文景转换是通过计算机将客观世界认知场景的自然语言文本描述自动转换成其三维或者动画形态的可视化表达过程,其在人工智能、动画、教育以及军事等领域有着广泛的应用前景。现有文景转换系统生成的场景过于简单,只含有文本所描述的实体,对场景中隐含要素表达不充分,生成的场景真实性不足。首先,本文在现有文景转换与自然语言处理相关研究的基础上,阐述了场景的定义,给出了场景实体模型与场景实体词典的概念,为进一步研究奠定基础。其次,针对场景中隐含要素表达不充分的问题,提出了一种基于词频的场景关联实体推理方法。在现有的自然语言处理技术的基础上,对文本进行分词标注、语法以及语义分析、去噪等文本预处理,实现对文本中场景实体词信息的识别。本文基于互联网大量文档数据,利用词频分析获取场景关联实体词序列集,结合反文档频率优化实体词序列集,并通过实验验证了方法的有效性。然后依据词共现频率分析检验场景实体序列集发现存在场景类别混合问题,直接从词共现频率出发无法有效解决该问题。进而,结合统计数据,提出了最优场景关联实体集的推理方法。首先,分析了直接利用场景实体序列集作为场景关联实体推理结果所存在的问题,提出了融合LDA和最优主题数的场景类别分析方法。其次,通过设置权重阈值的方式对低TF-SIDF权重实体词进行过滤。从而实现了对场景核心实体词集、场景拓展实体词集与最优场景实体词集的构建,并利用最优场景实体词集构建了场景实体字典。最后,建立了实验原型系统。在构建可视化实体名词库、模型库基础上,利用java 3D图形技术,搭建实验环境,引入场景实体字典库,对比现有文景转换系统结果,证明了本文所提出的方法和技术路线的可行性以及有效性。