互联网的不断发展促进了视频网站的繁荣。越来越多的人喜欢在视频网站上自主地选择自己喜欢的节目观看。体育视频由于其竞技性、娱乐性、受众广等特点在网络视频版图中占据重要的一块。但相比于电影、电视剧等类型的视频,体育视频,尤其是策略型体育视频,往往因其专业性而有较高的观看门槛。很显然,利用自然语言处理技术为体育视频自动地生成赛事解说,不仅可以为普通用户提供专业帮助,增添视频观看乐趣,而且可以为体育视频网站吸引流量,具有广泛的应用前景和理论价值。近年来随着深度学习的发展,图像及视频理解和自然语言文本生成都取得了很大的进步,视频描述生成也取得了一定的进展。但是面向视频解说生成的研究较少,而且,相比于视频描述,体育视频的解说有其特殊性:1)体育视频的解说相比于视频描述的生成空间更发散,涉及的话题更多样。每段视频可能对应的“正确”文本不仅在表达上不唯一,在语义上也存在诸多变化;2)体育视频的解说相比于开放领域的视频描述更具专业性,特有的专业名词的表达需要先验知识;3)相比于视频描述,体育视频的解说更复杂,需要结合上下文进行逻辑上的推断,这在斯诺克、九球等策略型体育运动视频解说上尤为明显。这些特性给体育视频解说的自动生成带来了巨大的挑战。本文以斯诺克视频解说为切入点,对策略型体育视频解说的自动生成展开初步探索。具体而言,本文的主要工作有:（1）构建了第一个中文斯诺克视频-解说数据集。数据集包含截取的单杆斯诺克视频片段,以及对应的专业人士的中文解说。进一步地对斯诺克解说的类型进行了分析和标注。中文斯诺克视频解说数据集为后续的研究提供数据基础。（2）针对斯诺克视频解说的自动生成展开研究,提出了一个解说自动生成系统框架。框架由视觉特征抽取模块、策略预测模块和解说生成模块构成。在此框架下,研究多种斯诺克视频片段的特征表示,构建斯诺克策略预测模型,并提出了两种斯诺克解说自动生成方法——基于M-H采样的有约束解说生成方法和基于深度学习的端到端解说生成方法。多种视觉特征表示为解说生成提供了不同维度的输入;策略预测模型使得生成的解说不局限于客观的描述,而能够对场上的情况展开一定的预测;基于M-H采样的有约束解说生成方法能够在语义关键词的基础上产生满足多种约束且多样的解说,而基于深度学习的端到端解说生成方法对语义特征和视觉特征展开联合学习,减轻解说生成空间开放带来的训练困难。实验结果表明,本文提出的斯诺克视频解说生成框架,能够为单杆斯诺克视频生成较为流利、合理的解说,并优于若干基线方法。（3）实现了一个基于B/S架构的斯诺克视频解说自动生成Web演示程序,展示斯诺克视频解说生成过程中的一些可视化结果,以及不同算法的解说生成结果间的对比。演示程序能够帮助研究人员直观地了解、分析斯诺克解说生成。