基于结构化语法信息的视频内容理解方法、装置、电子设备及存储介质

本申请在计算机应用技术领域，公开了基于结构化语法信息的视频内容理解方法、装置、电子设备及存储介质，该方法包括：将训练样本输入目标模型进行内容理解处理，得到预测文本，并构建预测文本对应的句法树；计算句法树与参考文本的句法树之间的句法树编辑距离；利用句法树编辑距离计算语言结构损失，利用语言结构损失对目标模型的模型参数进行更新；在训练好目标模型的模型参数的情况下，获取目标视频；将目标视频输入目标模型进行处理，得到目标视频的内容文本。在本申请中，基于语法树算出的语言结构损失训练目标模型，可对目标视频进行理解，从而得到具备语法准确、句子结构合理且自然的内容文本。