一种情感分类方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种情感分类方法、装置及存储介质，方法包括：获取待分类文本信息对应的文本向量；利用预设情感分类模型对文本向量进行情感类型分析，得到待分类文本信息对应的多个情感分类结果；其中，多个情感分类结果与多个情感类型一一对应，每个情感分类结果表征待分类文本信息体现出对应的情感类型的可靠性。通过上述技术方案，提高了情感分类结果的准确度性。度性。度性。

【技术实现步骤摘要】
一种情感分类方法、装置及存储介质


[0001]本申请涉及人工智能
，尤其涉及一种情感分类方法、装置及存储介质。

技术介绍

[0002]对文本进行情感分析(Sentiment Analysis，SA)，是人工智能
中一种典型的自然语言处理(Natural Language Processing，NLP)任务，目前具有广泛的应用场景。
[0003]目前基于文本的情感分类方法包括：通过在卷积神经网络模型中增加词注意力机制模型进行情感极性的判断，这种方式虽然在一定程度上可以有效地提取到文本的语义信息，但是，该方式仅输出二分类结果，心理情感分析的细粒度较低，情绪分析结果的准确度较低。

技术实现思路

[0004]为解决上述技术问题，本专利技术实施例期望提供一种情感分类方法、装置及存储介质，利用预设情感分类模型可以确定出待分类文本信息对应的多个情感分类结果，实现了更细粒度的心理情感分析，提高了情感分类结果的准确度性。
[0005]本专利技术的技术方案是这样实现的：
[0006]本专利技术提供了一种情感分类方法，所述方法包括：
[0007]获取待分类文本信息对应的文本向量；
[0008]利用预设情感分类模型对所述文本向量进行情感类型分析，得到所述待分类文本信息对应的多个情感分类结果；
[0009]其中，所述多个情感分类结果与多个情感类型一一对应，每个情感分类结果表征所述待分类文本信息体现出对应的情感类型的可靠性。
[0010]在上述方法中，所述获取待分类文本信息对应的文本向量，包括：
[0011]对所述待分类文本信息进行数据清洗和预处理，得到处理后的文本信息；
[0012]利用双向编码器表示模型，对所述处理后的文本信息进行字符编码，得到所述文本向量。
[0013]在上述方法中，所述预设情感分类模型包括：特征提取子网络、特征增强子网络、降维子网络、特征融合子网络，以及特征分类子网络，所述利用预设情感分类模型对所述文本向量进行情感类型分析，得到所述待分类文本信息对应的多个情感分类结果，包括：
[0014]利用所述特征提取子网络，对所述文本向量进行不同深度层次的特征提取，得到多层次特征信息；
[0015]利用所述特征增强子网络，分别对所述多层次特征信息中每一层次特征信息进行特征增强，得到与所述多层次特征信息一一对应的多个增强特征信息；
[0016]利用所述降维子网络，分别对所述多个增强特征信息中每个增强特征信息进行降维处理，得到与所述多个增强特征信息一一对应的多个降维特征信息；
[0017]利用所述特征融合子网络，对所述多个降维特征信息进行拼接处理，得到融合特
征信息；
[0018]利用所述特征分类子网络，对所述融合特征信息进行特征分类，得到所述多个情感分类结果。
[0019]在上述方法中，所述对所述文本向量进行不同深度层次的特征提取，得到多层次特征信息，包括：
[0020]对所述文本向量进行不同深度层次的特征提取，得到多层次提取特征信息；
[0021]分别对所述多层次提取特征信息中每一层次提取特征信息进行非线性化处理，得到与所述多层次提取特征信息一一对应的所述多层次特征信息。
[0022]在上述方法中，所述分别对所述多层次特征信息中每一层次特征信息进行特征增强，得到与所述多层次特征信息一一对应的多个增强特征信息，包括：
[0023]分别对所述多层次特征信息中每一层次特征信息进行降通道处理，得到与所述多个层次特征信息一一对应的多个降通道特征信息；
[0024]分别对所述多个降通道特征信息中每个降通道特征信息进行特征调整处理，得到与所述多个降通道特征信息一一对应的多个调整特征信息；
[0025]分别对所述多个调整特征信息中每个调整特征信息进行非线性化处理，得到与所述多个调整特征信息一一对应的多个增强权重；
[0026]分别对所述多层次特征信息中每一层次特征信息，利用对应的增强权重进行加权，得到与所述多层次特征信息一一对应的所述多个增强特征信息。
[0027]在上述方法中，所述对所述融合特征信息进行特征分类，得到所述多个情感分类结果，包括：
[0028]对所述融合特征信息进行降维处理，得到降维融合特征信息；
[0029]对所述降维融合特征信息进行特征分类，得到所述多个情感分类结果。
[0030]在上述方法中，所述利用预设情感分类模型对所述文本向量进行情感类型分析，得到所述待分类文本信息对应的多个情感分类结果之后，所述方法还包括：
[0031]基于所述多个情感分类结果，确定所述待分类文本信息的实际情感分类结果。
[0032]在上述方法中，所述多个情感分类结果包括：与极端情感类型对应的第一概率、与正常情感类型对应的第二概率，以及与悲伤情感类型对应的第三概率；所述基于所述多个情感分类结果，确定所述待分类文本信息的实际情感分类结果，包括：
[0033]在所述第一概率大于或者等于预设概率阈值的情况下，确定所述实际情感分类结果为极端情感；
[0034]在所述第一概率小于所述预设概率阈值，且所述第二概率大于或者等于所述第三概率的情况下，确定所述实际情感分类结果为正常情感；
[0035]在所述第一概率小于所述预设概率阈值，且所述第二概率小于所述第三概率的情况下，确定所述实际情感分类结果为悲伤情感。
[0036]在上述方法中，所述利用预设情感分类模型，基于所述文本向量，确定所述待分类文本信息对应的情感分类结果之前，所述方法还包括：
[0037]获取样本数据对应的样本向量；
[0038]利用待训练情感分类模型对所述样本向量进行情感类型分析，得到所述样本数据对应的多个情感分类结果；
[0039]计算所述样本数据的多个情感分类结果与针对所述样本向量预设的目标情感分类结果之间的损失信息；
[0040]基于所述损失信息，对所述待训练情感分类模型进行模型参数调整，得到所述预设情感分类模型。
[0041]本专利技术提供了一种情感分类装置，包括：
[0042]获取模块，用于获取待分类文本信息对应的文本向量；
[0043]分析模块，用于利用预设情感分类模型对所述文本向量进行情感类型分析，得到所述待分类文本信息对应的多个情感分类结果；
[0044]其中，所述多个情感分类结果与多个情感类型一一对应，每个情感分类结果表征所述待分类文本信息体现出对应的情感类型的可靠性。
[0045]本专利技术提供了一种情感分类装置，包括：处理器、存储器和通信总线；
[0046]所述通信总线，用于实现所述处理器和所述存储器之间的通信连接；
[0047]所述处理器，用于执行所述存储器中存储的计算机程序，以实现上述情感分类方法。
[0048]本专利技术提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个计算机程序，所述一个或者多个计算机程序可以被一个或者多本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种情感分类方法，其特征在于，所述方法包括：获取待分类文本信息对应的文本向量；利用预设情感分类模型对所述文本向量进行情感类型分析，得到所述待分类文本信息对应的多个情感分类结果；其中，所述多个情感分类结果与多个情感类型一一对应，每个情感分类结果表征所述待分类文本信息体现出对应的情感类型的可靠性。2.根据权利要求1所述的方法，其特征在于，所述获取待分类文本信息对应的文本向量，包括：对所述待分类文本信息进行数据清洗和预处理，得到处理后的文本信息；利用双向编码器表示模型，对所述处理后的文本信息进行字符编码，得到所述文本向量。3.根据权利要求1所述的方法，其特征在于，所述预设情感分类模型包括：特征提取子网络、特征增强子网络、降维子网络、特征融合子网络，以及特征分类子网络，所述利用预设情感分类模型对所述文本向量进行情感类型分析，得到所述待分类文本信息对应的多个情感分类结果，包括：利用所述特征提取子网络，对所述文本向量进行不同深度层次的特征提取，得到多层次特征信息；利用所述特征增强子网络，分别对所述多层次特征信息中每一层次特征信息进行特征增强，得到与所述多层次特征信息一一对应的多个增强特征信息；利用所述降维子网络，分别对所述多个增强特征信息中每个增强特征信息进行降维处理，得到与所述多个增强特征信息一一对应的多个降维特征信息；利用所述特征融合子网络，对所述多个降维特征信息进行拼接处理，得到融合特征信息；利用所述特征分类子网络，对所述融合特征信息进行特征分类，得到所述多个情感分类结果。4.根据权利要求3所述的方法，其特征在于，所述对所述文本向量进行不同深度层次的特征提取，得到多层次特征信息，包括：对所述文本向量进行不同深度层次的特征提取，得到多层次提取特征信息；分别对所述多层次提取特征信息中每一层次提取特征信息进行非线性化处理，得到与所述多层次提取特征信息一一对应的所述多层次特征信息。5.根据权利要求3所述的方法，其特征在于，所述分别对所述多层次特征信息中每一层次特征信息进行特征增强，得到与所述多层次特征信息一一对应的多个增强特征信息，包括：分别对所述多层次特征信息中每一层次特征信息进行降通道处理，得到与所述多个层次特征信息一一对应的多个降通道特征信息；分别对所述多个降通道特征信息中每个降通道特征信息进行特征调整处理，得到与所述多个降通道特征信息一一对应的多个调整特征信息；分别对所述多个调整特征信息中每个调整特征信息进行非线性化处理，得到与所述多个调整特征信息一一对应的多个增强权重；
分别对所述多层次特征信息中每一层次特征信息，利用对应的增强权重进行加权，得到与所述多层次特征信息一一对应的所述多个增强特征信息。6.根据权利要求3...

【专利技术属性】
技术研发人员：张豪，钱成，鲁银冰，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：