subtitle-search

根据语义相似度搜索电影台词

项目背景

当时想找电影某句台词的上下文，看了现有几个网站（如：找台词等），虽然可以实现功能，但都是关键字匹配，所以才有了这个项目

运行

项目运行分为两步：

1. 将电影字幕向量化，本项目使用的是bge-m3，需要手动下载到model目录下。

   sh run_vectorization.sh
   

2. 根据某一句话搜索台词，query参数为要搜索的查询。

   sh search_subtitle.sh

   示例：
   • 输入：“人生无悔”
   • 输出：如下图所示，输出了3个相关片段，每个片段的上下文窗口大小为5，输出格式为：“电影名称\t时间片\t台词”。

项目结构

• conf/：项目配置文件
• data/subtitles：字幕数据，支持单个文件或者文件夹
• model/：向量化模型文件位置
• sbin/：运行脚本
• src/：项目源码文件

说明

• 目前结搜索果展示上下5句台词
• 仅支持srt格式的字幕
• 字幕文件编码格式为utf-8