
• 1.2.2 语料资源
• 1.2.3 研究方法
• 1.2.4 国内外研究现状
• 1.3 SVM工具简介
• 1.4 本文的主要研究内容及组织结构
• 第2章 场景识别的研究
• 2.1 场景类别的划分
• 2.1.1 场景相关词的统计
• 2.1.2 场景类别体系构建
• 2.1.3 基于HowNet聚类场景信息词
• 2.2 初始语料加工
• 2.2.1 语料的手工标注
• 2.2.2 初始语料预处理
• 2.3 数据稀疏问题处理
• 2.3.1 基于领域词稀疏处理
• 2.3.2 类别句子稀疏处理
• 2.4 类别特征域及其构建方法
• 2.4.1 类别特征域
• 2.4.2 利用训练语料构建类别特征域
• 2.4.3 利用类别特征域进行特征合并
• 2.4.4 向量空间模型
• 2.5 后处理规则研究
• 2.5.1 预处理测试文本
• 2.5.2 基于领域信息词对标注纠正
• 2.6 实验方法及评价
• 2.6.1 评价方法
• 2.6.2 实验方法
• 2.6.3 实验过程描述
• 2.6.4 以句子为基本单位实验
• 2.6.5 以段落为基本单位实验
• 2.6.6 不同核函数实验结果比较
• 2.7 本章小结
• 第3章 自然语言脚本到动画脚本的映射
• 3.1 动画场景识别
• 3.2 自然语言脚本分析
• 3.2.1 主语和宾语信息分析
• 3.2.2 谓语信息分析
• 3.2.3 其它信息分析
• 3.2.4 示例说明
• 3.3 实体初始化摆放
• 3.3.1 遗传算法简介
• 3.3.2 实体摆放模块简介
• 3.4 动画脚本分析
• 3.4.1 元动作与动画脚本的映射
• 3.4.2 其它信息分析
• 3.4.3 示例说明
• 3.5 自然语言脚本到动画脚本的映射
• 3.6 本章小结
• 第4章 自然语言脚本生成动画脚本系统设计与实现
• 4.1 系统设计
• 4.2 场景识别模块
• 4.3 生成动画脚本模块
• 4.4 本章小结
• 结论
• 参考文献
• 致谢